semaine 3 cahier

Question 1

Une probabilité peut être définie façon ___ et ___.

Answer 1

intuitive
objective

Question 2

Que veut-on dire par probabilité intuitive?

Answer 2

d’une estimation
personnelle ou d’une impression basée sur l’expérience

Question 3

Que veut-on dire par probabilité objective?

Answer 3

on parle alors de « probabilité fréquentiste » et de
« probabilité a priori »

Question 4

En général, quelle est la différence entre la probabilité fréquentiste et a priori?

Answer 4

Fréquentiste : une probabilité basée sur l’observation des résultats obtenus après avoir répété une expérience un grand nombre de fois.
Exemple : on lance un dé 100 fois, et on observe combien de fois il tombe sur le 1.

A priori : une probabilité basée sur la logique ou le raisonnement théorique, avant même de faire une expérience.
Exemple : un dé équilibré a théoriquement 1 chance sur 6 de tomber sur le 1.

c’est vrm un gros résumé de ce qui est ecrit dans le livre (p.200)

Question 5

Quelle est l’expression de la probabilité objective fréquentiste?

Answer 5

Question 6

Quelle est l’expression de la probabilité objective a priori?

Answer 6

Question 7

Quelles sont les trois propriétés d’une probabilité objective?

Answer 7

1. la probabilité de survenue de chaque événement varie entre 0 et 1
2. la somme des probabilités de tous les événements possibles pour
   une expérience est 1
3. chaque expérience est dite « dépendante » si elle influence le résultat
   des expériences subséquentes. Au contraire, elle est dite « indépendante » si le résultat obtenu n’a pas d’influence sur celui des expériences subséquentes.

Question 8

propriété 3 d’une probabilité objective

Donnez une exemple d’une exprience dépendante.

Answer 8

Un 5 est choisi au hasard dans un jeu de cartes. La probabilité d’obtenir un 5 était de 4/52. Si la carte n’est pas replacée dans le jeu, la probabilité d’obtenir un autre 5 est de 3/51 pour l’expérience subséquente, car il reste maintenant plus que 51 cartes au total.

Ces deux expériences sont donc dépendantes.

ici, la première expérience influence le résultat des prochaines expériences

Question 9

V/F: La notion de probabilité comporte plusieurs autres lois (autres que les 3 qu’on a vu).

Answer 9

vrai

Question 10

En statistique, que signifie le terme « population »?

Answer 10

le terme population est utilisé pour désigner un ensemble d’éléments
(des individus ou des objets) dotés de caractéristiques communes.

Question 11

Qu’est ce qu’un paramètre?

Answer 11

c’est une valeur (comme une moyenne) qu’on calcule quand on observe toute une population au complet.

en gros c’est un chiffre calculé à partir des données d’une population

ça peut aussi être toute autre mesure de tendance centrale ou de dispersion comme la médiane, le mode ou l’écart type

Question 12

c’est quoi un échantillon?

Answer 12

c’est un sous-ensemble d’une population

Question 13

Pourquoi est-il plus avantageux d’étudier des échantillons plutôt que des populations complètes?

Answer 13

1. C’est moins coûteux
   ➡️ Étudier toute la population prend beaucoup de temps, d’argent et de ressources.
   Avec un échantillon, on réduit les coûts.
2. C’est plus rapide
   ➡️ On peut obtenir des résultats plus rapidement qu’en étudiant tout le monde.
3. On peut utiliser de meilleurs outils
   ➡️ Comme on a moins de personnes à analyser, on peut utiliser :
   - des instruments plus précis
   - du personnel mieux formé
4. Les résultats sont souvent de bonne qualité
   ➡️ Un bon échantillon bien choisi donne des résultats fiables, parfois même meilleurs que ceux qu’on obtiendrait en étudiant toute la population (si les moyens sont limités).

Question 14

Quelle est la différence entre la polulation à l’étude et la population cible?

Answer 14

• Population à l’étude = les gens qu’on observe vraiment
• Population cible = les gens qu’on vise avec nos conclusions (on peut généraliser les résultats sur eux)

Question 15

En milieu clinique, la population à l’étude est souvent constituée des patients plus facilement ______ et qui répondent à ______.

Answer 15

En milieu clinique, la population à l’étude est souvent constituée des patients plus facilement accessibles et qui répondent à certains critères d’admissibilité.

Question 16

Les résultats obtenus à partir de la population à l’étude s’appliquent-ils à la population cible ?

Answer 16

Oui, si les deux populations sont comparables sur les variables importantes (âge, sexe, état de santé, etc.)
Ce jugement est clinique et non statistique ; il confirme la validité externe de l’étude.

Question 17

De quoi est formé l’échantillon électif?

Answer 17

d’individus sélectionnés par le chercheur de façon
non aléatoire

Question 18

Comment sont formé les échantillons électifs?

Answer 18

on choisit des personnes qui se ressemblent sur plusieurs points importants (comme l’âge, le mode de vie, etc.), mais on veut qu’elles soient différentes sur la variable qu’on étudie.

EX. on veut faire une étude sur le lien entre le sommeil et la concentration scolaire
on va choisir des personnes avec les même âge, la même alimentation, même études, etc. mais qui ont des routines de sommeil différent pour voir si le sommeil affecte la concentration

Question 19

Dans quelles études sont souvent utilisé les échantillons électifs?

Answer 19

dans les études à visée étiologique

Question 20

V/F: tous les résultats provenant de l’étude d’un échantillon électif peuvent s’appliquer à l’ensemble de la population à l’étude.

Answer 20

Faux, certains résultats ne peuvent pas s’appliquer
Parce que les individus de l’échantillon peuvent avoir des caractéristiques différentes de ceux de la population à l’étude (il n’ont pas été choisis aléatoirement)

Question 21

V/F: Même si un échantillon électif peut ne pas représenter toute la population, les liens entre variables peuvent quand même être valides.

Answer 21

Vrai : Même si l’échantillon n’est pas représentatif, on peut quand même étudier les liens entre variables, car les autres facteurs sont contrôlés.
Ce type d’échantillon sert surtout à comparer, pas à décrire la population.

Question 22

c’est quoi une statistique?

Answer 22

Une statistique est une valeur mesurée dans un échantillon. Cette valeur peut être la moyenne, l’écart type, la médiane, etc. Des statistiques différentes sont calculées pour chaque échantillon constitué à partir d’une population.

Question 23

Tableau des principales différences entre le paramètre mesuré et
la statistique mesurée

Answer 23

Question 24

À retenir
* La population est l’ensemble des éléments dotés de caractéristiques ____.
* L’échantillon est un ____ de la population. S’il est choisi au hasard, on le dit ____ ; il peut alors être ___ de la population. S’il est choisi autrement, on le dit ____ ; il risque alors de ne pas être ____ de la population.
* Un paramètre est une mesure effectuée sur ___.
* Une statistique est une mesure effectuée sur ____.

Answer 24

À retenir
* La population est l’ensemble des éléments dotés de caractéristiques communes.
* L’échantillon est un sous-ensemble de la population. S’il est choisi au hasard, on le dit aléatoire ; il peut alors être représentatif de la population. S’il est choisi autrement,
on le dit électif ; il risque alors de ne pas être représentatif de la population.
* Un paramètre est une mesure effectuée sur la population.
* Une statistique est une mesure effectuée sur un échantillon tiré de la population.

Question 25

Qu'est-ce qu'une interférence?

Answer 25

L’inférence est le processus par lequel on induit la valeur d’un paramètre à partir de la statistique correspondante mesurée dans un échantillon représentatif de la population. ## Footnote en gros c’est le fait d’estimer une valeur pour toute la population en se basant sur les résultats obtenus dans un échantillon

Question 26

Quelles sont les deux méthodes d'inférence? Sur quoi elles sont basées?

Answer 26

le test d’hypothèse et l’intervalle de confiance (basés sur la théroie des probabilités)

Question 27

C’est quoi un test d’hypothèse ?

Answer 27

En gros c'est un test ou on **compare deux hypothèses** faites **sur l'échelle de la population** qui ont été c**rées à partir des données d'un échantillon**. Exemple du livre - On veut savoir si les femmes et les hommes ont la même moyenne de pression artérielle - On compare alors : Hypothèse 1 : la moyenne chez les femmes = la moyenne chez les hommes Hypothèse 2 : les deux moyennes sont différentes - Le test va nous aider à décider quelle hypothèse est la plus plausible à partir des données mesurées

Question 28

C'est quoi un intervalle de confiance ?

Answer 28

L’intervalle de confiance est une plage de valeurs autour d’une estimation qui indique où se trouve probablement la vraie valeur du paramètre dans la population.

Question 29

Pourquoi faut-il demeurer prudent avec les méthodes d’inférence statistique (test d'hypothèse et intervalle de confiance)?

Answer 29

Parce qu’elles ne peuvent pas corriger une étude mal faite ou avec des biais. --> Une bonne statistique ne veut pas dire que l’étude est fiable.

Question 30

À retenir * L’inférence statistique est un processus qui permet ___ la valeur d’un paramètre à partir d’une mesure obtenue dans un ___ représentatif de la population. * Le test d’hypothèse et l’intervalle de confiance sont deux ____ qui relèvent de ______.

Answer 30

À retenir * L’inférence statistique est un processus qui permet **d’induire** la valeur d’un paramètre à partir d’une mesure obtenue dans un **échantillon** représentatif de la population. * Le test d’hypothèse et l’intervalle de confiance sont deux **approches statistiques** qui relèvent de **l’inférence statistique**.

Question 31

Résumé de comment les chercheurs ont vérifié la validité de leur résultat (voir p.224-226 pour mieux comprendre) | jsp si c'est imortant

Answer 31

Ils ont réalisé une seule expérience avec deux échantillons de 40 hommes hypertendus (groupe Novel vs groupe Périm). Ils ont observé une différence de 3 mm Hg entre les deux groupes. Pour juger si cette différence était réelle (et non due au hasard), ils ont utilisé : La distribution d’échantillonnage théorique : ils ont supposé que la vraie moyenne dans la population traitée avec Périm est de 88 mm Hg. Ils ont regardé où se situait la valeur observée pour le médicament Novel (86 mm Hg) dans cette distribution. Ils ont trouvé que la probabilité d’obtenir 86 mm Hg ou moins par hasard était très faible (2 %). Ce qui rend leur résultat statistiquement significatif.

Question 32

# test d"hypothèse quelles sont les deux hypothèses qu'on doit confronter dans le test d'hypothèses?

Answer 32

hypothèse nulle (H0) hypothèse alternative (H1)

Question 33

Quelle est la différence entre une hypothèse nulle et une hypothèse alternative?

Answer 33

**Hypothèse nulle** : C’est l’idée qu’il n’y a pas de différence entre les deux groupes qu’on compare. --> μ₁ = μ₂ (les moyennes sont égales) **Hypothèse alternative** : C’est l’hypothèse qu’on veut démontrer. Elle dit qu’il y a une vraie différence entre les deux groupes, donc que le traitement ou la variable a un effet réel. -->μ₁ ≠ μ₂ (les moyennes sont différentes)

Question 34

Dans le cas du test d'hypothèses, quelle est la prochaine étape après avoir formulé l'hypothèse nulle et alternative?

Answer 34

On cherche à rejeter H₀ pour avoir des preuves en faveur de H₁.

Question 35

Expliquer la démarche du test des hypothèses

Answer 35

1. On formule deux hypothèses : H₀ (nulle) et H₁ (alternative). 2. On suppose que H₀ est vraie. 3. On analyse les données de l’échantillon. 4. Si les résultats sont trop éloignés de ce qu’on attend avec H₀, on la rejette. 5. On conclut alors que H₁ est probablement vraie.

Question 36

À retenir * Le test d’hypothèse donne de l’information sur le rôle que peut jouer le ___ dans l’observation des résultats obtenus à partir d’un ___ de la population. * Le test d’hypothèse est une démarche qui permet de faire, sur le plan statistique, le choix le plus ____ entre deux hypothèses statistiques : l’hypothèse __ (H0) et l’hypothèse __ (H1).

Answer 36

À retenir * Le test d’hypothèse donne de l’information sur le rôle que peut jouer le **hasard** dans l’observation des résultats obtenus à partir d’un échantillon de la population. * Le test d’hypothèse est une démarche qui permet de faire, sur le plan statistique, le choix le plus **judicieux** entre deux hypothèses statistiques : l’hypothèse **nulle** (H0) et l’hypothèse **alternative** (H1).

Question 37

Qu’est-ce que la valeur p ?

Answer 37

La valeur p est la probabilité d’obtenir un résultat aussi extrême que celui observé, si l’hypothèse nulle (H₀) était vraie. En d’autres mots : Si H₀ est vraie, à quel point le résultat observé est-il surprenant ou rare ? Plus la valeur p est petite, plus cela veut dire que le résultat est difficile à expliquer par le hasard → donc on rejette H₀. **EN GROS: Plus la valeur p est petite, plus on a de raisons de croire que le résultat observé reflète une vraie différence, pas le hasard DONC ON REJETTE H₀** En lien avec ce que dit le power point : La valeur p sert à tester H₀. Si p < 0,05, on rejette H₀ → résultat significatif Si p ≥ 0,05, on ne rejette pas H₀ → non significatif

Question 38

Qu'est ce qu'un seuil de signification statistique (alpha)?

Answer 38

C’est un chiffre (souvent 0,05 ou 0,01) qui représente la limite du risque qu’on accepte de prendre en rejetant H₀ alors qu’elle est en réalité vraie (erreur de type I). --> en d'autres mots: **c'est le nombre maximal d’erreurs de type 1 qu’on accepte de faire et de quand même considérer le résultat significatif ** Par exemple, si on fixe ce seuil à 0,05, cela veut dire qu’on accepte jusqu’à 5 % de chance de faire cette erreur — et de quand même considérer le résultat comme statistiquement significatif. ## Footnote erreur de type 1 = rejetter H0 alors quil est vrai (dire que le résultat est significatif alors qu'il ne l'est pas)

Question 39

Il est primordial de fixer ____ avant le début de l’étude et de ne pas la modifier en cours de route.

Answer 39

Il est primordial de fixer le seuil de signification statistique avant le début de l’étude et de ne pas la modifier en cours de route.

Question 40

De façon générale, la valeur p est considérée comme une mesure de ____ d’une hypothèse. Plus la valeur p est petite, plus ___ est la vraisemblance de ___.

Answer 40

De façon générale, la valeur p est considérée comme une mesure de **vraisemblance** d’une hypothèse. Plus la valeur p est petite, plus **grande** est la vraisemblance de **H1**.

Question 41

Qu'est-ce que l'erreur de type 2?

Answer 41

Retenir H0 alors que H1 est vraie. Autrement dit: dire qu'il n'y pas de différence entre les medicaments ou le traitements alors qu'il y en a une.

Question 42

Comment nomme-t-on la probabilité de faire une erreur de type 2?

Answer 42

β (bêta)

Question 43

Quelles sont les conclusions possibles à la suite de la confrontation des résultats d'un test d'hypothèse (jugement statistique) et de la vérité

Answer 43

Question 44

De quoi dépend la probabilité de faire une erreur de type 2?

Answer 44

1. De la différence réelle (effet réel) entre les traitements : Plus cette différence est grande, plus elle est facile à détecter, même avec un petit échantillon. Si la différence est petite, il devient plus difficile de prouver qu’elle est significative sans un grand échantillon. 2. De la taille de l’échantillon : Un échantillon plus grand permet une meilleure précision et une plus grande puissance statistique. Avec un petit échantillon, on a plus de risques de passer à côté d’une vraie différence (β ↑). 3. De la variabilité des données : Si les résultats des participants sont très variables, cela diminue la capacité de détecter une différence réelle. Moins de variabilité = plus facile de détecter une différence → β ↓. 4. Du seuil de signification (α) : Même si α (risque d’erreur de type I) est fixé à l’avance, choisir un α très petit (ex. 0,01) rend plus difficile le rejet de H₀, ce qui peut augmenter β si rien d’autre ne change (taille, effet, etc.). 🧠 À retenir : Pour réduire le risque d’erreur de type II (β), il faut augmenter la taille de l’échantillon, réduire la variabilité et/ou avoir une différence d’effet plus marquée entre les groupes. | GROS RÉSUMÉ DE CHAT DE LA PAGE 229

Question 45

À retenir * L’erreur de type I est l’erreur commise si l’on ____ H0 alors qu’elle est ____, et l’erreur de type II est l’erreur commise si l’on _____ alors qu’elle est ______. * Le seuil de signification statistique (α) est la ____ consentie de commettre une erreur de type ___, * bêta (β) est la _____ consentie, ou _____, de commettre une erreur de type ___.

Answer 45

À retenir * L’erreur de type I est l’erreur commise si l’on **rejette** H0 alors qu’elle est **vraie**, et l’erreur de type II est l’erreur commise si l’on **ne la rejette pas** alors qu’elle est **fausse**. * Le seuil de signification statistique (α) est la **probabilité** consentie de commettre une erreur de type **I**, et bêta (β) est la **probabilité** consentie, ou **calculée**, de commettre une erreur de type **II**.

