Compagnon de travail académique

Compagnon de travail académique : Biblio, Bases de données, Statistiques et Rédaction

Créé par le Dr Jason Shourick Service d’Epidémiologie Clinique et de Santé Publique CHU de Toulouse, Pôle Santé Publique et Médecine Sociale 2023

Complété par le Dr Emmeline Montané Service de Médecine Physique et de Réadaptation CHU de Toulouse, Pôle Neurosciences 2025

Cliquer ici pour continuer ->

Passer au chapitre suivant

Sommaire du chapitre

Légende des boutons

Sommaire principal

Chapitres

Concevoir sa recherche

Recueillir des données

Analyser des données

Rédiger son travail

Pour évaluer ce cours : https://docs.google.com/forms/d/e/1FAIpQLSefuTlY0uDAZlj7K6LenYG6dWiPOjTsJ8apk497Gl229ERvqQ/viewform?usp=sf_link

Aidez nous à améliorer ce cours !

Concevoir sa recherche

• Qu'est ce qu'une question de recherche
• La méthode PICO
• Les types d'études
• Faire une bibliographie
• Faire une recherche efficace sur Pubmed
• Trier et indexer sa bibliographie
• Rédiger une fiche-résumé

3 Points clefs :

• Définir sa question de recherche
• Faire une bibliographie complète
• Définir en avance les données à recueillir

Je m'auto-évalue !

Recueillir des données

• Quelles données recueillir
• Comment recueillir des données
• Redcap
• Epiinfo
• Le Dictionnaire de variables

3 Points clefs :

• Ne pas recueillir sur excel
• Un formulaire/ligne par patient, une question/colonne par variable
• Recueillir seulement les données nécéssaires

Je m'auto-évalue !

Analyser des données

Analyser des données

• Qu'est ce qu'une observation indépendante
• Vérification des données
• Variables quantitatives
• Variables qualitatives
• Tests statistiques
• Puissance

3 Points clefs :

• Chaque observation doit être indépendante
• Vérifier puis Décrire puis Analyser
• Choisir le bon test en fonction de la nature des variables

Je m'auto-évalue !

Variables quantitatives

• Qualité des données
• Description des données
• Les données quantitatives sur Epiinfo

Variables qualititatives

• Qualité description et transformation
• Les données qualitatives sur Epiinfo

Tests statistiques

• Choisir le bon test
• Association de deux variables qualitatives
• Association d'une variable quantitative et d'une variable qualitative

• Association de deux variables quantitatives

Rédiger son travail

• Ecrire un texte scientifique
• Word et ses atouts
• L'IA et le plagiat
• Publication scientifique

3 Points clefs :

• Anticiper la rédaction du travail
• Suivre les recommandations d'écriture
• Citer ses références

Je m'auto-évalue !

Bravo d'avoir participé à ce cours !

On espère que vous y avez trouvé des ressources pertinentes pour votre travail Aidez nous à améliorer le contenu en répondant à ce questionnaire Le questionnaire d'évaluation du cours Merci pour votre aide, c'est important pour nous ! Retour au menu principal

Je m'auto-évalue - Qu'est ce qu'une question de recherche ?

Un interne souhaite réaliser une thèse sur les AVC et la récupération motrice. Il propose la question de recherche suivante : "Quels sont les mécanismes de récupération après un AVC et comment les optimiser ? » Analysez cette question et proposez une reformulation plus adaptée pour en faire une véritable question de recherche.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Qu'est ce qu'une question de recherche ?

Problèmes de la question initiale :

• Trop vague (elle aborde à la fois les mécanismes et l’optimisation, ce qui élargit trop le sujet).
• Implique potentiellement plusieurs études et méthodologies différentes.
• Difficilement exploitable dans le cadre d’une thèse.

Proposition de reformulation :

• "Quel est l’impact d’une rééducation intensive sur la récupération motrice après un AVC, évalué par le score Fugl-Meyer à 6 mois ?"
• "Quels sont les facteurs pronostiques de récupération motrice après un AVC ischémique ?"

