Chiffres clés de cette première année :
Au total, pour la première année de Docteur Stats, nous avons eu le plaisir de former 42 participants qui ont été globalement satisfait sur différents aspects de la formation "Statistiques pour la recherche médicale".
- 3 sessions de formation organisées
- 2 sessions Niveau 1
- 1 session Niveau 2
- Un taux de satisfaction élevé :
- ⭐ Contenu : 8,2 / 10
- ⭐ Pédagogie : 8,1 / 10
- ⭐ Satisfaction globale : 8,1 / 10
Une progression mesurable des connaissances
Au-delà de la satisfaction, les participants ont montré une belle progression de leurs connaissances entre le début et la fin de la formation :
- Niveau 1 :
➜ moyenne passant de 10/20 avant formation à 18/20 après formation - Niveau 2 :
➜ moyenne passant de 12/20 à 18,3/20
Vos retours comptent (et nous font avancer)
Parmi les retours reçus, certains résument parfaitement l’esprit que l'on souhiaite partager :
« Très facile à suivre, complet et très pédagogique, merci ! »
Grâce aux précédents retours, nous avons déjà intégré des exercices pratiques dès cette année et la majorité des participants ont appréciés.
En 2026, nous espérons aller encore plus loin avec des l'ajout d'exemples concrets issus de la recherche médicale.
👉 Vous voulez en savoir plus ?
N'hésitez pas à nous contacter pour qu'on puisse répondre à toutes vos questions. Vous pouvez également retrouver les retours de nos participants juste ici !
📚 Que vais-je retrouver dans la formation de niveau 1 ?
La formation Niveau 1 pose les fondations indispensables de l’analyse statistique en recherche médicale, en 4 sessions :
- Nettoyage et préparation des données
- Tests statistiques (paramétriques et non paramétriques)
- Régressions linéaires et logistiques
- Courbes ROC et analyse de survie
👉 L’objectif : être autonome pour analyser et interpréter correctement ses données.
🔬 Et le Niveau 2 ?
La formation Niveau 2, toujours dédiée à la recherche médicale, permet d’aborder des méthodes statistiques avancées, parmi lesquelles :
- Analyse en composantes principales (ACP)
- Score de propension
- Méthodes de clustering
- Construction et validation de questionnaires en santé
- ANOVA à mesures répétées
- Bootstrap
- Imputation multiple des données manquantes
👉 Idéal pour approfondir ses analyses et répondre à des problématiques de recherche plus complexes.