Examen 2

Question 1

Qu’est-ce que l’éthique de la recherche et pourquoi elle est importante?

Answer 1

Principes moraux, procédures et méthodes qui guident la conduite de la recherche. Elle est importantes puisqu’elle impose des règles interdisant de fabriquer, de falsifier ou de déformer les données de recherche

Question 2

Quelles sont les 3 théories dominantes en éthique de la recherche?

Answer 2

1. Théorie de la vertu: accent sur caractère moral des individus (courage, équité, honnêteté)
   • Prémisse les bonnes actions sont réalisées par les bonnes personnes
   • La vertu peut être cultivé par la pratique
2. Éthique utilitaire: avantages globaux ou utilité de la recherche
   • Défendre la recherche qui fait le plus grand bien au plus grand nombre de personnes
3. Déontologie: éthique du devoir (la fin ne justifie pas les moyens, les intérêts, les libertés et les choix des individus priment sur d’autres considérations)

Question 3

Quelles sont le 5 abus d’éthique de la recherche? + vérifier à quoi elles consistent

Answer 3

1. Nazis visant à améliorer le «volk»
2. La recherche sur des individus «biologiquement inférieurs» permis aux Nazis d’ignorer la souffrance
3. Étude de Tuskegee sur la syphilis de (1932-1972)
4. Étude de Willowbrook sur l’hépatite (1956-1970)
5. Expérience de Milgram (1961)

Question 4

Quels sont les trois principes éthiques de la recherche?

Answer 4

1. Le respect des personnes
2. La préoccupation pour le bien être
3. La justice et l’intégration

Question 5

Qu’est-ce que le «respect des personnes»?

Answer 5

• Participants sont informé de tous les aspects de la recherche et qu’il donnent librement leur consentement
• Protégé les personnes vulnérables

Question 6

Qu’est-ce que la préoccupation pour le bien être?

Answer 6

Respect de la vie privée
• choix des participants concernant la nature des informations
• Droit de conserver l’anonymat et la confidentialité

Question 7

Qu’est-ce que la justice et l’inclusion?

Answer 7

Équilibre des avantages et des inconvénients
• Bénéfices et inconvénients de la recherche équitable répartis entre tous les participants
• Traitement juste et équitable de tous les participants avant, pendant et après l’étude
• Recrutement des participant
• Réduction des inconvénients et optimisations des avantages
- Mesurer soigneusement les risques qu’on fera encourir aux participants (physique, émotionnel, social, économique)
- évaluer les bénéfices (amélioration en santé, acquisitions de connaissances quant aux traitements disponibles et à leur administration)

Question 8

Quelles sont les principales ressources pour l’éthique de la recherche?

Answer 8

• comité de la recherche: UdeM, CHU Sainte-Justine
• organisation professionnelles: American Psychological Association, AASP
• Agences gouvernementales: SHHRC, CIHR, FRSQ

Question 9

Qu’est-ce que la mesure de variabilité et comment peut-on calculer la variabilité (3)?

Answer 9

Mesure de variabilité —> Cela nous donne une idée de la répartition des données. Les petites valeurs indiquent que les valeurs de données sont toutes proches les unes des autres; les grandes valeurs indiquent que les valeurs des données sont plus dispersées (plus de variabilité).

1. Étendue: fournit une image rapide et approximative de la dispersion des données. Peu d’avantage en tant que statistiques inférentielle.
2. Variance: Dispersion des scores par rapport à la moyenne. Elle fournit des informations sur l’écart de chaque score par rapport à la moyenne. La variance est la moyenne des écarts quadratiques par rapport à la moyenne.
3. Écart type: Elle fournit de l’information sur la mesure dans laquelle les scores s’écartent de la moyenne. Elle est une mesure de la quantité moyenne par laquelle les points de données individuels s’écartent de la moyenne.
   —> souvent préféré à la variance car les unités sont les mêmes que les données d’origine, ce qui facilite l’interprétation
   σ : écart type dans une population
   s : écart type dans un échantillon

Question 10

Qu’est ce que l’inférence statistique?

Answer 10

Méthodes permettant de généraliser a une population les conclusions tirées des résultats obtenus à partir d’un échantillon (voir diapo)

Question 11

Qu’est ce que l’inférence statistique?

