Cours 8 : Gestion et Analyse des Données en Recherche Clinique Flashcards
À quoi réfère la méthodologie ?
Sous quelles conditions cette comparaison sera valide
Divs de recherche ; fidélité et validité de ma mesure ; intégrité de la VI
Définir qu’est-ce qu’une statistique
Comment réaliser cette comparaison pour permettre une conclusion (inférence) sur la population.
Hypothèse nulle et alternative
Opérationnaliser l’hypothèse avec un estimateur et critère de décision
Quelles sont les trois méthodes de gestion de données en recherche ?
1) La création d’un dictionnaire de données (nom de variable, échelle de mesure, codes)
2) Création d’un entrepôt de données pour éviter la corruption des données originales (Excel, SPSS, Access)
3) Saisie et vérification des données (vérification manuelle, vérification à la saisie, double saisie)
Quels sont les 4 éléments clés à considérer dans un test statistique ?
1) Niveau alpha
2) Puissance du test
3) L’ampleur de la différence entre les conditions comparées ou de l’association (taille de l’effet)
4) Taille de l’échantillon
Quelle est la définition d’usage du niveau alpha ?
Probabilité que l’hypothèse nulle (absence de différence ou d’association) soit vraie, compte tenu des données observées (fausse car inversée)
Quelle est la définition statistique du niveau alpha ?
Probabilité d’observer les données obtenues dans l’expérience (une différence ou une association) en assumant que l’hypothèse nulle est vraie
Conséquences : si la probabilité est inférieure à 5% on conclue que H0 est intenable et on la rejette au profit de H1.
Quelle est la fonction de la taille d’échantillon dans le niveau alpha ?
Degrés de liberté.
Plus le n est grand, moins la différence entre deux conditions a besoin d’être élevée pour être statistiquement significative.
Le processus de décision est…
probabiliste. Il n’y a pas de certitude absolue en statistique inférentielle.
La probabilité de faire des erreurs est déterminée par …
le chercheur
Erreur alpha correspond à …
la probabilité de rejeter H0 alors que H0 est vraie, soit de conclure qu’il y a une différence alors qu’il n’y en a pas (Type 1).
L’erreur bêta correspond à…
la probabilité de ne pas rejeter H0 alors que H0 est fausse, soit de conclure qu’il n’y a pas de différence alors qu’il y en a une (type II)
Qu’est-ce que la puissance statistique ?
Capacité (probabilité) d’une étude à détecter une différence significative si cette différence est effectivement présente dans la population.
(1-bêta)
Quel est l’objectif d’un plan d’analyse statistique ?
Maximiser la puissance statistique des tests sur les hypothèses
La puissance statistique d’un test est fonction que quels facteurs ?(4)
1) Taille de l’échantillon
2) niveau alpha
3) direction de l’hypothèse
4) importance de l’association ou de la différence (taille de l’effet)
Quels sont les trois méthodes pour estimer la taille de l’effet ?
1) méta-analyse : recension quantitative des écrits disponibles
2) résultats d’études préliminaires/pilotes dans votre centre de recherche
3) approche rationnelle : si absence de données empiriques
La taille de l’effet est exprimé en (…) et l’unité est (…)
score standard (score z)…l’écart type (Unité de mesure commune pour compiler les données d’études ayant utilisées différentes variables dépendantes (approche méta-analytique))
Nommez les différentes mesures de tailles d’effet selon le type de test (5).
d = comparaison entre deux moyennes
r = corrélation
w = khi carré
f = analyse de variance
f2 = analyse multivariée (régression, MANOVA, etc)
Un d = 0,2 correspond à une taille d’effet …
petite. Un d = 0,8 correspond à une grande taille d’effet.
Un r = 0,5 correspond à une taille d’effet…
grande.
Quelles sont les étapes pour parvenir à déterminer la taille optimale de notre échantillon ? (4)
1) Déteriner le niveau alpha et la direction de l’hypothèse
2) Spécifier un niveau de puissance statistique raisonnable (généralement 80%)
3) Estimer la taille de l’effet attendu (ES)
4) Regarder dans les tables de Cohen ou utiliser un logiciel
Comment maximiser la puissance statistique ? (4)
1) Augmenter la taille de l’échantillon (ddl) ; réduire les abandons, conserver toutes les données disponibles et non seulement les sujet “complets”, augmenter le nombre de temps de mesure
2) Augmenter le niveau alpha ; poser des hypothèses directionnelles, réduire le nombre de comparaisons
3) Augmenter la grandeur d’effet en augmentant la différence entre les groupes ; utiliser des interventions plus efficaces, contraster des groupes plus distincts
4) Augmenter la grandeur d’effet en réduisant la variabilité des mesures ; réduire l’hétérogénéité des sujets par des critères de sélection, utiliser des instruments avec une meilleur fidélité, réduire la variabilité des procédures par un manuel de traitement
Quel est le problème avec les comparaisons multiples ?
À mesure que le nombre de comparaisons statistiques augmente, la probabilité d’obtenir au moins une différence significative duel au hasard augmente également.
Quelles solutions sont possibles pour atténuer le problème lié aux comparaisons multiples ? (2)
1) Limiter le nombre d’analyse/comparaisons
2) Appliquer une correction pour réduire l’inflation de l’erreur alpha (Bonferroni) selon l’unité conceptuelle d’erreur.
Selon quoi le niveau alpha peut-il être fixé ? (3)
1) La VD (ex. 3 VD ; 0,05/3 = 0,013)
2) La famille de variables dépendantes (ex. 5 VD ; 0,05/5 = 0,01 par VD)
3) L’expérience au complet (10 tests statistiques dans l’étude ; 0,05/10 = 0.005 par test)
La méthode de Bonferroni est facile à utiliser, mais une limite importante est qu’elle…
manque sérieusement de puissance
Quelles méthodes existent afin d’augmenter la puissance de la correction de Bonferroni ?
Hochberg, Holm-Bonferroni, etc.
