Fiche de révision : Biostatistiques descriptives et inférentielles

Plan du Cours

  1. Fondements des biostatistiques
  2. Variables et organisation des données
  3. Tableaux et graphiques descriptifs
  4. Position et dispersion des données
  5. Distributions et loi normale
  6. Échantillonnage et estimateurs
  7. Erreur type et intervalles de confiance
  8. Risque et intervalles de référence
  9. Comparaison des populations et hypothèses
  10. Test t de Student et décisions
  11. Risques et puissance des tests
  12. Choix des tests de comparaison
  13. Corrélation entre variables quantitatives
  14. Régression linéaire et pente
  15. Dispersion résiduelle
  16. Conclusion sur régression et corrélation
  17. Fonction de survie, calendrier et censure du suivi
  18. Estimation Kaplan-Meier
  19. Comparaison des courbes de survie
  20. Tests des tables de contingence
  21. Comparaison des échantillons indépendants

1. Fondements des biostatistiques

Notions clés & Définitions

  • Statistiques : Les statistiques étudient la réduction des données, la variabilité liée à l’échantillonnage et les populations par les statistiques descriptives et inférentielles.
  • Biostatistiques : L’application de la statistique aux sciences de la vie.

★ À maîtriser

📌 Les statistiques descriptives décrivent les données observées, tandis que les statistiques inférentielles émettent des hypothèses sur une population ou un échantillon.

Compléments

📌 La population, de taille N généralement très grande et non mesurable, est distinguée de l’échantillon, de taille n finie et mesurable.

  • Un sondage de 100 personnes dont 60 % annoncent voter pour le parti B, avec une marge d’erreur de 3 %, relève de la statistique inférentielle lorsqu’il sert à prédire le vote de toute la Belgique.

Astuce mémo

Décrire ce qui est observé ; inférer ce qui dépasse l’échantillon.

2. Variables et organisation des données

Notions clés & Définitions

  • Variable : Une caractéristique ou un facteur susceptible de prendre des valeurs différentes selon les individus étudiés.
  • Variable binaire : Une variable qualitative nominale qui ne peut prendre que deux valeurs.

★ À maîtriser

  • Une variable quantitative prend des valeurs numériques exploitables arithmétiquement, tandis qu’une variable qualitative répartit les individus en classes dont on dénombre les effectifs.

  • Une variable quantitative continue peut prendre n’importe quelle valeur numérique dans l’intervalle observé, tandis qu’une variable quantitative discrète ne prend pas de valeur intermédiaire et correspond ici à un nombre entier.

  • Une variable qualitative ordinale répartit les valeurs en classes ordonnables, tandis qu’une variable qualitative nominale répartit les valeurs en classes non hiérarchisables.

  • Une donnée manquante n’a pas été observée ou 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 aberrante est inhabituelle, extrême ou impossible, mais une donnée inhabituelle n’est pas nécessairement aberrante.

Compléments

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

  • Une donnée manquante informative peut porter une information, et son traitement peut réduire l’effectif analysé en statistique multivariée; le codage des valeurs manquantes doit permettre leur prise en compte par le logiciel.

  • La visualisation des données aide à repérer les valeurs aberrantes, et le double encodage peut aider à détecter les erreurs de saisie.

📌 Une donnée censurée peut être limitée par un seuil de quantification, comme une charge virale inférieure à 50 cp/ml, ou correspondre à une donnée de survie d’un patient perdu de vue.

3. Tableaux et graphiques descriptifs

Notions clés & Définitions

  • Pyramide : Un double histogramme inversé et juxtaposé utilisé pour comparer deux distributions.

★ À maîtriser

📌 Dans un histogramme, la surface de chaque barre est proportionnelle à la fréquence relative des effectifs, tandis que la largeur des barres d’un diagramme en barres est libre.

Compléments

  • La description des données peut s’appuyer sur des tableaux, des diagrammes et des paramètres résumant la distribution.

  • Un tableau de fréquences à une entrée doit signaler les données manquantes; l’exemple présenté comprend 80 données disponibles, 5 données manquantes et 85 individus au total.

  • Dans un tableau de fréquences à deux entrées, les fréquences peuvent être rapportées au total des lignes ou des colonnes selon la présentation qui exprime le mieux les résultats.

  • Un polygone de fréquence représente une variable quantitative continue discrétisée, avec les valeurs en abscisse, les effectifs ou fréquences en ordonnée et une surface totale correspondant à 100 % des observations.

  • L’histogramme représente des variables quantitatives, tandis que le diagramme en barres convient aux variables qualitatives ordinales ou nominales.

  • Le diagramme en barres horizontales et le camembert s’emploient pour une variable qualitative nominale, mais le camembert n’est utile que s’il apporte un intérêt réel à la présentation des proportions.

4. Position et dispersion des données

Notions clés & Définitions

  • Médiane : La valeur qui partage la série des individus en deux groupes d’effectifs égaux.
  • Mode : La valeur qui revient le plus souvent dans une distribution et est parfois appelé le pic de la distribution.
  • Moyenne : La moyenne est la somme des valeurs observées divisée par le nombre de sujets.
  • Intervalle interquartile : La différence entre les valeurs du premier et du troisième quartile et s’affranchit des valeurs extrêmes.
  • Variance : La variance résume les écarts des valeurs d’une distribution par rapport à la moyenne et constitue un paramètre de dispersion très utilisé.
  • Écart-type : La racine carrée de la variance et s’exprime dans les mêmes unités que la moyenne.
  • Quartiles : Les quartiles sont les trois valeurs qui partagent une distribution en quatre groupes d’effectifs égaux; le deuxième quartile est la médiane.
  • Fréquence relative : La fréquence relative d’une modalité est la proportion de sujets qui présentent cette modalité; elle est comprise entre 0 et 1 et s’exprime habituellement en pourcentage après multiplication par 100.
  • Étendue : La différence entre les deux valeurs extrêmes d’une distribution.

