Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Biostatistiques > 3- Principe et Applications en sciences médicales > Flashcards

3- Principe et Applications en sciences médicales Flashcards

1
Q

Introduction aux probabilités

Science de l’incertitude

A

3 approches :

Subjective
Fréquentiste
Axiomatique

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Introduction aux probabilités

Science de l’incertitude

Approche subjective

A

Proba -> indice de croyance

Peut être déterminée à partir de l’expérience personnelle ou de considérations ni empirique ni expérimentale

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Introduction aux probabilités

Science de l’incertitude

Approche fréquentiste

A

Fréquence fn où on observe la survenue d’un évènement tend vers une limite

Proba=lim(fn) n->+inf

On doit donc pouvoir répéter l’épreuve

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Introduction aux probabilités

Science de l’incertitude

Approche axiomatique

A

Fonction P qui à un événement A, d’un ensemble Ω associe un nombre P(A), sa probabilité
—> permet d’effectuer des opérations sur les probabilités

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Introduction aux probabilités

Définitions

Notion d’épreuve

A

Épreuve ou expérience aléatoire : protocole d’une expérience dont le résultat est aléatoire

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Introduction aux probabilités

Définitions

Notion d’univers

A

Ensemble des résultats possibles d’une épreuve : Ω

  • Fini
  • Dénombrable
  • Non dénombrable
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Introduction aux probabilités

Définitions

Notion d’événement

A

Événement élémentaire :
Résultat aléatoire élémentaire d’une épreuve

Événement :
Ensemble d’évènements élémentaires
—> sous ensemble de Ω

Contraire : non A, Ā
Impossible : Ø
Certain : réalisé à coup sûr

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Introduction aux probabilités

Opérations sur les événements

Union

A

A U B

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Introduction aux probabilités

Opérations sur les événements

Intersection

A

A inter B

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Introduction aux probabilités

Opérations sur les événements

Incompatibilité

A

A inter B = Ø

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Introduction aux probabilités

Opérations sur les probabilités

Équiprobable

A

P(A) = P(B)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Introduction aux probabilités

Opérations sur les probabilités

Contraire

A

P(Ā)= 1- P(A)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Introduction aux probabilités

Opérations sur les probabilités

Inclus

A

B inclus dans A

P(B) <= P(A)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Introduction aux probabilités

Opérations sur les probabilités

Union

A

Incompatibles
P(A U B)= P(A) + P(B)

P(A U B) = P(A)+ P(B) - P(A inter B)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Introduction aux probabilités

Opérations sur les probabilités

Intersection

A

Incompatibles :

P(A inter B)=0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Introduction aux probabilités

Opérations sur les probabilités

Probabilités conditionnelles

A

P(A | B) = P(A inter B)/P(B)

17
Q

Introduction aux probabilités

Opérations sur les probabilités

Indépendance

A

P(A | B)= P(A)

ATTENTION
Le fait d’être incompatibles ne les rend pas indépendants

18
Q

Introduction aux probabilités

Opérations sur les probabilités

Théorème de Bayes

A

P(A+ | B+)= (P(A+) x P(B+ | A+)) / (P(A+) x P(B+|A+) + P(A-) x P(B+|A-))

19
Q

Application en santé : performance diagnostique d’un test

Test diagnostiques

Types d’information

A

Qualitative :
Binaire : positif/négatif, présent/absent, normal/anormal

Quantitative :
Implique le choix d’un seuil

20
Q

Application en santé : performance diagnostique d’un test

Test diagnostique

Résultat du test et statut vis à vis de la maladie

A

Statut réel du patient :
Malade : M+
Non malade : M-

Résultat du test :
Positif : T+
Négatif : T-

Test de référence : Gold-standard

21
Q

Application en santé : performance diagnostique d’un test

Test diagnostique

Résultat du test et statut vis à vis de la maladie

A

Vrais positifs : T+ inter M+
Faux positifs : T+ inter M-

Vrais négatifs : T- inter M-
Faux négatifs : T- inter M+

22
Q

Application en santé : performance diagnostique d’un test

Test diagnostique

Test constants

A

Signe constant : toujours présent en cas de maladie

Pas de faux négatif

23
Q

Application en santé : performance diagnostique d’un test

Test diagnostique

Test pathognomoniques

A

Présent uniquement en cas de maladie

Pas de faux positif

24
Q

Application en santé : performance diagnostique d’un test

Test diagnostique

Cas général

A

Le test donne des FP et des FN

Cas le plus courant

25
Q

Application en santé : performance diagnostique d’un test

Valeurs informatives des tests

Sensibilité

A

Se = P(T+ | M+)= VP/(VP+FN)

26
Q

Application en santé : performance diagnostique d’un test

Valeurs informatives des tests

Spécificité

A

Spe= P(T- | M-)= VN/(FP+VN)

27
Q

Application en santé : performance diagnostique d’un test

Valeurs informatives des tests

Valeur prédictive positive

A

VPP = P(M+ | T+)= VP/(VN+FN)

28
Q

Application en santé : performance diagnostique d’un test

Valeurs informatives des tests

Valeur prédictive négative

A

VPN = P(M-| T-) = VN/(VN+FN)

29
Q

Application en santé : performance diagnostique d’un test

Liens entre les paramètres et la prévalence

Prévalence

A

P(M+)

30
Q

Application en santé : performance diagnostique d’un test

Liens entre les paramètres et la prévalence

Lien entre valeurs prédictives, sensibilité et spécificité

A

VPP= (p x Se) / (p x Se + (1-p) x (1-Spe))

VPN=((1-p) x Spe) / (p x (1-Se) + (1-p) x Spe))

31
Q

Application en santé : performance diagnostique d’un test

Liens entre les paramètres et la prévalence

Valeur prédictive en fonction de la prévalence

A

Prévalence p augmente —> VPP augmente et VPN diminue

32
Q

Application en santé : performance diagnostique d’un test

Liens entre les paramètres et la prévalence

Valeur prédictive en fonction de la sensibilité et spécificité

A

Influence d’un gain de sensibilité est plus marqué sur la VPN que sur la VPP

33
Q

Application en santé : performance diagnostique d’un test

Liens entre les paramètres et la prévalence

Valeur prédictive en fonction de la sensibilité et spécificité

A

Influence d’un gain de spécificité est plus marqué sur la VPP que sur la VPN

34
Q

Application en santé : performance diagnostique d’un test

Cas de tests donnant des résultats quantitatifs

Choix d’un seuil

A

Diagnostic se fonde sur résultat quantitatif d’un test —> choix d’un seuil au delà duquel on considère le diagnostic comme positif

Biostatistiques (3 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions