Fiche de révision : Biostatistiques descriptives et distributions

Plan du Cours

  1. Biostatistiques, variables et données descriptives
  2. Position et dispersion des données
  3. Distributions et loi normale
  4. Échantillonnage, estimateurs et intervalles de confiance
  5. Tests d’hypothèses, calcul et risques statistiques
  6. Choix des tests de comparaison
  7. Corrélation, détermination et tests de liaison
  8. Régression linéaire
  9. Courbes de survie, Kaplan-Meier et comparaisons
  10. Test du chi carré d’homogénéité
  11. Tests exacts, appariement et liaison qualitative
  12. Choix des tests statistiques
  13. ANOVA, comparaisons multiples et Kruskal-Wallis
  14. Transformations des variables quantitatives
  15. Essai COREA-TAXUS, événements et méthodes statistiques
  16. Résultats cliniques et interprétation du célécoxib
  17. Sécurité cardiovasculaire du célécoxib
  18. Comparaison de la pression artérielle selon le sexe
  19. Classes de PAD, IMC et comparaisons entre groupes
  20. Recodage et résumé des variables
  21. Régression linéaire et choix des corrélations
  22. Survie globale selon le sexe et le BMI
  23. Survie durant l’hospitalisation
  24. Classes d’âge et association avec l’infarctus
  25. Catégories de PAS et tests de proportions
  26. Comparaison de deux groupes indépendants
  27. Âge selon l’œdème, normalité et variances
  28. Triglycérides selon traitement et statut œdémateux
  29. Comparaisons appariées de bilirubine et stade histologique
  30. Comparaison de proportions appariées
  31. Corrélation avec un stade ordinal
  32. Évolution des plaquettes selon les visites et le sexe
  33. Contexte, objectifs et méthodes de l’étude sur la dialyse
  34. Choix des techniques de dialyse et objectifs régionaux
  35. Population, méthodes et résultats de survie en dialyse
  36. Comparaison des dialyses, facteurs de survie et limites
  37. Population et déroulement de l’intervention nutritionnelle
  38. Limites, interprétation et prévention nutritionnelle
  39. Transplantation rénale, créatininémie et fonction du greffon
  40. Variables et repères statistiques

1. Biostatistiques, variables et données descriptives

Notions clés & Définitions

  • Statistique : Discipline qui étudie les méthodes de réduction des données, la variabilité liée à l’échantillonnage et les populations par les statistiques inférentielles.
  • Biostatistique : Application de la statistique aux sciences de la vie.
  • Variable : Caractéristique ou facteur susceptible de prendre des valeurs différentes selon les individus étudiés.
  • Donnée censurée : Une donnée censurée est une observation limitée par un seuil de quantification ou une information incomplète, comme une charge virale inférieure à 50 cp/ml ou un patient perdu de vue dans une étude de survie.

★ À maîtriser

  • Une population est un ensemble très grand et généralement non mesurable, tandis qu’un échantillon est un sous-ensemble de taille finie et mesurable.

  • Les statistiques descriptives décrivent les données observées ou mesurées, tandis que les statistiques inférentielles émettent des hypothèses ou tirent des conclusions sur une population à partir de données.

  • Une variable quantitative prend des valeurs numériques exploitables arithmétiquement, tandis qu’une variable qualitative prend des valeurs correspondant à des classes ou qualités dénombrées.

  • Une variable quantitative continue peut prendre n’importe quelle valeur numérique dans l’intervalle observé, tandis qu’une variable quantitative discrète ne prend que des valeurs séparées, généralement entières, sans valeur intermédiaire possible.

  • Une variable qualitative ordinale comporte des classes ordonnables, une variable nominale des classes non hiérarchisables, et une variable binaire est une variable nominale qui ne prend que deux valeurs.

  • Les données peuvent être présentées au moyen de :

    • tableaux
    • diagrammes
    • paramètres résumant la distribution

📌 Dans un histogramme, la surface de chaque barre est proportionnelle à la fréquence relative; dans un diagramme en barres, la largeur des barres est libre et le graphique convient aux variables qualitatives ordinales ou nominales.

Compléments

  • Un sondage de 100 personnes indiquant que 60 % voteront pour le parti B, avec une marge d’erreur de 3 %, relève de l’inférence lorsqu’il sert à prédire le vote de toute la Belgique.

  • Dans un tableau de données, chaque unité statistique, par exemple un patient, occupe une ligne et chaque variable une colonne.

📌 Une donnée manquante correspond à une valeur non observée ou non mesurée, tandis qu’une donnée non applicable concerne une question qui ne s’applique pas au sujet, comme le nombre de cigarettes fumées par une personne qui ne fume pas.

  • Une donnée manquante peut réduire l’effectif analysé en analyse multivariée et doit être codée pour permettre l’analyse; le logiciel peut alors supprimer ou ignorer le patient concerné.

📌 Une valeur inhabituelle n’est pas nécessairement aberrante; les valeurs aberrantes peuvent être extrêmes ou impossibles et se repèrent notamment en visualisant les données.

Astuce mémo

Décrire les données observées ≠ inférer des résultats sur une population

2. Position et dispersion des données

Notions clés & Définitions

  • Médiane : Valeur qui partage une série ordonnée en deux groupes d’effectifs égaux.
  • Quartiles : Les quartiles sont trois valeurs qui partagent une distribution en quatre groupes: le premier quartile laisse 25 % des valeurs en dessous, le deuxième est la médiane et le troisième laisse 75 % des valeurs en dessous.
  • Mode : Valeur qui revient le plus souvent dans une distribution et correspond à son pic.
  • Moyenne : Somme des valeurs observées divisée par le nombre de sujets; elle résume la tendance centrale d’une variable quantitative.
  • Fréquence relative : La fréquence relative d’une modalité est la proportion de sujets qui la présentent; elle est comprise entre 0 et 1 et s’exprime souvent en pourcentage en la multipliant par 100.
  • Étendue : Différence entre les deux valeurs extrêmes d’une série, qui donne une indication de sa dispersion.
  • Intervalle interquartile : Différence entre le troisième et le premier quartile; il décrit la dispersion sans dépendre des valeurs extrêmes.
  • Variance : La variance résume les écarts des valeurs d’une distribution quantitative par rapport à la moyenne; le calcul divise par N lorsque la série est considérée comme une population exhaustive.
  • Écart-type : Racine carrée de la variance; il s’exprime dans les mêmes unités que la moyenne et augmente avec la dispersion des valeurs.

Points essentiels

  • La médiane est robuste parce qu’elle ne dépend pas des valeurs extrêmes et est peu sensible aux valeurs aberrantes; lorsque l’effectif est pair, elle se calcule comme la moyenne des deux valeurs centrales.

  • Les déciles sont neuf valeurs qui partagent une distribution en dix groupes comprenant chacun 10 % des effectifs.

  • Les percentiles partagent une distribution en 100 groupes de taille égale; le 10e percentile est le premier décile, le 25e le premier quartile, le 50e la médiane et le 90e le neuvième décile.

📌 Une distribution est unimodale lorsqu’elle présente un seul pic marqué et bimodale lorsqu’elle présente deux pics.

📌 Contrairement à la médiane, la moyenne utilise toutes les observations et est donc moins robuste, mais ses propriétés arithmétiques permettent des estimations et des comparaisons.

  • Pour une variable qualitative binaire codée 0 et 1, la moyenne est égale à la proportion des sujets ayant la valeur 1.

  • Pour des poids dont les extrêmes sont 45 kg et 86 kg et dont les premier et troisième quartiles sont 69 kg et 77 kg, l’étendue est de 41 kg et l’intervalle interquartile de 8 kg.

3. Distributions et loi normale

Notions clés & Définitions

  • Loi normale : Distribution de variable quantitative continue dont la densité forme une courbe en cloche symétrique autour de la moyenne.
  • Loi normale cumulée : Fonction de répartition d’une loi normale cumulée qui dessine une courbe en S représentant l’aire cumulée sous la courbe en cloche.

★ À maîtriser

  • Pour une variable discrète, les fréquences relatives des classes ont une somme égale à 1, soit 100 %, et représentent les probabilités d’observer exactement chacune des valeurs.

  • Pour une variable continue, l’aire sous la densité entre A et B donne la probabilité que la variable soit comprise entre A et B, et l’aire totale sous la courbe vaut 1.

  • Dans une distribution normale, la médiane est égale à la moyenne.

  • Dans une distribution normale, 68 % des valeurs se trouvent entre un écart-type en dessous et un écart-type au-dessus de la moyenne.

Compléments

📌 Les paramètres descriptifs comprennent la médiane, les quartiles, les percentiles, le mode, les valeurs extrêmes, l’intervalle interquartile et l’étendue; les paramètres arithmétiques comprennent la moyenne, la variance, l’écart-type et le coefficient de variation.

📌 Pour une variable discrète, la fonction de répartition donne la probabilité que la variable soit inférieure à une valeur donnée, contrairement aux fréquences par classe qui décrivent la probabilité d’obtenir exactement une valeur.

  • Sous une densité de probabilité continue, l’aire avant A représente la probabilité que la variable soit inférieure à A et l’aire après B la probabilité qu’elle soit supérieure à B.

  • Dans une distribution normale, 5 % des valeurs se situent en dehors de l’intervalle de deux écarts-types autour de la moyenne, avec 2,5 % dans chaque queue.

  • Dans une distribution normale, 99,7 % des valeurs se trouvent entre trois écarts-types en dessous et trois écarts-types au-dessus de la moyenne.

  • Sur la courbe de la loi normale cumulée, le point d’inflexion correspond à la moyenne et chaque point indique la probabilité que la variable soit inférieure à la valeur considérée.

  • Dans une loi normale cumulée, 2,5 % des valeurs sont inférieures à deux écarts-types sous la moyenne et 97,5 % sont inférieures à deux écarts-types au-dessus de la moyenne.

4. Échantillonnage, estimateurs et intervalles de confiance

Notions clés & Définitions

  • Échantillonnage : Mécanisme qui permet de tirer des échantillons d’une population.

★ À maîtriser

  • La population est de taille N, généralement considérée comme infinie, tandis que l’échantillon est de taille n, finie et mesurable.

  • La statistique descriptive décrit les données mesurées dans l’échantillon, tandis que la statistique inférentielle formule des hypothèses sur la population en tenant compte d’un risque d’erreur.

  • La moyenne de population μ est un paramètre unique mais généralement inconnu, tandis que la moyenne d’échantillon x̄ en est un estimateur calculé à partir des observations de l’échantillon.

  • Le théorème central limite indique que la moyenne d’une variable quantitative calculée sur un échantillon est une variable aléatoire qui suit une loi normale centrée sur la moyenne μ de la population.

📌 L’écart-type mesure la variabilité des individus autour de la moyenne de population, tandis que l’erreur-type mesure la variabilité des moyennes d’échantillons autour de cette moyenne.

  • L’intervalle de confiance à 95 % de la moyenne s’écrit [m−1.96sm, m+1.96sm][m-1.96s_m,\ m+1.96s_m], où m est la moyenne de l’échantillon et sₘ l’erreur-type.
  • Un intervalle de confiance à 95 % correspond à un risque d’erreur α de 5 %, déterminé ici par le quantile 1.96, ou approximativement 2, de la loi normale.

