← Retour aux outils
📈 Biostatistiques · CSV → Publication

Biostatistiques

12 tests statistiques médicaux automatisés — upload CSV, calcul instantané (t-test, ANOVA, Mann-Whitney, Kaplan-Meier, Cox), graphiques publication-ready Matplotlib/Seaborn, rapport PDF structuré. Aucune ligne de code nécessaire. Entièrement gratuit.

12
Tests disponibles
CSV
Upload direct
Pub.
Graphiques ready
PDF
Export rapport
RGPD
Conforme
📈 Essayer l'outil ↗ Voir l'algorithme ↓ 🎁 3 mois gratuits · puis 49€/mois
medflow-ai.fr/biostatistiques/
📈 Biostatistiques · CSV → Publication
EN LIGNE 12 tests · Publication-ready
3
Tests significatifs
1
Non significatif
84%
Puissance stat.
12
Tests auto
📊 Tests stat. 📈 Survie KM 📉 Graphiques 📄 Export PDF
Résultats — Fichier : greffe_cardio_n127.csv · 127 patients · 2 groupes
t-test ind.
SDNN Groupe A/B
p=0.031
✓ SIGN.
ANOVA
3 groupes VFC
p=0.008
✓ SIGN.
Shapiro-Wilk
Normalité SDNN
p=0.12
✓ NORMAL
Cohen's d
Taille d'effet
d=0.72
MOYEN
Kaplan-Meier
Survie 5 ans
HR 1.84
p=0.019
📊
Synthèse statistique
t-test p=0.031 · Cohen's d=0.72 · Puissance 84%
ANOVA significatif — post-hoc Tukey HSD recommandé
SIGN.
⚠️ ANOVA significatif — 3 comparaisons multiples → post-hoc Tukey HSD · ajustement Bonferroni optionnel
Méthodologie

Pipeline — CSV → Tests → Graphiques → PDF

01 · Tests paramétriques — t-test · ANOVA · Pearson
t-test : scipy.stats.ttest_ind(a, b, equal_var=True)
ANOVA : scipy.stats.f_oneway(*groupes)
Normalité : Shapiro-Wilk (n < 50), KS (n ≥ 50)
Égalité variances : test de Levene
t-test apparié / indépendant / une-queue / deux-queues
ANOVA 1-way avec post-hoc Tukey HSD automatique
Taille d'effet : Cohen's d, η², ω²
Puissance calculée avec pingouin / G*Power
02 · Tests non-paramétriques — Mann-Whitney · chi²
Mann-Whitney U : scipy.stats.mannwhitneyu()
Kruskal-Wallis : scipy.stats.kruskal(*groupes)
Chi² Pearson : scipy.stats.chi2_contingency()
Wilcoxon signé-rang : données appariées
Sélection auto paramétrique/non-param selon normalité
Correction de continuité Yates pour chi² 2×2
Dunn post-hoc si Kruskal-Wallis significatif
Fisher exact si effectifs < 5
03 · Analyse de survie — Kaplan-Meier · Cox
KM estimator : lifelines.KaplanMeierFitter()
Log-rank test : logrank_test(T1, T2, E1, E2)
Cox PH : lifelines.CoxPHFitter() — HR + IC95%
Vérification proportionnalité : Schoenfeld residuals
Courbe KM avec IC95% Nelson-Aalen bootstrap
Log-rank test multivarié et bivarié
Régression de Cox multivariée ajustée
Forest plot HR automatique (publication-ready)
04 · Graphiques — Matplotlib · Seaborn · Publication-ready
DPI 300 · format TIFF/SVG/PNG pour journal
Boxplot + swarmplot (n visible)
KM curve : courbes + censures + at-risk table
Forest plot : HR + IC95% horizontal
Palette daltonien-friendly (ColorBrewer)
Police Times New Roman / Arial selon journal
Annotations p-value automatiques sur boxplots
Export PDF/DOCX rapport structuré · Figure legend auto
12 tests disponibles

Tous les tests inclus · Gratuit

📊
t-test
Indépendant/apparié · 1 ou 2 queues · Cohen's d
📉
ANOVA
1-way · post-hoc Tukey · η² · puissance
🔢
Mann-Whitney
Non-param · 2 groupes indépendants
📈
Kruskal-Wallis
Non-param · k groupes · Dunn post-hoc
🔄
Chi² / Fisher
Tables de contingence · OR + IC95%
🔗
Pearson / Spearman
Corrélation bivariée · matrice + heatmap
📉
Kaplan-Meier
Survie · log-rank · at-risk table · IC95%
🧮
Cox multivariée
HR ajusté + IC95% · forest plot auto
🌲
Forest plot
HR/OR · publication-ready TIFF/SVG 300dpi
📦
Boxplot
+ swarmplot · annotations p-value · DPI 300
📐
QQ-plot
Normalité visuelle · Shapiro-Wilk intégré
📄
Export PDF
Rapport structuré · figures + tableaux + interprétation
Références

Bibliothèques utilisées

1
Virtanen P et al. — SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python. Nature Methods 2020;17:261-272 — Tests paramétriques et non-paramétriques.
2
Davidson-Pilon C — lifelines: survival analysis in Python. JOSS 2019;4(40):1317 — Kaplan-Meier, Cox PH, log-rank test.
3
Hunter JD — Matplotlib: A 2D graphics environment. Computing in Science & Engineering 2007;9(3):90-95 — Graphiques publication-ready.
4
Cohen J — Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum 1988 — Calcul taille d'effet Cohen's d, η², puissance statistique.

Analyser vos données médicales en un clic

12 tests statistiques, graphiques publication-ready, rapport PDF — aucune ligne de code. Gratuit.

49€
par mois · après 3 mois d'essai gratuit
✓ 12 tests · Graphiques 300dpi · Export PDF/DOCX
🎁 3 mois d'essai gratuit inclus · sans engagement
📈 Accéder aux Biostatistiques ↗ 💳 S'abonner maintenant
🔒
Calcul local · Zéro transmission
Les calculs statistiques (t-test, ANOVA, ROC, KM…) s'exécutent dans votre navigateur. Seuls les résultats agrégés sont envoyés à l'IA — jamais de données patient.
🇫🇷
Hébergement OVH France
Serveurs exclusivement en France. Aucun transfert hors UE. Conformité RGPD, CNIL et PGSSI-S garantie. Transmission HTTPS sécurisée uniquement.
📋
Anonymisation native · Art. 9 RGPD
Aucun identifiant patient requis. L'outil fonctionne avec des données numériques agrégées. Zéro stockage permanent — conformité Art. 9 RGPD garantie.

Outil d’aide à la décision. MedFlow AI ne pose pas de diagnostic et ne remplace pas le jugement d’un professionnel de santé. Les résultats doivent être validés par un praticien.

Développé par Dr. Mamadou Lamine Tall, PhD en bio-informatique & data science. Google Scholar · CV complet. Contenu revu en septembre 2026.

À propos de MedFlow AI · Sécurité des données & RGPD · IA & revue de littérature