QCM : Introduction à la régression logistique en odontologie — 14 questions

Questions et réponses du QCM

1. Dans quel cas la régression logistique est-elle particulièrement adaptée en clinique ?

Quand la variable à prédire est continue sur une échelle numérique
Quand la variable à prédire n’a que deux issues possibles
Quand l’objectif est de comparer des moyennes entre deux groupes
Quand l’objectif est de décrire une distribution sans prédiction

Quand la variable à prédire n’a que deux issues possibles

Explication

La régression logistique est conçue pour estimer la probabilité d’un événement binaire, donc quand l’issue est de type oui/non, succès/échec ou présence/absence. Elle n’est pas destinée à modéliser directement une variable continue.

2. Quel exemple correspond le mieux à un résultat clinique binaire ?

Nombre de dents traitées dans l’année
Taux moyen de plaque mesuré chez un patient
Durée totale du traitement orthodontique
Présence ou absence d’une carie

Présence ou absence d’une carie

Explication

Un résultat binaire ne prend que deux valeurs possibles, ici présence ou absence d’une carie. Les autres propositions décrivent des variables quantitatives ou de durée.

3. Quel est l’objectif principal d’un modèle prédictif dans le cadre d’un résultat clinique binaire ?

Classer les patients selon leur âge uniquement
Mesurer la dispersion d’un échantillon
Calculer la moyenne des valeurs observées
Estimer la probabilité que l’événement survienne

Estimer la probabilité que l’événement survienne

Explication

L’objectif est de prédire la probabilité d’un événement à deux issues, comme Y=1 ou Y=0. La régression logistique fournit justement cette probabilité prédite.

4. Quand s’intéresse-t-on plutôt à une analyse de survie qu’à une simple régression logistique ?

Quand on compare deux proportions sans notion de temps
Quand on cherche une moyenne ajustée par groupe
Quand on étudie le temps avant qu’un événement survienne
Quand on veut uniquement coder un événement en oui/non

Quand on étudie le temps avant qu’un événement survienne

Explication

L’analyse de survie est utilisée lorsque l’enjeu est le délai jusqu’à l’événement, par exemple la perte d’une dent ou l’apparition d’une carie. La régression logistique sert surtout à modéliser une issue binaire à un instant donné.

5. Comment définit-on l’odds d’un événement ?

Le produit des probabilités de deux événements
La différence entre la probabilité de l’événement et celle de son absence
Le rapport entre deux risques mesurés sur des populations différentes
Le rapport entre la probabilité de l’événement et celle de son absence

Le rapport entre la probabilité de l’événement et celle de son absence

Explication

L’odds correspond à P(E)/(1−P(E)), soit le rapport entre la probabilité que l’événement se produise et celle qu’il ne se produise pas. Ce n’est pas un risque relatif, qui compare deux probabilités.

6. Que signifie un odds ratio égal à 1 ?

L’événement est moins fréquent dans la première condition
Il n’existe pas d’association entre les deux conditions
L’événement est plus fréquent dans la première condition
Le risque relatif est forcément nul

Il n’existe pas d’association entre les deux conditions

Explication

Un odds ratio de 1 indique l’absence d’association entre les conditions comparées. Une valeur supérieure à 1 suggère une association directe, tandis qu’une valeur inférieure à 1 suggère une association inverse.

7. Dans un modèle de régression logistique, à quoi sert la transformation logistique ?

À remplacer les variables explicatives par une moyenne
À calculer directement la variance résiduelle du modèle
À transformer une variable binaire en variable continue
À convertir la combinaison des variables en probabilité comprise entre 0 % et 100 %

À convertir la combinaison des variables en probabilité comprise entre 0 % et 100 %

Explication

La transformation logistique permet d’obtenir une probabilité valide, donc comprise entre 0 et 1. C’est ce qui rend le modèle compatible avec une variable dépendante binaire.

8. Que fait une valeur de coefficient positive dans une régression logistique ?

Elle augmente la probabilité prédite de l’événement
Elle annule toute relation entre les variables
Elle diminue toujours l’odds de l’événement
Elle impose une probabilité égale à 0,50

Elle augmente la probabilité prédite de l’événement

Explication

Un coefficient positif augmente la probabilité prédite de l’événement, tandis qu’un coefficient négatif la diminue. Un coefficient nul, lui, n’entraîne aucun changement du ratio des probabilités.