📌 Un intervalle de référence décrit une plage contenant une proportion d’individus, tandis qu’un intervalle de confiance exprime l’incertitude sur l’estimation d’un paramètre ou d’une relation.

Compléments

  • L’échantillonnage simplement fortuit fixe à l’avance l’effectif n et tire les individus au hasard et de façon indépendante dans une population invariante.

  • Pour conserver une population invariante lors d’un tirage dans une population finie, le sujet tiré doit être replacé avant le tirage suivant.

  • L’échantillonnage stratifié impose un nombre de participants dans chaque strate afin d’obtenir des données sur les groupes d’intérêt, notamment ceux qui risquent d’être sous-représentés.

  • L’échantillonnage en grappes sélectionne des groupes, par exemple des médecins qui incluent chacun des patients, mais les ressemblances au sein d’une grappe peuvent produire un effet médecin-dépendant.

  • Parmi les méthodes pratiques de répartition aléatoire, la randomisation centralisée attribue un groupe au patient par logiciel et ne permet plus de modifier cette attribution, contrairement aux enveloppes fermées qui peuvent être choisies de façon peu précise.

  • Pour une variable binaire, la proportion de population P est estimée par la proportion p calculée dans l’échantillon.

  • La variance d’échantillon s² estime la variance de population σ² ; son calcul divise par n−1, tandis que la variance calculée sur toute la population divise par N.

Astuce mémo

L’écart-type disperse les individus ; l’erreur-type disperse les moyennes d’échantillons.

5. Tests d’hypothèses, calcul et risques statistiques

Notions clés & Définitions

  • Statistique inférentielle : Consiste à prendre une décision sur une population à partir de l’analyse d’un échantillon.
  • Risque de première espèce : Le risque de première espèce α est la probabilité de rejeter H0 alors que H0 est vraie.
  • Risque de seconde espèce : Le risque de seconde espèce β est la probabilité de ne pas rejeter H0 alors que H1 est vraie.
  • Puissance d’un test : La puissance d’un test est la probabilité de rejeter H0 lorsque H1 est vraie et vaut 1−β1-\beta.
  • Valeur p : La valeur p est la probabilité d’obtenir une valeur aussi extrême ou plus extrême que la valeur observée, représentée par l’aire sous la courbe.

★ À maîtriser

📌 L’hypothèse nulle H₀ est l’hypothèse que le test cherche à rejeter ; dans le cadre présenté, elle pose l’égalité entre les paramètres comparés.

📌 L’hypothèse alternative H₁, ou Hₐ, est retenue lorsque les résultats conduisent au rejet de H₀ et peut être bilatérale ou unilatérale.

📐 Formule - Pour comparer les moyennes de deux populations, les hypothèses sont H0:μ1=μ2H_0 : \mu_1 = \mu_2 et H1:μ1≠μ2H_1 : \mu_1 \ne \mu_2.

  • Un test de comparaison évalue si la différence observée entre les moyennes d’échantillons s’explique par les fluctuations d’échantillonnage ou par une différence réelle entre les populations.

  • Pour le test T de Student, les populations doivent être approximativement normales et leurs variances supposées égales, avec un rapport ne dépassant pas 3 ; sinon, les tailles des échantillons doivent être équivalentes.

  • Une statistique t proche de 0 est favorable à H0, tandis qu’une statistique t éloignée de 0 est favorable à H1.

  • Au seuil de 5 %, une valeur p inférieure à 5 % conduit à rejeter H0, tandis qu’une valeur p supérieure à 5 % correspond à une valeur attendue et ne conduit pas au rejet de H0.

Compléments

  • La p-valeur, ou seuil de signification, est utilisée pour prendre une décision et indique qu’un test statistique a été effectué.

📌 Une alternative bilatérale permet que l’un ou l’autre traitement soit meilleur, tandis qu’une alternative unilatérale ne considère qu’un sens de différence, par exemple que le nouveau médicament soit meilleur que le placebo.

  • Les moyennes observées des échantillons ne sont pas les moyennes de population que formulent les hypothèses.

  • Sous l’hypothèse nulle, la statistique T de Student est centrée sur 0 et possède une distribution en cloche qui donne davantage de poids aux extrêmes que la loi normale.

Astuce mémo

α fait rejeter H0 à tort ; β fait manquer une différence réelle.

6. Choix des tests de comparaison

★ À maîtriser

  • La résolution d’un test d’hypothèse suit ces étapes :
  • Le test T de Student compare les moyennes de deux échantillons et peut remplacer le test Z lorsqu’au moins un échantillon est petit, avec n < 30.

  • Le test F de Fisher-Snedecor compare les variances de deux séries quantitatives et vérifie l’égalité des variances requise par certains tests paramétriques comme le test T de Student.

  • Le test de Wilcoxon-Mann-Whitney compare deux séries d’une variable quantitative en utilisant les rangs des observations plutôt que leurs valeurs.

  • Le test T apparié compare deux séries quantitatives dont les observations sont liées par paires et exige que les différences soient normalement distribuées.

  • Le test de Wilcoxon pour séries appariées compare les rangs des différences non nulles classées selon leurs valeurs absolues, sans exiger de normalité des différences.

Compléments

📌 Le test F exige que les distributions des deux populations soient normales ; sous H0, le rapport de la variance la plus élevée à l’autre est proche de 1.

  • La distribution du F de Snedecor est dissymétrique et toujours positive.

  • Sous H0, le test de Wilcoxon-Mann-Whitney compare l’écart entre la somme des rangs d’une série et sa valeur attendue à son écart-type ; le rapport suit une loi Z normale centrée réduite.

  • Le test T apparié teste si les différences individuelles entre les observations appariées sont nulles et la moyenne des différences suit une loi T de Student à n-1 degrés de liberté lorsque ses conditions sont vérifiées.

📌 Le test de Wilcoxon pour séries appariées exige plus de 20 paires de différences non nulles et ne doit pas comporter trop d’ex æquo.

7. Corrélation, détermination et tests de liaison

Notions clés & Définitions

  • Corrélation : La corrélation mesure la présence et l’intensité d’une liaison entre deux variables quantitatives X et Y observées simultanément chez les mêmes sujets.
  • Coefficient de corrélation : Le coefficient de corrélation de population ρ décrit la relation entre X et Y dans toute la population, tandis que r est son estimateur calculé à partir d’un échantillon de taille n.
  • Coefficient de détermination : Le coefficient de détermination est le carré du coefficient de corrélation, soit r², et mesure la proportion de variabilité d’une variable expliquée par l’autre.

★ À maîtriser

📌 Un test de liaison examine l’indépendance de deux variables sous H0 ; rejeter H0 permet de conclure à l’existence d’une liaison entre elles.

📌 En corrélation, X et Y sont observées simultanément dans une étude observationnelle ; en régression, X est fixée par l’expérimentateur et Y est observée pour chaque valeur de X dans une étude expérimentale.

  • Le coefficient r mesure la relation linéaire entre X et Y et ne possède pas d’unité.

  • Le coefficient r est compris entre −1 et 1 ; une valeur hors de cet intervalle indique une erreur de calcul.

  • Un r positif indique une relation croissante, un r négatif une relation décroissante et un r proche de 0 l’absence de relation linéaire.

  • Le coefficient de détermination r² est compris entre 0 et 1.

  • Le test du coefficient de corrélation sert à tester l’existence d’une liaison entre deux variables quantitatives.

  • Sous l’hypothèse nulle, le coefficient de corrélation de la population est nul et le rapport de la différence entre r et 0 à son écart-type suit une loi t de Student.

📌 La p-valeur mesure le degré de signification du test, tandis que la valeur absolue de r mesure la force de l’association.

Compléments

  • La corrélation et la régression concernent deux variables quantitatives, tandis que les variables qualitatives sont étudiées au moyen d’une table de contingence ou de contage.

📌 La corrélation ne s’interprète que lorsque les deux variables sont aléatoires et ne sont pas contrôlées par l’expérimentateur.

  • Une corrélation est positive lorsque X et Y varient dans le même sens et négative lorsque leurs variations sont de sens opposés.

  • Un coefficient r égal à 1 correspond à une corrélation parfaite, dans laquelle X et Y sont les mêmes.

8. Régression linéaire

★ À maîtriser

  • En régression, X peut être fixée par l’expérimentateur et sert de variable explicative, tandis que Y est observée comme variable dépendante pour chaque valeur de X.

  • La régression sert à décrire la relation entre Y et X, à tester l’existence de cette relation et à estimer Y pour une valeur donnée de X.

  • La droite des moindres carrés est choisie en minimisant la somme des carrés des distances verticales entre les points observés et la droite.

  • Le test de la pente vérifie si la pente de la population est nulle ; sous H₀, le rapport de la différence b − 0 à son écart-type suit une loi t de Student.

  • Le test de corrélation traite X et Y symétriquement, tandis que le test de la pente étudie exclusivement Y en fonction de X.

  • En régression, une variable peut être fixée par l’expérimentateur, tandis qu’en corrélation les deux variables sont aléatoires et la régression peut être calculée dans les deux sens selon le contexte.

Compléments

  • Le contrôle de X permet d’élargir son domaine de valeurs, de le balayer et de réaliser davantage de mesures en certains points, comme dans une courbe dose-réponse.

  • La droite de régression passe par le point des moyennes de X et de Y, et les écarts verticaux des observations à cette droite sont les résidus.

📐 Formule - La pente de la droite de régression est le rapport de la covariance de X et Y à la variance de X : b=Cov⁡(X,Y)SX2b = \frac{\operatorname{Cov}(X,Y)}{S_X^2}.

📐 Formule - L’ordonnée à l’origine est calculée par b0=yˉ−bxˉb_0 = \bar{y} - b\bar{x}.

  • Pour b = 2,68 et b₀ = 12,3, la droite de régression est y = 12,3 + 2,68x ; une augmentation de dose d’une unité correspond à une hausse estimée de performance de 2,68.

📌 Le test de la pente s’applique à une relation linéaire de Y en fonction de X, avec une distribution normale et de variance constante de Y à chaque valeur de X, et des observations Y indépendantes.

  • Le coefficient r² mesure la part de la variabilité totale de Y attribuée à la régression et indique la qualité d’ajustement de la droite ; r² = 1 correspond à un ajustement parfait.

📐 Formule - L’intervalle de prédiction approximatif est Y±2Sy/xY \pm 2S_{y/x} et couvre 95 % des observations.

Astuce mémo

La pente décrit la variation de Y avec X ; les résidus représentent la variabilité restante

9. Courbes de survie, Kaplan-Meier et comparaisons

Notions clés & Définitions

  • Courbe de survie : La courbe de survie S(t) donne la probabilité de vivre au moins jusqu’au temps t, soit P(T > t).
  • Données censurées : Les données censurées concernent les sujets dont on ne connaît plus le statut vivant ou décédé, par exemple parce qu’ils sont perdus de vue ou que l’étude s’est terminée avant l’événement final.

★ À maîtriser

  • La courbe de survie vaut 1 au temps 0, est décroissante et tend vers 0 lorsque le temps tend vers l’infini.

📌 Pour un sujet censuré à t*, la durée exacte de survie est inconnue, mais on sait qu’elle dépasse t*, dernier temps où il a été vu vivant.

📌 La méthode de Kaplan-Meier est une méthode non paramétrique d’estimation de la courbe de survie et la plus utilisée parmi les méthodes présentées.

  • La méthode de Kaplan-Meier calcule la probabilité de survie aux temps où au moins un décès est enregistré, en multipliant la survie précédente par la probabilité de survie actuelle.

  • Sur un graphique de Kaplan-Meier, une barre verticale indique une censure, c’est-à-dire la perte de suivi d’un patient.

  • Dans une courbe de Kaplan-Meier, la survie estimée chute à chaque temps de décès, tandis qu’une censure ne provoque pas de chute.

📌 Le test du Log Rank compare deux courbes de Kaplan-Meier, tandis que le modèle de Cox permet de prendre en compte un ou plusieurs facteurs pouvant influencer la survie.

  • Le test du Log Rank est un test non paramétrique couramment utilisé pour comparer deux courbes de survie calculées par Kaplan-Meier.

📌 Pour le test du Log Rank, l’hypothèse nulle affirme que les deux courbes de survie ont des profils identiques, tandis que l’hypothèse alternative affirme qu’ils sont différents.

📌 La lecture horizontale d’une courbe compare les médianes de survie, tandis que la lecture verticale donne la probabilité de survie à un temps choisi.

Compléments

  • Une survie de 40 % à 2 ans signifie une probabilité de 40 % de vivre au moins 2 ans.

  • La période d’étude distingue la date de début de l’inclusion, la date de clôture des inclusions et la date de fin du suivi.

  • À 50 jours, la courbe de survie de l’exemple vaut 0,957.

  • Sous l’hypothèse nulle, la statistique du Log Rank suit une loi du chi carré à 1 degré de liberté, dont le seuil indiqué pour les 95 % des observations normales est 3,64.

Astuce mémo

Inclusion, observations, puis décès ou censure

10. Test du chi carré d’homogénéité

Notions clés & Définitions

  • Tableau de contingence : Tableau présentant des effectifs dans ses cases et les totaux des lignes et des colonnes dans ses marges.

★ À maîtriser

📌 Le test du chi carré d’homogénéité compare les distributions observées dans plusieurs échantillons, tandis que le test du chi carré d’indépendance étudie la liaison entre deux variables dans un même échantillon.

📐 Formule - Dans un tableau de contingence, l’effectif théorique de la case ij est Cij=njtiNC_{ij} = \frac{n_j t_i}{N}, soit le produit du total de la ligne et du total de la colonne divisé par le total général.

📌 Pour le test du chi carré, les effectifs théoriques de chaque case doivent être supérieurs ou égaux à 5 ; sinon, il faut regrouper des classes ou recourir au test exact de Fisher lorsque celui-ci est applicable.

Compléments

📌 Pour un test du chi carré, une statistique inférieure au seuil critique conduit à ne pas rejeter l’hypothèse nulle, tandis qu’une statistique égale ou supérieure au seuil conduit à la rejeter.

  • Dans un tableau de contingence à r lignes et k colonnes, le degré de liberté vaut (r−1)(k−1)(r-1)(k-1).

  • Dans l’exemple d’un tableau à 3 lignes et 3 colonnes, le degré de liberté vaut 4 et la valeur observée du chi carré est 12 ; le seuil à 5 % est 9,49, ce qui conduit au rejet de l’hypothèse nulle avec p < 0,02.

  • Le test du chi carré d’homogénéité s’applique à la comparaison des distributions d’une variable qualitative nominale à plusieurs classes entre plusieurs échantillons ; pour une variable binaire, il compare plusieurs pourcentages.

📌 Pour le test du chi carré à quatre cases comparant deux pourcentages, une statistique inférieure à 3,84 conduit à ne pas rejeter l’hypothèse nulle, tandis qu’une statistique égale ou supérieure à 3,84 conduit à la rejeter.

11. Tests exacts, appariement et liaison qualitative

Notions clés & Définitions

  • Séries appariées : Deux échantillons dont chaque individu de l’un est associé à un individu de l’autre, formant des paires.

★ À maîtriser

  • Le test exact de Fisher compare deux pourcentages en calculant, sous l’hypothèse nulle, la probabilité d’obtenir une configuration présentant un écart au moins aussi grand que celui observé ; si cette probabilité est inférieure à 5 %, l’hypothèse nulle d’égalité est rejetée.

  • Le test de McNemar compare deux pourcentages observés dans des échantillons appariés, constitués de paires concordantes ou discordantes.

  • Le test du chi carré d’indépendance teste l’indépendance entre deux variables qualitatives à plusieurs classes observées dans un même échantillon ; une statistique égale ou supérieure au seuil critique conduit à rejeter l’hypothèse nulle d’indépendance.

  • Le test du chi carré de tendance met en évidence l’évolution d’un pourcentage selon une variable ordinale ou quantitative discrète, sous réserve d’une liaison supposée linéaire.

Compléments

  • Le test exact de Fisher était proposé lorsque les effectifs théoriques étaient inférieurs à 5 ; sa probabilité p est exacte, contrairement à celle du chi carré, qui est une approximation.

  • Pour les paires du test de McNemar, les quatre configurations possibles sont ++, --, +- et -+, où + indique la présence du caractère et − son absence.

  • Dans la présentation du test de McNemar, f désigne le nombre de paires discordantes et g le nombre de paires concordantes.

📌 Lorsque les effectifs théoriques d’un test du chi carré d’indépendance sont inférieurs à 5, il faut regrouper certaines classes ou utiliser le test exact de Fisher si le tableau comporte quatre cases.

📌 Pour le test du chi carré de tendance, les effectifs théoriques doivent être supérieurs ou égaux à 5 ; si cette condition n’est pas satisfaite, certaines classes de la variable ordinale doivent être regroupées et représentées par leur valeur moyenne.

Astuce mémo

Fisher compare des groupes indépendants ; McNemar compare des paires appariées.

12. Choix des tests statistiques

★ À maîtriser

  • Pour comparer deux échantillons, les pourcentages de séries indépendantes peuvent être comparés par le χ² ou le test exact de Fisher, les pourcentages de séries appariées par McNemar et les distributions de séries indépendantes par le χ² d’homogénéité.

  • Pour tester une liaison, le χ² d’indépendance porte sur une distribution et le χ² de tendance sur un pourcentage.

  • Le test t de Student pour échantillons indépendants compare les moyennes de deux groupes indépendants si les distributions sont normales et si l’homogénéité des variances est vérifiée; en cas de variances inégales, le test de Welch est utilisé.

  • Le test t apparié compare deux mesures liées lorsque la variable des différences suit une distribution normale; l’hypothèse nulle pose une différence moyenne égale à zéro.

  • Le test de Mann-Whitney compare deux groupes indépendants lorsque la normalité n’est pas respectée, tandis que le test des rangs signés de Wilcoxon s’applique à deux mesures appariées non normales.

  • L’ANOVA à un facteur compare plusieurs moyennes pour des groupes indépendants; les comparaisons de Tukey permettent ensuite de repérer les groupes qui diffèrent.

  • Pour un test du χ² sur un tableau de contingence, les fréquences attendues doivent être d’au moins cinq; si cette condition n’est pas remplie, le test exact de Fisher est indiqué.

  • La corrélation étudie la liaison entre deux variables observées simultanément, tandis que la régression linéaire modélise une variable dépendante Y en fonction d’une variable indépendante X.

Compléments

📌 Le test de Kruskal-Wallis compare plusieurs groupes indépendants lorsque les données ne sont pas normales; une correction de Bonferroni peut servir aux comparaisons entre groupes.

  • Le test de McNemar compare une variable qualitative binaire mesurée deux fois dans la même population, par exemple avant et après une intervention.

  • Kaplan-Meier décrit une durée accompagnée d’un indicateur d’événement ou de censure, et le test du log-rank compare des courbes de survie.

Astuce mémo

Groupes indépendants ≠ mesures appariées

13. ANOVA, comparaisons multiples et Kruskal-Wallis

★ À maîtriser

  • L’ANOVA, aussi appelée test F ou test de Fisher-Snedecor, compare la distribution d’une variable quantitative entre plusieurs populations distinctes, généralement en comparant leurs moyennes.

  • L’hypothèse nulle de l’ANOVA affirme que les moyennes sont identiques, tandis que l’hypothèse alternative bilatérale affirme qu’elles diffèrent.

  • L’ANOVA suppose que les distributions des populations sont normales et de même variance.

  • Après un résultat significatif à l’ANOVA, des comparaisons deux à deux servent à déterminer quels groupes diffèrent.

📌 Le test de Kruskal-Wallis compare les rangs moyens des séries plutôt que les valeurs brutes et constitue une solution non paramétrique pour comparer plusieurs échantillons.

Compléments

  • L’ANOVA évalue la variabilité entre les moyennes relativement à la variabilité à l’intérieur des populations.

  • Sous l’hypothèse nulle, la statistique F est proche de 1 et suit une loi de Fisher-Snedecor à c−1 et n−c degrés de liberté.

  • Dans l’exemple présenté, une statistique F de 12,67 à 2 et 33 degrés de liberté correspond à une p-valeur inférieure à 0,001 et conduit au rejet de l’hypothèse nulle d’égalité des trois moyennes.

  • Les tailles des groupes comparés par ANOVA peuvent être différentes, et les observations doivent être indépendantes entre les groupes.

📌 La correction de Bonferroni ajuste le seuil de chaque comparaison au niveau α = 0,05 divisé par le nombre de comparaisons; pour trois échantillons comparés deux à deux, les trois comparaisons donnent un seuil arrondi de 0,017.

  • Avec la méthode de Scheffé, on calcule les différences entre les moyennes de chaque paire et on les compare à un seuil critique au moyen d’intervalles de confiance simultanés.

  • L’homogénéité des variances peut être vérifiée par le test de Fisher lorsque c = 2 et par le test de Bartlett lorsque c > 2.

📌 Le test de Kruskal-Wallis exige des effectifs supérieurs à 10 dans chaque échantillon et peu d’ex æquo, mais ne requiert ni normalité ni égalité des variances.

  • Sous l’hypothèse nulle, la statistique de Kruskal-Wallis suit une loi du χ² à c−1 degrés de liberté.

Astuce mémo

Le rouge entre les moyennes face au bleu à l’intérieur des groupes

14. Transformations des variables quantitatives

★ À maîtriser

📌 La transformation logarithmique est utilisée pour atténuer les valeurs extrêmes d’une distribution dissymétrique à droite, fréquente pour les durées de vie, les comptages et les concentrations.

Compléments

📌 Les transformations linéaires x′ = ax ou x′ = x + b facilitent la manipulation de valeurs, mais ne normalisent pas la distribution.