Answer 11

Méthodes permettant de généraliser a une population les conclusions tirées des résultats obtenus à partir d’un échantillon (voir diapo)

Question 12

C’est quoi les diff. Entre les populations et les échantillons?

Answer 12

Paramètre: une mesure qui décrit une Statistique: Une mesure qui est
caractéristique de la population calculée à partir d’un échantillon

Les paramètres sont des entités réelles Les statistiques sont des
Ex. La moyenne dans une population estimations d’un paramètre
est un paramètre. Ex. La moyenne dans un échantillon est une statistique

Elle est fixe (mais généralement Elle varie d’un échantillon à l’autre
inconnue)

Question 13

C’est quoi les diff. Entre les populations et les échantillons?

Answer 13

Paramètre: une mesure qui décrit une Statistique: Une mesure qui est
caractéristique de la population calculée à partir d’un échantillon

Les paramètres sont des entités réelles Les statistiques sont des
Ex. La moyenne dans une population estimations d’un paramètre
est un paramètre. Ex. La moyenne dans un échantillon est une statistique

Elle est fixe (mais généralement Elle varie d’un échantillon à l’autre
inconnue)

Question 14

Quelles sont les méthodes d’échantillonage

Answer 14

Types d’échantillons (liste non exhaustive):
• Échantillon représentatif
- Il contient toutes les caractéristiques de la population (population-mère)
• Échantillon biaisé
- Il ne renferme pas toutes les caractéristiques de la population
• Échantillon aléatoire
- Ses éléments ont été choisis au hasard
• Échantillon aléatoire simple (EAS)
- Chaque unité a une chance égale d’être choisie

EAS (Échantillonnage Aléatoire Simple)
• Il donne à chaque membre de la population une chance (probabilité non nulle) connue d’être choisi
Comment obtenir un EAS?
• Générateur de nombres aléatoires
- Ordinateur: Excel; = ALEA.ENTRE.BORNES(1;1,189)
- Calculette: fonction RANDOM
• Autres mécanismes acceptables (piger dans un chapeau)
• Table de nombres aléatoires (page suivante)
Échantillonnage stratifié
• La population est divisée en groupes homogènes d’individus (groupe= strate)
• …puis, on effectue un échantillonnage aléatoire simple (EAS) dans chaque strate. Le tout forme l’échantillon.

Question 15

Quelles sont les types de variables?

Answer 15

Deux types de variables
1. Variable qualitaitve (ou catégorielle)
• valeurs: catégories ou groupes
ex: sexe, couleur des yeux, allégeance politique

2. Variable quantitative (ou numérique)
   • N’importe quelle valeur chiffrée (théoriquement)
   ex: masse, taille, concentration d’un médicament
   —> Les variable quantitatives peuvent être continue ou discrète
   Continues: ex: masse, taille, etc.
   Discrètes: ex: nb. de personnes, enfants dans une famille, etc.

Variables dépendantes vs indépendantes
1. Dépendantes
• Mesures à réaliser
ex: mesure le temps au 100 m, la FC à la fin d’une course de 200m, etc.
2. Indépendantes
• Variables contrôlées par l’expérimentateur
ex: traitement pharmacologique, type d’exercice prescrit, sexe, pathologie,etc.

Exemple: On étudie l’effet de la durée d’un étirement des ischiaux sur l’amplitude du mouvement

Quelle est la variable dépendante et indépendante?

A: Dépendante = durée d’un étirement; indépendante= amplitude
B: Dépendante= amplitude; Indépendante= durée d’un étirement

Question 16

Quels sont les types de données?

Answer 16

Type de données (échelles de mesures)
1. Échelle nominale: catégories mutuellement exclusive et non ordonnées; sexe (masc. ou fem.), ethnicité (asiatique, caucasien, etc.), allégeance politique (PQ, CAQ, libéral), groupe sanguin (A, B, AB ou O)
2. Échelle ordinale: catégories mutuellement exclusives et ordonnées, MAIS on ne quantifie pas l’écart entre les sujets (il n’y a pas un distance égale entre les sujets); grade dans l’armée (lieutenant, capitaine, colonel, général); Léger, modéré ou grave
3. Échelle d’intervalle: ordre de grandeur, classement ou on peut quantifier l’écart entre les sujets, MAIS il n’y a pas de point de départ («0» ne signifie pas une absence de valeur); température (10°C n’est pas 5 fois plus chaud que 2°C); QI (une note de 100 n’est pas 2 fois meilleure qu’une note de 50)
4. Échelle de rapport ou ratio: ordre de grandeur, distance égale entre les unités et «0» signifie absence de valeur; 50 kg est 2 fois plus lourd que 25kg.

