Introduction à l'analyse statistique inférentielle partie 3 Flashcards
Régression linéaire simple (rappel)
Régression linéaire simple: Procédure statistique qui permet de prédire la valeur d’une variable dépendante (quantitative et continue) en se fondant sur la valeur d’une variable indépendante;
3 caractéristiques:
Donne la formule de la droite qui décrit le mieux la relation entre les valeurs de la variable x et celles de la variable y (cette formule est rarement donnée dans les articles scientifiques);
Produit un coefficient (bêta [β]) qui donne l’amplitude du changement de la variable dépendante pour chaque unité de changement de la variable indépendante (C’est ce que vous devez être en mesure d’interpréter);
Valeur p (interprétée en fonction du seuil α choisi; souvent 0,05):
p ≤ 0,05, il y a une relation statistiquement significative entre la VI et la VD;
p > 0,05, il n’y a pas de relation statistiquement significative entre la VI et la VD;
Formule d’une droite (de régression):
𝑦= 𝛽_0+ 𝛽_1 𝑥_1
y = valeur de la variable dépendante (VD);
𝛽_0 = point d’origine de la droite sur l’axe des y (l’ordonnée);
Aussi appelée «intersection» ou «ordonnée à l’origine»;
C’est la valeur de y quand x1 = 0;
𝛽_1 = pente de la droite de régression;
Aussi appelé «coefficient de régression»;
C’est l’influence d’une unité de x (la VI) sur y (la VD);
C’est ce que vous devez apprendre à interpréter;
x = valeur de la variable indépendante (VI);
ne s’applique pas à une valeur qualitative
Permet de voir l’influence d’une variable indépendante sur une variable dépendante
Analyse multivariée
Plusieurs phénomènes ou événements peuvent influencer une variable dépendante donnée;
Il est souvent utile de mesurer la force de l’association entre une variable indépendante et une variable dépendante après avoir tenu compte des autres variables considérées dans l’analyse (variables de confusion);
On dit que:
La corrélation et la régression linéaire simples fournissent des mesures univariées;
L’analyse multivariée fournie des mesures ajustées (multivariées);
utilité d’une analyse multivariée
Son utilité:
Estimer l’effet net et simultané de plusieurs variables indépendantes sur la variable dépendante;
Contrôle des variables confondantes (et, donc, des biais de confusion). Petit rappel: Une variable confondante :
Est associée à la fois à la VI et à la VD;
N’appartient pas à la chaine causale entre la VI et la VD;
Induit un biais de confusion dans la mesure de l’association brute; biais que corrige l’analyse multivariée (associations ajustées);
Analyse multivariée ; trois principales méthodes d’analyse multivariées
Méthode d’analyse : régression linéaire multivariée
type de variable dépendant : quantitative continue (ex, douleur)
Méthode d’analyse : régression logistique multivariée
type de variable dépendant : quantitative et dichotomique (c-a-d 2 catégories ex ; mort et vivant)
Méthode d’analyse : analyse de survie (régression de cox) multivariée
type de variable dépendant : Temps jusqu’à événement dichotomique (ex; décès, accident, rechute)
Régression linéaire multivariée ajustée veut dire quoi
Fully adjusted: Après avoir tenu compte des caractéristiques des infirmières (p.ex.: expérience, formation), chaque augmentation de…
Interprétation d’une régression linéaire multivariée ; premier encadré de résultats
Interprétation (premier encadré de résultats):
Chaque augmentation de 1 point sur l’échelle mesurant le rationnement des interventions de soutien et d’enseignement aux parents offertes par les infirmières est associée à une réduction de 0,46 point sur l’échelle mesurant le degré de préparation des parents au congé de l’unité néonatale (readiness for NICU discharge):
Il s’agit d’une réduction, car: β = - 0,46 (c.-à-d., le coefficient de régression β est précédé d’un signe moins);
Cette réduction est statistiquement significative au seuil de 5%, car p < 0,05 (voir ** dans le tableau);
IC95%: Dans la population, cette réduction pourrait se situer entre -0,20 et -0,73, et ce 19 fois sur 20 (ou 95% du temps);
Interprétation d’une régression linéaire multivariée ; deuxième encadré de résultats
Interprétation (premier encadré de résultats):
Chaque augmentation de 1 point sur l’échelle mesurant le rationnement des interventions de soutien et d’enseignement aux parents offertes par les infirmières est associée à une réduction de 0,46 point sur l’échelle mesurant le degré de préparation des parents au congé de l’unité néonatale (readiness for NICU discharge):
Il s’agit d’une réduction, car: β = - 0,46 (c.-à-d., le coefficient de régression β est précédé d’un signe moins);
Cette réduction est statistiquement significative au seuil de 5%, car p < 0,05 (voir ** dans le tableau);
IC95%: Dans la population, cette réduction pourrait se situer entre -0,20 et -0,73, et ce 19 fois sur 20 (ou 95% du temps);
régression logistique multivariée
Généralités:
Technique d’analyse multivariée employée lorsque la:
variable dépendante est dichotomique (2 valeurs possibles);
mesure d’association utilisée: le rapport de cotes (RC);
Permet d’analyser l’association entre une variable dépendante (dichotomique) et plusieurs variables indépendantes;
Dans un tel cas, le RC est ajusté pour l’effet des autres variables incluses dans le modèle;
Régression de cox multivariée
Généralités:
Permet d’estimer la probabilité de survenue d’un événement, en tenant compte du temps écoulé entre l’exposition à la variable indépendante et la survenue de l’événement d’intérêt;
Utilisée dans des études de cohorte, où la mesure est le taux d’incidence;
Permet aussi de :
Prédire le cours d’une maladie depuis sa survenue (visée pronostique): risque de rechutes, récidives, décès, guérison, etc.;
D’identifier des facteurs associés avec la survenue de la maladie (facteurs de risque) ou à ses issues (facteurs pronostics);
Régression de Cox multivariée (Analyse de survie)
Généralités (suite):
Ce risque s’exprime sous la forme d’un ratio appelé hazard ratio (HR) ou rapport de risque instantané;
C’est une forme de risque relatif (voir: cours 11), et son interprétation est identique à celle du RR (rapport de taux d’incidence);
Voir: exemple dans les prochaines diapos;
