Analyse statistique · Recommandation de méthode

Obtenez une recommandation statistique claire pour votre conception d'étude
et non un vague «ça dépend de la distribution»

Lorsque vous demandez à l'IA quel test utiliser, la réponse est souvent vague — «ça dépend de la distribution» — sans expliquer comment décider concrètement. La recherche médicale réelle nécessite une recommandation basée sur votre type de résultat spécifique, la structure des groupes et la taille de l'échantillon.

Statistical Method Advisor (Lite) transforme une vraie consultation statistique en modèle à remplir. Décrivez vos données, obtenez une recommandation principale avec justification, des alternatives avec vérification des hypothèses et une phrase prête pour la section Méthodes — sans avoir besoin d'apprendre l'ingénierie des prompts.

Utiliser le modèle gratuit

Répartition des rôles dans le modèle

Vous saisissez uniquement les informations de votre étude. La logique de consultation est déjà intégrée.

Vous renseignez

Domaine clinique: Indiquez à l'IA s'il s'agit de cardiologie, d'oncologie, de réanimation ou d'un autre domaine, afin qu'elle s'aligne sur les conventions de rapport statistique de ce secteur.
Description des données: Décrivez la variable de résultat, les prédicteurs, le nombre de groupes, le caractère apparié ou indépendant, la taille de l'échantillon, et tout pattern de distribution ou de données manquantes connu.
Question de recherche: Précisez si vous souhaitez comparer des groupes, évaluer une association, évaluer des prédicteurs ou analyser un critère de temps jusqu'à l'événement.
Langue de sortie: Obtenez la recommandation, l'explication et l'ébauche de la section Méthodes dans la langue que vous utilisez réellement pour vos discussions ou rapports.

Déjà intégré dans le modèle

Si des informations essentielles manquent, l'IA pose des questions avant d'supposer la distribution, l'appariement ou la structure de l'échantillon
Si plusieurs méthodes sont envisageables, elle présente une recommandation principale et des alternatives honnêtes avec leurs critères de sélection
Chaque méthode s'accompagne des hypothèses clés et de méthodes concrètes pour les vérifier : Shapiro-Wilk, Levene, graphiques Q-Q
Elle ne se contente pas de nommer un test : elle explique aussi sur quelle statistique se concentrer et ce que « non significatif » ne signifie pas
Une formulation prête à adapter pour la section Méthodes du manuscrit est fournie

La même question, deux façons de la poser

La vraie différence : l'IA clarifie-t-elle les caractéristiques des données qui guident la décision avant de nommer une méthode ?

Demander directement à l'IA

Ce que vous envoyez

Quelle méthode statistique utiliser pour comparer la durée de séjour postopératoire entre deux groupes de patients ?

Résultat habituel

- L'IA peut citer le test t et le Mann-Whitney U sans expliquer comment choisir
- Elle peut omettre de vérifier si les groupes sont indépendants, si la durée de séjour est asymétrique ou quelle est la taille de l'échantillon
- Elle peut ne pas indiquer quoi faire si les hypothèses ne sont pas vérifiées

Vous devez encore reconstruire tout le processus de décision vous-même.

Utiliser le modèle

Variables complétées

Domaine clinique : Réanimation
Description des données : Résultat = durée de séjour postopératoire (continue, nettement asymétrique à droite) ; deux groupes indépendants ; exposition = mobilisation précoce vs soins habituels ; environ 45 patients par groupe
Question de recherche : comparer la durée de séjour entre les groupes
Langue de sortie : Français

Résultat structuré obtenu

1. Confirmation des caractéristiques des données
   - Variable continue, 2 groupes indépendants, taille d'échantillon moyenne

2. Méthode recommandée
   - Recommandation principale : test de Mann-Whitney U
   - Raison : la durée de séjour est souvent asymétrique, la médiane/IQR est plus robuste

3. Alternative
   - Si la distribution est proche de la normale et la variance acceptable, utiliser le test t pour échantillons indépendants

4. Interprétation et ébauche Méthodes
   - Guide pour reporter la taille d'effet, la signification statistique et la rédaction du manuscrit

Ce qu'une consultation vous apporte

Ces sections proviennent directement de la structure de sortie réelle de statistical-method-advisor-lite.

Confirmation des données

Le type de résultat, les prédicteurs, la structure des groupes, l'appariement et la taille de l'échantillon sont d'abord récapitulés pour que la recommandation ne repose pas sur un malentendu.

Recommandation principale

La méthode à utiliser en priorité est clairement indiquée, avec une explication en termes simples de pourquoi elle convient à vos données.

Alternatives et vérification des hypothèses

Des méthodes de remplacement, les conditions de changement et la vérification concrète de la normalité, de l'égalité des variances ou d'autres hypothèses clés sont présentées.

Interprétation et formulation Méthodes

La statistique la plus importante est identifiée, les erreurs d'interprétation fréquentes sont signalées, et une formulation prête à éditer pour la section Méthodes est fournie.

Comment l'utiliser

Décrire les données avec précision

Renseignez les types de variables, le nombre de groupes, la structure appariée ou indépendante, la taille de l'échantillon et tout pattern de distribution connu. Plus les informations sont complètes, plus la recommandation sera directement utilisable.

Copier le prompt dans l'IA

Collez le prompt généré dans ChatGPT, Claude ou votre outil IA habituel. L'IA commencera par confirmer ce qu'elle a compris de vos données.

Décider de l'analyse

Vérifiez d'abord les hypothèses énoncées, puis validez la méthode finale. Si le problème implique des analyses multivariées, longitudinales ou de survie, passez à un workflow plus complet.

Recommandation de méthode statistique (Lite)Gratuit

Renseignez votre domaine, la description des données et la question de recherche pour obtenir immédiatement une recommandation principale, des alternatives, des vérifications d'hypothèses, une aide à l'interprétation et une ébauche de section Méthodes.

Utiliser le modèle gratuit

Questions fréquentes

À quelles situations ce modèle convient-il le mieux ?

Il est idéal pour les décisions statistiques courantes à une ou deux variables : comparaison de groupes, analyse de critères binaires, vérification d'associations ou première évaluation d'un critère de survie. Il aide à structurer la démarche décisionnelle sans remplacer une consultation statistique complète.

Que faire si mes données ne suivent pas une distribution normale ?

Le modèle demande à l'IA d'expliquer comment vérifier la normalité et l'homogénéité des variances, et quelles alternatives utiliser si ces hypothèses ne sont pas vérifiées. Pour des données clairement asymétriques comme la durée de séjour ou les coûts, les méthodes non paramétriques sont généralement plus appropriées.

Va-t-il générer un script R ou SPSS complet ?

La version Lite se concentre sur le choix de méthode, la justification et des indications de commandes simples, et non sur la génération de scripts complets prêts à l'emploi. Pour du code exécutable ou des modèles plus complexes, passez à un workflow d'analyse plus complet.

Peut-on coller des données réelles de patients dans l'IA ?

En général, non. Une description structurelle est plus sûre et souvent suffisante : type de variable, structure des groupes, taille d'échantillon approximative et pattern de distribution. Évitez les données identifiantes ou les lignes brutes de patients.

Peut-il gérer la régression multivariée, les mesures répétées ou l'analyse de survie ?