9. Quel pseudo-R2 ne peut pas atteindre 1 ?

Le R2 de Cox-Snell
Le R2 de Nagelkerke
Le coefficient de Wald
Le seuil de décision

Le R2 de Cox-Snell

Explication

Le R2 de Cox-Snell est limité et n’atteint jamais 1. Le R2 de Nagelkerke corrige cette limitation et varie de 0 à 1.

10. Que teste la méthode de Wald dans un modèle logistique ?

Si la courbe ROC est concave ou convexe
Si la variable dépendante est continue
Si le nombre de sujets est égal dans chaque groupe
Si un coefficient diffère significativement de 0

Si un coefficient diffère significativement de 0

Explication

La méthode de Wald sert à évaluer si un coefficient du modèle est statistiquement différent de 0. Si ce n’est pas le cas, l’effet estimé de la variable explicative n’est pas considéré comme significatif.

11. Dans une courbe ROC, quel couple d’axes est utilisé pour évaluer la discrimination d’un test ?

Sensibilité en ordonnée et 1 − spécificité en abscisse
Spécificité en ordonnée et sensibilité en abscisse
Probabilité observée en ordonnée et probabilité prédite en abscisse
Vrais positifs en ordonnée et faux positifs en abscisse

Sensibilité en ordonnée et 1 − spécificité en abscisse

Explication

Dans une courbe ROC, l’axe des y représente la sensibilité et l’axe des x représente 1 − spécificité. Cela permet de visualiser comment la discrimination du test varie selon le seuil choisi.

12. Pourquoi la sensibilité et la spécificité d’un modèle changent-elles quand on modifie le seuil de décision ?

Parce qu’elles sont fixées une fois pour toutes par le type de maladie
Parce qu’elles mesurent directement la taille de l’échantillon
Parce qu’elles dépendent de la règle utilisée pour convertir une probabilité en classe
Parce qu’elles ne dépendent que du nombre total de patients étudiés

Parce qu’elles dépendent de la règle utilisée pour convertir une probabilité en classe

Explication

La sensibilité et la spécificité varient avec le seuil qui transforme une probabilité prédite en classe oui/non. Un seuil plus strict ou plus permissif modifie donc le nombre de vrais positifs et de vrais négatifs.

13. Quelle situation correspond à une censure à droite ?

L’événement a eu lieu avant le début du suivi
L’événement n’a pas encore été observé au moment où le sujet quitte l’étude
L’événement est connu précisément au milieu de deux visites
Le sujet présente deux événements observés à la même date

L’événement n’a pas encore été observé au moment où le sujet quitte l’étude

Explication

La censure à droite signifie que l’événement n’a pas été observé avant la fin de l’observation du sujet. On ignore ce qui se passera ensuite, sans conclure que l’événement n’arrivera jamais.

14. Comment interprète-t-on une fonction de risque h(t) qui décroît au cours du temps ?

Le risque est plus élevé au début puis diminue ensuite
Le risque n’existe qu’à la fin du suivi
Le risque augmente régulièrement avec le temps
Le risque reste constant quel que soit le temps

Le risque est plus élevé au début puis diminue ensuite

Explication

Quand h(t) décroît, le risque est maximal au début puis s’atténue progressivement. Ce profil est typique d’échecs précoces, comme une perte d’ostéointégration.

Révisez avec les flashcards

Mémorisez les réponses avec 14 flashcards sur Introduction à la régression logistique en odontologie.

Décisions binaires — définition ?

Résultats cliniques avec deux issues possibles.

Objectif du modèle prédictif ?

Estimer la probabilité d’un résultat binaire.

Risque relatif — rôle ?

Comparer deux probabilités d’un même événement.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Introduction à la régression logistique en odontologie.

Voir la fiche →

Cours similaires

Introduction à l'Organisation du Système Nerveux

Anatomie

Introduction à la rhumatologie et la rééducation articulaire

Alterations électriques et troubles ioniques cardiaques

Fundamentos de Estafilococos y su Diagnóstico

Organisation et Fonction du Système Nerveux

Anatomie

Correction des troubles de la vision

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM