Cours 4 Flashcards
C’est quoi la justesse d’une mesure?
-Est-ce que la mesure (d’un paramètre ou d’une
association) obtenue dans un échantillon donné
reflète fidèlement la valeur correspondante
dans la population cible ?
-Qualité de l’instrument de mesure ?
-Représentativité de l’échantillon ?
-Comparabilité des groupes ?
C’est quoi les 2 types d’erreurs de mesure? Voir graphique p.6 pour comprendre les 2
-Erreur aléatoire –> mesure imprécise
-Erreur systématique –> mesure biaisée
C’est quoi les 2 composantes de la justesse et expliquez-les
-Précision:
*absence d’erreur aléatoire
*rôle du hasard et du nombre de mesures ou
de sujets échantillonnés
*incertitude autour de l’estimation
-Validité:
*absence d’erreur systématique
*plusieurs sources de biais
Qu’est-ce qu’il faut faire pour évaluer le rôle du hasard dans l’obtention d’un résultat?
- Apprécier l’incertitude (intervalle de confiance) autour de l’estimation ponctuelle
- Réaliser un test d’hypothèse pour déterminer si une différence ou association observée est statistiquement significative
C’est quoi l’intervalle de confiance (IC)?
-IC représente un intervalle de valeurs susceptible
de contenir le vrai paramètre d’intérêt.
-Inférence d’un échantillon à la population :
*Variabilité liée à la distribution des mesures
(incertitude/précision associée à un estimé)
-Ex: Si p=16% dans un échantillon de 100 personnes, 95% IC = (12,3% - 19,7%). Si p=16% dans un échantillon de 1000 personnes, 95% IC = (14,7% - 18,3%). DONC, LA TAILLE DE L’ÉCHANTILLON A UNE INFLUENCE SUR L’IC
C’est quoi les test d’hypothèse?
-Indique s’il est plausible que la différence ou
l’association observée est susceptible d’être le fruit
du hasard.
-Hypothèse nulle (H0): Absence de différence ou d’association
-Hypothèse alternative (H1): Différence ou association qui n’est pas le résultat du
hasard
-Calcul statistique de la plausabilité de H0: valeur p: traduit la probabilité d’obtenir la différence observée ou
une différence encore plus grande si H0 prévaut.
Test d’hypothèse seuil de signification statisque (alpha)
-Fixé (arbitrairement) pour rejeter ou non l’hypothèse nulle
→ On rejette H0 si p < alpha
-Rejeter H0 = résultat statistiquement significatif
-Ne pas rejeter H0 = résultat non statistiquement significatif
Interprétation de l’IC
-Si l’IC:
*est large, l’estimé est peu précis
*contient la valeur nulle (ex.: RR=1), le résultat
est considéré comme non significatif
Interprétation de la valeur p
-Si la valeur p:
*est petite, le hasard à lui seul ne peut
probablement pas expliquer le résultat
observé
*est sous le seuil fixé, le résultat est considéré
comme statistiquement significatif
C’est quoi un résultat statisquement non significatif?
–implique que le hasard peut expliquer les observations
–peut signifier que la taille de l’échantillon est
insuffisante
C’est quoi un résultat statistiquement significatif?
–n’élimine pas complètement le rôle du hasard
–ne renseigne pas sur l’existence de biais
–ne signifie pas que l’association est causale
–n’implique pas que les résultats sont cliniquement
significatifs
Signification vs statistique
-L’estimation ponctuelle (avec IC) nous renseigne sur la signification clinique (magnitude de l’effet)
-L’intervalle de confiance fournit toute l’information contenue dans la p-value quant au rôle du hasard
-La valeur de p à elle seule ne donne qu’une
information très partielle sur l’incertitude autour
de notre estimation ponctuelle
Comment est-ce qu’on peut augmenter la précision?
-Augmenter la taille de l’échantillon
-Il faut une puissance statistique de 80%
C’est quoi les 2 types d’erreurs relatives aux conclusions d’une étude analytique?
-Erreur type I ou alpha:
= risque de se tromper lorsqu’on rejette H0
= seuil de signification statistique
-Erreur type II ou bêta:
= risque de se tromper lorsqu’on retient H0
= 1-puissance statistique
La validité des études peut être compromise par
des erreurs systématiques au niveau :
-De la sélection des sujets dans l’étude
-Des mesures : exposition (déterminant), maladie (issue d’intérêt)
