Examen 2 _Laurie-Anne

Question 1

Quels sont les 3 grands principes des données probantes ?

Answer 1

1. L’expérience clinique (savoir acquis)
2. Le pt (implication du pt dans la réussite de l’intervention)
3. Les meilleures données cliniques (issue de la recherche médicale)

Question 2

Explique comment les données probantes pourraient être utilisées en TdS

Answer 2

1. Se poser une question
2. Littérature ; est-ce qu’on a déja répondu à la question ?
3. Étude : si personne a répondu à la question, je vais monter une étude
4. Cette étude va générer des connaissances et résultats
5. Implémentation : après les connaissances sont validées
6. Ça, ça va faire un changement dans la pratique de la TdS
7. Application (implémenter et intégrer)

Question 3

Quelles sont les variables qui peuvent contribuer à la sélection des mesures et des instruments ?

Answer 3

• Variables de l’étude
• Population (Mes instruments de mesure peuvent varié en fonction de ma population
  ◦ ex : si pour outil de mesure est une balance pour savoir le poids, mais que ma population sont des bébés, alors un b.ébé ne peut pas tenir sur une balance, donc je dois modifier mon outil de mesure)
• Coûts
• Administration (est-il difficile d’obtenir la mesure, est-il sécuritaire, est-ce que les participants accepteront de participer)
• Qualités métrologiques

Question 4

Conseils dans l’utilisation de mesures/instruments

Answer 4

• Utilisation de mesures disponibles dans la littérature (à titre comparatif)
• Calibration (en labo, selon les directives du manufacturier)
• Standardisation des instructions/procédures
• Connaissance de la mesure (valeurs attendues) - reconnaitre problèmes dans les données, diminuer le risque d’erreur

Question 5

Quels sont les types d’échelles de mesures (AKA comment les résultats sont présentés) ?

Answer 5

• Nominal : classé en noms (genre, niveau d’étude, sexe biologique, valeurs dichotomiques - oui/non, chauf/froid)
• Ordinale : Ordre, rang des données (va souvent être par questionnaire), distance entre les valeurs n’est pas connue - ex : “en accord, un peu en accord, un peu en désaccord, en désaccord”
• Intervalle : Échelle sans vrai “zéro” - Ex : température
• Ratio : ordre, présence d’un zéro absolue - ex : poids

Question 6

Si je désire mener un projet de recherche visant à évaluer l’intégrité de la fonction du rachis cervical, que pourrait être 2 mesures “ordinales” et 2 mesures “ratio” ?

Answer 6

Ordinales :
- Questionnaires sur AVQ, niveau de dlr, satisfaction des soins

Ratio :
- ROM
- Flexbilité
- Force
- Échelle de dlr
- Endurance

Question 7

Qu’est-ce que la qualité métrologiques des mesures et instruments ?

Answer 7

C’est le renseignement sur la qualité de la mesure ou de l’instrument

Question 8

Quels sont les critères de la qualité métrologique

Answer 8

Fidélité, validité, sensibilité, spécificité

Question 9

Le modèle théorique de la FIDÉLITÉ suggère que chaque mesure est composée de deux choses, lesquelles ?

Answer 9

un score “véritable” et d’une erreur

Question 10

Quelles sont les deux types d’erreur de la mesure (FIDÉLITÉ)

Answer 10

• Aléatoire : inconsistance dans l’application ou la réponse de la mesure (ex : fatigue musculaire)
• Systématique : Erreur répétitive (mauvaise application, manque de calibration)

Question 11

Explique le concept de “fidélité” avec la métaphore du jeu de fléchette

Answer 11

Chaque fois que je lance une flèche, celle-ci va arriver au même endroit

Question 12

Interprétation de la valeur de fidélité en chiffre

Answer 12

• plus la valeur se rapproche de 1, plus elle témoigne d’une forte fidélité

0-0,5 : mauvaise fidélité
0,5-0,75 : fidélité modéré
0,75-0,9 : bonne fidélité
plus de 0,9 : excellente fidélité

Question 13

Un score de 0,9 pour la fidélité est attribuable à quel pourcentage du score véritable et d’erreur

Answer 13

90% score véritable
10% erreur de l’instrument

Question 14

Une mesure non-fidèle mène à quoi ?

