COURS 5 - Les approches quantitatives en recherche Flashcards
(75 cards)
1
Q
Qu’est-ce qu’un devis?
A
Plan directeur (une recette) pour la réalisation d’une étude conçue pour répondre à une question (population, échantillonnage, méthodes de mesure, plans de collecte, analyse des données)
2
Q
Quelles sont les fonctions d’un devis? (4)
A
- Clarifier les objectifs de recherche
- Opérationnaliser les variables en entités mesurables
- Identifier et contrôler les variables externes pouvant influencer les résultats (biais)
- Fournir protocole clair permettant la reproduction de l’étude et la vérification de résultats
3
Q
Qu’est-ce que la recherche quantitative? (4)
A
- Approche systématique de l’étude des phénomènes
- Colelcte de données selon un format structuré
- Données quantifiables et mesurables
- Analyses des données avec statistiques
4
Q
Quelles sont les caractéristiques principales des méthodes quantitatives? (7)
A
- Données numériques
- Objectivité
- Généralisabilité
- Tests d’hypothèses
- Grands échantillons
- Analyses statistiques
- Instruments de mesures structurés, standardisés, précis et valides
- Variables identifiées clairement
5
Q
Quelles sont les deux grandes catégories de recherche quantitatives?
A
- observation
- Intervention du chercheur
6
Q
Quelles sont les études d’observation?
A
- Descriptive
- Corrélationnelle
- À visée temporelle
7
Q
Quelles sont les recherches d’intervention du chercheur?
A
- Expérimentale
- Quasi-expérimentale
8
Q
Quels sont les types de devis quantitatifs?
A
- Descriptif
- Corrélationnel
- À visée temporelle
- Quasi-expérimental
5., Expérimental
9
Q
Qu’est-ce qu’une variable indépendante?
A
Caractéristique ou un facteur qui n’est pas manipulé par le chercheur (dans le cas d’études observationnelles). On évalue comment elle affecte d’autres variables
*Elle est manipulée par le chercheur dans des études de type expérimentales ou quasi-expérimentales
10
Q
Qu’est-ce qu’une variable dépendante
A
Variable qui va être influencée par la variable indépendante
Résultat ou réponse qu’on veut étudier
11
Q
Quels sont les types d’études descriptives? (4)
A
- Simple
- Comparative
- Enquêtes longitudinales et transversales
- Études de cas
12
Q
Qu’est-ce qu’un devis descriptif simple?
A
Examine les caractéristiques d’un échantillon - domaine peu étudié (sans chercher à expliquer pourquoi)
13
Q
Qu’est-ce qu’un devis descriptif comparatif?
A
Rend compte des différences dans les variables dans 2 groupes ou plus de sujets
14
Q
Qu’est-ce qu’un enquête longitudinal ou transversale?
A
Dresse le portrait général des caractéristiques d’un groupe ou d’une population à travers le temps
longitudinal = suit un même groupe à travers le temps. Plusieurs collectes de données à travers le temps
transversal = Suit plusieurs groupes différents (p.ex. différents statuts socio-économiques) et collecte les données à un seul moment.
15
Q
Qu’est-ce qu’un étude de cas?
A
Décrit en profondeur une seule entité.
16
Q
Quels sont les types d’études corrélationnelles? (3)
A
- Simple
2.Prédictive - Confirmative
17
Q
Qu’est-ce qu’une étude corrélationnelle simple?
A
Explorer et décrire les relations entre 2 variables ou plus (corrélations)
18
Q
Qu’est-ce qu’une étude corrélationnelle prédictive?
A
Prédire et expliquer les relations (régressions)
19
Q
Qu’est-ce qu’une étude corrélationnelle confirmative?
A
Vérifier les relations (équations structurelles)
Analyse les relations complexes entre plusieurs varibales. Obtient une carte qui montre comment différents facteurs s’influencent mutuellement.
Utile pour examiner plusieurs relations à la fois, y compris les effets directs et indirects
20
Q
Que sont les types d’études à visée temporelle? (3)
A
- Longitudinale (prospective)
- Transversale
- Études analytiques (rétrospective ou prospective ou cas-témoin)
21
Q
Qu’est-ce qu’une étude à visée temporelle?
A
Étudie la relation entre le moment de la collecte des données et l’apparition du phénomène étudié
22
Q
Qu’est-ce qu’une étude à visée temporelle longitudinale (prospective)?
A
Mesures répétées à plusieurs moments pour suivre l’évolution des phénomènes
23
Q
Qu’est-ce qu’une étude à visée temporelle transversale?
A
Rapporte la fréquence d’un évènement (comportement ou d’une situation de santé)
24
Q
Qu’est-ce que les études analytiques en épidémiologies?
A
Se concentre sur la description de tendances et associations dans le temps sans chercher à expliquer la causalité.
Recherche la différence entre des groupes
25
Quelles sont les forces et faiblesses des devis observationnels?
Forces:
- Facile à réaliser
- Richesse d'informations/connaissances
- Larges échantillons de participants
- Diverses méthodes de collecte de données
Faiblesse:
- Cohortes complexes à suivre
- Représentativité non assurée
- Larges échantillons de participants
- Niveau d'évidence faible
26
Qu'est-ce qui caractérise les études quasi-exp et exp? (2)
1. Manipulation de la var ind par le chercheur
2. Examine les relations de causes à effet
27
Caractéristiques du devis quasi-expérimental? (
1. Absence d'assignation aléatoire (menace validité interne)
2. Groupe contrôle
3. Souvent pré-tests et post-tests pour évaluer les changements dans le temps
28
Types d'études expérimentales? (6)
1. Devis avant-après avec groupe témoins
2. Devis après avec groupe témoin
3. Devis factoriel
4. Devis en blocs aléatoires
5. Devis croisé ou contrebalancé
6. Essai clinique randomisé
29
Pourquoi l'essai clinique randomisé offre un haut niveau de preuves? (6)
1. Manipulation contrôlée d'au moins 1 var indépendante
2. Utilise groupes expérimentaux et contrôle
3. Assignation aléatoire aux groupes
4. Examine relations cause à effet
5. études hautement contrôlées et systématiuqes
6. Implique de mesurer les var indépendantes et dépendantes
30
Pourquoi randomiser?
1. Distribuer équitablement les var externes connues et inconnues
2. Maintenir les traitements à l'aveugle pour diminuer les biais d'évaluation
31
Qu'est-ce que la validité interne?
Reliée à la méthodologie
32
Qu'est-ce que la validité externe?
Reliée à la généralisation des résultats
33
La recherche doit répondre à des questions sans biais et avec précision. Qu'est-ce que la précision?
- Cohérence et répétabilité des mesures (élevée si étude répétée plusieurs fois et résultats très similaires à chaque fois)
- Degré d'erreur aléatoire (lié à la fidélité de l'étude: indique dans quelle mesure les résultats sont exempts d'erreurs aléatoires)
34
Qu'est-ce qui influence la précision? (2)
1. Taille de l'échantillon: Échantillons plus grands tendent à fournir des estimations plus précises (car les erreurs aléatoires s'annulent)
2. Techniques de mesure: instruments et procédures précis et fiables améliore la précision.
35
Qu'est-ce que la validité interne?
C'est quand les résultats peuvent être attribués à la manipulation/variable indépendante
36
Quelles sont les menaces à la validité interne? (5)
1. Histoire (facteurs historiques)
2. Maturation
3. Sélection d'échantillonnage
4. Mesures
5. Mortalité expérimentale *ou attribution)
37
Quelles sont les solutions face aux menaces à la validité interne? (5)
1. Histoire = Groupe contrôle avec la même histoire
2. Maturation = Groupe contrôle
3. Sélection = Sélection et assignation aléatoire. SI pas possible, utiliser l'appariement
4. Instrumentation + évaluateurs = Standardiser les instruments, l'administration ou la procédure de collectes des données
5. Attribution = Évaluation des caractéristiques des personnes qui quittent l'étude pour voir si elles sont similaires à celles des personnes qui demeurent dans l'étude
38
Quelles sont les types de stratégies d'analuyse? (2)
1. Analyse par intention de traitement: On évalue l'efficience
-Inclu les abandons, non-respect du protovole = scénario réel
2. Analyse PP
- Conditions idéales, peut surestimer l'efficacité du traitement et introduire un biais (car p.ex. eclut les participants qui n'ont pas terminé le traitement ou ont subi des effets indésirables)
39
Caractéristiques des études expérimentales? (4)
1. Randomisation: Aide à s'assurer que toute différence entre les groupes est due au hasard et non pas à un biais systématique
2. Groupes contrôles: Permet d'isoler l'effet de traitement
3. Insu: Résuit le risque de biais dans l'administration des traitements et évaluation des résultats. Aide à prévenir le biais de mesure
4. Manipulation des variables: Permet d'établir des relations de cause à effet
40
Qu'est-ce que la validité externe?
Mesure dans laquelle les résultats d'une étude peuvent être généralisés à d'autres contextes, populations, moments et mesures.
41
Quelles sont les sources des menaces à la validité externe?
Sources de menaces sont liées à....
1. Sujets: Échantillon représentatif de la population
2. Contexte: Similaire à celui dans lequel nous voulons généraliser
42
Qu'est-ce que l'effet Hawthorne?
les sujets ont conscience de participer à une expérience dans laquelle ils sont testés, ce qui se traduit généralement par une plus grande motivation
43
Quels sont les biais de validité externe dans les études observationnelles? (5)
1. Biais de Sélection : l'échantillon n'est pas représentatif de la population. Par exemple, une étude sur les effets d'une intervention de santé qui inclut uniquement des participants d'un milieu socio- économique spécifique pourrait ne pas se généraliser à la population plus large.
2.Variables de Confusion : variables extrinsèques qui sont corrélées avec les variables dépendantes et indépendantes. Si ces facteurs de confusion ne sont pas correctement contrôlés ou pris en compte, les résultats peuvent ne pas être généralisables à des populations où ces facteurs varient.
3.Biais de Mesure : les outils ou méthodes utilisés pour mesurer les variables ne sont pas cohérents ou valides dans différents contextes, les résultats pourraient ne pas être applicables à d'autres environnements.
4.Validité Temporelle : Les études menées à un moment donné pourraient ne pas s'appliquer à d'autres périodes en raison de changements dans les normes sociétales, la technologie ou d'autres facteurs temporels.
5.Environnement : les conditions spécifiques dans lesquelles les données sont collectées . Les études menées dans des zones géographiques particulières, des contextes culturels spécifiques ou des périodes de temps spécifiques pourraient ne pas s'appliquer ailleurs.
44
Quels sont les biais de validité externe dans les études corrélationnelles? (4)
1. Cadre expérimental : L'environnement contrôlé d'une expérience peut être très différent des environnements réels. Les comportements observés dans des conditions de laboratoire, par exemple, peuvent ne pas se généraliser aux environnements naturels;
2. Caractéristiques des participants : Si non représentatifs de la population générale (par exemple, en utilisant uniquement des étudiants universitaires), les résultats peuvent ne pas être généralisables;
3. Effets d'Interaction : L'interaction entre la manipulation expérimentale et les caractéristiques spécifiques de l'échantillon peut limiter la généralisabilité. Par exemple, une intervention pourrait fonctionner différemment selon les groupes d'âge ou les contextes culturels;
4. Effets de Test : Le fait d'être observé ou testé peut influencer le comportement des participants, ce qui pourrait ne pas se produire dans des environnements réels. (Hawthorn);
45
Quels sont les 3 points importants à garder en tête concernant la combinaison des menaces à la validité externe dans les études observationnelles vs expérimentales? (3)
1. Contrôle des Variables : Les études expérimentales ont généralement un meilleur contrôle des variables extrinsèques, ce qui peut réduire l'impact des facteurs de confusion par rapport aux études observationnelles. Cependant, ce contrôle se fait souvent au détriment de la création de conditions artificielles qui peuvent limiter la validité externe.
