Connaissances de base en statistiques pour l’ECNi Flashcards

1
Q

Risque alpha (risque de 1re espèce) ?

A
  • Définition = probabilité de conclure à tort à une différence alors qu’elle n’existe pas en réalité.
  • En pratique = le risque maximal d’erreur considéré comme acceptable est le seuil de signification, classiquement 5 % soit α = 0,05.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Risque béta (risque de 2e espèce) ?

A
  • Définition = probabilité de ne pas conclure à une différence alors que cette différence existe en réalité +++.
  • En pratique = on recommande de prendre un seuil de 80 %..
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Déterminer le caractère « statistiquement significatif » d’un résultat

A

Lorsque l’on obtient un résultat en LCA il faut toujours s’interroger sur la fiabilité que l’on va pouvoir lui attribuer. Une étape essentielle dans cette démarche est de s’assurer que le résultat est bien « statistiquement significatif ». Cela signifie que la probabilité statistique que ce résultat soit faux est acceptable et que l’on s’autorise à conclure dessus. Pour déterminer si un résultat est oui ou non « statistiquement significatif », il n’existe que 2 techniques possibles :

  • Degré de significativité p
  • L’intervalle de confiance à 95 % (IC 95 %)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Degré de significativité p

A
  • C’est une valeur qui accompagne le résultat et renseigne sur la fiabilité statistique du résultat exprimé, car elle correspond à la probabilité que notre résultat conclut à tort à une différence qui n’existe pas en réalité.
  • Or, nous avons vu plus haut que cette probabilité de conclure à tort à une différence qui n’existe pas en réalité, correspond au risque α que l’on détermine à 5 % a priori avant que l’étude ne commence. à On dira donc que le résultat est statistiquement significatif si p < α ( PCZ ).
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

intervalle de confiance à 95 % (IC 95 %)

A
  • La probabilité que la vraie valeur du paramètre estimé soit comprise dans cet intervalle est de 95 %.
  • Cela correspond donc à la fourchette de valeurs qui encadre une estimation avec un risque α = 5 %. à On dira donc que le résultat est statistiquement significatif :
    • si le résultat est une différence = IC 95 % ne comprend pas 0 ( PCZ )
    • si le résultat est un ratio (RR ou OR) = IC 95 % ne comprend pas 1 ( PCZ )
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Quels sont les trois niveaux d’analyse statistique ?

A

Trois niveaux d’analyse statistique : descriptive/univariée/ multivariée

Lorsque vous regardez les résultats d’une étude sur un critère de jugement, vous êtes en réalité capable de voir 3 éléments distincts à bien identifier : analyse descriptive et univariée (obligatoires) et une éventuelle analyse multivariée (optionnelle selon le choix des auteurs).

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

analyse descriptive

A

Définition = correspond à la mesure brute de survenue du critère de jugement mesuré dans un seul groupe +++.

À retenir = il y a donc toujours autant d’analyses descriptives que de groupes dans l’étude

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

analyse univariée

A
  • Définition = correspond à la comparaison de deux analyses descriptives +++.
  • Elle est toujours accompagnée de son degré de significativité p et/ou intervalle de confiance. À retenir = une analyse univariée ne permet pas de tenir compte des facteurs de confusion (ce sera le rôle de l’analyse multivariée que l’on va détailler juste en dessous)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

3 modes d’expression d’une analyse univariée ?

A

− différence (différence de mortalité, différence de pression artérielle, différence de CRP…) : pour les études thérapeutiques ;

− risque relatif (RR) : pour les études épidémiologiques de cohorte prospective ;

− odd ratio (OR) : pour les études épidémiologiques de cohorte rétrospective ou les cas-témoins

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

Définition du « facteur de confusion »

A

= facteur à la fois lié au facteur étudié (exposition ou nouvelle intervention) et à l’événement étudié (survenue de la maladie). Il explique au moins en partie le lien entre le facteur étudié et l’événement étudié.

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

analyse multivariée par ajustement

A

• Définition = correspond à une analyse univariée (comparaison de deux analyses descriptives) avec l’ajout d’un algorithme mathématique capable de tenter de contrôler des facteurs de confusion potentiels.

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

2 étapes d’une analyse multivariée :

A

− identification préalable des facteurs de confusion potentiels comme des facteurs (autre que le facteur/intervention étudié) statistiquement associés à la survenue de l’événement étudié (maladie) en analyse univariée ;

− puis on étudie le lien entre facteur/intervention étudié et la survenue de l’événement étudié (maladie) en tenant compte de l’effet de ces facteurs (co-variables) par un ajustement (pondération).

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

3 modes d’expression d’une analyse multivariée

A

− différence ajustée : pour les études thérapeutiques ;

− risque relatif (RR) ajusté : pour les études épidémiologiques de cohorte prospective ;

− odd ratio (OR) ajusté: pour les études épidémiologiques de cohorte rétrospective ou les cas-témoins.

Exemples de tests statistiques d’analyse multivariée : régression multiple, régression logistique pas-à-pas, modèle de Cox, ANOVA (analyse de variance)…

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

Définition de lien de causalité ?

A
  • On parle de lien de causalité lorsque l’on a réussi à mettre en évidence une « certitude scientifique » du résultat de l’étude (c’est donc le graal absolu en LCA !).
  • Types d’étude permettant de mettre en évidence un « lien de causalité » = étude de niveau de preuve 1 uniquement +++ ( PCZ ).

Dogme en LCA : « Il n’y a que les études randomisées contrôlées avec forte puissance (niveau 1) qui peuvent conclure à l’existence d’un lien de causalité +++ » ( PCZ )

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

Définition d’association statistique ?

A
  • On parle d’association statistique lorsqu’il existe une « forte probabilité scientifique » du résultat de l’étude (pas sans certitude !).
  • Types d’étude permettant de mettre en évidence une « association statistique » = étude de niveau de preuve 2, 3 ou 4 (autrement dit toutes les études qui ne sont pas de niveau de preuve 1).
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Définition de coefficient de corrélation

A
  • Le coefficient de corrélation est une formule mathématique permettant la mesure de l’intensité de la liaison entre 2 variables.
  • Sa valeur est comprise entre 1 et 1.
  • Interprétation d’un coefficient de corrélation :

− si coefficient de corrélation = 1 : corrélation parfaite entre les 2 variables ;

− si coefficient de corrélation = – 1 : corrélation inverse parfaite entre les 2 variables ;

− si coefficient de corrélation = 0 : absence totale de corrélation entre les 2 variables ;

− si coefficient de corrélation ≥ 0,7 : corrélation correcte entre les 2 variables.