Analyse des données quantitatives Flashcards

1
Q

Que comprend la partie “description de l’analyse des données quantitatives” ?

A
  • Détermine les analyses statistiques;
    -Statistiques descriptives
    -Statistiques inférentielles
    -Logiciels utilisés
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Statistiques descriptives

A
  • Analyse de fréquences
  • Mesures de tendance centrale
  • Mesure de dispersion
  • Mesure de forme
  • Logiciel SPSS
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Types de variables

A

Nominale catégorielle:
* Comprend des catégories qui ne suivent pas un ordre naturel
* Dichotomique (binaire)
* Non-paramétrique
* Types d’analyses;
-Mode
-Distribution de fréquences
-Pourcentage
-Corrélation de contingence

Ordinale catégorielle:
* Catégories classées par rang ou par ordre de grandeur
* Paramétrique ou non-paramétrique
* Types d’analyses;
-Mode
-Médiane
-Distribution de fréquences
-Pourcentage
-Corrélation de contingence

Intervalle continue:
* Distance égale entre les nombres
* Zéro arbitraire
* Paramétrique
* Types d’analyse;
-Mode, médianne, moyenne

Proportion continue:
* Intervalles égaux entre les unités
* Zéro absolu
* Paramétrique
* Types d’analyses;
-Mode, médiane, moyenne

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

Quels sont les deux types d’analyses?

A

Descriptives:
* Décrire les caractéristiques de l’échantillon et répondre aux questions
* Structurer et représenter l’information contenue dans les données

Inférentielles:
* Estimer des paramètres et vérifier des hypothèses (loi des probabilités)
* Généraliser les données

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

Mesures de tendance centrale

A

Mode:
* La valeur la plus fréquente dans une distribution de fréquences
* Modale, bimodale, multimodale

Médiane:
* Correspond au point milieu de la distribution des fréquences
* Valeurs extrêmes
* 50e percentile

Moyenne:
* Somme des scores individuels divisée par le nombre
* Valeurs extrêmes et petits échantillons

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

Mesures de dispersion

A

Étandue:
* Différence entre la valeur la plus élevée et la plus basse

Variance:
* Moyenne des carrés des écarts données par rapport à la moyenne de la distribution
* Utile pour comparer un échantillon à un autre
* Pas d’unité de valeur

Écart-type:
* Tient compte de la distance entre chacun des scores d’une distribution par rapport à la moyenne du groupe
* Racine carrée de la variance
* Pas d’unité de valeur

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

La distribution normale

A
  • Bidirectionnelle/infini
  • Symétrique/ μ tenant compte des σ
  • Total de 1
  • A priori pour analyses paramétriques;
    -Skewness (permet de voir à quel point la courbe peut tirer d’un côté ou de l’autre)
    -Kurtosis (À quel point la courbe a un pic, ou bien est applatie)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Quels tests utiliser pour vérifier des hypothèses?

A

Pour déterminer différence entre groupes:
* Deux groupes:
-Variables continues: Test t
-Variables catégorielles: Khi2

  • 3 groupes +: ANOVA (analysis of variance)

Pour déterminer le degré de relations entre les variables:
* Deux scores:
-Variables continues: Corrélation Pearson (entre -1 et +1)
-Variables catégorielles: Corrélation Spearman ou Phi
* Plus de deux scores:
-ANOVA à mesures répétées

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

Quelles sont les 3 étapes importantes en analyse quantitative pour choisir un test?

A
  1. Identifier les variables dépendante et indépendante
  2. Déterminer le type de variables (catégorielles, continues)
  3. Choisir le bon test
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Quels sont les logiciels d’analyse de données quantitatives? À quoi servent-ils?

A
  • Excel
  • SPSS
  • SAS

–>Types d’analyses:
-Descriptives/analytiques
-Bivariées/multivariées

–>Représentations graphiques

–>Programmation

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

Comment présenter des résultats quantitatifs?

