Biostats Flashcards
Cours 3
________________
quels sont les types de testes qu’on peut utiliser pour analyser la liaison entre 1 variable qualitative et 1 variable quantitative
tests paramétriques / tests non paramétriques <30
2 grp indépendands V égales student V inégales Welsh / man witney
2 grp appariés student pou appariés / Wilcoxon
+ 2 grps indépendants analyse de variance ANOVA / kriskal wallis
+ 2 grps appariés analyse de la variance pour mesures répétées / T freidman
quels sont les types de testes qu’on peut utiliser pour analyser la liaison entre liaison entre 2 variables qualitatives?
groupes indépendants à effectif > 5 => Chi2
groupes indépendants < 5 => Fisher
2 grps appariés => mac nemar
+ 2 appariés => test Q de cochran
trois types de liaisons décrivent la relation entre deux variables quantitatives, lesquelles ?
- dépendance : une variable est dépendant de l’autres. si on connais une on peut prédire l’autre avec une certaine précision
- dépendance monotone : où une variable va evoluer en fonction de l’autre. plus une personne étudie plus elle aura une bonne note =W dépendance monotone positive.
- concordance : décrit une relation entre 2 variables dont les 2 donnent les mêmes mesures Exp. Cm en m.
donner un exemple d’une représentation graphique d’une liaison entre 1 variable censurée et 1 variable qualitative: comparaison de courbes de survie
quel est le test qui me permet de voir si cette différence est significative ?
Courbe de Kaplein Meier => estimation de la survie chez plusieurs groupes
survie en fonction du temps
et Test du log-rank => significativité (tjr entre +eur grps)
______________
Kaplan-Meier et le test du log-rank sont deux méthodes d’analyse de survie utilisées pour comparer la survie entre deux groupes.
La méthode de Kaplan-Meier est utilisée pour estimer la fonction de survie empirique d’un ou plusieurs groupes. Elle permet de comparer la survie entre plusieurs groupes en utilisant un graphique appelé courbe de survie. Cette méthode est souvent utilisée pour visualiser les différences de survie entre les groupes, mais elle ne permet pas de tester de manière formelle si les différences observées sont statistiquement significatives.
Le test du log-rank, quant à lui, est un test statistique qui permet de tester si la différence de survie entre deux groupes est statistiquement significative. Ce test compare les courbes de survie de deux groupes et calcule la probabilité que les différences observées entre ces courbes soient dues au hasard. Si la probabilité est inférieure à un seuil défini (généralement 0,05), on peut conclure que les différences observées sont statistiquement significatives et que les groupes présentent une différence de survie.
En résumé, la méthode de Kaplan-Meier permet de visualiser les différences de survie entre plusieurs groupes, tandis que le test du log-rank permet de tester si ces différences sont statistiquement significatives.
les méthodes précédentes ne me permettent pas de voir quoi ? (3 éléméns)
pour faire ces 3 éléments, on utilise quels tests ?
- effet de +eurs facteurs sur ma variable
- effet d’une v quantitative sur une qualitative
- force d’association entre les variables
________
modèle de cox => censuré
régression linéaire => quantitative
régression logistique => qualitative
définir / expliquer le modèle de régression linéaire ?
permet de mesurer l’association (relation) entre une variable d’intérêt quantitative et 1 ou plusieurs autres variables
calcul la droite des moindres carrées : droite qui résume la somme des carrées des distances entre la droite et les observations
Le coefficient de corrélation et le coefficient de régression sont 2 mesures complémentaires
expliquer ?
Coefficient de corrélation : signifie à quelle précision on peut prédire l’une à partir de l’autre
C régression linéaire : l’importance ou la grandeur de l’effet moyen d’une variable sur une autres
qu’est ce que la régressio linéaire ajustée ?
c’est lorsque on ajuste par rapport à un autre paramètre par exemple le genre.
on calcul la ddroite des moindres carrées du poids en fonction de la taille mais en prenant en compte de genre mâle ou femelle
expliquer le modèle de régression lgqistique ?
relation entre 1 variable qualitative binaire et & ou +eur variables qualitatives ou quantitatives
peut grace à lui :
- étudier la relation entre la variable qualitative binaire et d’autres
- étudier la force de cette association / relation
- faire des ajustement
- prédire la propabilité pour un sujet donnée de connaitre l’événement
-
comment calculer l’OR
expliquer l’odds ratio
(dire où placer la variable dépendante et indépendante)
que veut dire / signifie le résultat de l’OR ? >< =
L’odds ratio (OR) est une mesure statistique utilisée pour évaluer l’association entre deux variables binaires. Il est généralement utilisé dans les études de cas-témoins et les études de cohorte pour comparer le risque de développer une maladie ou un résultat de santé entre deux groupes.
