Biostatistique

Description du programme

La biostatistique est l’étude de l’estimation et de l’inférence statistiques en biologie et en sciences de la santé. Elle couvre un large éventail de sujets, tels la génétique statistique, la conception et l’analyse d’essais cliniques randomisés contrôlés, ainsi que la modélisation de durées de vie. La recherche en biostatistique est souvent motivée par des questions biomédicales précises ou par des applications qui requièrent des travaux méthodologiques s’inscrivant dans un cadre mathématique ou statistique plus général. La pratique de la biostatistique nécessite donc une bonne connaissance des techniques d’inférence et de statistique asymptotique, mais aussi de la polyvalence et des aptitudes pour le travail interdisciplinaire. Les membres du groupe de biostatistique de l’ISM s’intéressent entre autres à

  • l’analyse de survie
  • la génétique statistique
  • l’inférence causale
  • la méthodologie pour les données longitudinales

 Les membres du groupe ont notamment contribué à la conception ou à l’étude de modèles semi-paramétriques et non paramétriques pour des variables réponses, de techniques d’assurance de la qualité des données dans le cadre d’études génomiques, de méthodes bayésiennes pour des tests diagnostiques, d’estimateurs-g et autres techniques d’inférence pour des régimes de traitement dynamique, ainsi que d’outils d’analyse de scores de propensité en haute dimension.

Membres du programme

Cours 2021-22

Automne

Epidemiology: Introduction and Statistical Models

Examples of applications of statistics and probability in epidemiologic research. Sources of epidemiologic data (surveys, experimental and non-experimental studies). Elementary data analysis for single and comparative epidemiologic parameters.

Prof. James Hanley

BIOS 601

Institution: Université McGill

Causal Inference in Biostatistics

Foundations of causal inference in biostatistics. Statistical methods based on potential outcomes; propensity scores, marginal structural models, instrumental variables, structural nested models. Introduction to semiparametric theory.

Prof.

BIOS 610

Institution: Université McGill

Advanced Generalized Linear Models

Statistical methods for multinomial outcomes, overdispersion, and continuous and categorical correlated data; approaches to inference (estimating equations, likelihood-based methods, semi-parametric methods); analysis of longitudinal data; theoretical content and applications.

Prof. Alexandra Schmidt

BIOS 612

Institution: Université McGill

Data Analysis & Report Writing

Common data-analytic problems. Practical approaches to complex data. Graphical and tabular presentation of results. Writing reports for scientific journals, research collaborators, consulting clients.

Prof. Andrea Benedetti

BIOS 624

Institution: Université McGill

Hiver

Epidemiology: Regression Models

Multivariable regression models for proportions, rates, and their differences/ratios; Conditional logistic regression; Proportional hazards and other parametric/semi-parametric models; unmatched, nested, and self-matched case-control studies; links to Cox's method; Rate ratio estimation when "time-dependent" membership in contrasted categories.

Prof. Robert W. Platt

BIOS 602

Institution: Université McGill

Advanced Modelling: Survival and Other Multivariate Data

Advanced applied biostatistics course dealing with flexible modeling of non-linear effects of continuous covariates in multivariable analyses, and survival data, including e.g. time-varying covariates and time-dependent or cumulative effects. Focus on the concepts, limitations and advantages of specific methods, and interpretation of their results. In addition to 3 hours of weekly lectures, shared with epidemiology students, an additional hour/week focuses on statistical inference and complex simulation methods. Students get hands-on experience in designing and implementing simulations for survival analyses, through individual term projects.

Prof. Michal Abrahamowicz

BIOS 637

Institution: Université McGill

Special Topics in Biostatistics 1: Bayesian Analysis in Health Statistics

Prof. Alexandra Schmidt

BIOS 691

Institution: Université McGill