Cours 9 - Cartes statistiques Flashcards
Quels est l’objectif de faire des cartes statistiques?
Le but est de générer des cartes statistiques de groupe en combinant des mesures du cerveau pour contraster des groupes ou tester l’association avec une variable continue.
Qu’est-ce que le modèle de régression linéaire permet de faire?
Il permet de prédire la VD à partir d’une VI.
Quelle est la loi qui régit le modèle linéaire en termes de cartes statistiques?
Densité MG = b0 + b1 * âge + e
Expliquer ce que chacune des variables de la loi de la régression linéaire signifient.
Densité de MG = VD mesuré pour chaque voxel.
b0 = Intercept, soit une constante représentant l’ordonnée à l’origine (quand l’âge = 0).
b1 = Taux de variation représentant la réduction de densité de MG par année.
âge = VI, soit la variable prédicatrice.
e = Bruit (résidus), soit la variation de VD non expliqué par la VI.
Comment estime-t-on b1 et b0?
Via une procédure statistique qui minimise l’amplitude des résidus (e).
Résidus = densité MG - b0 - b1 * âge
Suite à quoi on peut tracer une droite qui représente les valeurs de densité de MG prédites par l’âge.
Qu’est-ce qu’une analyse massivement univariée?
C’est une régression linéaire fait de façon répétée.
Dans le cas des cartes statistiques, il faut effectuer une régression linéaire pour chaque voxels.
Nommer une limitations associée au modèle de régression linéaire.
Le modèle de régression linéaire est limité à 2 variables (VD et VI).
Solution : régression multiple
Que permet de faire une régression multiple (modèle linéaire général)?
Elle permet de prédire une VD selon plusieurs VIs.
Quelle est l’équation associé à la régression multiple dans le contexte des cartes statistiques?
Densité MG = b0 + b1 * âge + b2 * sexe + e
Que représente la variable ajoutée dans l’équation associé à la régression multiple dans le contexte des cartes statistiques?
b2 = différence de MG entre femmes et hommes
sexe = valeur associé à femme et homme (0 ou 1)
Le tout mesure la différence entre la moyenne de MG chez les femmes vs chez les hommes.
Que permet de faire les tests statistiques?
Ils permettent de tester la significativité de l’effet via l’amplitude des résidus.
Que fait-on pour mesurer la taille d’effet?
On effectue un test-t de Student pour chaque voxel.
Que représente p dans le cadre de l’hypothèse nulle?
p = la probabilité d’observer une différence sous l’H0 qui est plus grande que celle mesurée dans l’expérience.
Nommer une limitations associé aux tests statistiques dans le contexte des cartes statistiques.
Les comparaisons multiples.
Puisqu’on fait autant de test qu’il y a de voxels, on entraîne nécessairement de nombreux faux positifs dans les données.
Ex. pour p < 0,05, on a 5% des voxels qui seront significatifs alors qu’ils ne présentent pas véritablement de différence. Quand on a 100 000 voxels, ça fait 5000 voxels significatifs, ce qui est énorme.
Quelle est la solution au problème de comparaisons multiples?
Prendre un plus petit p selon la règle de Bonferroni.
p < 0,05/nb de voxel
Ex. pour 100 000 voxels, p < 0,0000001