Question 46

Que veut dire « puissance à l'étude »? Comment est-elle notée?

Answer 46

La puissance statistique (ou puissance de l’étude) est la probabilité de détecter une vraie différence quand elle existe réellement dans la population. Autrement dit, c’est la probabilité de rejeter correctement l’hypothèse nulle (H₀) quand l’hypothèse alternative (H₁) est vraie. 1 – β (il s'agit de la valeur complémentaire de beta)

Question 47

Quel est un des facteurs les plus importants pour améliorer la puissance à l'étude ? Expliquez.

Answer 47

La taille de l’échantillon est le facteur le plus important pour augmenter la puissance. Plus l’échantillon est grand, plus l’étude est capable de détecter une petite différence réelle. Un échantillon trop petit peut donner une puissance trop faible, même si la différence est cliniquement importante.

Question 48

V/F: Avant de commencer une étude, peut-on calculer combien de participants sont nécessaires pour avoir de bonnes chances de détecter une vraie différence entre les groupes ?

Answer 48

vrai

Question 49

En règle générale, une puissance de l’ordre de __ est jugée acceptable

Answer 49

80%

Question 50

Lorsque les résultats d’une étude sont considérés comme statistiquement significatifs, il n’est pas pertinent de se questionner sur la ____ de l’étude, car le fait de rejeter H0 implique nécessairement que la puissance de l’étude était ______ pour détecter la ______ observée. À l’inverse, lorsque les résultats d’une étude ne sont pas considérés comme statistiquement ______, on doit s’interroger sur sa ____.

Answer 50

puissance suffisante différence significatif puissance

Question 51

gros résumédu lien entre la puissance et la fiabilité des conclusions statistiques

Answer 51

Plus la puissance est élevée, plus les conclusions statistiques inspireront confiance. Moins la puissance est élevée, plus il faudra faire preuve de prudence avant de conclure qu’il n’y a pas de différence réelle entre les groupes, car on risque davantage de ne pas avoir détecté une différence qui existe réellement (erreur de type II).

Question 52

Qu'est ce que l'intervalle de confiance et que permet-il de mieux faire par rapport au test hypothèse?

Answer 52

Il existe un moyen de mieux estimer ce paramètre dans chacune des deux populations à l’étude : **l’intervalle de confiance**, qui consiste à trouver un intervalle de valeurs qui a de bonnes probabilités de contenir la valeur du paramètre de la population cible.

Question 53

Qu'est-ce qu'on doit s'assurer avec l'intervalle de confiance?

Answer 53

Il faut que l'intervalle soit assez petit pour être précis mais en même temps il doit être assez grand pour contenir la vraie valeur du paramètre (il faut trouver le juste milieux).

Question 54

Plus l'intervalle est grand...

Answer 54

moins il est précis

Question 55

Tout comme le seuil de signification d’un test d’hypothèse, le niveau de confiance d’un intervalle est.......

Answer 55

fixé par le chercheur

Question 56

Autour de quoi se trouve l'intervalle de confiance fixé d'habitude?

Answer 56

Il s’agit d’un choix arbitraire, mais on recommande de conserver une probabilité de recouvrir la valeur du paramètre de 95 %. On parle alors d’un «intervalle de confiance à 95 % ». Toutefois, rien n’empêche le chercheur de choisir un niveau de confiance à 90% ou à 99%.

Question 57

À retenir L’intervalle de confiance permet de juger de la ____ d’une estimation ponctuelle faite à partir d’un échantillon de la population. En fait, pour un même niveau de confiance, disons 95 %, plus l’intervalle sera ___ et plus l’estimation sera précise.

Answer 57

À retenir L’intervalle de confiance permet de juger de la **précision** d’une estimation ponctuelle faite à partir d’un échantillon de la population. En fait, pour un même niveau de confiance, disons 95 %, plus l’intervalle sera **étroit** et plus l’estimation sera précise.

Question 58

Exemple de comparaison de 2 intervalles de confiance à 95%

Answer 58

Ici, les deux intervalles à 95 % ne se recoupent pas, donc la différence entre les deux moyennes est jugée statistiquement significative pour un seuil de signification fixé à 0,05.

Question 59

Quelles sont les deux approches qui nous permettent de juger de la signification statistique lorsqu’on compare deux moyennes. Expliquez les.

Answer 59

**1) le recours à un test statistique de comparaison de deux moyennes (ou deux proportions)** --> on interprète la valeur de p **2) la construction d’un intervalle de confiance autour de la différence de moyennes (ou de proportions).** -->si la valeur nulle (0) se retrouve à l’intérieur de l’intervalle de confiance de la différence de moyennes, on ne rejettera pas H0 ; à l’inverse, si 0 ne se trouve pas dans cet intervalle, on rejettera H0.

Question 60

Que signifie un RR ou un RC de 1 ?

Answer 60

Un RR ou RC de 1 signifie qu’il n’y a aucune association entre l’exposition et le résultat. Exemple : fumer n’augmente ni ne diminue le risque de maladie cardiaque si RR = 1.

Question 61

Si l’IC contient la valeur 1, → ??? Si l’IC ne contient pas 1, → ???

Answer 61

Si l’IC contient la valeur 1, → pas de différence significative → on ne rejette pas l’hypothèse nulle. Si l’IC ne contient pas 1, → différence statistiquement significative → on rejette H₀.

Question 62

L’intervalle de confiance est un ensemble de valeurs dans lequel on a une ____ ____ (ex. 95 %) de trouver la vraie valeur du paramètre mesuré dans la population.

Answer 62

forte probabilité

Question 63

V/F: Un résultat statistiquement significatif (valeur p < 0,05), est toujours cliniquement important.

Answer 63

FAUX Un résultat peut être statistiquement significatif (valeur p < 0,05), mais pas cliniquement important.

Question 64

Pour juger la valeur d’un résultat, il faut considérer plusieurs aspects cliniques. Donnez des exemples.

Answer 64

Le médicament a-t-il moins d’effets secondaires que le traitement actuel ? Améliore-t-il l’adhésion au traitement (ex. coût, posologie) ? A-t-on suffisamment de recul pour évaluer sa sécurité à long terme ? Les bénéfices cliniques sont-ils visibles et pertinents pour le patient ?

Question 65

Est-ce qu'on doit considérer tous les résultats non statistiquement significatifs comme étant inutile? Pourquoi?

Answer 65

Non Si un résultat n’est pas statistiquement significatif, cela ne veut pas dire qu’il est inutile. Il peut s’agir d’une puissance trop faible (ex. échantillon trop petit) → possible que la différence ne soit pas détectée, même si elle existe réellement

Question 66

V/F: Un résultat significatif mais peu utile cliniquement ne devrait pas changer la pratique.

Answer 66

Vrai

Question 67

Un résultat _____ mais potentiellement important peut nécessiter plus d’étude avant de conclure.

Answer 67

non significatif

Question 68

à retenir Un résultat statistique est une chose, mais c’est le ____ (importance réelle pour le patient) qui détermine si l’on doit changer la pratique médicale ou non.

Answer 68

JUGEMENT CLINIQUE

Question 69

C'est quoi une régression linéaire ?

Answer 69

En gros c'est juste une droite (y = β₀ + β₁x)

Question 70

C'est quoi l'analyse multivariée?

Answer 70

L’analyse multivariée est une méthode statistique qui permet d’étudier l’effet de plusieurs variables indépendantes à la fois sur une variable dépendante (résultat).

Question 71

Pourquoi l’analyse multivariée est-elle utile ?

Answer 71

Parce qu’elle permet de : - Mesurer l’effet réel d’un facteur (ex. traitement) en tenant compte des autres facteurs, - Éviter les biais de confusion, c’est-à-dire éviter d’attribuer à un facteur un effet qui est en fait dû à un autre.

Question 72

Question 73

Qu'est ce que la modification de la mesure d'association?

Answer 73

La modification de la mesure d'association se produit lorsqu'une variable change la force ou la direction de la relation entre : une variable indépendante (ex. activité physique), et une variable dépendante (ex. contrôle de l’HTA = hypertension artérielle).

Question 74

Comment détecter la modification de la mesure d'association?

Answer 74

On compare les mesures spécifiques (ex. risques relatifs) dans différentes strates (groupes) d'une autre variable (comme le sexe, l'âge, etc.) Interprétation : Si les intervalles de confiance des RR ne se recoupent pas, → il y a modification : l’effet est différent selon les groupes. Si les IC se recoupent, → on ne peut pas conclure à une modification.

Question 75

tableau résumé du chapitre 12 (méthodes d’analyse multivariée)

Answer 75