Answer 14

une mauvaise interprétation des résultats d’une étude

Question 15

Qu’est-ce que la validité ?

Answer 15

• Capacité de la mesure à mesurer ce pour quoi elle a été conçue

Question 16

Quels sont les types de validité ?

Answer 16

• Contenue : en lien avec les items de la mesure
• Construit : En lien avec le cadre théorique de la mesure
• Critère : Capacité à distinguer (Justesse)

Question 17

Explique le concept de validité avec la métaphore du jeu de fléchette

Answer 17

Les fléchettes doivent arriver sur la cible, même si elles ne sont pas tjrs au même endroit

Question 18

Qu’est-ce que la sensibilité ?

Answer 18

capacité à détecter (détecter adéquatement les cas positifs (ou qui possèdent la caractéristiques étudiée))

Question 19

Qu’est-ce que la spécificité ?

Answer 19

La capacité de discrimination (Détecter adéquatement des cas négatifs (ou qui ne possèdent pas la caractéristique étudiée)w

Question 20

Quelles sont les 2 types de statistiques ?

Answer 20

• Descriptives (moyenne, médiane, mode, fréquence)
• Inférentielles
  
  • buts)
    A) comparer les données à des valeurs standards (ex : Vo2max de l’échantillon vs vo2max moyen canadien
    B) Valider des relations (capacité aérobie et capacité cognitives)
    C) Comparer des groupes (traitement vs groupe contrôle)
  • Test-t, ANOVA, Régression, etc

Question 21

C’est quoi la justification post hoc ?

Answer 21

• Effectuées après les tests statistiques afin d’isoler des différences

(me permet de voir où est la différence (ANOVA me permet de comparer 2 choses, mais ne me permet d’identifier la diff, alors c’est là que je dois faire un “post hoc”))

Question 22

Au niveau des statistiques inférentielles, quels sont les deux types de test que nous pouvons faire ?

Answer 22

• paramétriques (test-t, ANOVA)
• Non paramétrique (wolcoxon, mann-whitney)

Question 23

Quels sont les critères pourU faire une analyses paramétriques

Answer 23

1) Les données ont une distribution normale
2) Les échantillons issus de la population ont la même variance
3) Les observations sont indépendantes (obs. proviennent d’une collecte)

si les données ne répondent pas aux 3 critères ; on fait une analyse non-paramétrique

Question 24

Qu’est-ce que la tendance centrale ?

Answer 24

• Un score qui correspond à la meilleure représentation du score global. Valeur où ce situe le centre de la distribution

Question 25

Qu'est-ce que la variabilité ?

Answer 25

- Le niveau de différence de chaque score individuel vis-à-vis le centre de la distribution (tendance centrale) - Indication de l'étendue des scores autour de la moyenne *écart-type : si écart-type est large, la moyenne n'est probablement pas représentative * Variance : le carré de l'écart-type * Intervalle de confiance : Caractérise l'homogénéité des données Bornes supérieures et inférieures, indice de dispersion des données

Question 26

Quelle est la différence entre une courbe normal et une courbe non- normale ?

Answer 26

- normale : la moyenne, médiane et le mode sont au même point - non normale : la moyenne, médiane et le mode ne sont as au même point (la distribution est asymétrique, soit positive ou négative)

Question 27

Qu'est-ce qu'une hypothèse nulle (H0) et une hypothèse alternative (HI)

Answer 27

H0: hypothèse nulle, n'aura pas de différence - ex : je veux comparer variables X et Y, sera tjrs "il n'a pas de diff entre X et Y" HI: hypothèse alternative - ce qui est attendu (ex : X sera plus élevé que Y , ou même Y sera plus élevé que X, etc.)

Question 28

Quand on fait des test statistique, quelle hypothèse en testée

Answer 28

H0 - Pas de différence significative = H0 est vrai - Présence d’une différence significative = H0 est fausse Le but d'un test statistique est de rejeter l'hypothèse nulle

Question 29

Qu'est-ce que le D de Cohen ?

