Untitled Quiz

Statistiques pour Médecins - Notes d'étude

• Objectifs de la séance:

  • Comprendre les différents types de données.
  • Acquérir les méthodes d'analyse descriptive.

• Etudes cliniques:

  • L'objectif est de répondre à une question de recherche de manière objective et scientifique, en s'appuyant sur des données mesurables.
  • Pour ce faire, il est nécessaire de bien planifier l'étude, notamment par le choix des variables à mesurer et des méthodes de mesure, ainsi que par la sélection adéquate des participants.
  • Le recueil et l'analyse des données constituent des étapes cruciales pour atteindre l'objectif.

• Analyse statistique (buts):

  • Décrire les données (participants, résultats principaux).
  • Répondre à la question de recherche.

• Analyse descriptive d'une variable:

  • Représentation graphique des données (diagramme en bâton, histogramme, boxplot, nuage de points, etc.).
  • Statistiques résumant les données (fréquences, mode, moyenne, médiane, écart type, quartiles).
  • Choisir les méthodes appropriées en fonction du type de variable.

• Types de variables (1):

  • Qualitatives: Mesurent une qualité ou un caractère.
    • Nominales: Pas d'ordre objectif entre les réponses (ex: couleur des yeux).
    • Ordinales: Ordre objectif entre les réponses (ex: échelle de satisfaction).
  • Quantitatives: Mesurent une quantité chiffrée.
    • Discrètes: Nombre fini de réponses possibles (ex: nombre d'enfants).
    • Continues: Nombre infini de réponses possibles (ex: âge).

• Types de variables (2):

  • Variables quantitatives (discrètes et continues):
    • La différence entre deux valeurs de la variable n'a pas toujours un sens (ex: année civile).
    • Le ratio entre deux valeurs de la variable n'a pas toujours un sens (ex: année civile).
    • Les variables quantitatives peuvent être de type ratio ou intervalle.
      • Ratio: Le ratio a une signification (ex: âge, taille, poids).
      • Intervalle: Seule la différence a une signification (ex: année civile, température corporelle en degrés Celsius).

• Tableau croisé de fréquence (1):

  • Distribution de la variable «Spécialité» en fonction du «Genre».
  • Pourcentage d'étudiantes et d'étudiants qui préfèrent chaque spécialité.

• Tableau croisé de fréquence (2):

  • Représentation graphique: diagramme en bâton.
  • Comparaison de la distribution entre les groupes (ex: étudiants et étudiantes).

• Tableau croisé de fréquence (3):

  • Distribution de la variable «Genre» en fonction de la variable «Spécialité».
  • Pourcentage des spécialités parmi les étudiantes et étudiants.

• Tableau croisé de fréquence (4): -Représentation graphique: diagramme en bâton. -Proportion des étudiantes et étudiants préférant chaque spécialité.

• Variable quantitative continue (histogramme):

  • Représentation graphique de la distribution: histogramme.
  • L'étendue des valeurs est découpée en intervalles. La surface de la barre correspond au nombre de sujets dans l'intervalle.

• Variable quantitative continue (moyenne):

  • Statistiques: Tendance centrale de la distribution.
  • Moyenne: valeur représentative, la moyenne des observations.
  • Sensible aux valeurs extrêmes.
  • Applicable aux variables quantitatives discrètes ou continues.

• Variable quantitative continue (écart type):

  • Statistiques: Dispersion de la distribution.
  • Variance et écart type permettent de mesurer la dispersion des valeurs autour de la moyenne.

• Variable quantitative continue (médiane):

  • Valeur qui sépare la distribution en deux parties égales.
  • Mesure la tendance centrale de la distribution.
  • Pour des valeurs pairs, c'est la moyenne des deux valeurs centrales.

• Variable quantitative continue (percentile):

  • kème percentile : valeur correspondant à k/100 de la distribution (plus petit à plus grand).
  • Médiane = 50ème percentile.
  • Quartiles (premier quartile = 25ème percentile, deuxième quartile = 50ème percentile, troisième quartile = 75ème percentile).

• Variable quantitative continue (boxplot):

  • Représentation graphique des données numériques.
  • Affichage de la médiane, des quartiles (1er, 2ème, 3ème), des minimums et maximums, des valeurs aberrantes.

• Comparaison entre deux groupes (histogramme/boxplot):

  • Visualisation de la différence entre la distribution de variables quantitatives continues (ex: taille) entre les groupes (ex: hommes et femmes).
  • Histogrammes et Boxplots permettent une comparaison visuelle efficace.

• Relation entre deux variables quantitatives continues (nuage de points):

  • Représentation graphique montrant la relation entre deux variables quantitatives continues (ex: taille et poids).

• Description en recherche clinique:

  • Rapporte les variables de description des échantillons et résultats, ainsi que leur signification d'association.

• Mesures d'association:

  • Mesure quantitative de l'association entre deux variables (différence ou rapport de proportions, différence de moyennes) et sa représentation graphique.

• Exemples d'analyses descriptives:

  • Essais cliniques randomisés (qualitatifs et quantitatifs).
  • Etudes transversales.
  • Etudes cas-témoins
  • Etudes de cohorte.

• Objectifs et lectures ultérieures:

  • Echantillonnage, types d'erreurs (aléatoires et systématiques), estimation de paramètres, intervalles de confiance.