[PDF] Unité de Recherche Clinique et Évaluative





Previous PDF Next PDF



Description des Variables Quantitatives Continues.pdf

En ce qui concerne les données provenant d'une variable quantitative continue on constate le très grand nombre de valeurs différentes (à l'exclusion



Data Types

Continuous. 2. Discrete quantitative. 3. Ordinal. 4. Nominal. Figure 1. Quantitative variables. You might think of a quantitative variable as one that can 



Les variables

Les variables quantitatives continues: sont des valeurs très nombreuses dont l'énumération serait fastidieuse. Il est donc préférable de les exprimer en classe 



VARIABLES QUANTITATIVES CONTINUES

Variable étudiée : « temps de trajet » ; c'est une variable quantitative continue qui prend des modalités entre 0 et 200 minutes.



Méthodes quantitatives pour sciences humaines

D) Quantitative continue. Échelle nominale. Page 32. D) De quel type de variable s'agit-il? « En moyenne combien d'enfants pensez- vous que les familles 



Unité de Recherche Clinique et Évaluative

Variables QUANTITATIVES. – Continue: • Poids (163.1 lbs 48.8 kg



Diapositive 1

14 déc. 2011 Les types de variables. Quantitatives. › Discrète : Variable dont on peut énumérer les valeurs qu'elle peut prendre. › Continue ...



1 Cas des variables quantitatives. Quelques exemples type

X1 et X2 quantitatives continues deux tests standard alternatifs : Test de Student de comparaison de deux moyennes



De la question à la variable Intervenant : Mélanie Le Goff Bonjour à

A l'opposé les variables quantitatives continues admettent un nombre infini de valeurs. C'est souvent le résultat d'une variable qui se mesure



Cours de Statistique Descriptive

discrètes et les variables quantitatives continues. L'infinité des valeurs observables d'une variable quantitative continue ne rend pas possible la.

Analyses statistiques de base

Atelier de formation A02

Plateforme de recherche clinique et évaluative

Anne -Sophie Julien, M.Sc., biostatistique rechclinique@crchudequebec.ulaval.ca

V181001

Objectifsd'apprentissage

1.Connaitreles étapesd'un projetreliéesaux statistiques

2.Choisirles statistiquespour valideret décrire

adéquatementun échantillon

3.Déterminerquelleanalyse statistiquedoitêtreutilisée

selonle contexte

4.Interpréterles résultatsdes principauxtests statistiques

1

Plan de la présentation

1.Variables

2.Statistiques descriptives

3.Choixd'analyses

4.Interprétationde résultats

5.Listed'analysesstatistiques& Exemples

6.Exercices

2

Étapesd'un projet

Avant la collectede données

•Établirles objectifsde recherche

•Choisirle devisde rechercheoptimal

•Déterminercomment les variables serontmesurées

•Calculerla tailled'échantillon

•Planifierles analyses statistiques

•**Consulter un statisticien** (mieuxvautprévenirque guérir)

Après la collectedes données

•Validerles données

•Effectuerles analyses statistiquesprévuesa priori •Vérifierque les résultatsobtenussontfiables(postulats) •Interpréterles résultatsde façonadéquateet transparente 3 A01 A03 A02

Section 1: Variables et

Statistiques Descriptives

Variables & Statistiquesdescriptives

Variables

Objectif-> Mesure-> Variable -> Test statistique

Statistiquesdescriptives

•Validation

•Valeursplausibles

•Absence d'erreurde saisie

•Minimum, Maximum

•Croisementsplausibles

•Critèresinclusion / exclusion respectés

•Description

•Reproductibilité

•Utilisation / Application des résultats

•Généralisation

5

Type de variables

•Variables QUALITATIVES

•Variables QUANTITATIVES

-Continue:

•Poids (163.1 lbs, 48.8 kg, ...)

-Discrète: •Nombre de crises d'épilepsie (0, 1, 2, 3,...) 6

Dichotomique

(2 modalités)Polytomique (>2 modalités)

Nominale/

CatégoriqueSexe

(Homme, Femme)StatutFumeur (Actuel, Ancien, Non)

Ordinale

GravitéMaladie

(Modéré, Sévère)Degréde satisfaction (Pas du tout, Satisfait,Trèssatisfait) •Fréquence: nombre d'occurrences pour une catégorie •Proportion(varie de 0 à 1) •Pourcentage(proportion x 100) •Fréquence cumulée: Nombre d'observations qui se situent au- dessus (ou au-dessous) d'une valeur particulière (variable ordinale) •Mode : la valeur la plus fréquente dans un ensemble de données

Variable qualitative

7

Satisfaction%% cumulé

Trèsinsatisfait2222

Insatisfait5476

Satisfait24100

Variable qualitative

Représentationgraphique

Diagramme circulaire

(tarte/ secteurs)

Source: ISQ, 2013

051015202530354045

Satisfaction de la clientèle

Très satisfait

Satisfait

Peu satisfait

Insatisfait

Diagrammeà bandes

8

Variable quantitative

Mesures de localisation (de tendance centrale)

•Moyenne :somme des valeurs numériques divisée par le nombre de données (N) •Médiane :une valeur qui permet de couper l'ensemble de données en deux parties égales 9 Mesures de dispersion (associées à la moyenne) •Variance :une mesure de dispersion des données autour de la moyenne •Écart-type :racine carré de la variance = ʍ

Variable quantitative

Source: Wikipédia

10

Histogrammed'une

loinormale

Variable quantitative

Mesures de dispersion (associées à la moyenne)

Écart-type (Standard Deviation)