  • Pour appliquer la transformation logarithmique, on calcule yᵢ = ln(xᵢ) pour chaque observation, on forme l’échantillon transformé et on effectue les calculs sur ses valeurs.

📌 La transformation logarithmique ne s’applique qu’à des valeurs positives.

Astuce mémo

Une longue queue à droite se tasse sous l’effet du logarithme

15. Essai COREA-TAXUS, événements et méthodes statistiques

Notions clés & Définitions

  • Infarctus du myocarde : L’infarctus du myocarde était défini par la présence d’au moins deux des éléments suivants : symptômes ischémiques, CK-MB au moins deux fois supérieure à la limite normale supérieure, et nouvelles modifications électrocardiographiques compatibles avec un infarctus.
  • Infarctus périprocédural : L’infarctus périprocédural était défini par une concentration de CK-MB supérieure à trois fois la limite normale supérieure.
  • Revascularisation cliniquement motivée de la lésion cible : 16 - La revascularisation cliniquement motivée de la lésion cible était définie comme une revascularisation d’une lésion présentant une sténose de 50–70 % associée à des symptômes ischémiques, à des signes objectifs, ou aux deux, ou d’une lésion présentant une sténose d’au moins 70 %, même sans symptômes ni signes ischémiques.
  • Perte luminale tardive : La différence entre le diamètre luminal minimal après l’intervention et celui mesuré au suivi de six mois.

★ À maîtriser

  • L’essai COREA-TAXUS est un essai randomisé ouvert mené dans deux centres sud-coréens pour évaluer le célécoxib après implantation d’un stent coronaire à élution de paclitaxel.

  • Les patients recevaient tous de l’aspirine à 100 mg par jour et du clopidogrel à 75 mg par jour; dans le groupe célécoxib, la dose était de 400 mg avant l’intervention puis de 200 mg deux fois par jour pendant six mois.

  • Le critère principal était la perte luminale tardive intrastent mesurée par angiographie coronaire quantitative à six mois; les critères secondaires étaient le décès cardiaque, l’infarctus du myocarde et la revascularisation de la lésion cible.

Compléments

  • L’étude a recruté 274 patients entre septembre 2004 et mars 2006; 136 ont été assignés au célécoxib et les autres au groupe témoin.

📌 Les patients éligibles avaient entre 18 et 75 ans, une angine de poitrine ou un test d’effort positif, et une lésion d’artère coronaire native pouvant être traitée par implantation d’un stent à élution de paclitaxel.

📌 La resténose était définie par une sténose supérieure à 50 % de la lésion cible à l’angiographie de suivi.

  • Les concentrations sériques de CK-MB étaient mesurées 4 h et 8 h après l’implantation du stent, puis de nouveau chez les patients dont les concentrations étaient élevées.

  • Le calcul de puissance reposait sur une perte luminale tardive intrastent estimée à 0,30 mm (écart-type 0,46) avec un stent à élution de paclitaxel, d’après les essais TAXUS I, II et IV. - TAXUS I, II, and IV

  • L’essai visait une puissance de 80 % pour détecter une réduction attendue de 50 % de la perte tardive après implantation d’un stent à élution de paclitaxel avec célécoxib, avec un α bilatéral de 0,05.

  • Il fallait 208 patients pour détecter la différence attendue; en prévoyant un suivi angiographique de 80 %, les chercheurs ont prévu d’en recruter 260, puis ont porté l’effectif prévu à 274 pour tenir compte d’un suivi angiographique inférieur à 80 %.

  • Les analyses ont été réalisées selon une approche en intention de traiter modifiée; les variables continues ont été comparées par test t de Student et les variables catégorielles par test du χ² ou test exact de Fisher, selon le cas.

  • Le test de Mann-Whitney a servi à comparer les données non normalement distribuées, l’ANOVA à mesures répétées avec correction de Bonferroni à comparer les changements angiographiques sériels, et la méthode de Kaplan-Meier avec test du log-rank à analyser la survie sans événement; p<0,05 était considéré comme statistiquement significatif.

16. Résultats cliniques et interprétation du célécoxib

★ À maîtriser

  • À six mois, la perte luminale tardive intrastent était inférieure de 0,26 mm dans le groupe célécoxib, soit une réduction relative de 35 % (IC à 95 % : 0,12–0,40; p<0,0001).

  • À six mois, la resténose binaire était moins fréquente sous célécoxib que sous traitement témoin, tant dans le stent (11 % contre 24 %, p=0,007) que dans le segment (13 % contre 30 %, p=0,001).

  • Dans les six mois suivant l’implantation, les événements cardiaques indésirables majeurs sont survenus chez 7 patients (5 %) sous célécoxib et 22 (16 %) sous traitement témoin (risque relatif 0,34; IC à 95 % : 0,15–0,76; p=0,005), principalement en raison d’un recours moins fréquent à la revascularisation de la lésion cible.

  • Les auteurs ont rapporté une réduction relative de 66 % du risque d’événements cardiaques indésirables majeurs sous célécoxib, principalement liée à la diminution des revascularisations de la lésion cible, sans différence de décès cardiaque ni d’infarctus du myocarde entre les groupes.

📌 Les auteurs déconseillent de recommander le célécoxib sur la seule base de cet essai; une recommandation nécessiterait des études en double aveugle dans une population beaucoup plus grande et avec un suivi à long terme.

Compléments

  • L’analyse en intention de traiter modifiée a porté sur 267 patients; l’infarctus périprocédural est survenu chez 20 patients du groupe témoin (15 %) et 18 du groupe célécoxib (14 %), sans différence significative (p=0,85).

  • La perte luminale tardive intrasegment était de 0,56 mm dans le groupe témoin et de 0,33 mm dans le groupe célécoxib (p=0,001).

  • La revascularisation cliniquement motivée de la lésion cible a concerné 6 patients (5 %) sous célécoxib et 16 (12 %) sous traitement témoin (risque relatif 0,40; p=0,036).

  • Pendant le suivi moyen de 18,3 mois (écart-type 6,2), la survie sans infarctus du myocarde ni revascularisation de la lésion cible était supérieure dans le groupe célécoxib; après six mois, les événements étaient des revascularisations, sauf un décès non cardiaque dans le groupe témoin.

  • Les mécanismes possibles de l’effet du célécoxib sur l’hyperplasie néointimale comprennent ses effets antiprolifératifs et proapoptotiques, ainsi qu’une possible réduction de l’inflammation.

  • Dans l’essai, le célécoxib n’a pas réduit les concentrations de hs-CRP, sauf pendant les 24 h suivant l’implantation du stent chez les patients sans syndrome coronarien aigu.

  • Les résultats du célécoxib ne doivent pas être extrapolés aux autres inhibiteurs de COX-2, car des travaux cités rapportaient que le célécoxib, contrairement au rofécoxib, inhibait la prolifération des cellules vasculaires.

Astuce mémo

Réduction de l’hyperplasie néointimale → diminution de la perte luminale tardive

17. Sécurité cardiovasculaire du célécoxib

★ À maîtriser

  • Dans l’analyse de sécurité cardiovasculaire de l’essai Adenoma Prevention with Celecoxib, le risque d’événements cardiovasculaires était 2,6 fois plus élevé sous célécoxib que sous placebo. - Adenoma Prevention with Celecoxib trial, 30

  • De grandes méta-analyses ont rapporté que le célécoxib, contrairement au rofécoxib, n’augmentait pas le risque d’événements cardiovasculaires. - Graham DJ, Campen D, Hui R, et al., Risk of acute myocardial infarction and sudden cardiac death in patients treated with cyclo-oxygenase 2 selective and non-selective non-steroidal, 2005

  • Un traitement par célécoxib pendant 6 mois avec une double thérapie antiplaquettaire ne semble pas augmenter le risque d’événements cardiaques indésirables à moyen terme, mais le suivi de l’étude est trop court pour conclure sur une administration de plusieurs années.

Compléments

  • Le célécoxib est moins sélectif pour la COX-2 que le rofécoxib, ce qui pourrait réduire l’excès relatif théorique de thromboxane A₂ non contrebalancé.

  • Le célécoxib n’inhibe pas l’activité antiplaquettaire de l’aspirine et n’a pas augmenté le risque cardiovasculaire chez les patients prenant de l’aspirine dans les essais Adenoma Prevention with Celecoxib et Prevention of Spontaneous Adenomatous Polyps. - Adenoma Prevention with Celecoxib trial, 30

  • Borgdorff et ses collègues ont rapporté que le clopidogrel à faible dose pouvait prévenir l’augmentation de l’agrégation plaquettaire induite par les inhibiteurs de la COX-2 en présence d’une sténose artérielle. - Borgdorff and colleagues, 34

  • L’essai était ouvert et non contrôlé par placebo en double aveugle, la coronarographie quantitative a été réalisée dans plusieurs laboratoires et la croissance néo-intimale après le suivi angiographique à 6 mois n’a pas été évaluée.

  • Malgré l’absence d’évaluation angiographique de la croissance néo-intimale après 6 mois, la différence de survie sans événement entre les groupes célécoxib et témoin, principalement liée aux revascularisations de la lésion cible, s’est maintenue pendant le suivi.

Astuce mémo

Le signal de risque de l’essai APC contraste avec les méta-analyses et les résultats sous aspirine.

18. Comparaison de la pression artérielle selon le sexe

★ À maîtriser

  • Pour comparer le pourcentage de femmes présentant une pression artérielle systolique (PAS) normale selon le sexe dans Rcmdr, il faut convertir la variable numérique Sexe en facteur, puis représenter SEXE_FACT en barres par groupe de PAS_CAT avec les pourcentages.

Compléments

  • Le graphique indique que 47 % des femmes ont une PAS normale, contre 52 % des hommes.

19. Classes de PAD, IMC et comparaisons entre groupes

★ À maîtriser

  • La PAD a été découpée en trois classes de même effectif visé : de 6 à 70 mmHg, de 70 à 87 mmHg et de 87 à 198 mmHg.
  • Les effectifs des trois classes de PAD sont respectivement de 181 sujets (36,2 %), 156 sujets (31,2 %) et 163 sujets (32,6 %).

  • Les moyennes et médianes de l’IMC augmentent avec les classes de PAD : moyenne de 25,480 et médiane de 24,632 pour PAD ≤ 70 mmHg, moyenne de 26,473 et médiane de 25,945 pour PAD de 70 à 87 mmHg, puis moyenne de 28,006 et médiane de 27,457 pour PAD > 87 mmHg.

  • Le test de Shapiro-Wilk appliqué à l’IMC donne W = 0,97957 et p = 0,0000000001802 ; selon le seuil indiqué de p < 0,0001, H0 est rejetée.

  • Pour les sujets dont la PAD est supérieure à 87 mmHg, l’IMC moyen est de 28 ± 5,6 kg/m2.

📌 Une variable jugée normalement distribuée se résume par la moyenne et l’écart-type, tandis qu’une variable non normalement distribuée se résume par la médiane et l’écart interquartile.

  • Le graphe des moyennes montre que le groupe PAD > 87 mmHg a une moyenne d’IMC supérieure à celle des autres groupes.