Je m'auto-évalue - Méthode PICO

Un interne souhaite évaluer l’efficacité de la rééducation robotisée sur la récupération motrice après un AVC. Sa question initiale est : "Quel est l’effet de la rééducation robotisée sur les patients ayant eu un AVC ? » À l’aide de la méthode PICO, analysez les faiblesses de cette question et proposez une reformulation plus précise.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Méthode PICO

Problèmes de la question initiale : Population non précisée (âge, sévérité de l’AVC ?). Absence de comparaison (vs rééducation conventionnelle ?). Critère de jugement flou (amélioration motrice mesurée comment ?). Reformulation avec PICO :

• P : Patients à 2 mois post-AVC avec déficits moteurs modérés à sévères
• I : Rééducation robotisée.
• C : Rééducation conventionnelle.
• O : Amélioration du score Fugl-Meyer après 3 mois.

Nouvelle question : "Chez des patients à 2 mois post-AVC avec déficits moteurs modérés à sévères, la rééducation robotisée est-elle plus efficace que la rééducation conventionnelle pour améliorer le score Fugl-Meyer après 3 mois ?"

Je m'auto-évalue - Les types d’études

Un interne en médecine souhaite évaluer l’efficacité d’une nouvelle technique de rééducation pour les patients post-AVC dans le cadre de sa thèse. Analysez les avantages et les limites des types d’études suivants pour ce projet : - Une étude transversale - Une étude de cohorte - Un essai contrôlé randomisé Expliquez votre raisonnement en fonction des contraintes de temps, de faisabilité et de pertinence scientifique.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Les types d’études

Étude transversale : Rapide et faisable dans le cadre d’une thèse, mais limite les conclusions causales. Permet surtout des analyses descriptives. Étude de cohorte : Permet un suivi et une analyse des facteurs de risque ou de pronostic, mais nécessite plus de temps et un échantillon plus important. Essai contrôlé randomisé : Le gold standard pour tester l’efficacité d’une intervention, mais difficilement réalisable dans le temps imparti d’une thèse en raison des exigences méthodologiques, réglementaires et financières.

Je m'auto-évalue - Faire une bibliographie

Pourquoi est-il essentiel de réaliser une recherche bibliographique avant de formuler définitivement une question de recherche en médecine ?

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Faire une bibliographie

La recherche bibliographique permet de mieux définir la question de recherche en s’assurant qu’elle est pertinente et qu’elle n’a pas déjà été résolue. Elle aide à identifier les lacunes dans les connaissances existantes et à éviter de poser une question trop large ou trop vague. Elle permet de différencier ce qui est prouvé scientifiquement de ce qui relève des habitudes de pratique. Elle est essentielle pour la discussion des résultats et pour comprendre comment les résultats s’insèrent dans la littérature existante.

Je m'auto-évalue - Pubmed

Un étudiant réalise une recherche sur l'impact de la rééducation post-AVC sur la récupération motrice. Il obtient 10 000 résultats sur PubMed. Analysez les erreurs potentielles de sa recherche et proposez une stratégie pour affiner les résultats afin de ne conserver que les articles les plus pertinents.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Pubmed

Erreur probable : L'étudiant a tapé des mots-clés de manière trop large, comme il le ferait sur Google. Stratégie d'amélioration :

• Utiliser les termes MESH pour s’assurer que tous les articles pertinents sont inclus.
• Ajouter des modérateurs ([ti], [tw]) pour ne garder que les études où les mots-clés sont centraux.
• Combiner les concepts avec des opérateurs booléens (ex. "stroke rehabilitation" AND "motor recovery").
• Exclure les termes non pertinents avec NOT (ex. "NOT pediatric").
• Limiter la recherche aux articles récents et aux études cliniques.

Je m'auto-évalue - Trier et indexer sa bibliographie

Un étudiant prépare une revue de la littérature pour sa thèse et doit analyser 500 articles issus de PubMed. Il décide de tout enregistrer manuellement dans un document Word. Analysez les problèmes que cette méthode peut poser et proposez une alternative plus efficace en utilisant Rayyan et Zotero.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Trier et indexer sa bibliographie

Problèmes de la méthode manuelle :

• Risque de perte d’informations ou d’oubli d’articles pertinents.
• Perte de temps dans l’organisation et le tri des références.
• Difficulté à justifier les exclusions d’articles non pertinents.
• Erreurs possibles dans la mise en forme des citations et de la bibliographie.

Alternative plus efficace :

• Utiliser Rayyan pour trier les articles, noter ceux qui sont pertinents et exclure ceux qui ne le sont pas.
• Importer les références dans Zotero via leur DOI pour automatiser la gestion.
• Insérer les citations directement dans Word via Zotero, en respectant le style demandé par la revue ou la thèse.
• Exporter la bibliographie automatiquement pour éviter les erreurs de mise en forme.

Je m'auto-évalue - Rédiger une fiche résumé

Quels sont les éléments essentiels à inclure dans une fiche résumé minimal d’un projet de recherche, et pourquoi est-il important de la rédiger même en l’absence d’un protocole détaillé ?

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Rédiger une fiche résumé

Éléments essentiels :

• Rationnel : Justification de l’étude.
• Type d’étude : Ex. cohorte, cas-témoins, série de cas.
• Objectifs principaux et secondaires.
• Critères de jugement principaux et secondaires.
• Critères d’inclusion et d’exclusion.
• Facteurs de confusion potentiels.
• Définition précise des variables d’étude.

Importance de la fiche résumée minimale :

• Aide à clarifier la recherche et à identifier d’éventuelles lacunes.
• Facilite les déclarations réglementaires (ex. MR004).
• Permet une meilleure organisation lors du recueil des données et de l’analyse.
• Évite de devoir redéfinir des concepts en cours de route, notamment pour des pathologies complexes.

Aller au chapitre Recueillir des données

Je m'auto-évalue - Quelles données recueillir

Un interne conçoit une base de données pour son étude sur la rééducation post-AVC. Il inclut 50 variables, dont certaines ne sont pas directement liées à sa question de recherche. Lors de l’analyse, il rencontre de nombreuses valeurs manquantes et des erreurs de saisie. Analysez les erreurs commises dans sa conception et proposez des solutions pour améliorer la qualité de sa base de données.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Quelles données recueillir

Erreurs commises :

• Inclusion excessive de variables non essentielles → surcharge inutile de la base.
• Manque de rigueur dans la définition des variables → risque de mauvaise qualité des données.
• Trop de données à collecter → augmentation du nombre de valeurs manquantes et erreurs de saisie.

Solutions :

• Restreindre le nombre de variables en sélectionnant uniquement celles nécessaires à la question de recherche.
• Définir précisément chaque variable (ex. unités, modalités de réponse, critères d’inclusion).
• Former l’équipe au recueil des données pour assurer une saisie homogène.
• Faire un test pilote avec quelques patients pour identifier d’éventuels problèmes avant la collecte définitive.

Je m'auto-évalue - Comment recueillir des données

Un interne conçoit une base de données pour son étude sur la rééducation post-AVC. Après quelques semaines de recueil, il se rend compte que plusieurs informations sont manquantes ou mal renseignées : - Certains patients ont des valeurs impossibles (ex. IMC négatif, âges incohérents). - Plusieurs variables ont été remplies de manière hétérogène (ex. "petit", "moyen", "grand" au lieu de valeurs numériques). - Certains champs sont restés vides car les investigateurs n’étaient pas sûrs de la réponse. Analysez les erreurs commises et proposez des solutions pour améliorer la qualité du recueil des données.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Comment recueillir des données

Erreurs commises :

• Absence de validation automatique des données → des valeurs incohérentes sont saisies.
• Mauvaise définition des variables catégorielles → réponses non homogènes.
• Absence de champs obligatoires → données manquantes.

Solutions à mettre en place :

• Utiliser un logiciel spécialisé (ex. REDCap, Ryan) qui permet de définir des valeurs attendues et d’éviter les saisies erronées.
• Définir des catégories précises pour les variables qualitatives et interdire les entrées libres.
• Mettre en place des valeurs limites pour éviter les erreurs (ex. âge entre 18 et 100 ans).
• Obliger certaines réponses clés pour éviter les champs laissés vides.
• Former les investigateurs pour s’assurer qu’ils remplissent correctement les données dès le départ.

Je m'auto-évalue - Redcap

Quels sont les avantages de l’utilisation de REDCap par rapport à Excel pour le recueil de données dans une étude clinique ?

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Redcap

Sécurité et conformité : REDCap fonctionne sur un serveur sécurisé, garantissant le respect de la réglementation (ex. MR004).Structuration des données :

• Une question = une variable, avec des options clairement définies (évite les erreurs de saisie).
• Possibilité d’imposer des réponses obligatoires, ce qui réduit les données manquantes.
• Définition de variables qualitatives et quantitatives avec options précises.

Collaboration facilitée :

• Plusieurs utilisateurs peuvent remplir les données simultanément.
• Meilleure gestion des accès et des rôles par utilisateur.

Fiabilité des données :

• Vérifications automatiques des réponses (ex. valeurs aberrantes).
• Possibilité d’exportation vers Excel ou des logiciels de statistiques.

Facilité d’utilisation :

• Interface intuitive, avec mode bac à sable pour tester les formulaires avant la mise en production.
• Fonctionnalité de questionnaires en ligne pour faciliter la saisi

Je m'auto-évalue - EpiInfo

Un interne hésite entre Epi Info et REDCap pour structurer sa base de données et analyser ses résultats. Il souhaite collecter des informations sur la récupération fonctionnelle post-AVC et réaliser des analyses statistiques sur son échantillon. Analysez les avantages et les limites de chaque logiciel et proposez le choix le plus adapté à son besoin.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - EpiInfo

Avantages de REDCap :

• Interface intuitive pour la collecte de données.
• Sécurisé et conforme aux réglementations (serveur institutionnel).
• Permet la collaboration entre plusieurs utilisateurs.
• Idéal pour le recueil structuré des données, mais ne fait pas d’analyse statistique avancée.

Avantages d’Epi Info :

• Permet la création de formulaires similaires à REDCap.
• Inclut des outils statistiques : tests de comparaison, calculs de puissance.
• Peut générer des graphiques et des cartes pour l’analyse des résultats.
• Moins intuitif que REDCap, mais plus complet pour l’analyse des données.

Choix recommandé :

• Si l’objectif principal est la collecte des données de manière collaborative et sécurisée → REDCap.
• Si l’objectif est de collecter les données et de réaliser des analyses statistiques intégrées → Epi Info.
• Une combinaison des deux peut être envisagée : recueil des données sur REDCap, puis export vers Epi Info pour l’analyse.

Je m'auto-évalue - Dictionnaire de variables

Un interne reçoit une base de données anonymisée pour analyser l’impact d’une intervention post-AVC. Lorsqu’il ouvre le fichier, il constate : - Des valeurs numériques dans plusieurs colonnes sans explication (ex. "1", "2", "3" dans la colonne "Traitement"). - Des variables dont les unités ne sont pas précisées (ex. temps de récupération sans indication d’unité). - Aucune documentation jointe expliquant la signification des données. Analysez les problèmes potentiels liés à l’absence d’un dictionnaire de variables et proposez des solutions pour y remédier.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Dictionnaire de variables

Problèmes liés à l’absence de dictionnaire de variables :

• Ambiguïté des données : Impossible de savoir si "1" signifie "traitement A" ou autre chose.
• Difficulté d’analyse : Sans unités précises, les comparaisons deviennent impossibles.
• Perte d’information : Si les chercheurs d’origine ne sont pas disponibles, la base peut devenir inexploitable.

Solutions :

• Créer un dictionnaire de variables en documentant la signification de chaque variable.
• Préciser les unités des variables quantitatives et les limites de valeurs normales.
• Utiliser des logiciels comme REDCap ou Epi Info qui génèrent automatiquement le dictionnaire.
• S’assurer que toute base de données transmise à un collaborateur inclut son dictionnaire pour éviter toute perte d’information.

Aller au chapitre Analyser des données

Je m'auto-évalue - Variable indépendante

Pourquoi l’indépendance des observations est-elle un prérequis fondamental dans l’analyse statistique, et quelles erreurs peuvent survenir si cette hypothèse n’est pas respectée ?

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Variable indépendante

Importance de l’indépendance des observations :

• La plupart des statistiques descriptives et des tests classiques supposent que chaque observation est indépendante.
• Si les observations sont corrélées, les résultats peuvent être biaisés et donner des conclusions erronées.

Erreurs possibles en cas de non-indépendance des données :

• Double comptage des patients : Exemple d’une étude où un même patient est enregistré plusieurs fois (ex. suivi d’un œil gauche et d’un œil droit séparément).
• Corrélation spatiale : Exemple des températures dans des villes proches (ex. Toulouse et Launaguet), qui fausse la moyenne.
• Corrélation temporelle : Exemple de la CRP évoluant dans le temps, où les valeurs successives sont liées et influencent faussement l’analyse.
• Clusterisation des patients : Exemple des patients pris en charge par un même médecin ou service, qui peuvent avoir des profils similaires et biaiser les résultats.

Je m'auto-évalue - Vérification des données

Quels sont les principaux éléments à vérifier lors de la phase de contrôle des données dans une étude clinique, et pourquoi est-ce une étape essentielle avant toute analyse statistique ?

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Vérification des données

Vérification de la population incluse :

• S’assurer que les patients respectent bien les critères d’inclusion et d’exclusion.
• Comparer le nombre de sujets inclus avec celui attendu.
• Identifier les perdus de vue et vérifier à quel moment ils ont quitté l’étude.

Qualité des données :

• Données manquantes : Vérifier combien de valeurs sont absentes et leur impact.
• Cohérence des données :
• Exemple : Un patient avec "aucun traitement" ne devrait pas avoir un nombre de traitements > 0.
• Vérifier la compatibilité entre des scores (ex. forte dépression ≠ excellente qualité de vie).
• Cohérence avec des données publiées : Si la base a déjà été utilisée, s’assurer qu’il n’y a pas d’incohérences avec des résultats antérieurs.

Détection des valeurs aberrantes (outliers) :

• Vérifier les minimums et maximums des variables.
• Vérifier s’il existe des valeurs biologiquement impossibles (ex. un IMC de 200).
• Utiliser des représentations graphiques pour identifier visuellement les erreurs.

Pourquoi cette étape est essentielle ?

• Éviter les erreurs d’interprétation des résultats.
• S’assurer que l’analyse statistique repose sur des données fiables.
• Réduire les biais liés aux données aberrantes ou manquantes.

Je m'auto-évalue - Variables quantitatives

Un interne analyse une base de données sur l’activité physique après un AVC. Il constate plusieurs anomalies : - Certains patients ont un temps de marche déclaré de 35 heures par jour. - Un grand nombre de valeurs de glycémie sont égales à 3, ce qui semble incohérent. - La distribution des heures travaillées montre deux pics distincts, suggérant une erreur de saisie ou une catégorisation incorrecte. Analysez ces erreurs et proposez une méthodologie pour corriger et améliorer la qualité des données avant l’analyse statistique.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Variables quantitatives

Erreurs potentielles :

• Valeur aberrante (35 heures de marche par jour) → probable erreur de saisie, vérifier et exclure ou corriger.
• Codage des valeurs manquantes (ex. "3" pour glycémie) → vérifier s’il s’agit d’un code spécifique à remplacer par "donnée manquante".
• Mauvaise catégorisation des heures travaillées → nécessité de regrouper les valeurs en catégories exploitables (ex. "Travail sédentaire" vs "Travail actif").

Méthodologie de correction :

• Vérification des minimums et maximums pour identifier les valeurs aberrantes.
• Représentation graphique (histogrammes, boxplots) pour repérer les anomalies.
• Re-codage des données (ex. transformer une variable continue en une variable catégorielle si nécessaire).
• Validation avec des experts (cliniciens, méthodologistes) pour décider si une donnée doit être corrigée ou exclue.
• Utilisation d’un dictionnaire de variables pour assurer la cohérence du codage et des modalités de réponse.

Je m'auto-évalue - Variables qualitative

Un interne analyse une base de données sur la perception de la douleur après un AVC. La variable "Intensité de la douleur" est encodée comme suit : - 1 = Légère - 2 = Modérée - 3 = Sévère - 4 = Autre Lors de l’analyse des résultats, il constate que plusieurs patients sont classés en catégorie "Autre" sans précision. Analysez les conséquences de cette catégorisation et proposez des solutions pour améliorer la qualité des données avant l’analyse statistique.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Variables qualitative

Problèmes liés à la catégorisation actuelle :

• La modalité "Autre" n’est pas exploitable statistiquement car elle regroupe des réponses hétérogènes.
• L’information détaillée sur la douleur est perdue pour ces patients.
• Cela peut biaiser les résultats si une part importante de patients est classée dans cette catégorie.

Solutions pour améliorer la variable :

• Analyser les réponses "Autre" pour voir si elles correspondent à des catégories existantes.
• Reclassifier les patients si possible (ex. attribuer "Autre" à "Modérée" ou "Sévère" si justifié).
• Éviter l’utilisation d’une modalité "Autre" sauf en dernier recours, et demander une précision (ex. sous forme d’une variable ouverte complémentaire).
• Si l’hétérogénéité est trop forte, redéfinir la variable pour qu’elle capte mieux les différentes intensités de douleur.

Je m'auto-évalue - Tests statistiques

Quels sont les critères à prendre en compte pour choisir le bon test statistique dans une analyse clinique, et pourquoi est-il important d’éviter de multiplier les tests ?

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Tests statistiques

Critères pour choisir un test statistique :

• Nature des variables (qualitative, quantitative).
• Nombre de groupes comparés (deux ou plus).
• Normalité de la distribution des données quantitatives (à vérifier visuellement).
• Effectif : Si une catégorie a moins de 5 observations, il faut adapter le test (ex. Fisher au lieu du khi²).

Pourquoi éviter de multiplier les tests ?

• Risque d’inflation de l’erreur alpha (faux positifs) : Plus on effectue de tests, plus on augmente la probabilité d’obtenir un résultat significatif par hasard.
• Il faut se concentrer sur les critères de jugement principaux et secondaires définis en amont, et ne pas tester jusqu’à obtenir un résultat significatif.
• Chaque test doit être accompagné d’un indice de différence entre les groupes (ex. moyenne ± écart-type, odds ratio), et non présenté isolément.

Je m'auto-évalue - Puissance

Un interne souhaite comparer l’effet de deux types de rééducation post-AVC sur un score fonctionnel. Il prévoit d’inclure 50 patients par groupe et espère démontrer une amélioration moyenne de 3 points sur le score. Lorsqu’il utilise le logiciel PS pour calculer la puissance, il découvre que 200 patients par groupe seraient nécessaires pour détecter une différence de 3 points avec une puissance de 80 %. Analysez les implications de ce résultat et proposez des solutions pour adapter son étude.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Puissance

Implications du calcul de puissance :

• Avec 50 patients par groupe, l’étude n’aura pas assez de puissance pour détecter une différence de 3 points.
• Risque de faux négatif : Si une différence existe réellement, elle pourrait ne pas être détectée à cause d’un effectif trop faible.
• Mauvaise exploitation des ressources : Une étude sous-dimensionnée ne fournira pas de conclusion fiable.

Solutions possibles :

• Augmenter la taille de l’échantillon : Si possible, recruter 200 patients par groupe.
• Accepter une différence plus grande comme cliniquement pertinente (ex. viser une amélioration de 6 points au lieu de 3).
• Optimiser le design de l’étude :
• Utiliser des mesures répétées pour augmenter la puissance.
• Réduire la variabilité des scores en affinant les critères d’inclusion.
• Justifier l’impossibilité d’atteindre un échantillon suffisant et signaler cette limitation dans les conclusions de l’étude.

Aller au chapitre Rédiger son travail

Je m'auto-évalue - Ecrire un texte scientifique

Quels sont les principaux éléments à respecter pour rédiger un article scientifique ou une thèse de médecine de manière claire et structurée ?

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Ecrire un texte scientifique

Principes généraux de rédaction :

• Style simple, précis, concis, clair.
• Utiliser des phrases courtes et éliminer les mots inutiles.
• Assurer une logique fluide entre les paragraphes (connecteurs logiques).
• Chaque paragraphe commence par une topic sentence qui résume l’idée principale.

Organisation recommandée de la rédaction :

• Résultats (les données parlent d’abord).
• Méthodes (comment les données ont été obtenues).
• Discussion et introduction (interprétation et mise en contexte).
• Abstract (le plus important, à rédiger en dernier).

Points clés pour chaque section :

• Introduction : Expliquer ce que l’on sait, ce que l’on ne sait pas, et pourquoi l’étude est importante.
• Méthodes : Décrire le design de l’étude, les critères d’inclusion/exclusion, les variables analysées et les outils statistiques utilisés.
• Résultats : Présenter les données sans les répéter inutilement. Utiliser des figures et tables claires.
• Discussion : Comparer avec la littérature existante, discuter des limites et de la pertinence clinique.
• Titre et Abstract : Informer rapidement et efficacement sur le contenu de l’article.

Je m'auto-évalue - Word et ses atouts

Un interne rédige sa thèse dans Word mais rencontre plusieurs problèmes : - Sa table des matières ne se met pas à jour correctement. - La numérotation des pages commence dès la page de couverture au lieu de l’introduction. - Un tableau large est mal affiché car il dépasse les marges de la page. Analysez ces erreurs et proposez des solutions pour améliorer la structuration et la mise en page du document.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Word et ses atouts

Erreurs identifiées :

• Table des matières non mise à jour : Il a peut-être inséré des titres manuellement au lieu d’utiliser les styles Word.
• Numérotation incorrecte des pages : Il manque probablement un saut de section entre la couverture et le début du texte.
• Tableau dépassant les marges : Il faut insérer une page en format paysage via un saut de section.

Solutions proposées :

• Corriger les styles des titres : Appliquer les styles Word (Titre 1, Titre 2…) pour assurer la mise à jour automatique de la table des matières.
• Insérer un saut de section après la page de couverture pour débuter la numérotation à l’introduction.
• Mettre la page contenant le tableau en paysage en insérant un saut de section avant et après.

Je m'auto-évalue - IA et plagiat

Un interne rédige sa thèse dans Word mais rencontre plusieurs problèmes : - Sa table des matières ne se met pas à jour correctement. - La numérotation des pages commence dès la page de couverture au lieu de l’introduction. - Un tableau large est mal affiché car il dépasse les marges de la page. Analysez ces erreurs et proposez des solutions pour améliorer la structuration et la mise en page du document.

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - IA et plagiat

Erreurs identifiées :

• Table des matières non mise à jour : Il a peut-être inséré des titres manuellement au lieu d’utiliser les styles Word.
• Numérotation incorrecte des pages : Il manque probablement un saut de section entre la couverture et le début du texte.
• Tableau dépassant les marges : Il faut insérer une page en format paysage via un saut de section.

Solutions proposées :

• Corriger les styles des titres : Appliquer les styles Word (Titre 1, Titre 2…) pour assurer la mise à jour automatique de la table des matières.
• Insérer un saut de section après la page de couverture pour débuter la numérotation à l’introduction.
• Mettre la page contenant le tableau en paysage en insérant un saut de section avant et après.

Je m'auto-évalue - Publication scientifique

Analysez l'impact potentiel du choix de la revue sur le processus de publication. Quels critères doivent être pris en compte pour maximiser les chances d'acceptation de l'article ?

• Je me sens à l’aise pour répondre
• Je veux en savoir plus

Je m'auto-évalue - Publication scientifique

Scope de la revue : L’adéquation entre le thème de l’article et les thématiques couvertes par la revue. Rang SIGAPS : Un rang élevé (A ou B) améliore la visibilité mais peut augmenter le niveau d’exigence. Open Access vs. traditionnel : Les frais de publication sont plus élevés pour l’Open Access mais l’article est plus visible. Taux d’acceptation : Les revues à fort facteur d’impact ont souvent un taux d’acceptation plus faible. Exigences spécifiques : Format des figures, anonymisation des manuscrits, suggestions de reviewers. Délais de révision : Certaines revues sont connues pour des délais de réponse plus longs. Public cible : S’assurer que les lecteurs habituels de la revue sont pertinents pour l’article.

Bravo d'avoir participé à ce cours !

On espère que vous y avez trouvé des ressources pertinentes pour votre travail Aidez nous à améliorer le contenu en répondant à ce questionnaire Le questionnaire d'évaluation du cours Merci pour votre aide, c'est important pour nous ! Retour au menu principal

Pour évaluer ce cours : https://docs.google.com/forms/d/e/1FAIpQLSefuTlY0uDAZlj7K6LenYG6dWiPOjTsJ8apk497Gl229ERvqQ/viewform?usp=sf_link