•Indicateurde la variabilitédes données

•Présentédansles statistiquesdescriptives

Erreur-Type (Standard Error)

•Écart-type divisépar la racinecarréede N •Mesurel'incertitudeassociéeà l'estimationde la moyenne

•Présentéedansles résultatsd'analyses

Référence: Nagele, P. (2001). Misuse of standard error of the mean (SEM) when reporting variability of a sample. A critical evaluation of four anaesthesia journals. British Journal of

Anaesthesia, 90 (4): 514

-16. 11

Variable quantitative

Diagramme à

moustaches (boxplot) Mesures de dispersion (associées à la médiane)

Minimum

1 er

Quartile

(25e percentile)

Médiane

(2 e quartile) 3 e

Quartile

(75e percentile)

Maximum

Étendue

interquartile

Étendue

12 25%
25%
25%
25%
Exemple: ExtrapulmonaryEffects of Chronic Obstructive

Pulmonary Disease on Physical Activity, A cross

-sectional Study.

147 individusavec MPOC.

GOLD =

stadede la maladie. 13

Section 2: Choisir & interpréter

Choixd'analyse

Plusieursfacteursà considérer:

•L'objectif

•La nature de la variable dépendante(cequ'ontente d'expliquer) •La nature de la variable indépendante(les facteursprédictifs)

•Le type de données

-Non corrélées(p.ex.: mesuressurdes patients différents) -Corrélées(p.ex.: plusieursmesuressur un mêmepatient, maisdanscertainscas, patients différentsavec caractéristiquessimilaires, commedansun CRT. Termes similaires: pairées, appariées) 15

Choixd'analyse

Plusieursfacteursà considérer(suite):

•Le nombrede variables

-Univariée(1 variable: distribution, descriptif) -Bivariée(2 variables: association) -Multivariée(>2 variables: association): Pour sélectionner les meilleursprédicteurs, outester unerelation en ajustantpour des facteursconfondants •Le design expérimental(étudeobservationnelle, randomisée, cas-témoinsavec ousans appariement, etc.) 16

Validation de modèlesparamétriques

•Postulats

-Hypothèsesdu modèledoiventêtrerespectés(i.e.: normalité, homoscédasticité, linéarité, indépendance,...)

•Sources de biais

-Sélectionnon aléatoiredes sujets -Absence de randomisation -HypothèsesH0 & H1 mal spécifiées -Valeursinfluentes -Multicolinéarité -Donnéesmanquantes

•Pouvoirprédictif

-Pouvoirexplicatifdes variables explicatives -Validation des prédictions -Validation croisée 17

Sans validation, la

conclusion d'une analyse pourrait

êtreerronnée!

Résultatsd'un test

•Mesured'association

•Tailled'effet, rapport de risquesoucotes, coefficient de régressionoucorrélation, etc

•Indiquele senset la force de l'association

•Intervallede confiance

•Précisionet incertitude des mesuresd'association •PlusieursIC générés, X% contiendrontla valeur populationnelle

•Valeurp

•Valeurcontinue plutôtque dichotomique

•Indicateurde la compatibilitédes données échantillonnalesavec la valeurd'intérêtdansla population sous l'hypothèsenulle 18

Interprétationdes résultats

•Valeurp

•Évitersig, ns, p<0.05, p>0.05, ***, ...

•Unevaleurp >0,05 n'impliquepas qu'iln'ya pas d'effet significatif ne rejettepas l'hypothèsenulle examiner l'intervallede confiance vérifierla puissance (pas a posteriori)

•Tenircomptede la significativitéclinique

•Présenterles biaiset les discuter; généralisation, inférence 19

Interprétationdes résultats

•Association et relation ne sontpas synonymesde corrélation

•Association n'impliquepas causalité

•Exemples:

•Nombrede pompiers& dommagesde l'incendie

•Notes examenavec et sans tutorat

•Tests de comparaisonau baseline (Table 1) entre groupes dansun RCT

Regarderles valeurscliniquesplutôt

20

Section 3: Liste d'analyses

statistiques

Séried'analyses1

TestsVariable

dépendanteVariable(s) indépendante(s)Type de donnéesType d'analyse Khi-DeuxNominaleNominaleNon corréléesBivariée Fisher ExactDichotomiqueDichotomiqueNon corréléesBivariée Mc NemarDichotomiqueDichotomiqueCorréléesBivariée

Régression

logistiqueDichotomiqueQualitative(s)+

Quantitative(s)Non corréléesBivariéeou

Multivariée

Pourtester l'association entre des variables qualitatives Pourquantifier l'association entre deux variables dichotomiquesquotesdbs_dbs23.pdfusesText_29
[PDF] Astuces Formules avec Excel

[PDF] Le différentiel

[PDF] Livret de l 'agriculture L 'ALIMENTATION DE LA VACHE LAITIERE

[PDF] logiciel de gestion de troupeau - UNIFORM-Agri

[PDF] Application du protocole PPCR aux cadres d 'emplois de catégorie B

[PDF] redevance note complémt

[PDF] Vous voulez déterminer une rente viagère d 'un bien libre de toute

[PDF] Chapitre 16-Réservoirs - Orbi (ULg)

[PDF] Mise ? jour de la note commune n°13/2013 relative au tableau de

[PDF] L 'essentiel des règles de calcul de la retraite

[PDF] La retraite en Allemagne - Jacques Bichot

[PDF] Kisaitou Retraite - SNUipp-FSU de la Corrèze

[PDF] tout savoir sur la reforme des retraites dans la fonction publique

[PDF] l 'ircantec - CNRS - DGDR

[PDF] definition des recettes nettes part producteur - ACPFilms