  • Le pourcentage de sujets ayant un antécédent d’infarctus du myocarde varie selon la catégorie de PAD.

Compléments

  • Pour représenter une distribution de pourcentages dont une classe dépasse 35 %, l’échelle verticale du graphe en barres peut être réglée de 0 à 100 avec l’option ylim = c (0,100).

  • Pour l’IMC, la moyenne est de 26,613 et la médiane de 25,945.

  • L’histogramme de l’IMC est plutôt symétrique et semble s’ajuster à la courbe normale, tandis que les points du QQ-plot sont relativement alignés.

  • Le boxplot montre que la médiane d’IMC du groupe PAD > 87 mmHg est supérieure à celle des autres groupes.

  • Dans un graphe des moyennes, les points représentent les moyennes des groupes et les lignes pointillées représentent les axes de moyennes.

  • Dans un boxplot, les lignes pleines représentent les médianes des groupes.

Astuce mémo

Moyenne-médiane → histogramme → QQ-plot → Shapiro-Wilk → conclusion

20. Recodage et résumé des variables

★ À maîtriser

  • La PAS est catégorisée en « Normale » pour PAS < 140 mmHg, « Élevée » pour 140 mmHg ≤ PAS < 180 mmHg et « Très élevée » pour PAS ≥ 180 mmHg.

  • Les catégories de PAS comptent 230 sujets (46 %) en catégorie normale, 200 (40 %) en catégorie élevée et 70 (14 %) en catégorie très élevée.

  • Les variables PAS_CAT2, PAD_CAT2, Sexe_CAT2 et MI_CAT2 sont qualitatives, tandis que PAS et PAD sont quantitatives.

Compléments

  • Le découpage de la PAD en deux classes de même effectif produit les intervalles de 6 à 79 mmHg et de 79 à 198 mmHg, avec respectivement 252 sujets (50,4 %) et 248 sujets (49,6 %).

  • Les fréquences de MI_CAT2 sont de 171 sujets (34,2 %) pour « Oui » et 329 (65,8 %) pour « Non », et celles de Sexe_CAT2 sont de 300 hommes (60 %) et 200 femmes (40 %).

  • Les fréquences de PAD_CAT2 sont de 252 sujets (50,4 %) dans la classe 6–79 mmHg et de 248 (49,6 %) dans la classe 79–198 mmHg.

  • Les histogrammes de PAS et de PAD sont assez symétriques, et les points de leurs deux QQ-plots sont assez bien alignés.

  • Les tests de Shapiro-Wilk donnent W = 0,98987 et p = 0,0016 pour la PAS, ainsi que W = 0,98252 et p = 0,0000103 pour la PAD.

  • Le cours conclut que la PAS moyenne est de 145 ± 32 mmHg et que la PAD moyenne est de 78 ± 21,5 mmHg.

21. Régression linéaire et choix des corrélations

★ À maîtriser

📌 En régression, la variable expliquée est la réponse Y et la variable fixée ou explicative est X ; dans une relation « Y en fonction de X », X est la variable explicative.

  • Pour étudier une régression linéaire, on examine d’abord le nuage de points avec une ligne des moindres carrés, puis on ajuste le modèle pour obtenir son équation et enfin on l’utilise pour prédire une valeur.

  • Pour choisir un test de corrélation, on examine la forme de la relation et la normalité des variables, notamment avec les statistiques descriptives, les histogrammes, les QQ-plots et le test de Shapiro-Wilk ; on utilise Pearson lorsque la normalité est vérifiée et Spearman lorsque les variables ne sont pas normales ou qu’une variable est ordinale.

📌 Pour le test de Shapiro-Wilk, une valeur p inférieure à 0.05 conduit à rejeter l’hypothèse nulle de normalité ; l’interprétation doit rester cohérente avec les vérifications descriptives et graphiques.

📌 Une variable qualitative ordinale à quatre niveaux justifie l’emploi direct du test de Spearman, sans étape préalable de nuage de points ni vérification de la normalité.

Compléments

📐 Formule - L’équation d’une droite de régression s’écrit y=intercept+coefficient×xy = \text{intercept} + \text{coefficient} \times x.

  • Pour prédire le taux de phosphatases alcalines à 45 ans, l’équation ajustée est Alka=2460.693−9.557×Age\text{Alka} = 2460.693 - 9.557 \times \text{Age} et la valeur prédite est 2030.623.

  • Dans l’exemple du taux de phosphatases alcalines en fonction de l’âge, le coefficient de détermination est R² = 0.002232, soit 0.22 % de variabilité expliquée par l’âge.

  • Dans l’exemple des triglycérides en fonction du SGOT, la droite ajustée est \text{Triglycérides} = 106.727 + 0.145 \times \text{SGOT et le coefficient de détermination est R² = 0.01591, soit 1.59 % de variabilité expliquée par le SGOT.

  • Pour le cholestérol et les phosphatases alcalines, le test de Shapiro-Wilk donne p < 0.0001 pour les deux variables, et les histogrammes sont dissymétriques, les moyennes et médianes éloignées et les points des QQ-plots non alignés.

  • Pour le cholestérol et les phosphatases alcalines, le coefficient de Spearman vaut 0.4329861 et p = 2.091e-14 : l’association est croissante et statistiquement significative, mais son carré, égal à 0.187477, indique que 18.7 % de la variabilité des rangs des phosphatases alcalines est expliquée par une régression linéaire sur les rangs du cholestérol, et non que 18.7 % de la variabilité des taux eux-mêmes est expliquée.

  • Pour les triglycérides et le stade histologique, le coefficient de Spearman vaut 0.1007086 et p = 0.09142 ; l’association n’est pas statistiquement significative au seuil de 0.05, donc R² n’est pas calculé.

  • Pour les plaquettes et l’albumine, le test de Pearson donne r = 0.2043636 et p = 0.000306, indiquant une association croissante statistiquement significative, tandis que R² = 0.04176448 correspond à 4.17 % de variabilité expliquée.

Astuce mémo

Deux variables normales : Pearson ; normalité non vérifiée ou variable ordinale : Spearman

22. Survie globale selon le sexe et le BMI

Notions clés & Définitions

  • Médiane de survie : Le temps auquel 50 % des sujets ont subi l’événement et 50 % sont encore vivants ; dans l’exemple, elle vaut 1627 jours.

★ À maîtriser

  • Les colonnes principales de la table de Kaplan-Meier indiquent :

    • time : les temps auxquels surviennent les événements
    • n.risk : le nombre d’individus à risque
    • n.event : le nombre d’événements
    • survival : la probabilité de survie
  • Dans l’exemple du temps de survie global, les 25e, 50e et 75e percentiles sont respectivement 296, 1627 et 2353 jours ; la médiane de survie est donc de 1627 jours.

  • Les médianes de survie globale sont de 2160 jours chez les hommes et de 1317 jours chez les femmes, tandis que les courbes observées montrent une meilleure survie chez les hommes.

  • Le test du LogRank compare l’hypothèse nulle de courbes similaires à l’hypothèse alternative de courbes différentes; pour le sexe, p = 0.005 conduit à rejeter l’hypothèse nulle et à conclure à une différence significative.

  • Les catégories de BMI sont définies ainsi :

    • IMC inférieur à 25 kg/m² = « Sous-poids »
    • IMC de 25 à 29,999 = « Normal »
    • IMC à partir de 30 = « Surpoids »

📌 Une quantile de survie affichée comme NA signifie que la courbe ne descend pas jusqu’à cette valeur, de sorte que le quantile correspondant n’est pas déterminable.

  • Pour le BMI, le test du LogRank donne p = 5.28e-10, ce qui conduit à rejeter l’hypothèse de courbes similaires et à conclure que les courbes de survie globale diffèrent significativement selon le BMI.

Compléments

  • Une courbe de survie commence au temps 0 avec une probabilité de survie de 1 ; dans l’exemple, elle finit par retomber à 0 lorsque tous les patients restants sont décédés.

  • Pour comparer la survie selon le sexe, la variable numérique Sexe est convertie en facteur SEXE_FACT, avec les niveaux 0 = Homme et 1 = Femme, puis l’estimation de survie est stratifiée selon ce facteur.

  • Pour comparer les courbes de survie globale selon le sexe, l’analyse de Kaplan-Meier utilise Temps_global, Censure_global et Sexe_fact comme strate.

  • Pour annoter le graphique de survie selon le sexe, on ajoute à plot les axes « Temps de survie (jours) » et « Probabilité de survie », puis on adapte la légende aux catégories Homme et Femme avec le titre « Sexe ».

  • Les médianes de survie globale sont de 646 jours pour les personnes de catégorie « Sous-poids », non atteinte pour « Normal » et de 2350 jours pour « Surpoids ».

23. Survie durant l’hospitalisation

★ À maîtriser

  • Le temps de survie médian durant l’hospitalisation n’est pas atteint : le quantile 25 vaut 22 jours, tandis que les quantiles 50 et 75 sont notés NA.

  • Le test du LogRank comparant la survie hospitalière selon MI_FACT donne p = 0.5; l’hypothèse nulle de courbes similaires n’est donc pas rejetée au seuil de 0,05.

  • Pour le BMI, le test du LogRank donne p = 0.04, ce qui indique une différence significative entre les courbes de survie hospitalière; le surpoids n’est pas associé à une durée de survie plus faible et la conclusion rapportée est inverse.

Compléments

  • La courbe de survie durant l’hospitalisation cesse de diminuer après 22 jours, dernier événement observé; les patients encore suivis ont vécu plus longtemps, mais leur durée exacte n’est pas connue.

  • Les médianes de survie hospitalière sont de 22 jours chez les patients avec antécédent d’infarctus du myocarde et non atteintes chez ceux sans antécédent.

  • Pour comparer la survie hospitalière selon le BMI, les catégories sont :

    • IMC inférieur à 25 kg/m² = « Sous-poids »
    • IMC de 25 à 29,999 = « Normal »
    • IMC à partir de 30 = « Surpoids »
  • Pour comparer les courbes de survie hospitalière selon le BMI, l’analyse de Kaplan-Meier utilise Temps_hospi, Censure_hospi et IMC_CAT comme strate.

24. Classes d’âge et association avec l’infarctus

★ À maîtriser

  • Pour tester l’association entre les antécédents d’infarctus du myocarde (MI_FACT) et les classes d’âge (Age_CLASS), réaliser un tri croisé avec MI_FACT en ligne, Age_CLASS en colonne, les pourcentages par colonne, le chi-deux d’indépendance et le test exact de Fisher, puis examiner les alertes et les résultats.

  • Dans l’exemple, les antécédents d’infarctus sont plus fréquents chez les sujets âgés de 72 à 104 ans (42 %) que chez ceux âgés de 30 à 72 ans (26,8 %), avec p = 0,00037.

Compléments

  • Pour créer deux classes d’âge de même effectif dans Rcmdr, on découpe la variable Age en deux classes, on nomme la nouvelle variable Age_CLASS et on choisit la méthode « classes de même effectif ».

  • Pour préparer la variable d’antécédent d’infarctus du myocarde à un tri croisé, on convertit MI en facteur MI_FACT et on code 0 = Non et 1 = Oui.

  • Pour préparer le tri croisé de l’exercice, on place MI_FACT en ligne et Age_CLASS en colonne dans l’outil de table de contingence et tri croisé.

25. Catégories de PAS et tests de proportions

★ À maîtriser

  • Pour comparer les proportions de catégories de pression artérielle systolique (PAS) entre hommes et femmes, catégoriser la PAS, convertir le sexe en facteur, puis réaliser un tri croisé avec les pourcentages par colonne et les tests du chi-deux d’indépendance et exact de Fisher.

  • Le chi-deux d’indépendance et le test exact de Fisher concernent des groupes indépendants, tandis que le test de McNemar s’applique à des données appariées recueillies sur une même population à deux temps.

  • Lorsque les conditions d’application du chi-deux ne sont pas respectées, il faut interpréter la p-valeur du test exact de Fisher.

Compléments

  • Les trois catégories de PAS sont « Normale » pour PAS < 140 mmHg, « Élevée » pour 140 mmHg ≤ PAS < 180 mmHg et « Très élevée » pour PAS ≥ 180 mmHg.

  • Dans l’exemple, la répartition des catégories de PAS ne diffère pas significativement selon le sexe (p = 0,060).

  • Pour étudier l’association entre la prise d’antihypertenseurs à T0 et une PAS élevée à T0, le tri croisé montre une prise significativement plus fréquente lorsque la PAS est élevée (p = 0,032).

  • Pour comparer une variable catégorielle mesurée aux temps T0 et T2 chez les mêmes patients, effectuer d’abord le tri croisé, puis lancer manuellement la commande mcnemar.test sur les deux variables appariées.

  • Dans l’exemple des antihypertenseurs, la prise est significativement plus élevée à T2 qu’à T0 (53,5 % contre 45,9 % ; p < 0,0001).

  • Dans l’exemple de la PAS, la proportion de sujets ayant une PAS élevée est plus importante à T0 qu’à T1 (59,1 % contre 48,6 % ; p < 0,0001).

26. Comparaison de deux groupes indépendants

★ À maîtriser

📌 Pour comparer une variable quantitative entre deux groupes indépendants, le choix se fait entre le test t de Student, le test t de Welch et le test de Mann-Whitney selon la normalité et l’homogénéité des variances.

  • Pour comparer les taux d’albumine entre patients vivants et décédés, examiner les moyennes et médianes, les histogrammes et les QQ-plots par groupe, puis effectuer le test de Shapiro-Wilk et le test d’homogénéité des variances avant de choisir le test de comparaison.

📌 Si le test d’homogénéité des variances est significatif, l’hypothèse d’égalité des variances est rejetée et le test t de Welch est utilisé plutôt que le test t de Student à variances égales.

Compléments

  • Pour l’albumine, les tests de Shapiro-Wilk donnent p = 0,1001 chez les patients décédés et p = 0,7613 chez les patients vivants ; les deux résultats sont supérieurs à 0,05.

  • Le test d’homogénéité des variances de l’albumine donne p = 0,00001789, ce qui conduit à rejeter l’homogénéité et à choisir le test t de Welch.

  • Le test t de Welch montre que le taux moyen d’albumine diffère significativement entre les patients vivants (3,626364) et décédés (3,360880), avec p = 0,0000002046.

Astuce mémo

Normalité, variances, puis choix du test.

27. Âge selon l’œdème, normalité et variances

★ À maîtriser

  • Au test de Shapiro-Wilk de l’âge, les p-valeurs sont de 0.07908 sans œdème, 0.3381 pour un œdème sans diurétiques ou résolu et 0.6546 malgré les diurétiques ; elles sont toutes supérieures à 0.05, donc la normalité n’est pas rejetée dans les trois groupes.

  • Le test de Bartlett appliqué à l’âge donne p = 0.4111, ce qui ne conduit pas à rejeter l’hypothèse d’homogénéité des variances entre les trois groupes.

  • Les conditions de normalité et d’homogénéité des variances étant satisfaites, une ANOVA à un facteur compare les moyennes d’âge des trois groupes d’œdème.

Compléments

  • Pour comparer l’âge entre les trois groupes de statut œdémateux, la variable Edema est convertie en facteur avec les niveaux 0 = pas d’œdème, 0,5 = œdème sans diurétiques ou résolu, et 1 = œdème malgré les diurétiques.

  • Pour comparer l’âge entre les trois groupes d’œdème, les moyennes et médianes sont proches : sans œdème, 49.02196 et 48.8542 ; œdème sans diurétiques ou résolu, 54.38721 et 53.5715 ; œdème malgré diurétiques, 56.79630 et 56.7091.

  • Les histogrammes de l’âge dans les trois groupes sont assez symétriques et les points des QQ plots sont relativement alignés sur la droite.

  • L’ANOVA de l’âge donne p = 0.000375 et les comparaisons de Tukey donnent p = 0.02184 sans œdème contre œdème sans diurétiques ou résolu, p = 0.69399 entre les deux groupes avec œdème, et p = 0.00344 sans œdème contre œdème malgré diurétiques.

28. Triglycérides selon traitement et statut œdémateux

★ À maîtriser

  • Le test de Shapiro-Wilk rejette la normalité des triglycérides dans les deux groupes : p = 7.922e-14 sous D-Penicillamine et p = 0.000000002705 sous placebo.

📌 Lorsque la normalité est infirmée, le cours passe directement au test de Mann-Whitney sans réaliser le test d’homogénéité des variances.

  • Le test de Mann-Whitney bilatéral compare les triglycérides entre les groupes de traitement et donne p = 0.3702, sans différence statistiquement significative au seuil de 0.05.

  • Le test de Shapiro-Wilk donne p = 6.571e-13 sans œdème, p = 0.000006384 pour un œdème sans diurétiques ou résolu, et p = 0.5296 malgré les diurétiques ; la normalité est rejetée dans deux groupes.

📌 Lorsque la normalité est infirmée dans au moins un groupe, le cours passe directement au test de Kruskal-Wallis sans réaliser le test d’homogénéité des variances.

  • Le test de Kruskal-Wallis appliqué aux triglycérides des trois groupes d’œdème donne p = 0.6919, sans différence statistiquement significative au seuil de 0.05.

Compléments

  • Pour les triglycérides selon le traitement, les moyennes et médianes sont éloignées : 125.2517 et 113 pour le placebo, et 124.1367 et 106 pour la D-Penicillamine.

  • Pour les triglycérides dans les groupes placebo et D-Penicillamine, les histogrammes sont non symétriques et les points des QQ plots ne sont pas alignés sur la droite.

  • Pour les triglycérides selon le niveau d’œdème, les moyennes et médianes sont de 121.5105 et 108 sans œdème, 151.8846 et 111.5 pour un œdème sans diurétiques ou résolu, et 128.0000 et 125 malgré les diurétiques.

  • Les histogrammes des triglycérides selon le niveau d’œdème sont asymétriques et les points des QQ plots ne sont pas alignés sur la droite.

Astuce mémo

Moyennes-médianes éloignées, histogrammes asymétriques et QQ plots non alignés signalent la non-normalité.

29. Comparaisons appariées de bilirubine et stade histologique

★ À maîtriser

  • Le test de Shapiro-Wilk de Diff_bili donne W = 0.62472 et p < 2.2e-16, ce qui conduit à rejeter l’hypothèse de normalité.

📌 Pour comparer deux mesures appariées lorsque la différence ne suit pas une distribution normale, le cours utilise le test des rangs signés de Wilcoxon apparié.

  • Le test des rangs signés de Wilcoxon comparant bili1 et bili3 donne p = 0.005109 ; au seuil de 0.05, l’hypothèse nulle est rejetée.

📌 Pour comparer une variable quantitative mesurée chez les mêmes patients à deux visites, on utilise le test t de Student apparié ou le test de Wilcoxon apparié selon les conditions de normalité.

  • Le stade histologique, variable ordinale, se compare entre deux visites appariées au moyen du test de Wilcoxon apparié.

Compléments

  • Pour comparer la bilirubine entre la première et la dernière visite chez les mêmes patients, on calcule Diff_bili = bili3 − bili1.

  • La différence de bilirubine Diff_bili a une moyenne de 0.730888 et une médiane de 0.

  • L’histogramme de Diff_bili est asymétrique et les points du QQ plot ne sont pas alignés sur la droite.

  • Pour le taux de bilirubine entre les visites 1 et 3, le test de Wilcoxon apparié donne p = 0.005109 et indique une variation significative, avec une moyenne plus élevée à la dernière visite (3.447876 contre 3.216346).

  • Pour l’albumine entre les visites 1 et 2, le test t apparié donne p = 0.3019 ; aucune évolution significative n’est mise en évidence.

  • Pour le cholestérol, les tests de Wilcoxon appariés donnent p = 0.06491 entre les visites 1 et 2 et p = 0.6353 entre les visites 2 et 3 ; aucune variation significative n’est mise en évidence.

  • Entre les visites 1 et 3, le test de Wilcoxon donne p = 0.0000000101 et montre une variation significative du stade histologique, plus avancé à la dernière visite.

Astuce mémo

Différence, normalité, puis Wilcoxon apparié.

30. Comparaison de proportions appariées

★ À maîtriser

📌 Pour comparer une variable qualitative binaire mesurée chez les mêmes sujets à deux moments, le test adapté est le test de McNemar.

Compléments

  • Pour l’hépatomégalie entre les visites 1 et 2, le test de McNemar donne p = 0.6936 et ne met pas en évidence d’augmentation significative ; les proportions sont de 9.5 % à la visite 1 et de 11 % à la visite 2.

  • Pour appliquer McNemar dans Rcmdr, convertir les variables binaires numériques en facteurs avec leurs niveaux, puis saisir et exécuter manuellement la commande de test.

31. Corrélation avec un stade ordinal

★ À maîtriser

📌 Pour étudier l’association entre une variable quantitative continue et une variable qualitative ordinale, le cours recommande la corrélation non paramétrique de Spearman sans vérifier la normalité ni tracer de nuage de points.

Compléments

  • À la première visite, la corrélation entre l’albumine et le stade histologique est négative (r = -0.3503877, p = 1.925e-10), indiquant que le taux d’albumine diminue lorsque le stade augmente.

  • Le carré du coefficient de corrélation est présenté comme indiquant que 12.2 % de la variabilité du taux d’albumine est expliquée par sa relation avec le stade histologique.

32. Évolution des plaquettes selon les visites et le sexe

★ À maîtriser

  • Pour comparer le taux de plaquettes entre les visites 1 et 3, créer la variable de différence Diff_plaq à partir de patelet3 – patelet1, puis étudier la normalité de cette différence pour choisir le test apparié.

  • Pour comparer les taux de plaquettes des visites 1 et 3 chez les mêmes patients, on crée la différence Diff_plaq = platelet3 − platelet1, puis on examine sa distribution avant de choisir le test.

📌 Malgré le résultat de Shapiro-Wilk, le cours conclut que Diff_plaq suit une distribution normale en se fondant sur les autres vérifications et indique d’utiliser le test t de Student pour échantillons appariés.

