Plusieurs étapes sont nécessaires pour réaliser une analyse multivariée (ou plus exactement multivariable) : Formaliser l'hypothèse de recherche Choisir la variable à expliquer Y Choisir les variables explicatives X Déterminer les variables d'ajustement Vérifier que les conditions d'application sont réunies Vérifier la robustesse du modèle Formaliser l'hypothèse de recherche Toute recherche nécessite...
Les statistiques sont souvent réputées complexes et éloignées de la pratique clinique quotidienne. Légitimement, en tant que médecin ou étudiant, on peut se demander s'il est utile d'apprendre les biostatistiques et à réaliser les analyses statistiques seul. Apprendre les statistiques ? Il est tout à fait possible d'apprendre les bases des statistiques...
Il est parfois surprenant de ne pouvoir réaliser une analyse multivariée en raison d'un effectif trop faible alors que le fichier comporte plusieurs centaines d'observations (patients, sujets). Cas des régressions linéaires Pour les régressions linéaires, c'est-à dire-les analyses multivariées pour lesquelles la variable à expliquer est numérique, il est nécessaire avoir au...
Lorsqu'on effectue une modélisation, il est fréquent de devoir regrouper les variables numériques pour créer des classes; cela afin de respecter les conditions de validité du modèle. Si on n'a pas d'idée a priori sur le regroupement adéquat, il est préférable de se baser sur les splines représentant le...
On distingue trois types d'analyses : les analyses descriptives, les analyses univariées et les analyses multivariées (ou multivariables) Les analyses descriptives permettent de décrire les données, et sont utiles pour y détecter des problèmes Les analyses univariées et multivariées permettent des comparaisons statistiques (obtention d'une p-value), et seules les analyses multivariées permettent...
Lorsque la variable à expliquer est quantitative continue, le modèle statistique adapté est la régression linéaire Lorsqu'il n'existe qu'une seule variable explicative et qu'elle est qualitative, la régression linéaire donne un résultat proche d'un test T de Welch ou de Student Dans un effort de simplification, nous appellerons Y la...
Lorsque la variable à expliquer est binaire et non censurée, le modèle statistique adapté est la régression logistique; Lorsqu'il n'existe qu'une seule variable explicative et que celle-ci est qualitative, la régression logistique donne un résultat similaire à un test du Chi2; Dans un effort de simplification, nous appellerons Y la...
Les tests et les modèles statistiques ont tous des pré-requis pour être utilisés. Dans cet article, nous décrivons leurs conditions d'application, ainsi que la manière dont elles sont vérifiées par pvalue.io Dans un effort de simplification, nous appellerons Y la variable que l'on souhaite expliquer par des facteurs X. (Faites appel à...
Lorsqu'un paramètre n'a pas été mesuré pour tous les patients de l'étude, on parle de données manquantes Il existe peu d'études sans données manquantes En présence de données manquantes, il convient de les décrire et de choisir une stratégie pour les traiter Les données manquantes sont un problème rencontré fréquemment dans les sciences...
Ça y est, vous avez un sujet de thèse de médecine, ou une étude à mettre en place ? Parfait ! Nous vous avons préparé une liste de 10 règles à respecter afin de rendre vos données analysables par un logiciel de biostatistique. Quel logiciel de saisie de données choisir ? Avant...