Les statistiques sont omniprésentes. La probabilité qu'il pleuve aujourd'hui. L'évolution dans le temps des taux de chômage. La probabilité que l'Inde remporte la prochaine coupe du monde de cricket. Dans des sports comme le football, elles ont commencé par être un peu amusantes, mais sont devenues une activité commerciale importante. L'analyse statistique joue également un rôle clé en médecine, notamment dans la vaste discipline qu'est la santé publique.
Dans cette spécialisation, vous découvrirez ce qu'est la recherche médicale et comment - et pourquoi - vous transformez une vague notion en une hypothèse scientifiquement vérifiable. Vous découvrirez des concepts statistiques clés tels que l'échantillonnage, l'incertitude, la variation, les valeurs manquantes et les distributions. Vous mettrez ensuite la main à la pâte en analysant des ensembles de données couvrant certains grands défis de santé publique - la consommation de fruits et légumes et le cancer, les facteurs de risque du diabète et les prédicteurs de décès après une hospitalisation pour insuffisance cardiaque - à l'aide de R, l'un des logiciels libres les plus répandus et les plus polyvalents qui soient.
Cette spécialisation comprend quatre cours - réflexion statistique, régression linéaire, régression logistique et analyse de survie - et fait partie de notre futur Master mondial en santé publique, qui devrait débuter en septembre 2019.
La spécialisation peut être suivie indépendamment du GMPH et ne nécessite aucune connaissance des statistiques ou du logiciel R. Il suffit de s'intéresser aux questions médicales et d'avoir une bonne connaissance de l'anglais. Vous devez simplement vous intéresser aux questions médicales et aux données quantitatives.
Projet d'apprentissage appliqué
Dans chaque cours, vous découvrirez des concepts clés et un ensemble de données qui serviront d'exemples pratiques tout au long du cours. Les données de santé publique sont désordonnées, avec des valeurs manquantes et des distributions bizarres, ce qui n'est que trop fréquent. Les données que vous utiliserez sont soit réelles, soit simulées à partir d'ensembles de données réelles au niveau des patients (toutes anonymisées et avec des autorisations d'utilisation en place).
L'accent sera mis sur "l'apprentissage par la pratique" et "l'apprentissage par la découverte", car vous rencontrerez des problèmes typiques de données et d'analyse que vous devrez résoudre et dont vous discuterez avec les autres apprenants. Vous aurez l'occasion de résoudre les problèmes par vous-même et avec vos pairs avant d'accéder aux réponses et aux explications fournies par les formateurs.
