Examen 2 Flashcards
(27 cards)
Qu’est-ce que l’éthique de la recherche et pourquoi elle est importante?
Principes moraux, procédures et méthodes qui guident la conduite de la recherche. Elle est importantes puisqu’elle impose des règles interdisant de fabriquer, de falsifier ou de déformer les données de recherche
Quelles sont les 3 théories dominantes en éthique de la recherche?
- Théorie de la vertu: accent sur caractère moral des individus (courage, équité, honnêteté)
• Prémisse les bonnes actions sont réalisées par les bonnes personnes
• La vertu peut être cultivé par la pratique - Éthique utilitaire: avantages globaux ou utilité de la recherche
• Défendre la recherche qui fait le plus grand bien au plus grand nombre de personnes - Déontologie: éthique du devoir (la fin ne justifie pas les moyens, les intérêts, les libertés et les choix des individus priment sur d’autres considérations)
Quelles sont le 5 abus d’éthique de la recherche? + vérifier à quoi elles consistent
- Nazis visant à améliorer le «volk»
- La recherche sur des individus «biologiquement inférieurs» permis aux Nazis d’ignorer la souffrance
- Étude de Tuskegee sur la syphilis de (1932-1972)
- Étude de Willowbrook sur l’hépatite (1956-1970)
- Expérience de Milgram (1961)
Quels sont les trois principes éthiques de la recherche?
- Le respect des personnes
- La préoccupation pour le bien être
- La justice et l’intégration
Qu’est-ce que le «respect des personnes»?
• Participants sont informé de tous les aspects de la recherche et qu’il donnent librement leur consentement
• Protégé les personnes vulnérables
Qu’est-ce que la préoccupation pour le bien être?
Respect de la vie privée
• choix des participants concernant la nature des informations
• Droit de conserver l’anonymat et la confidentialité
Qu’est-ce que la justice et l’inclusion?
Équilibre des avantages et des inconvénients
• Bénéfices et inconvénients de la recherche équitable répartis entre tous les participants
• Traitement juste et équitable de tous les participants avant, pendant et après l’étude
• Recrutement des participant
• Réduction des inconvénients et optimisations des avantages
- Mesurer soigneusement les risques qu’on fera encourir aux participants (physique, émotionnel, social, économique)
- évaluer les bénéfices (amélioration en santé, acquisitions de connaissances quant aux traitements disponibles et à leur administration)
Quelles sont les principales ressources pour l’éthique de la recherche?
• comité de la recherche: UdeM, CHU Sainte-Justine
• organisation professionnelles: American Psychological Association, AASP
• Agences gouvernementales: SHHRC, CIHR, FRSQ
Qu’est-ce que la mesure de variabilité et comment peut-on calculer la variabilité (3)?
Mesure de variabilité —> Cela nous donne une idée de la répartition des données. Les petites valeurs indiquent que les valeurs de données sont toutes proches les unes des autres; les grandes valeurs indiquent que les valeurs des données sont plus dispersées (plus de variabilité).
- Étendue: fournit une image rapide et approximative de la dispersion des données. Peu d’avantage en tant que statistiques inférentielle.
- Variance: Dispersion des scores par rapport à la moyenne. Elle fournit des informations sur l’écart de chaque score par rapport à la moyenne. La variance est la moyenne des écarts quadratiques par rapport à la moyenne.
- Écart type: Elle fournit de l’information sur la mesure dans laquelle les scores s’écartent de la moyenne. Elle est une mesure de la quantité moyenne par laquelle les points de données individuels s’écartent de la moyenne.
—> souvent préféré à la variance car les unités sont les mêmes que les données d’origine, ce qui facilite l’interprétation
σ : écart type dans une population
s : écart type dans un échantillon
Qu’est ce que l’inférence statistique?
Méthodes permettant de généraliser a une population les conclusions tirées des résultats obtenus à partir d’un échantillon (voir diapo)
Qu’est ce que l’inférence statistique?
Méthodes permettant de généraliser a une population les conclusions tirées des résultats obtenus à partir d’un échantillon (voir diapo)
C’est quoi les diff. Entre les populations et les échantillons?
Paramètre: une mesure qui décrit une Statistique: Une mesure qui est
caractéristique de la population calculée à partir d’un échantillon
Les paramètres sont des entités réelles Les statistiques sont des
Ex. La moyenne dans une population estimations d’un paramètre
est un paramètre. Ex. La moyenne dans un échantillon est une statistique
Elle est fixe (mais généralement Elle varie d’un échantillon à l’autre
inconnue)
C’est quoi les diff. Entre les populations et les échantillons?
Paramètre: une mesure qui décrit une Statistique: Une mesure qui est
caractéristique de la population calculée à partir d’un échantillon
Les paramètres sont des entités réelles Les statistiques sont des
Ex. La moyenne dans une population estimations d’un paramètre
est un paramètre. Ex. La moyenne dans un échantillon est une statistique
Elle est fixe (mais généralement Elle varie d’un échantillon à l’autre
inconnue)
Quelles sont les méthodes d’échantillonage
Types d’échantillons (liste non exhaustive):
• Échantillon représentatif
- Il contient toutes les caractéristiques de la population (population-mère)
• Échantillon biaisé
- Il ne renferme pas toutes les caractéristiques de la population
• Échantillon aléatoire
- Ses éléments ont été choisis au hasard
• Échantillon aléatoire simple (EAS)
- Chaque unité a une chance égale d’être choisie
EAS (Échantillonnage Aléatoire Simple)
• Il donne à chaque membre de la population une chance (probabilité non nulle) connue d’être choisi
Comment obtenir un EAS?
• Générateur de nombres aléatoires
- Ordinateur: Excel; = ALEA.ENTRE.BORNES(1;1,189)
- Calculette: fonction RANDOM
• Autres mécanismes acceptables (piger dans un chapeau)
• Table de nombres aléatoires (page suivante)
Échantillonnage stratifié
• La population est divisée en groupes homogènes d’individus (groupe= strate)
• …puis, on effectue un échantillonnage aléatoire simple (EAS) dans chaque strate. Le tout forme l’échantillon.
Quelles sont les types de variables?
Deux types de variables
1. Variable qualitaitve (ou catégorielle)
• valeurs: catégories ou groupes
ex: sexe, couleur des yeux, allégeance politique
- Variable quantitative (ou numérique)
• N’importe quelle valeur chiffrée (théoriquement)
ex: masse, taille, concentration d’un médicament
—> Les variable quantitatives peuvent être continue ou discrète
Continues: ex: masse, taille, etc.
Discrètes: ex: nb. de personnes, enfants dans une famille, etc.
Variables dépendantes vs indépendantes
1. Dépendantes
• Mesures à réaliser
ex: mesure le temps au 100 m, la FC à la fin d’une course de 200m, etc.
2. Indépendantes
• Variables contrôlées par l’expérimentateur
ex: traitement pharmacologique, type d’exercice prescrit, sexe, pathologie,etc.
Exemple: On étudie l’effet de la durée d’un étirement des ischiaux sur l’amplitude du mouvement
Quelle est la variable dépendante et indépendante?
A: Dépendante = durée d’un étirement; indépendante= amplitude
B: Dépendante= amplitude; Indépendante= durée d’un étirement
Quels sont les types de données?
Type de données (échelles de mesures)
1. Échelle nominale: catégories mutuellement exclusive et non ordonnées; sexe (masc. ou fem.), ethnicité (asiatique, caucasien, etc.), allégeance politique (PQ, CAQ, libéral), groupe sanguin (A, B, AB ou O)
2. Échelle ordinale: catégories mutuellement exclusives et ordonnées, MAIS on ne quantifie pas l’écart entre les sujets (il n’y a pas un distance égale entre les sujets); grade dans l’armée (lieutenant, capitaine, colonel, général); Léger, modéré ou grave
3. Échelle d’intervalle: ordre de grandeur, classement ou on peut quantifier l’écart entre les sujets, MAIS il n’y a pas de point de départ («0» ne signifie pas une absence de valeur); température (10°C n’est pas 5 fois plus chaud que 2°C); QI (une note de 100 n’est pas 2 fois meilleure qu’une note de 50)
4. Échelle de rapport ou ratio: ordre de grandeur, distance égale entre les unités et «0» signifie absence de valeur; 50 kg est 2 fois plus lourd que 25kg.
Qu’est-ce que la distribution de fréquence?
Distribution de fréquences: Liste des valeurs de données (individuellement ou par groupes d’intervalles ainsi que leurs fréquences ou dénombrements correspondants
Quelles sont les 3 mesures de tendance centrale?