Question 17

Qu’est-ce que la distribution de fréquence?

Answer 17

Distribution de fréquences: Liste des valeurs de données (individuellement ou par groupes d’intervalles ainsi que leurs fréquences ou dénombrements correspondants

Question 18

Quelles sont les 3 mesures de tendance centrale?

Answer 18

Mesures de tendance centrale
• Tendance centrale
- Il s’agit de déterminer où se trouve le centre de la distribution des données
- Une valeur représentative ou typique de l’ensemble de données
• Il existe trois mesures de tendance centrale utilisées couramment
- La moyenne - La médiane - Le mode
Moyenne: série de données numériques égale à la somme de toutes ces données, divisé par la taille de leur effectif
Médiane: la valeur du milieu d’une série statistique rangée en ordre croissant (autant de données supérieures que inférieures a Md)
** Si le nombre est impair la médiane est défini par le nombre d’observation, plus 1, divisé en 2. **
** Si le nombre de donnée est pair, la médiane est la moyenne des deux nombre du milieu **
Le mode: valeur la plus fréquente dans une distribution de fréquence

Question 19

Qu’est-ce que l’échantillonnage?

Answer 19

Échantillon
Échantillon = partie ou sous-ensemble formée à partir d’une population

But de l’échantillonnage:
• Recueillir de l’information en vue d’un jugement, d’une appréciation ou d’une décision
• Faire une inférence: on s’intéresse à une population, mais on ne dispose que d’un échantillon
• Il faut donc que les informations sur l’échantillon soient pertinentes, fiables et non biaisées

Question 20

Différence entre statistique descriptive et inférentielle?

Answer 20

1. Statistiques descriptives :
   • Elles se concentrent sur la description et le résumé des données recueillies dans un ensemble spécifique (échantillon ou population).
   • Elles utilisent des mesures comme la moyenne, la médiane, le mode, l’écart-type, et les graphiques (histogrammes, diagrammes en boîte) pour présenter l’information de manière concise.
   • Exemple : La moyenne des scores d’un groupe d’étudiants à un test.
   
   2. Statistiques inférentielles :
      • Elles visent à tirer des conclusions ou à faire des prédictions sur une population plus large, en se basant sur les données d’un échantillon.
      • Elles utilisent des techniques comme les tests d’hypothèse, les intervalles de confiance, et les tests de régression pour estimer et faire des inférences sur les caractéristiques de la population.
      • Exemple : À partir d’un échantillon d’étudiants, estimer la performance moyenne de tous les étudiants d’une école.

Question 21

Quelle est la différence entre statistiques paramétrique et non-paramétrique

Answer 21

La statistique paramétrique: estimer les paramètres de la population et tester des hypothèses en tenant compte des postulates sur la distribution des variables.
** Les tests paramétriques reposent sur 4 postulats:
1. Variables normalement distribués dans la population
2. Possibilité de calculer la variance
3. Données continues
4. Variables sont à échelles d’intervalles ou de ratio

La statistique non paramétrique: utilisée quand la distribution des données ne repose pas sur des postulats de normalité
Exemples:
• Variables continues, mais petit échantillon (n<30)
• Variables ordinales
• Variable nominales

Question 22

Qu’est-ce que la distribution normale?

Answer 22

Distribution normale ou gaussienne
La plus importante distribution en biostatistiques
—> Elle dépend de deux paramètres: La moyenne µ et l’écart type o
+ le graph. A la forme d’une cloche, il est symétrique et la mediane = la moyenne

Question 23

Différence entre mesures d’association, prédiction, et différences des moyens

Answer 23

Mesure d’association: examiner la relation proposée entre 2 variables
Ex: consommation de sucre et diabète

Mesure de prédiction: utiliser une variable indépendante pour prédire une variable dépendante
Ex: Est-ce que la motivation à reprendre le sport après une blessure permet de prédire le retour à la pratique sportive?

