Trouble de stress post-traumatiqueLe trouble de stress post-traumatique (ou TSPT) désigne un type de trouble anxieux sévère qui se manifeste à la suite d'une expérience vécue comme traumatisante avec une confrontation à des idées de mort. Cette affection est aussi connue sous le nom de syndrome de stress post-traumatique (SSPT) ou état de stress post-traumatique (ESPT) dans la classification CIM10 (F43.1). L'abréviation anglaise PTSD (pour post-traumatic stress disorder) est parfois également utilisée.
Modèle mixteUn modèle mixte est un modèle statistique qui comporte à la fois des effets fixes et des effets aléatoires. Ce type de modèle est utile dans une grande variété de domaines, tels que la physique, la biologie ou encore les sciences sociales. Les modèles mixtes sont particulièrement utiles dans les situations où des mesures répétées sont effectuées sur les mêmes variables (étude longitudinale). Ils sont souvent préférés à d'autres approches telle que rANOVA, dans la mesure où ils peuvent être utilisés dans le cas où le jeu de données présente des valeurs manquantes.
Cannabis (usage récréatif)vignette|Fleurs de plante femelle du genre végétal Cannabis avec des trichomes visibles. Le cannabis qui se présente sous forme de fleurs, de feuilles, de résine ou d'huile est connu dans le langage populaire sous des dizaines de surnoms plus ou moins imagés comme : le cannabis récréatif en général : cannabis, chanvre récréatif, chanvre indien ; les fleurs (et feuilles) : marijuana, weed, ganja, beuh, pot (en français québécois), zamal (en créole réunionnais) ; la résine (et autres parties pressées) : haschich, hasch, double H, shit, kif, jaune, mousseux ; la cigarette roulée : joint, bedo, pétard, spliff (anglicisme employé lors de mélange de cannabis avec du tabac) ; l’huile de cannabis.
Generalized linear mixed modelIn statistics, a generalized linear mixed model (GLMM) is an extension to the generalized linear model (GLM) in which the linear predictor contains random effects in addition to the usual fixed effects. They also inherit from GLMs the idea of extending linear mixed models to non-normal data. GLMMs provide a broad range of models for the analysis of grouped data, since the differences between groups can be modelled as a random effect. These models are useful in the analysis of many kinds of data, including longitudinal data.
Modèle linéaire généraliséEn statistiques, le modèle linéaire généralisé (MLG) souvent connu sous les initiales anglaises GLM est une généralisation souple de la régression linéaire. Le GLM généralise la régression linéaire en permettant au modèle linéaire d'être relié à la variable réponse via une fonction lien et en autorisant l'amplitude de la variance de chaque mesure d'être une fonction de sa valeur prévue, en fonction de la loi choisie.
Nonlinear mixed-effects modelNonlinear mixed-effects models constitute a class of statistical models generalizing linear mixed-effects models. Like linear mixed-effects models, they are particularly useful in settings where there are multiple measurements within the same statistical units or when there are dependencies between measurements on related statistical units. Nonlinear mixed-effects models are applied in many fields including medicine, public health, pharmacology, and ecology.
Régression linéaireEn statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
Effets du cannabis sur la santévignette|Une plante de cannabis. Le cannabis issu des plantes du genre végétal Cannabis et de l'espèce botanique Cannabis sativa, a des effets psychologiques et physiologiques sur le corps humain. Les effets du cannabis sont causés notamment par les cannabinoïdes, particulièrement le tétrahydrocannabinol (mieux connu sous son acronyme THC). D'autres effets peuvent être liés au mode de consommation, selon s'il est fumé ou ingéré.
Modèle linéairevignette|Données aléatoires sous forme de points, et leur régression linéaire. Un modèle linéaire multivarié est un modèle statistique dans lequel on cherche à exprimer une variable aléatoire à expliquer en fonction de variables explicatives X sous forme d'un opérateur linéaire. Le modèle linéaire est donné selon la formule : où Y est une matrice d'observations multivariées, X est une matrice de variables explicatives, B est une matrice de paramètres inconnus à estimer et U est une matrice contenant des erreurs ou du bruit.
AnhédonieL’anhédonie est un symptôme médical retrouvé dans certaines maladies psychiatriques et parfois chez le sujet exempt de trouble. Il caractérise l'incapacité d'un sujet à ressentir des émotions positives lors de situations de vie pourtant considérées antérieurement comme plaisantes. Cette incapacité est fréquemment associée à un sentiment de désintérêt diffus (perte de l'élan vital). L'anhédonie, perte de la capacité à ressentir des émotions positives, est fréquemment observée au cours de la dépression et de la schizophrénie.
Facteur écologiqueOn appelle facteur écologique tout élément du milieu (milieu naturel ou anthropisé) susceptible d'agir directement sur tous les êtres vivants au moins pendant une phase de leur développement. Ces facteurs écologiques servent à décrire et analyser ou modéliser un écosystème ou une espèce ou un taxon donnée dans le temps et dans l'espace. Selon la classification utilisée, on peut distinguer plusieurs types de facteurs écologiques du milieu s'exerçant sur un organisme vivant.
Multilevel modelMultilevel models (also known as hierarchical linear models, linear mixed-effect model, mixed models, nested data models, random coefficient, random-effects models, random parameter models, or split-plot designs) are statistical models of parameters that vary at more than one level. An example could be a model of student performance that contains measures for individual students as well as measures for classrooms within which the students are grouped.