A
  • Questions/hypothèses
  • Texte:
    -Description objective
    -Choix
  • Tableaux:
    -Regroupement
    -Signification
  • Éviter les répétitions
  • Le premier tableau dans une étude est généralement un tableau descriptif, dans lequel on présente les différentes variables à l’étude, nommer le nombre de personnes dans chaque catégorie et les pourcentages
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

La signification des résultats

A

Significatif:
* Rejet de Ho
* p<0,05
* Erreur de type 1 possible
* Vérification validité interne et externe

Non-significatif:
* Non rejet de Ho
* p>0,05
* Erreur de type 2 possible
* Vérification validité interne

Mixtes ou contradictoires:
* Contexte d’hypothèses multiples
* Types de mesure, fidélité, validité

Significative, mais non prédits:
*Résultats inattendus, au-delà des hypothèses modèles

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

Signification statistique vs clinique

A

Signification statistique:
* Déterminer si différence ou relation
* Rejet de Ho
* Seuil de signification: p<0,05 ou 0,01

Signification clinique:
* Utilisée pour la pratique professionnelle ou l’avancement des connaissances d’une discipline
* Lorsque les résultats sont à la limite d’être significatifs (ex: p=0,06)
* Significatifs d’un point de vue clinique ; permettent d’avancer les connaissances

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

Interprétation de l’analyse statistique

A
  • Synthèse et mise en lien de la recension;
    -Nouveautés
    -Similarités
    -Différences
  • Forces et faiblesses
  • Généralisation des résultats (validité externe)
  • Recommendations pour recherches futures
  • Implications pour la pratique professionnelle ou plan politique
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Quelles sont les différentes choses à regarder quand on fait une analyse inférentielle?

A
  • Tableaux croisés
  • Hypothèse
  • Mesures d’association
  • Logiciel spss
  • Graphique
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Les tableaux croisés

A
  • Analyse des données en fonction de deux variables (parfois plus)
  • Variable indépendante vs variable dépendante
  • Comparaison des différences entre deux (ou plus) catégories de la variable indépendante
17
Q

Formulation de l’hypothèse

A

H0 (hypothèse nulle): Il n’existe pas de différence entre les femmes qui ont des implants mammaires et les femmes qui n’en ont pas par rapport au risque de cancer du sein à un stade avancé

H1 (hypothèse alternative): Il existe une différence entre les femmes qui ont des implants mammaires et les femmes qui n’en ont pas par rapport au risque de cancer du sein

18
Q

Qu’est-ce qu’une mesure d’association?

A
  • Le mot “associé” réfère à deux mesures principales;
    -Risque relatif (RR)
    -Rapport de cotes (RC)
19
Q

Vrai ou faux? Dans une étude de cohorte, une des méthode d’analyse de données souvent utilisée est un tableau croisé

A

Vrai

20
Q

Qu’est-ce que le risque absolu?

A
  • Proportion de personnes avec un résultat positif (dans les gens exposés et non-exposés)

Risque absolu É: Proportion du groupe exposé avec le résultat (a÷ (a+b))

Risque absolu NÉ: Proportion du groupe non-exposé avec le résultat (c÷(c+d)

21
Q

Qu’est-ce que le risque relatif?

A
  • Rapport des risques abolus dans les deux groupes (éxposés et non-éxposés)

RR=RAé÷RAné

Ex: RR=0,75/0,10=7,5
Les gens exposés ont 7,5x plus de risque que ceux non-exposés

  • Indice utile en santé publique et santé des populations
  • Moyen simple et rapide de savoir si l’exposition et les résultats sont liés
  • Peut avoir un risque + ou -
  • Utilisé dans les études expérimentales ou de cohorte (quand on veut comparer des groupes exposés et non-exposés)
22
Q

Rapport de cote

A
  • La cote est la proportion de personnes dans chaque groupe à risque qui ont l’issue défavorable, par rapport à la proportion de ceux qui ont l’issue favorable
  • Dans un tableau de contingence;
    -Cote des é: A÷B
    -Cote des né: C÷D
  • L’odds ration (OR ou RC) est le rapport entre les deux cotes
  • Utilisé en étude cas-témoins

OR = ORé÷ORné
OU
OR=AxD ÷ BxC

  • Ex: OR=2,25
    Les chances sont 2,5x plus grandes pour le gorupe A/B que C/D
23
Q

Vrai ou faux? RR s’agit d’une estimation de RC

A

Faux. RC est une estimation de RR

24
Q

Vrai ou faux? les épidémiologistes préfèrent généralement RR

A

Vrai. Il permet mieux d’exprimer le risque