Biostatistique. Volume 2, 2e édition

Cette 2e édition s'adresse aux étudiants, aux chercheurs et aux professionnels dont le bagage mathématique est élémentaire. À partir des méthodes les plus simples, nous proposons, avec Biostatistique, volume 1, 2e édition, un cours accessible d'initiation à la biostatistique. Avec Biostatistique, volume 2, 2e édition, nous proposons un cours de biostatistique avancée (modélisation) qui fait appel à des techniques plus élaborées. Enfin, grâce à des moyens plus complexes, nous tentons de répondre aux préoccupations des praticiens exploitant des données. La 1ère édition de Biostatistique a été conçue au tournant des années 1980. Depuis cette époque l'application des statistiques aux sciences du vivant (biologie, médecine, etc.) a évolué sous l'impulsion de différents acteurs, notamment la Food and Drug Administration. Au cours des années 1980, cette organisation a su en effet imposer une démonstration avant d'accorder une autorisation. Or, montrer un effet est chose relativement facile, mais le démontrer nous impose le fardeau de la preuve. Le volume 1 expose aux chapitres 2 (protocole) et 14 (multiplicité des tests) plusieurs exigences méthodologiques liées à la démonstration. Le volume 2 poursuit dans la même veine, mais dans le cadre de la modélisation. Si le pragmatisme l'emporte souvent sur la théorie, l'exposé du principe des méthodes reste bien présent. L'étude des propriétés des méthodes permet d'en dégager les mérites respectifs et de déterminer où elles s'avèrent efficaces et non biaisées. En cas de biais, sa direction selon les situations est recherchée. Nous avons présenté la notion de statistiques robustes pour pallier "l'insuffisance chronique" de connaissance de la loi de distribution des populations d'origine. Les données recueillies ne sont pas toujours aussi propres qu'on le souhaiterait et des méthodes sont proposées pour remédier au problème des données manquantes qui déséquilibrent un plan d'expérience, des données exceptionnelles ayant un poids démesuré dans l'analyse, des données censurées qui apportent une information non négligeable, etc. Cet ouvrage traite particulièrement de la modélisation et de la modélisation semi-paramétrique, comme aide à la construction des modèles a priori. De très nombreux exemples tirés de cas réels facilitent la compréhension et l'application des méthodes, la comparaison de différentes approches et l'interprétation des résultats. Le choix des exemples ne vise pas un résultat significatif et sans équivoque, mais conduit à une réflexion sur la pertinence de la méthode. Enfin, nous proposons des codes de programmation applicables aux techniques les plus élaborées.