Statistiques Flashcards
Définition d’une variable quantitative discrète
Variable qui peut prendre uniquement certaines valeurs dans un intervalle
Définition d’une variable quantitative continue
Variable qui inclut toute valeur possible dans un intervalle (p. ex. âge, poids, taille, TA)
Définition d’une variable qualitative (catégorielle)
Nombre fini de catégories ou de groupes distincts (p. ex. sexe, couleur des yeux)
Meilleure mesure de tendance centrale si une distribution n’est pas biaisée (skewed)
Moyenne
Meilleure mesure de tendance centrale si une distribution est biaisée (skewed)
Médiane
Définition de l’étendue
Différence entre la valeur la plus grande et la plus petite
Définition de la variance
Moyenne des déviations individuelles de la moyenne au carré (= écart-type au carré)
Définition de l’écart-type
Racine carrée de la variance
Est-ce que l’écart-type est influencé par la taille de l’échantillon?
Non
Données probantes requises pour recommandation de niveau 1
Méta-analyse avec intervalle de confiance étroit ;
Au moins 2 ECR avec échantillon adéquat, idéalement contre placebo
Données probantes requises pour recommandation de niveau 2
Méta-analyse avec intervalle de confiance large
ECR
Données probantes requises pour recommandation de niveau 3
ECR avec petit échantillon
Étude prospective non randomisée
Série de cas
Étude rétrospective de bonne qualité
Données probantes requises pour recommandation de niveau 4
Opinion d’expert
Consensus
Niveau requis pour recommandation de 1re ligne
Niveau 1 ou 2 + appui clinique
Niveau requis pour recommandation de 2e ligne
Niveau 3 (ou mieux) + appui clinique
Niveau requis pour recommandation de 3e ligne
Niveau 4 (ou mieux) + appui clinique
Expliquez l’hypothèse nulle
On essaie de réfuter ce qu’on pense faux : hypothèse nulle = H0.
Par exemple : si on croit que deux populations sont différentes sur un certain paramètre (la moyenne), l’hypothèse nulle sera que les deux moyennes sont égales. On teste l’hypothèse nulle pour décider si on la rejette.
Définition d’une erreur de type I (alpha)
Rejet de l’hypothèse nulle alors qu’elle est vraie
Définition d’une erreur de type II (bêta)
Accepter l’hypothèse nulle alors qu’elle est fausse
Un manque de puissance occasionnerait une erreur de type I ou II ?
Type II (bêta)
Définition de la valeur p
Probabilité de commettre une erreur de type I (alpha)
Définition de la validité interne
Capacité d’une étude d’estimer correctement les mesures ou associations recherchées
(i.e. le résultat reflète la “vraie valeur”)
Définition de la validité externe
Capacité de généraliser un résultat obtenu dans le cadre d’une étude à la population cible. Limitée par l’échantillonnage et les critères de sélection
À quoi sert le test t de Student ?
Tester l’hypothèse nulle que les moyennes de deux échantillons (de N < 30) composés de variables continues ne diffèrent pas significativement.
À quoi sert l’analyse de variance (ANOVA) ?
Comparer les moyennes de > 2 échantillons
Distinguez un “one-tailed test” d’un “two-tailed test”
One-tailed test : pour tenter de réfuter l’hypothèse nulle seulement dans une direction (p. ex. “le traitement actif est meilleur que le placebo”)
Two-tailed test : pour tenter de réfuter l’hypothèse nulle dans les deux directions (p. ex. “le traitement est différent du placebo, soit meilleur soit moins bon”)
À quoi sert un Z test ?
Pour tester l’hypothèse nulle que les moyennes de 2 échantillons de N >30 composés de variables continues ne diffèrent pas significativement
(idem à Student mais N > 30!)
À quoi sert un Chi-carré ?
Évaluer la possibilité d’une association entre des échantillons de variables discrètes (pour voir si elles sont indépendantes ou non).
Permet de comparer 2 proportions.
À quoi sert un test de Pearson ?
Test de corrélation linéaire entre des variables continues ; établit un coefficient de corrélation entre -1 (association inverse parfaite) et 1 (association directe parfaite)
À quoi sert une régression linéaire ?
Prédiction de résultats alors que la corrélation est démontrée, pour des variables continues
À quoi sert une régression logistique multiple ?
Prédiction de résultats alors que la corrélation est démontrée, pour des variables discrètes
Comment établir une causalité ?