Answer 29

permet de mesurer l'ampleur de la diff entre les groupes

Question 30

Le test-t (student t-test) permet de mesurer quoi ?

Answer 30

permet de comparer les moyennes de 2 groupes, ou un groupe p/r à une valeur pré-déterminer - Détermine si la diff observée est due au hasard (H0) ou est significative (HI)

Question 31

Explique moi les résultat qui peuvent ressortir d'nu D de cohen ?

Answer 31

0.2 à 0.5 : faible 0.5 à 0.8 : moyen plus de 0.8 : fort

Question 32

Quand on compare plus que 2 moyenne, quel test on peut utiliser?

Answer 32

ANOVA : analyse de variance ; étudie le comportement d'une variable continue en lien avec plusieurs prédicteurs

Question 33

Anova rapporte 3 éléments, lesquels ?

Answer 33

- Effet de groupe : il existe des diff significatives entre les groupes - Effet de temps : il existe des diff significatives entre les temps de mesure - interaction groupe : veut juste me dire que desfois les courbes se croisent ; et c'est là que je vois qu'il y a surment un groupe qui réagit diff, donc résultat significatif

Question 34

Après ANOVA, qu'est-ce qu'il est important de faire ?

Answer 34

Un POST HOC pour identifier où se situent les diff significatives - Desfois ANOVA : va me dire "tu as un effet de groupe significatif" ou "tu as un effet de temps significatif" mais ne va pas de me dire c'est où (ex : temps 1-2-3), donc c'est là que je vais faire mon POST-HOC pour savoir c'est où la diff

Question 35

Quel test permet de mettre 2 variables en relation ?

Answer 35

Test de chi2 ou x2 - Ex : Nb d'années d'expérience et types de traitement en thérapie du sport

Question 36

Quel coefficient permet de déterminer la force de l'association entre 2 variables ?

Answer 36

- Coefficient de Pearson (r) : valeur entre 0 et 1 Plus le R est prêt de 1 : plus l'association est forte Plus le R est près de 0 : moins l'association est forte

Question 37

Est-ce que les corrélations confirment la causalité ?

Answer 37

Non, les corrélations ne confirment pas la causalité - Aucun rapport de cause à conséquence/effet; seules des analyses longitudinales peuvent confirmer un rapport de cause à conséquence/effet

Question 38

Quels sont deux types de régressions qu’on utilise pour faire des prédictions dans les analyses statistiques

Answer 38

- Multiple : C’est quoi ? Relation entre la variable dépendante et une somme de prédicteurs Tu as une variable dépendante (ex. : niveau de douleur) et plusieurs variables indépendantes (ex. : âge, nombre d’heures d'entraînement, poids...). But ? Voir comment ces différentes variables prédisent ou influencent ta variable dépendante. Exemple concret : Tu veux prédire la performance à un test VO2max en fonction du sommeil, de l’alimentation et de l’âge. - Logistique : C’est quoi ? Utilisée quand ta variable dépendante est binaire, donc oui/non, présent/absent, hommes/femmes etc.) Exemples de variables dépendantes binaires : Est-ce que l’athlète s’est blessé ? (oui/non) Est-ce qu’il/elle a une commotion ? (oui/non) Résultat exprimé en : Risque relatif (odds ratio) → ça te dit combien de fois plus (ou moins) une personne a de chances d’avoir un résultat (ex. : une blessure) selon une condition. Exemple concret : Un athlète qui s’entraîne 2 fois par jour a-t-il plus de risque de se blesser comparé à un autre qui s’entraîne 1 fois par jour ? ➤ L’odds ratio te dira « 2x plus de chances » ou « moitié moins de risques », par exemple.

Question 39

Qu'est-ce que la valeur de P ?

Answer 39

Permet de mesurer si le résultat statistique est significatif, selon un seuil pré-établi si le P<0.05, nous pouvons rejeter H0 et assumer que HI est vrai Cela veut dire que -5% peuvent être attribué à la chance - La valeur de P de permet de savoir si ton résultat est statistiquement significatif - Plus la valeur de p est petite, plus on a confiance que notre résultat n’est pas dû au hasard.