Mesure de différences des moyennes: déterminer des différences entre les groupes expérimental et de contrôle
Ex: Comparer les temps de course moyens entre un groupe de coureurs amateurs et un groupe de coureurs professionnels.

Question 24

Interpretation des signes alpha?

Answer 24

Probabilité et signification dans la prise de décision scientifique:
• Les événements fortuits n’ont aucun intérêt
• 95% de certitude est le seuil traditionnel
• Si nous somme certains à 85% que ce que nous observons n’est pas du hasard, cela signifie qu’il n’y a que 5% de chances d’obtenir un faux positif
«Alpha= 0,05» signifie qu’il y a 5% de risque de faux positif (erreur de type 1)
= niveau de signification déterminé avant de procéder à un test d’hypothèse
Ex: = 0,05 (5% prob. d’un résultat aléatoire)
= 0,01 (1% prob. d’un résultat aléatoire)
= 0,001 (0.1% prob. d’un résultat aléatoire)

Question 25

Différence entre causalité et corrélation

Answer 25

Mesure d’association ou corrélation
Rappel: les mesure de tendance centrale et de variabilité décrivent les caractéristiques des variables, une variable à la fois
—> Statistiques univariées

Maintenant, nous allons décrire une caractéristiques d’une variable par rapport à une autre variable
—> Statistiques bivariées

Deux types de corrélations: Pearson (paramétrique) et Spearman (non-paramétrique)

Les coefficients de corrélation: La corrélation est un type de relation qui, mesurée statistiquement, produit une valeur numérique: le coefficient de corrélation (r).

Causalité et corrélation
La corrélation NE signifie PAS l’existence d’une relation causale entre deux variables.
—> La corrélation quantifie le degré auquel les changements dans une variable sont liés aux changements dans une autre variable
**Dans de nombreux cas, deux variables sont corrélées car elles sont toutes deux corrélées avec une troisième variable.

Conditions à remplir pour établir une inférence causale
1. L’ordre chronologique approprié doit être établi. Si A cause B, A doit se produire avant B.
2. Il ne doit pas y avoir de variables de confusion ou extrinsèques. Il ne doit pas y avoir d’autres explications alternatives
ex: on doit être sur qu’un changement d’entrainement cause le changement de performance et pas le sommeil ou l’alimentation

Question 26

Interprétation de coefficient de corrélation de pearson (direction, range, intensité)

Answer 26

Coefficient de corrélation de Pearson: désigné par (rho) dans la population, et r dans l’échantillon. Indicateur numérique de la relation «linéaire» entre deux variables - à mesure qu’une variable augmente ou diminue, une autre variable augmente ou diminue également de manière directement proportionnelle.
Ex: à mesure que le revenu augmente, la richesse monétaire augmente également.
(Voir photo)

Question 27

Le but de la régression linéaire simple et de la régression multiple

Answer 27

Les mesures de prédiction (l’analyse de régression)
Sert à caractériser le modèle de relation entre la ou les variables indépendantes et la variable dépendante

Variable indépendante: variable que le chercheur manipule ou modifie intentionnellement dans l’expérimentation ou celle qui est explicative dans une étude d’observation - ex: personnalité

Variable dépendante: variable qui tend à changer en fonction de la variable indépendante ou la variable qu’on souhaite prédire dans une association - ex: performance dans le sport
• fait usage de la corrélation entre les variables et de la notion d’une ligne droite pour formuler une équation de prédiction
• l’équation permettra de prédire la valeur d’une des variables en fonction de la valeur de l’autre (ou des autres) variables

La régression linéaire simple: elle recherche une relation linéaire entre les variables
Y: La variable dépendante
Y = a + bX X: Le point d’intersection de la ligne droite avec l’axe des Y
b: La pente de la ligne droite, appelée coefficient de régression

La régression multiple

• Analyse multivariée (plus de 2 variables) servant à établir la relation prédictive (Y) et un ensemble de variables indépendantes
• Donne une équation de régression qui permet de prédire la valeur de la variable dépendante quand les variables indépendantes sont connues (modèle prédictif)
• Le coefficient de régression multiple au carré (R^2) indique la proportion de la variance de la variable dépendante (Y) qui est expliquée par un groupe de variables indépendantes