Mesures de tendance centrale
• Tendance centrale
- Il s’agit de déterminer où se trouve le centre de la distribution des données
- Une valeur représentative ou typique de l’ensemble de données
• Il existe trois mesures de tendance centrale utilisées couramment
- La moyenne - La médiane - Le mode
Moyenne: série de données numériques égale à la somme de toutes ces données, divisé par la taille de leur effectif
Médiane: la valeur du milieu d’une série statistique rangée en ordre croissant (autant de données supérieures que inférieures a Md)
** Si le nombre est impair la médiane est défini par le nombre d’observation, plus 1, divisé en 2. **
** Si le nombre de donnée est pair, la médiane est la moyenne des deux nombre du milieu **
Le mode: valeur la plus fréquente dans une distribution de fréquence
Qu’est-ce que l’échantillonnage?
Échantillon
Échantillon = partie ou sous-ensemble formée à partir d’une population
But de l’échantillonnage:
• Recueillir de l’information en vue d’un jugement, d’une appréciation ou d’une décision
• Faire une inférence: on s’intéresse à une population, mais on ne dispose que d’un échantillon
• Il faut donc que les informations sur l’échantillon soient pertinentes, fiables et non biaisées
Différence entre statistique descriptive et inférentielle?
- Statistiques descriptives :
• Elles se concentrent sur la description et le résumé des données recueillies dans un ensemble spécifique (échantillon ou population).
• Elles utilisent des mesures comme la moyenne, la médiane, le mode, l’écart-type, et les graphiques (histogrammes, diagrammes en boîte) pour présenter l’information de manière concise.
• Exemple : La moyenne des scores d’un groupe d’étudiants à un test.- Statistiques inférentielles :
• Elles visent à tirer des conclusions ou à faire des prédictions sur une population plus large, en se basant sur les données d’un échantillon.
• Elles utilisent des techniques comme les tests d’hypothèse, les intervalles de confiance, et les tests de régression pour estimer et faire des inférences sur les caractéristiques de la population.
• Exemple : À partir d’un échantillon d’étudiants, estimer la performance moyenne de tous les étudiants d’une école.
- Statistiques inférentielles :
Quelle est la différence entre statistiques paramétrique et non-paramétrique
La statistique paramétrique: estimer les paramètres de la population et tester des hypothèses en tenant compte des postulates sur la distribution des variables.
** Les tests paramétriques reposent sur 4 postulats:
1. Variables normalement distribués dans la population
2. Possibilité de calculer la variance
3. Données continues
4. Variables sont à échelles d’intervalles ou de ratio
La statistique non paramétrique: utilisée quand la distribution des données ne repose pas sur des postulats de normalité
Exemples:
• Variables continues, mais petit échantillon (n<30)
• Variables ordinales
• Variable nominales
Qu’est-ce que la distribution normale?
Distribution normale ou gaussienne
La plus importante distribution en biostatistiques
—> Elle dépend de deux paramètres: La moyenne µ et l’écart type o
+ le graph. A la forme d’une cloche, il est symétrique et la mediane = la moyenne
Différence entre mesures d’association, prédiction, et différences des moyens
Mesure d’association: examiner la relation proposée entre 2 variables
Ex: consommation de sucre et diabète
Mesure de prédiction: utiliser une variable indépendante pour prédire une variable dépendante
Ex: Est-ce que la motivation à reprendre le sport après une blessure permet de prédire le retour à la pratique sportive?
Mesure de différences des moyennes: déterminer des différences entre les groupes expérimental et de contrôle
Ex: Comparer les temps de course moyens entre un groupe de coureurs amateurs et un groupe de coureurs professionnels.
Interpretation des signes alpha?
Probabilité et signification dans la prise de décision scientifique:
• Les événements fortuits n’ont aucun intérêt
• 95% de certitude est le seuil traditionnel
• Si nous somme certains à 85% que ce que nous observons n’est pas du hasard, cela signifie qu’il n’y a que 5% de chances d’obtenir un faux positif
«Alpha= 0,05» signifie qu’il y a 5% de risque de faux positif (erreur de type 1)
= niveau de signification déterminé avant de procéder à un test d’hypothèse
Ex: = 0,05 (5% prob. d’un résultat aléatoire)
= 0,01 (1% prob. d’un résultat aléatoire)
= 0,001 (0.1% prob. d’un résultat aléatoire)