L’odds ratio est calculé en divisant les cotes de deux groupes (groupe de cas et groupe témoin dans une étude de cas-témoins, ou groupe exposé et groupe non exposé dans une étude de cohorte). Les cotes sont calculées en divisant le nombre de cas par le nombre de non-cas dans chaque groupe. Si l’OR est égal à 1, cela signifie qu’il n’y a pas d’association entre les deux variables. Si l’OR est supérieur à 1, cela indique que la première variable est associée à un risque accru de développer la seconde variable. Si l’OR est inférieur à 1, cela indique que la première variable est associée à un risque réduit de développer la seconde variable.
L’odds ratio peut être interprété comme le rapport des chances de développer une maladie ou un résultat de santé entre deux groupes. Par exemple, si l’OR est égal à 2, cela signifie que le groupe exposé a deux fois plus de chances de développer la maladie ou le résultat de santé que le groupe non exposé.
1 (1/0)/0(1/0)
expliquer le modèle de Cox ?
quel ratio ?
utilisé dans le cas d’une variable qualitative binaire.
Exp. le décès.
suivre des patients ou un événement dépendant du temps
le Hazard Ratio
Le hazard ratio (HR) est une mesure statistique utilisée en survie et en épidémiologie pour comparer les taux d’occurrence d’un événement entre deux groupes ou plus. Il s’agit d’une mesure du risque instantané ou de l’incidence instantanée d’un événement, également connue sous le nom de taux de risque.
Le hazard ratio compare le taux de risque d’un événement entre deux groupes, généralement un groupe exposé à une certaine condition ou traitement et un groupe témoin non exposé. Un HR de 1 indique que les deux groupes ont le même taux de risque d’occurrence de l’événement. Un HR supérieur à 1 indique que le groupe exposé a un taux de risque plus élevé, tandis qu’un HR inférieur à 1 indique que le groupe exposé a un taux de risque inférieur.
Par exemple, supposons qu’une étude compare les taux de survie entre deux groupes de patients atteints d’un cancer du poumon, l’un recevant un traitement par chimiothérapie et l’autre un placebo. Le hazard ratio serait utilisé pour comparer le risque de décès entre les deux groupes, en tenant compte des différences dans les caractéristiques des patients et d’autres facteurs qui pourraient influencer le taux de survie.
Le hazard ratio est une mesure couramment utilisée dans les essais cliniques et les études épidémiologiques pour évaluer l’efficacité d’un traitement ou pour étudier les facteurs de risque associés à une maladie. Cependant, il convient de noter que le hazard ratio ne fournit pas une mesure directe de la probabilité d’occurrence de l’événement, mais plutôt une mesure comparative du risque instantané entre deux groupes
c’est quoi la différence entre l’odds ratio et le hazard ratio
L’odds ratio et le hazard ratio sont tous deux des mesures d’association couramment utilisées en épidémiologie et en statistique pour évaluer l’effet d’une exposition ou d’un facteur de risque sur un événement de santé.
La principale différence entre les deux est que l’odds ratio est une mesure de la probabilité d’un événement qui a déjà eu lieu, alors que le hazard ratio est une mesure de la probabilité d’un événement qui se produira à l’avenir.
L’odds ratio est calculé en divisant le nombre de personnes ayant subi l’événement d’intérêt par le nombre de personnes n’ayant pas subi l’événement dans les deux groupes comparés (exposé vs non exposé). Il est souvent utilisé pour évaluer l’association entre une exposition et une maladie.
Le hazard ratio, quant à lui, est une mesure de la probabilité de l’événement d’intérêt (par exemple, la survenue d’une maladie) dans le temps. Il est calculé en comparant le taux d’occurrence de l’événement entre deux groupes (exposé vs non exposé) à différents moments dans le temps. Le hazard ratio est souvent utilisé pour évaluer l’effet d’un traitement sur la survie ou le temps jusqu’à l’apparition d’un événement.
En résumé, l’odds ratio est une mesure de la probabilité d’un événement qui a déjà eu lieu, tandis que le hazard ratio est une mesure de la probabilité d’un événement qui se produira à l’avenir