2. Réalité : Les études observationnelles se déroulent souvent dans des environnements plus naturel, ce qui peut améliorer la validité externe. Cependant, sans contrôle expérimental, il peut être difficile de déterminer les relations causales et de contrôler les variables de confusion.
3. Représentativité de l'Échantillon : Les deux types d'études peuvent souffrir d'échantillons non représentatifs, mais les études observationnelles peuvent plus facilement inclure un échantillon plus large et plus naturel. Les études expérimentales utilisent souvent des échantillons de convenance, ce qui peut limiter la généralisabilité.
46
Que permet la fiabilité? (4)
1.Précision des mesures: Des mesures fiables garantissent que les données collectées sont cohérentes et précises, ce qui est
essentiel pour tirer des conclusions valides.
2.Reproductibilité de la recherche: La fiabilité permet à d'autres chercheurs de reproduire l'étude et d'obtenir des résultats similaires, renforçant la crédibilité des résultats.
3. Validité : Bien que la fiabilité ne soit pas la même chose que la validité, elle en est une condition préalable. Une mesure ne peut pas être valide si elle n'est pas fiable.
4. Prise de décision: Des instruments fiables permettent aux chercheurs et aux praticiens de prendre des décisions éclairées basées sur des données fiables.
47
Comment améliorer la fiabilité? (4)
1. Standardisation des procédures
2. Instructions claires
3. Formations des évaluateurs (fidélité inter-évaluateurs)
4. Tests pilotes: Vérifier et rectifier des problèmes avec les instruments de mesure AVANT l'étude principale
48
Différence entre population et échantillon?
Population: Tous les éléments qui répondent à certains critères d'inclusion
Échantillon: Sous-ensemble de la population qui est sélectionnée pour l'étude
49
Quelles sont les 2 grandes catégories d'échantillonnage?
1. Probabiliste
2. Non probabiliste
50
Quels sont les types de méthodes d'échantillonnage probabiliste?
1. Aléatoire simple: Chaque membre de la population a une chance égale d'être sélectionné.
2. Systématique: Sélectionne chaque n-ième membre de la population après un départ aléatoire.
3. Stratifié: Divise la population en sous-groupes (strates) et prélève un échantillon aléatoire de chacun.
4. En grappes: Divise la population en grappes, puis sélectionne des grappes au hasard et échantillonne tous ou certains membres de ces grappes.
51
Avantages et inconvénients de l'échantillonnage aléatoire simple?
Avantages: Réduit les biais et simplifie l'analyse.
Inconvénients: Nécessite une liste complète de la population, ce qui peut être difficile à obtenir.
52
Avantages et inconvénients de l'échantillonnage systématique?
Avantages: Plus facile à mettre en œuvre que l'échantillonnage aléatoire simple.
Inconvénients: Si la liste a un ordre inhérent, cela pourrait introduire un biais.
53
Avantages et inconvénients de l'échantillonnage stratifié?
Avantages: Assure la représentation de tous les sous-groupes.
Inconvénients: Nécessite de connaître la structure de la population.
54
Avantages et inconvénients de l'échantillonnage en grappes?
Avantages: Rentable et plus facile lorsque la population est grande et dispersée.
Inconvénients: Erreur d'échantillonnage plus élevée par rapport à l'échantillonnage aléatoire simple.
55
Quels sont les types de méthodes d'échantillonnage non probabiliste?
1. Échantillonnage par convenance ou accidentel: Les échantillons sont sélectionnés en fonction de leur accessibilité.
2. Par quotas: Assure la représentation de certaines caractéristiques dans l'échantillon en fixant des quotas.
3. Raisonné (intentionnel): Sélectionne des individus en fonction de critères spécifiques ou d'un objectif.
4. Boule de neige (par réseaux): Les participants actuels recrutent de futurs participants parmi leurs connaissances.
56
Avantages et inconvénients de l'échantillonnage par convenance ou accidentel?
Avantages: Rapide et peu coûteux.
Inconvénients: Risque élevé de biais et non représentatif.
57
Avantages et inconvénients de l'échantillonnage par quotas?
Avantages: Assure l'inclusion de certains sous-groupes.
Inconvénients: Sujet à un biais de sélection au sein des quotas.
58
Avantages et inconvénients de l'échantillonnage raisonné (intentionnel)?
Avantages: Utile pour des objectifs spécifiques ou des expertises.
Inconvénients: Risque élevé de biais du chercheur.
59
Avantages et inconvénients de l'échantillonnage en boule de neige (par réseaux)?
Avantages: Efficace pour les populations difficiles à atteindre.
Inconvénients: Risque de biais et non représentatif.
60
De quel éléments dépendent le choix de la méthode d'échantillonnage? (3)
1. Objectifs: Généraliser les résultats à la population (favoriser l'échantillonnage probabiliste) ou explorer des caractéristiques ou phénomènes spécifiques (favoriser l'échantillonnage non probabiliste).
2. Ressources: Disponibilité de temps, d'argent et d'accès à la population.
3. Population: La structure et la taille de la population et comment y accéder.
61
Comment présenter ses données? (3)
Nominale: mode, distribution des fréquences, %
Ordinale: + médiane - étendue
Intervalle et ratio: mode, médiant, moyenne
62
Que permet les analyses statistiques descriptives?
Permet de résumer les résultats de certaines variables
* Permet de caractériser l’échantillon
* Portrait d’une variable à la fois
63
Qu'est-ce qu'un test statistique?
Méthode utilisée pour faire des déductions ou prendre des décisions concernant une population sur la base d'un échantillon.
64
Quelles sont les 2 hypothèses pouvant être formulées?
* Hypothèse nulle (H0) : Une absence d'effet ou de différence, servant d'hypothèse par défaut ou de départ.
* Hypothèse alternative (H1 ou Ha) : La présence d'un effet ou d'une différence.
65
Qu'est-ce que la valeur p?
Probabilité qui mesure la force des preuves contre l'hypothèse nulle
La valeur p est la probabilité d'observer des résultats de test au moins aussi extrêmes que ceux observés, en supposant que l'hypothèse nulle est vraie.
66
Comment interpréter la valeur de p?
Une faible valeur p (généralement ≤ 0,05) indique que l'hypothèse nulle est fortement contestée, ce qui conduit à son rejet.
* Je rejette le fait qu'il n'y a pas de différence et donc la différence est statistiquement significatif
* Veut dire qu'il y a moins de 5% de chances que mon résultat est dû au hasard. Donc, dû à mon intervention ou autre chose
Une valeur p élevée (> 0,05) indique que les preuves contre l'hypothèse nulle sont faibles, de sorte qu'elle n'est pas rejetée.
* pas statistiquement significatif.
67
Que permettent les analyses inférentielles?
Permettent d’émettre des conclusions, de vérifier l’hypothèse de départ et de déterminer si l’effet/la corrélation/la différence sont significatifs.
*peuvent être paramétriques ou non paramétriques.
68
Quels sont les types d'analyse inférentielles?
1. test t: Compare les moyennes entre 2 groupes pour voir si différences stat sign
2. Analyse de la variance (ANOVA): Compare les moyennes entre + de 2 groupes pour voir si diff sign
3. Analyse de régression: Explore les relations entre les variables, la régression linéaire permet de prédire un résultat en fonction des variables prédictives
4. Test du chi carré: Pour analyser les données catégorielles et déterminer si existe une association sign entre les variables
5. Analyse de corrélation: Mesure la force et la direction de la relation linéaire entre 2 variables continues
69
Que permettent les analyses descriptives et infrentielles?