  • Le test t apparié donne p = 0,00000004882; le cours rejette H0 et conclut que le taux de plaquettes diminue significativement entre la première et la dernière visite.

  • Pour déterminer si l’évolution des plaquettes entre les visites 1 et 3 dépend du sexe, on compare la variable de différence Diff_plaq entre les groupes indépendants d’hommes et de femmes.

📌 Malgré les résultats de Shapiro-Wilk, le cours conclut que Diff_plaq suit une distribution normale dans les deux groupes et indique d’utiliser le test t de Student pour échantillons indépendants.

  • Le test t indépendant donne p = 0,5266; comme p > 0,05, H0 n’est pas rejetée et l’évolution du taux de plaquettes ne diffère pas significativement entre les hommes et les femmes.

Compléments

  • Pour Diff_plaq, la moyenne est −28,02008 et la médiane est −26; l’histogramme paraît symétrique et les points du QQ plot semblent se rapprocher de la droite.

  • Le test de Shapiro-Wilk appliqué à Diff_plaq donne W = 0,93639 et p = 0,000000006714; selon le seuil indiqué de 0,001, H0 est rejetée, ce qui conduit à conclure que la différence ne suit pas une distribution normale.

  • Le tableau récapitulatif indique une p-valeur < 0,001, des taux de plaquettes de 262 ± 95,5 à la visite 1 (n = 308) et de 243,5 ± 99 à la visite 3 (n = 253), ainsi qu’une différence visite 1 − visite 3 de 28 ± 78,5 (n = 249).

  • Chez les hommes, Diff_plaq a une moyenne de −36,60714 et une médiane de −38,5; chez les femmes, sa moyenne est −26,93213 et sa médiane est −25.

  • Les histogrammes de Diff_plaq sont plutôt symétriques dans les deux groupes et les points des QQ plots sont globalement alignés sur la droite.

  • Le test de Shapiro-Wilk donne chez les hommes W = 0,88261 et p = 0,004586, et chez les femmes W = 0,93423 et p = 0,000000021; avec le seuil de 0,05, H0 est rejetée dans les deux groupes.

  • Le tableau récapitulatif rapporte une p-valeur de 0,53, une différence de 36,6 ± 75 chez les hommes (n = 28) et de 27 ± 79 chez les femmes (n = 221).

33. Contexte, objectifs et méthodes de l’étude sur la dialyse

★ À maîtriser

  • L’étude compare la survie des patients atteints d’insuffisance rénale chronique terminale traités initialement par dialyse péritonéale (DP) ou hémodialyse (HD).

  • L’étude est une cohorte rétrospective fondée sur les données de la région Provence-Alpes-Côte d’Azur issues du Réseau épidémiologique et information en néphrologie (REIN).

  • La cohorte comprend les patients âgés d’au moins 18 ans ayant commencé un premier traitement par dialyse en région PACA entre le 1er janvier 2004 et le 31 décembre 2012.

  • L’estimation de la survie et la comparaison des courbes reposent sur la méthode de Kaplan-Meier et le test du log-rank, complétés par une analyse multivariée de Cox et l’utilisation d’un score de propension.

  • Dans la cohorte globale, la survie est similaire entre les patients traités initialement par HD et ceux traités par DP, y compris après ajustement sur le score de propension.

Compléments

  • En cas de contre-indication à la transplantation rénale ou d’absence de greffon disponible, le patient est orienté vers la dialyse, par HD ou DP.

  • Les études antérieures comparant la survie en DP et en HD ont donné des résultats variables et controversés.

  • Certaines études rapportent une meilleure survie en DP pendant au moins les deux premières années de dialyse, tandis que d’autres ne trouvent pas de différence ou rapportent une meilleure survie en HD.

  • Les patients ont été suivis jusqu’au 30 juin 2014.

  • Après exclusion des patients ayant changé de technique de dialyse, la survie est meilleure chez les patients traités par HD.

  • L’âge avancé et l’absence d’autonomie à la marche sont associés à une augmentation de la mortalité chez les patients dialysés.

  • L’hypertension artérielle est associée à un effet protecteur dans cette cohorte.

Astuce mémo

DP et HD : deux techniques dont la survie comparée reste controversée

34. Choix des techniques de dialyse et objectifs régionaux

★ À maîtriser

  • La comparaison stricte entre hémodialyse et dialyse péritonéale ne reflète pas la pratique clinique, car la plupart des patients atteints d’IRCT changent de modalité au cours de leur prise en charge en fonction de leur état de santé ou de leurs préférences.

  • L’étude de cohorte a été réalisée chez les patients débutant la dialyse dans toute la région Provence-Alpes-Côte d’Azur afin de comparer la survie selon la technique initiale et d’identifier les facteurs associés à la survie.

Compléments

  • La transplantation rénale est présentée comme le premier traitement à proposer aux patients en insuffisance rénale terminale.

  • Le choix entre HD et DP est influencé par des facteurs médicaux et non médicaux, dont la survie.

  • Les études de cohorte sur la survie globale des patients atteints d’IRCT dialysés ou greffés à partir du registre REIN ne permettent pas de déterminer l’impact propre de la technique de dialyse sur la survie.

  • La dialyse péritonéale est souvent remplacée après quelques années par une autre technique en raison de la diminution de la clairance péritonéale ou de péritonites répétées.

35. Population, méthodes et résultats de survie en dialyse

Notions clés & Définitions

  • Dialyse en urgence : La dialyse en urgence correspond à une première séance réalisée immédiatement après une évaluation néphrologique en raison d’un risque vital, défini par la présence d’au moins un critère clinique.

★ À maîtriser

  • L’étude était une cohorte descriptive multicentrique fondée sur les données du registre REIN entre 2004 et 2014.

  • La population comprenait les adultes de plus de 18 ans ayant commencé une première dialyse en PACA entre le 1er janvier 2004 et le 31 décembre 2012, suivis jusqu’au 30 juin 2014.

  • La survie était mesurée entre la date du premier traitement de dialyse et la date des dernières nouvelles, avec un point de suivi fixé au 30 juin 2014.

  • La survie selon la technique initiale était comparée par la méthode de Kaplan-Meier et le test du log-rank, dans une analyse en intention de traiter où les changements de technique ne censuraient pas les patients.

  • La cohorte comprenait 7 172 patients, dont 6 724 ayant débuté en hémodialyse et 448 en dialyse péritonéale.

  • L’analyse en intention de traiter ne montrait pas de différence significative de survie selon la technique initiale de dialyse.

  • Dans l’analyse multivariée de Cox, les facteurs associés à une hausse du risque de décès comprenaient l’âge, le sexe masculin, l’incapacité de marcher ou le besoin d’une tierce personne, au moins deux comorbidités, un IMC inférieur à 16,5 kg/m², le cancer évolutif, l’insuffisance respiratoire et la mise en dialyse en urgence.

Compléments

📌 Les patients ayant connu au moins deux changements de technique de dialyse ont été exclus de l’étude.

  • Les critères de mise en dialyse en urgence comprennent :

    • l’hyperhydratation menaçante
    • l’hyperkaliémie
    • l’acidose
    • l’anémie mal tolérée
    • la péricardite
    • la confusion d’origine urémique
  • Les données recueillies incluaient les caractéristiques sociodémographiques, les données cliniques avant et au début de la dialyse, les comorbidités, le tabagisme, l’autonomie à la marche, le handicap, l’hospitalisation, l’inscription sur la liste de greffe rénale et la technique initiale.

  • Le décès constituait l’événement final et les patients vivants, greffés, perdus de vue ou ayant arrêté la dialyse étaient censurés.

  • Les variables associées à la survie en analyse univariée avec un seuil de significativité inférieur ou égal à 10 % étaient sélectionnées pour le modèle multivarié de Cox pas à pas.

  • Le score de propension était calculé par régression logistique multivariée à partir de facteurs potentiellement différents entre les groupes, puis utilisé pour ajuster l’analyse de survie et apparier les groupes selon la technique initiale.

  • La survie globale à 1, 2, 3 et 4 ans était respectivement de 82,3 %, 72 %, 61,8 % et 52,4 %.

  • La présence d’une hypertension artérielle et la prise d’EPO avant le début de la dialyse étaient associées à une diminution du risque de décès.

36. Comparaison des dialyses, facteurs de survie et limites

★ À maîtriser

  • Après ajustement sur le score de propension, la survie selon la technique initiale d’épuration extrarénale ne diffère pas significativement (RR ajusté = 1,11 ; IC à 95 % : 0,89–1,39 ; p = 0,327).

  • Après appariement sur le score de propension, 386 patients ont été analysés, soit 193 en DP et 193 en HD, sans différence significative de survie entre les techniques (RR = 0,845 ; IC à 95 % : 0,625–1,142 ; p = 0,272).

  • L’augmentation de l’âge est associée à une mortalité plus élevée chez les patients dialysés.

  • Une incapacité totale à la marche ou le besoin d’une tierce personne pour marcher sont associés à un risque de décès plus élevé.

  • Le changement de technique de dialyse est associé à une amélioration de la survie, y compris après ajustement sur l’âge et les comorbidités.

  • L’analyse de Kaplan-Meier traite la greffe rénale comme une censure et ne prend pas en compte le risque concurrent que constitue la greffe.

  • Lorsque la probabilité de décès dépend de risques concurrents comme la greffe rénale, Kaplan-Meier peut surestimer la mortalité et des méthodes tenant compte des risques concurrents, comme l’analyse multi-états, devraient être utilisées.

  • Dans cette étude régionale rétrospective en intention de traiter, la survie ne diffère pas entre l’hémodialyse et la dialyse péritonéale, même après ajustement sur le score de propension.

Compléments

  • Dans l’analyse excluant les patients ayant changé de technique, le transfert de la DP vers l’HD est associé à une meilleure survie (RR = 0,53 ; p = 0,035), tandis que le transfert de l’HD vers la DP n’augmente pas significativement le risque de décès par rapport au maintien en HD (RR = 1,36 ; p = 0,382).

  • Dans l’analyse appariée, la médiane de survie globale est de 5,18 ans (IC à 95 % : 4,30–6,06), de 4,65 ans en DP (3,31–5,99) et de 5,79 ans en HD (4,54–7,05), avec un log-rank p = 0,272.

  • Dans cette étude, l’association entre diabète et risque accru de décès est réduite après ajustement sur l’âge, le sexe et les comorbidités.

  • Dans la cohorte étudiée, l’hypertension artérielle est associée à une meilleure survie, phénomène décrit comme une épidémiologie inversée.

  • L’étude est une analyse rétrospective comparative de survie portant sur une grande population de patients incidents en région PACA.

  • Une limite de l’étude est que des critères inconnus, autres que ceux pris en compte, peuvent influencer la survie.

Astuce mémo

Âge et incapacité accrue → mortalité plus élevée

37. Population et déroulement de l’intervention nutritionnelle

★ À maîtriser

📌 L’intervention était proposée aux personnes déclarant un travail posté avec alternance entre le jour et la nuit, notamment les personnes indiquant « en poste », « 2 × 8 » ou « 3 × 8, 4 × 8, 5 × 8… ».