★ À maîtriser

📌 Pour calculer la variance d’une population considérée comme exhaustive, le dénominateur est N; pour estimer la variance à partir d’un échantillon, le dénominateur est n − 1.

Compléments

  • La médiane est un paramètre descriptif robuste, peu sensible aux valeurs extrêmes et aberrantes; lorsque l’effectif est pair, elle se calcule comme la moyenne des deux valeurs centrales après classement des sujets.

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

  • Les percentiles partagent les valeurs en 100 groupes de taille égale; le 10e percentile correspond au premier décile, le 25e au premier quartile, le 50e à la médiane et le 90e au neuvième décile.

📌 Une distribution à un seul pic accentué est unimodale, tandis qu’une distribution présentant un second pic dans une autre partie est bimodale.

📌 La moyenne utilise toutes les données et est donc moins robuste que la médiane, mais ses propriétés arithmétiques permettent des estimations et des comparaisons.

  • Une variable qualitative binaire codée 1 pour la présence d’une caractéristique et 0 pour son absence a une moyenne égale à la proportion de sujets ayant la valeur 1.

5. Distributions et loi normale

Notions clés & Définitions

  • Loi normale : La loi normale est une loi de probabilité applicable aux variables quantitatives continues, dont la distribution est centrée sur la moyenne et décroît symétriquement de part et d’autre de celle-ci.
  • Densité de probabilité : La densité de probabilité décrit le modèle théorique de distribution d’une variable continue et permet d’en tirer des propriétés lorsque sa fonction mathématique est connue.

★ À maîtriser

📌 Pour une variable discrète, la fonction de répartition donne la probabilité d’être inférieur à une valeur, tandis que les fréquences donnent la probabilité d’être exactement égal à cette valeur.

  • Sous une densité de probabilité, l’aire entre A et B représente la probabilité que X soit comprise entre A et B, l’aire avant A celle que X soit inférieure à A, et l’aire après B celle que X soit supérieure à B.

  • Dans une loi normale, environ 68 % des valeurs se trouvent entre la moyenne moins un écart-type et la moyenne plus un écart-type.

Compléments

  • Pour une variable discrète, la somme des fréquences relatives des classes vaut 1, soit 100 %, et les fréquences représentent les probabilités d’obtenir exactement chaque valeur.

  • L’aire totale sous une densité de probabilité est égale à 1, soit 100 %.

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

  • Dans une loi normale, 2,5 % des valeurs sont sous l’intervalle de la moyenne ± 1,96 écart-type et 2,5 % sont au-dessus.

  • Dans une loi normale, 99,7 % des valeurs se trouvent entre la moyenne moins trois écarts-types et la moyenne plus trois écarts-types.

  • La fonction de répartition d’une loi normale cumulée a une forme en S, son point d’inflexion correspond à la moyenne et chaque point donne la probabilité que X soit inférieure à une valeur donnée.

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

  • La variable centrée réduite est obtenue en soustrayant à X la moyenne de sa distribution, puis en divisant le résultat par l’écart-type de sa distribution; elle est centrée autour de 0 et son écart-type vaut 1.

Astuce mémo

Une cloche symétrique centrée sur la moyenne, avec 68 %, 95 % puis 99,7 % sous ses repères.

6. Échantillonnage et estimateurs

Notions clés & Définitions

  • Échantillonnage : Le mécanisme qui permet de tirer des échantillons d’une population.
  • Échantillonnage stratifié : L’échantillonnage stratifié impose un nombre de personnes dans chaque strate, par exemple selon l’âge ou l’ethnie, afin d’obtenir des données sur des groupes qui pourraient être sous-représentés.
  • Échantillonnage en grappes : L’échantillonnage en grappes sélectionne des groupes, comme des patients rattachés à un même médecin, dont les membres peuvent partager des caractéristiques ou subir un effet lié au groupe.

★ À maîtriser

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

📌 La moyenne de la population est notée μ et son estimateur calculé sur l’échantillon est noté x̄.

📌 La variance de la population est notée σ² et son estimateur calculé sur l’échantillon est noté s², avec un dénominateur n − 1 pour l’échantillon et N pour la population.

Compléments

  • La description d’un échantillon relève de la statistique descriptive, tandis qu’une hypothèse concernant cet échantillon ou sa population relève de la statistique inférentielle et comporte un risque d’erreur.

  • Lors d’un tirage dans une population de taille finie sans remise, il faut replacer le sujet tiré pour que la population reste invariante et que les tirages puissent être indépendants.

  • La randomisation centralisée attribue un groupe au patient par logiciel et ne permet pas de modifier ensuite l’attribution; le cours la présente comme la technique la meilleure parmi celles décrites.

  • La proportion de la population est notée P et son estimateur calculé sur l’échantillon est noté p.

  • Puisque s² estime σ², s estime l’écart-type de la population σ; un paramètre estimé à partir d’un échantillon peut être noté avec un chapeau.

7. