François Séverac

Aller à : navigation, rechercher

Assistant hospitalo-universitaire

ICube - MIV
300 Bd Sébastien Brant
BP 10413
67412 Illkirch CEDEX - France

Tel : + 33 (0) 3 88 11 67 49
Fax : + 33 (0)
Bureau : ???

Courriel : francois(dot)severac(at)chru-strasbourg(dot)fr
Page personelle : http://

Profil.png

Le Laboratoire de Biostatistique et Informatique Médicale (LBIM)

Le LBIM est un service de la Faculté de Médecine. Il assure des missions d’enseignement et de recherche dans le domaine de l’analyse des données de santé. Ses enseignements sont destinés essentiellement aux étudiants en médecine, aux étudiants des écoles paramédicales et aux étudiants inscrits des cursus dans lesquels ces analyses sont nécessaires (masters de santé publique par exemple).

Dans le domaine de la recherche, l’essentiel des travaux du LBIM est structuré autour de l’utilisation de l’inférence bayésienne, autour des méthodes propres à la recherche clinique (nouveaux schémas d’étude, analyses statistiques spécifiques, ...) et des analyses spatiales. L’équipe s’est également intéressé jusqu’à récemment à la théorie, l’implémentation logicielle et l’application des méthodes PLS en médecine, notamment dans le cadre de l’allélotypage.

Description des activités

L’inférence bayésienne est au cœur de mes principaux thèmes de recherche. Les modèles bayésiens développés sont appliqués sur différents types de données de santé (essais cliniques ou études observationnelles) :

  • Recherche clinique. Dans le panel d’outils bayésien disponibles pour la planification et l’analyse des essais thérapeutiques, les techniques de calculs de nombre de sujets nécessaires et de probabilités prédictives notamment permettent de moduler finement le nombre de sujets à recruter dans une étude.
  • Réseaux bayésiens : en épidémiologie, la découverte de relations causales entre l’exposition à différents facteurs et la survenue d’une pathologie, à partir d’études observationnelles reste un challenge d’actualité. Dans les situations respectant l’hypothèse de Markov, l’analyse de la causalité par les réseaux bayésiens permet non seulement de mieux appréhender la recherche scientifique des causes, mais aussi différents aspects de nos mécanismes cognitifs.

Une partie de ces activités se structurent au sein d'un groupe de recherche portant sur la causalité en épidémiologie. L'objectif général de ce groupe est de réfléchir aux fondements philosophiques et épidémiologiques/biostatistiques de la causalité et de la modélisation causale, avec un ancrage tout particulier sur l’historique de ces approches et leur historiographie. L’approche mobilisée est la constitution d’un réseau scientifique international, éminemment multi- et interdisciplinaire : INCEPTION (pour Interdisciplinary Network on Causality in EPidemiological investigaTIONs). Ce réseau commence à s’articuler autour d’un axe géographique réunissant trois lieux et une série d’équipes « fondatrices » à Strasbourg, Cambridge (UK) et Cagliari (I).

Enseignements

  • Co-responsable de l’UE : « Traitement Statistique des données en biologie » du master 2 Recherche : « Biomorphologie et biomatériaux »
  • TD de biostatistiques au Diplôme d’Université " Des statistiques fréquentistes aux statistiques bayésiennes "
  • TD de statistiques en PACES
  • Cours et TD de lecture critique d’articles (LCA) à la Faculté de Médecine
  • Une trentaine d'heures de cours ou de TD introductifs à la biostatistique et à la lecture critique d'article (écoles paramédicales)


Publications