Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

CHU d’Angers / Département de Santé Publique / Elsa Parot-Schinkel (interne) 1

CHU d’Angers / Département de Santé Publique / Elsa Parot-Schinkel (interne) 1 / 2 AIDE A LA REDACTION DU PLAN D’ANALYSE ET A L’INTERPRETATION DES RESULTATS A) PLAN D’ANALYSE STATISTIQUE TYPE Les analyses statistiques ont été réalisées par le méthodologiste du Centre de Recherche Clinique du CHU d’Angers (Dr Elsa PAROT-SCHINKEL) avec le logiciel SPSS version 15. Le seuil de significativité est fixé à 0,05 et tous les tests sont bilatéraux. Les résultats sont exprimés sous forme de moyenne ± déviation standard (pour les variables quantitatives) ou de pourcentage (pour les variables qualitatives). Une analyse descriptive simple a été réalisée sur l’ensemble de la population de l’étude puis par sous-groupes. Cette description a porté sur les données socio-démographiques, les antécédents médicaux, les traitements en cours, … Une étude qualitative et quantitative des données manquantes a été réalisée. Les deux sous-groupes étudiés ont été constitués en fonction du statut pour « variable de groupe » G +/- seuil choisi si variable quantitative (ex : insuffisance rénale Oui/Non déterminé en fonction de la valeur de la créatininémie). Pour répondre à l’objectif principal de l’étude, une analyse univariée a été réalisée afin de déterminer les facteurs associés à G (ex : insuffisance rénale) à inclure dans l’analyse multivariée. Les tests statistiques utilisés sont le test de Chi-deux de Pearson (ou le test exact de Fisher selon la distribution de la variable) pour les variables qualitatives et le test-T de Student (ou le test non paramétrique de Mann-Whitney selon la distribution de la variable) pour les variables quantitatives. L’association entre chaque facteur de risque supposé et G a été estimée au moyen de l’Odds Ratio (OR) [risque relatif (RR) si prospectif] et de son intervalle de confiance à 95%. Une analyse multivariée par régression logistique multiple [régression linéaire multiple si variable d’intérêt quantitative] a permis d’estimer l’Odds Ratio ajusté [le coefficient ajusté] et son intervalle de confiance à 95% pour chaque facteur retenu (seuil conservateur 0,20). Variables d’ajustement forcées dans le modèle ? Modèle ascendant ou descendant ? Interactions recherchées ? Les hypothèses à tester (résultats attendus) sont … B) INTERPRETATION DES TESTS • « dans notre échantillon, on observe (ou pas) une différence (ou un lien) statistiquement significative entre x et y avec une probabilité p=0,0… » ~ OUI (p<0,05 ; p peut ne pas être mentionnée dans le texte mais indiquée dans le tableau récapitulatif des résultats) ≠ ≠ ≠ ≠ « x est un facteur influençant (~ facteur de risque, facteur pronostic) de y » ~ NON ⇒ Cette conclusion implique que l’on a vérifié la puissance (effectifs) et la représentativité (biais diverses et variés) de l’étude ; ainsi que les critères (statistiques, scientifiques, cliniques, bibliographiques, …) de causalité entre x et y !! • … les faibles effectifs observés ne nous permettent pas de conclure … • (limite S ou L) = à la limite de la significativité ~ quand p est compris entre ]0,05-0,10] => le résultat n’est pas significatif mais on peut le mentionner à part et il est intéressant de le discuter tout de même car on peut supposer (en fonction des données étudiées ~ faibles effectifs, biais d’échantillonnage ou de classement) qu’il n’est pas significatif non pas parce qu’il n’y a pas de différence mais probablement parce qu’on n’a pas assez de puissance pour mettre en évidence cette différence !!! CHU d’Angers / Département de Santé Publique / Elsa Parot-Schinkel (interne) 2 / 2 C) RAPPELS STATISTIQUES 1) Tests statistiques pour les variables Quantitatives : a) Groupes indépendants : - comparaisons de moyennes pour 2 groupes indépendants = test-T de Student pour variables quantitatives qui suivent une loi normale (~ effectifs de chaque sous-groupes > 30); sinon test non paramétrique de Mann-whitney. - comparaisons de moyennes pour >2 groupes indépendants = ANOVA pour variables quantitatives qui suivent une loi normale (~ effectifs de chaque sous-groupes > 30); sinon test non paramétrique de Kruskall Wallis. (le test non paramétrique de Kruskall Wallis est applicable aussi sur seulement 2 groupes ; dans ce cas les résultats sont identiques à un test de Mann-Whitney) b) Séries appariées (le sujet est son propre témoin) : - comparaisons de moyennes pour 2 groupes non indépendants (séries appariées ~ comparaison dans le temps) = test-T de Student pour séries appariées pour variables quantitatives qui suivent une loi normale (~ effectifs > 30); sinon test non paramétrique de Wilcoxon. - comparaisons de moyennes pour >2 groupes non indépendants (séries appariées ~ comparaison dans le temps) = ANOVA pour mesures répétées pour variables quantitatives qui suivent une loi normale (~ effectifs > 30); sinon test non paramétrique de Friedman. 2) Tests statistiques pour les variables Qualitatives : a) Groupes indépendants : - pour les variables qualitatives et groupes indépendants, il s'agit du test de chi-deux de Pearson qui n'est valide que si tous les effectifs calculés sont supérieurs ou égaux à 5 sinon il faut prendre le test exact de Fisher mais il ne se calcule que pour les tableaux croisés de 2 lignes et 2 colonnes (tableau croisé avec deux variables à 2 modalités ~ 0/1) !!! Effectifs calculés ~ effectifs attendus (théoriques) sous l’hypothèse nulle c’est-à-dire sous l’hypothèse d’indépendance des deux variables ! Pour chaque case du tableau croisé : Effectif calculé = [(Total de la ligne correspondante) x (Total de la colonne correspondante)] / (Total du tableau croisé) b) Séries appariées (le sujet est son propre témoin) : - pour les variables qualitatives et groupes non indépendants, il s'agit du test de Mac-Nemar qui n'est valide que si le nombre de paires discordantes > 10 sinon aucun test n’est possible !!! uploads/Management/ aide-redaction-chap-stats.pdf