  • Sur 371 sujets pré-inclus, 136 ont été exclus : 24 pour absence d’entretien diététique, 111 par désintérêt pour le suivi et 1 par manque de disponibilité.

  • L’étude a inclus 235 sujets, soit 63,3 % des sujets pré-inclus, dont 184 hommes et 51 femmes, âgés de 20 à 58 ans.

  • L’intervention nutritionnelle durait un an et comprenait trois entretiens diététiques, un courrier personnalisé à six mois et un nouvel examen de santé à la fin du suivi.

  • Lors de l’entretien initial, la diététicienne reconstituait l’alimentation pour les différents horaires de travail et les périodes de repos, abordait les obstacles à l’équilibre alimentaire et à l’activité physique, puis définissait avec le participant des objectifs et remettait des conseils personnalisés.

  • Sur les 235 sujets inclus, 179 (76,2 %) ont été revus à trois mois et 135 (57,4 %) à un an.

  • À un an, les sujets ayant suivi toute l’intervention atteignaient en moyenne 7 repères et conseils PNNS, contre 6 à l’inclusion (p < 0,001).

  • À un an, l’atteinte des repères PNNS concernant les produits sucrés (p < 0,001), l’eau (p = 0,02) et le sel (p = 0,05) s’était significativement améliorée.

  • Chez les sujets ayant suivi toute l’intervention, les apports énergétiques journaliers, lipidiques et glucidiques avaient diminué à un an (p < 0,001 pour chacun), tandis que l’activité physique globale et de loisirs avait augmenté (respectivement p = 0,006 et p = 0,001).

Compléments

  • La population étudiée comprenait des personnes venues passer un examen périodique de santé entre octobre 2009 et mars 2011 dans l’un des 11 centres de l’IRSA situés dans l’ouest de la France.

  • N’étaient pas incluses les personnes suivantes : les femmes enceintes, les personnes devant déménager dans l’année, les personnes devant changer d’horaires dans l’année, les personnes ne maîtrisant pas le français, les personnes refusant de participer

  • L’alimentation était quantifiée par la méthode de l’histoire alimentaire, à partir des consommations habituelles aux repas et entre les repas, afin de reconstituer une journée moyenne pour chaque horaire de travail et les périodes de repos.

  • Les quantités alimentaires étaient estimées en unités ou en tailles de portions à l’aide d’un cahier photographique, en tenant compte des variations saisonnières.

  • L’auto-questionnaire spécifique recueillait les données comportementales, notamment l’alimentation et l’activité physique selon les horaires de travail, et son remplissage durait en moyenne 20 minutes.

  • L’activité physique était évaluée par un questionnaire validé de 22 questions, avec des index quotidien, sportif et de loisirs allant chacun de 1 à 5, et un index global égal à leur somme, allant de 3 à 15.

  • L’adéquation aux recommandations nutritionnelles était évaluée par un questionnaire validé de 25 questions, portant sur les neuf repères du PNNS et deux conseils, pour les horaires de nuit et les autres horaires.

Astuce mémo

Entretien initial → point à 3 mois → rappel à 6 mois → bilan à un an

38. Limites, interprétation et prévention nutritionnelle

★ À maîtriser

  • Une intervention nutritionnelle structurée d’un an a amélioré les comportements alimentaires et augmenté l’activité physique de loisirs chez les travailleurs postés ayant des horaires de nuit.

  • Les auteurs préconisent de développer l’information et la prévention nutritionnelles dans les entreprises concernées par l’alternance des horaires de jour et de nuit, afin de prévenir ou retarder les complications de santé physique et psychique liées au travail de nuit.

Compléments

  • Les conseils déclarés les plus difficiles à suivre concernaient la diminution des produits sucrés et des matières grasses, l’augmentation de l’activité physique et l’augmentation de la consommation de fruits et légumes.

  • Les principaux freins rapportés étaient les contraintes d’horaires de travail, le manque de temps et le manque d’occasions de pratiquer régulièrement une activité physique ou de préparer des repas équilibrés.

  • Les sujets ayant abandonné l’intervention étaient plus jeunes que ceux qui l’avaient suivie jusqu’au bout (38,4 contre 42,8 ans ; p = 0,0001) et plus souvent fumeurs (42,7 % contre 22,2 % ; p = 0,005).

  • Les auteurs rapportent que Toft et al. ont montré l’efficacité d’interventions nutritionnelles menées auprès de personnes ayant un faible niveau d’études pour améliorer les habitudes alimentaires et réduire les inégalités de santé.

  • Les auteurs indiquent qu’Escalon et al. ont montré que la connaissance des repères PNNS améliorait les comportements nutritionnels.

  • L’étude souligne comme limites possibles le changement d’horaires ou la perte d’emploi de certains participants et la sous-estimation des consommations alimentaires, qui pourrait être liée aux rythmes alimentaires variables et à la répétition de l’enquête.

  • Les auteurs recommandent de combiner les interventions nutritionnelles avec des mesures d’amélioration de l’organisation du travail, telles que l’introduction de pauses ou l’attribution de jours fériés.

Astuce mémo

Informer et sensibiliser → modifier les habitudes nutritionnelles et l’activité physique.

39. Transplantation rénale, créatininémie et fonction du greffon

Notions clés & Définitions

  • Fraction de filtration : Le rapport entre le débit de filtration glomérulaire (DFG) et le flux plasmatique rénal efficace (FPRE).

★ À maîtriser

  • L’étude rétrospective porte sur 402 patients transplantés rénaux au CHU de Reims entre mars 1999 et décembre 2009, avec des greffons provenant de donneurs cadavériques.

  • L’analyse comparait les groupes selon la créatininémie à un an, avec les seuils ≤ 100 µmol/L et > 100 µmol/L.

  • La créatininémie à un an différait significativement selon le BMI (p = 0,008) et le temps d’ischémie froide (p = 0,002), mais pas selon l’âge (p = 0,758), la durée opératoire (p = 0,941) ni les pertes sanguines (p = 0,963).

  • En analyse multivariée, l’âge du donneur (p = 0,004 ; HR = 1,016 ; IC = 1,005–1,027), l’âge du receveur (p = 0,023 ; HR = 0,986 ; IC = 0,974–0,998) et le BMI (p = 0,001 ; HR = 1,019 ; IC = 1,010–1,028) étaient des facteurs prédictifs indépendants d’une créatininémie > 100 µmol/L à un an.

  • Dans la cohorte de Bosma et al., la fraction de filtration était significativement plus élevée chez les patients obèses, y compris après exclusion des patients diabétiques.

  • À cinq ans, une fraction de filtration élevée était un facteur prédictif indépendant d’altération de la fonction rénale et de perte du greffon. - Bosma et al.

  • Dans l’étude présentée, l’obésité, définie par un IMC ≥ 30 kg/m², était associée à une baisse insuffisante de la créatininémie à un an après transplantation rénale.

Compléments

  • Les patients ont été répartis selon leur IMC en deux groupes : IMC < 30 kg/m² et IMC ≥ 30 kg/m².

  • Les créatininémies ont été recueillies avant la transplantation, à j1, j7, j15 et j21, puis à 1, 3, 6 et 12 mois après la transplantation.

  • Le coefficient de corrélation de Pearson entre le BMI et la créatininémie à un an est r = 0,154 (p = 0,004), indiquant une corrélation statistiquement significative.

  • Dans la cohorte de Yamamoto et al., le taux moyen de créatinine sérique à un an était plus élevé chez les patients obèses que chez les patients non obèses, sans différence statistiquement significative (p = 0,12).

  • Dans la cohorte de Bosma et al., 108 patients transplantés rénaux, soit 13 % des patients, avaient un IMC ≥ 30 kg/m².

  • En analyse multivariée, l’IMC était associé à une fraction de filtration élevée, avec la pression artérielle moyenne, l’âge du donneur, le temps d’ischémie froide, la protéinurie et le blocage du système rénine-angiotensine comme autres facteurs associés.

  • Les auteurs proposent que l’hyperfiltration à haute pression chez les patients obèses puisse contribuer à l’altération rénale, avec comme facteurs de terrain possibles une fonction cardiaque altérée, l’hypertension artérielle et le diabète. - Bosma et al.

  • Les auteurs indiquent que le dosage de la créatininémie peut constituer une surveillance simple de la fonction rénale après transplantation, car elle reflète l’évolution de la clairance.

Astuce mémo

Un IMC plus élevé est associé à une créatininémie plus élevée à un an.

40. Variables et repères statistiques

★ À maîtriser

📌 Une variable qualitative ordinale possède des catégories ordonnées, une variable nominale n’a pas de hiérarchie, et une variable binaire comporte deux catégories.

Compléments

  • La vérification de la normalité repose sur : la proximité de la moyenne et de la médiane, la symétrie de l’histogramme, l’alignement des points sur la droite du graphique Q-Q, le test de Shapiro

  • Dans les comptes rendus, les résultats très significatifs sont présentés comme p < 0,0001; les moyennes sont accompagnées de l’écart-type et les médianes des percentiles 25 et 75.

Tableaux de synthèse

Tests de comparaison

TestDonnées comparéesPrincipe
T de StudentMoyennes de deux échantillonsCompare les moyennes sous conditions de normalité et de variances égales
F de Fisher-SnedecorVariances de deux sériesCompare leur rapport pour vérifier l’égalité des variances
Wilcoxon-Mann-WhitneyDeux séries indépendantesCompare les rangs des observations
T appariéDeux séries liées par pairesTeste la moyenne des différences
Wilcoxon appariéDeux séries liées par pairesCompare les rangs des différences non nulles

Tests sur les échantillons

TestSituationObjet comparé
Chi carré d’homogénéitéÉchantillons indépendantsDistributions observées
Chi carré à quatre casesDeux échantillonsDeux pourcentages
FisherComparaison de pourcentagesProbabilité exacte sous H0
McNemarÉchantillons appariésDeux pourcentages

Teste tes connaissances

Teste tes connaissances sur Biostatistiques descriptives et distributions avec 137 questions à choix multiples et corrections détaillées.

1. Un chercheur utilise des méthodes statistiques pour étudier des données biologiques et médicales. Comment qualifie-t-on cette application de la statistique ?

2. Une équipe veut étudier tous les patients hypertendus d’un pays, mais ne peut mesurer qu’un groupe fini de patients recrutés pour l’étude. Comment distinguer ces deux ensembles ?

Faire le QCM →

Révisez avec les flashcards

Mémorisez les concepts clés de Biostatistiques descriptives et distributions avec 94 flashcards interactives.

Qu’étudie la statistique ?

La réduction des données, la variabilité d’échantillonnage et les populations par l’inférence.

À quel domaine la biostatistique applique-t-elle la statistique ?

Aux sciences de la vie.

Quelle différence distingue une population d’un échantillon ?

Une population est très grande et généralement non mesurable, tandis qu’un échantillon est fini et mesurable.

Voir les flashcards →

Cours similaires

Crée tes propres fiches de révision

Importe ton cours et l'IA génère fiches, QCM et flashcards en 30 secondes.

Générateur de fiches