Haut degré de corrélation Consistance de l'association dans plusieurs études Association temporelle Cohérence avec les connaissances scientifiques contemporaines / plausibilité biologique Relation dose-réponse Réversibilité Spécificité Élimination des autres explications
Définition de la prévalence
Nombre de cas identifiés au cours d’une période de temps choisie
Divisé par
Nombre de personnes dans cette population au cours de cette période
Définition de l’incidence
Nombre de nouveaux cas au cours d’une période de temps choisie
Divisé par
Individus à risque au cours de cette même période
Définition de la puissance
Probabilité de déceler une certaine différence lorsque cette différence existe vraiment
Puissance = 1 - (erreur bêta)
Définition de l’étude de cohorte
Deux groupes (exposé vs non exposé à un facteur de risque prédéfini) suivis de façon longitudinale pour déterminer et comparer la fréquence d’une maladie dans chaque groupe
Étude prospective
Devis préférable si l’exposition à un facteur de risque est rare
Étude de cohorte
Devis préférable si la maladie est rare
Étude cas-témoin
Définition de l’étude cas-témoin
Deux groupes (cas-malade ou témoin-sain) comparés quant à la fréquence pour chacun de l’exposition à un facteur de risque déterminé
Étude rétrospective
Mesure utilisée dans l’étude cas-témoin
Rapport de cote (odds ratio)
Mesure utilisée dans l’étude de cohorte
Risque relatif
Utilité de la randomisation
Éviter la sélection systématique et le biais d’attribution
Biais de sélection
Biais dans la méthode adoptée pour sélectionner les sujets (p. ex. volontariat, autosélection)
Biais de confusion
Variables confondantes insuffisamment contrôlées
Biais de rappel
Les personnes malades se rappellent de certaines expositions de manière différente aux personnes non malades
Biais d’attrition
Perte de certains patients de l’analyse
Biais d’évaluation
Mesure de l’issue qui n’est pas évaluée de la même manière dans les deux groupes
Solution : balancer les évaluateurs et documenter l’accord interjuge
Explications possibles d’une association observée dans une étude épidémiologique
Chance
Biais
Causalité inverse
Facteurs confondants
Qualités d’un bon test de dépistage
Abordable Facile d'administration Peu d'inconfort Fiable Valide Comparé à un gold standard
Définition et calcul de la sensibilité
(vrais positifs) / (vrais positifs + faux négatifs)
Nombre de cas avec la maladie qui sont correctement identifiés par un test positif
(vrais positifs) / (tous les cas de maladie)
Définition et calcul de la spécificité
(vrais négatifs) / (vrais négatifs + faux positifs)
Nombre de cas sans la maladie correctement identifiés par un test négatif
(vrais négatifs) / (tous les cas sans maladie)
Définition et calcul de la valeur prédictive positive
Nombre de cas avec la maladie en présence d’un test positif
vrais positifs) / (vrais positifs + faux positifs
Définition et calcul de la valeur prédictive négative
Nombre de cas sans la maladie en présence d’un test négatif
vrais négatifs) / (vrais négatifs + faux négatifs
Calcul du NNT
Inverse de la réduction du risque absolu
Réduction du risque absolu = (risque chez sujets exposés) - (risque chez sujets non exposés)
NNT = 1 / RAR
Calcul de la réduction relative du risque
Risque absolu / risque au départ
Calcul du risque relatif
Risque chez sujets exposés / risque chez sujets non exposés
Calcul du rapport de cotes (odds ratio)
(cas exposés X témoins non exposés)
_______________________________
(cas non exposés X témoins exposés)
Étapes d’une revue systématique
Formuler une question
Trouver les études
Évaluer la qualité des études
Résumer les données
Biais possibles d’une revue systématique
Biais de publication
Délai de publication (résultats positifs avant résultats négatifs)
Langue
Critères pour évaluer la qualité d’une méta-analyse
Critères d’inclusion et d’exclusion explicites et bien justifiés
N’est pas restreinte aux études publiées
Stratégie de recherche d’articles explicitement décrite
Recherche à partir de différentes sources
Protocole d’analyse et méthodologie détaillés
Évaluation de la fidélité inter-évaluateur des outils de mesure
Évaluation des biais possibles
Facteurs qui déterminent la qualité de l’acte médical
Accessibilité Actualité Efficacité Continuité Participation des patients Sécurité
Principe de Pareto
80 % des effets sont le produit de 20 % des causes
Définition du diagramme de Pareto
Graphique qui représente l’importance de différentes causes à un phénomène