Les deux sont quasiment incontournables même si étude descriptive
Dans le protocole, obligent à anticiper ce que le chercheur souhaite explorer, vérifier
Contribuent à soutenir la généralisation des résultats
70
Qu'est-ce que l'intervalle de confiance?
Écart à l'intérieur duquel nous sommes « confiants » de retrouver la « vraie « valeur de la population.
* Plus informatif que la valeur de p
* Indique la présence ou absence de signification statistique
* La largeur de l'intervalle indique la variabilité de l'estimé.
71
Comment interpréter l'intervalle de confiance?
Si un intervalle de confiance de 95% comprend la valeur nulle, alors il n'y a pas de différence statistiquement significative entre les groupes.
Si l'intervalle de confiance n'inclut pas la valeur nulle, alors nous concluons qu'il y a une différence statistiquement significative entre les groupes
* On ne veut pas que l'intervalle de confiance croise le 0 si on veut quelque chose de statistiquement significatif
* C'est comme si on disait qu'il n'y a pas beaucoup de chances que ce soit 0
72
Comment déterminer la signification clinique?
Taille de l'effet
Taille de l'effet (ES) = (moyenne groupe expérimental dire – moyenne groupe témoin ) divisé par l'écart-type du groupe témoin:
Une taille d'effet (ES) d’une valeur de 0,2 représente une petite différence statistique et clinique entre les deux groupes.
Une taille d'effet (ES) d’une valeur de 0,5 représente une différence modérée statistique et clinique entre les deux groupes.
Une taille d'effet (ES) d’une valeur de 0,8 représente une grande différence statistique et clinique entre les deux groupes.
73
Qu'est-ce que la signifiance statistique? et comment la déterminer?
Concept mathématique pour déterminer si les résultats d'une étude sont dûs au hasard ou s'il existe un réal effet
Souvent évaluée à l'aide d'une valeur p.
74
Quels sont les moyens de collecte de données?
1. Enquêtes: Elles consistent à poser un ensemble de questions structurées et fermées à un échantillon de personnes interrogées. Les enquêtes peuvent être réalisées en ligne, par téléphone, par courrier ou en personne.
2. Entretiens structurés: Semblables aux enquêtes, les entretiens structurés consistent à poser un ensemble prédéterminé de questions fermées aux personnes interrogées. Toutefois, les entretiens sont menés en tête-à-tête, ce qui permet d'établir une meilleure relation et d'approfondir les réponses.
3. Observations structurées: Chercheurs observent et quantifient des comportements ou des événements spécifiques dans un cadre défini. Les observations sont structurées et se concentrent sur le comptage des occurrences de comportements ou de caractéristiques prédéterminés.
4. Examen de documents: Analyser les donnée quantitatives existantes provenant de diverses sources telles que les archiv publiques, les documents personnels et les preuves matérielles.
5. Expériences: Les expériences sont utilisées pour établir des relations de cause à effet en manipulant des variables indépendantes et en mesurant l'impact sur les variables dépendantes. Les données sont collectées par le biais de mesures, de tests ou d'observations dans des conditions contrôlées.
6. Analyse des données secondaires: Utiliser des données quantitatives existantes provenant de sources telles que des bases de données gouvernementales, des rapports industriels ou des études antérieures. Cette méthode est rentable et permet d'analyser de grands ensembles de données.
75
Quelles est la hiérarchie de preuve ou niveau d'évidence du - bon au meilleur?
- Opinions d'experts
- Études descriptives et qualitatives
- Revues systématiques de méthodes mixtes et métasynthèses d'études qualitatives
- Études non expérimentales (corrélationnelles et de cohorte)
- Revues systématiques d'études non expérimentales (corrélationnelles)
- Essais non randomisés (quasi-expérimentaux)
- Essais contrôlés randomisés
- Revues systématiques et métaanalyses d'essais contrôlés randomisés
