9 - Analyse statistique Flashcards
6 éléments à prendre en compte dans le choix du test statistique
- Type de variable étudiée (qualitative, quantitative, censurée,…)
- Distribution de la variable
- Type d’expérience
- Conditions d’application
- Logiciels utilisés: reconnus (SAS-SPSS-EPI info) ou non
- Références bibliographiques: indispensables pour justifier l’utilisation de tests peu courants
2 types de distributions de la variable + type de test applicable
- normale = tests paramétriques
- non normale = tests non paramétriques
condition d’application du Chi-2
effectifs théoriques n > 5
condition d’application du T de Student ou l’ANOVA (analysis of variance)
effectifs théoriques n > 30 ou distribution normale
Situations de multiplicité de tests au cours d’un essai thérapeutique : (4)
- multiplicité des tests du fait du nombre de critères d’évaluation (critère principal et critères secondaires)
- multiplicité des tests sur différents sous-groupes
- multiplicité des tests du fait du nombre de groupes de traitement évalués (2 bras de traitement)
- multiplicité des tests du fait de la réalisation d’analyses intermédiaires
Plan de l’analyse statistique (toujours le même en LCA)
1ère étape = analyse descriptive
2ème étape = analyse univariée
3ème étape (optionnelle) = analyse multivariée
Ces niveaux d’analyse diffèrent en fonction du type de variable.
Définition d’analyse descriptive ?
1ère étape
description brute des variables étudiées
Définition d’analyse univariée
2ème étape
comparaison des deux analyses descriptives pour étudier l’association entre une variable (FDR facteur pronostique, nouveau traitement) et un critère de jugement
Définition d’analyse multivariée
3ème étape (optionnelle)
évaluation de l’association entre plusieurs variables simultanément et un critère de jugement afin de tenter de controler des facteurs de confusion potentiels
3 types de variables (bien les distinguer pour l’ECN)
Variables QUALITATIVES (ou catégorielles)
Variables QUANTITATIVES
Variables CENSURÉES
Définition de variables qualitatives
variable qui n’est pas naturellement essociée à une valeur numérique
3 types de variables qualitatives
Ordinales -> catégories ordonnées (ex : stade de gravité = 1? 2 ou 3)
Nominales -> catégories non ordonnées (ex:groupe sanguin ABO, sexe F ou M…)
Dichotomiques (cas particulier d’un variable ordinale ou nominale) -> uniquement 2 catégories possibles (ex: sexe M ou F, malade ou non malade)
Définition de variables quantitatives
mesure d’une quantité prenant des valeurs numériques avec une signification concrète
l’écart entre deux valeurs et le calcul d’une moyenne ont un sens
2 types de variables quantitatives
Discrètes -> nombre fini et dénombré de valeurs possibles - distinctes sans valeur intermédiaire possible
Ex : nombre d’événement, nombre d’enfant
Continues -> nombre infini et non dénombrable de valeurs possibles - valeurs intermédiaires possibles entre deux écarts
Ex : poids, dosage biologique
Distinction entre variable quantitative discrète et variable qualitative ordinale
quantitative discrète = s’il s’agit de la mesure mise en classes d’une caractéristique des sujets (âge en années, poids en kg sans décimales)
qualitative ordinale = si les écarts entre deux catégories ne peuvent pas être comparés
les 2 dénominations possibles = s’il s’agit du nombre de malades dans un échantillon limité par la taille de l’échantillon
Définition de variables censurées
suivi d’un groupe de patients sur une période donnée en recherchant comme critère de jugement la survenue d’un évènement binaire jusqu’à une date de point (date de fin de l’étude).
Après date de point, données sont dites censurées (on arrête de relever la survenue de l’évènement binaire chez les patients)
Tests adaptés si variable qualitative :
- Si distribution normale = Soit Chi-2 (ac Nemar si apparié) soit test de Fisher
- Si distribution anorale : Soit Chi-2 (ac Nemar si apparié) soit test de Fisher
Test adapté si la variable quantitative pour une distribution normale ou une distribution non-normale
- Distribution normale :
- si 2 groupes : T de Student
- si > 2 groupes : ANOVA
- Distribution non normale :
- si 2 groupes : Mann Whitney
- si > 2 groupes : Kruskal Wallis
Test adapté si la données appariées pour une distribution normale ou une distribution non-normale
- Distribution normale :
- si 2 groupes : T apparié
- si > 2 groupes : ANOVA mesures répétées
- Distribution non normale :
- si 2 groupes : Wilcoxon
- si > 2 groupes : Friedman
Test adapté si la association entre 2 variables pour une distribution normale ou une distribution non-normale
- Distribution normale :
- Régression linéaire
- Coefficient de corrélation (Pearson)
- Distribution non normale :
- Coefficient de corrélation (Spearman)
Test adapté si la courbes de survie (données censurées) pour une distribution normale ou une distribution non-normale
- Distribution normale :
- Courbe de Kaplan-Meier = pour estimation de la probabilité de survie
- Test du Log-Rank = pour comparaison de 2 courbes de survie
- Modèle de Cox = pour analyse multivariée (ajustement sur de potentiels facteurs de confusion)
- Distribution non normale : idem !!
A lire: pièges sur les variables auxquels faire attention
Ne pas confondre “variable qualitative” (ex: décès) et “expresison quantitative de cette variable” (pourcentages)
Variable binaire = cas particulier de variable qualitative
Le fait que la variable ait une distribution normale ou non sera précisé dans l’énoncé du QCM
Par convention, il faut toujours un seul test statistique sur le critère de jugement principal
Définition de test bilatéral
test statistique qui permet d’explorer 2 seuils: très utile si on ignore si le traitement A est supérieur ou inférieur au traitement B: traitement A peut être meilleur, égal, ou moins bon que le B (essai thérapeutique de supériorité)
On peut donc avoir:
- A < B
- A = B ou
- A > B
Définition de test unilatéral
Test statistique pour lequel on part du principe que la différence que l’on cherche à démontrer a un sens connu (essai thérapeutique de non-infériorité ou essai de supériorité)
Le nouveau traitement A est forcément meilleur ou égal à l’ancien traitement B
On peut donc avoir:
- A > B ou
- A = B
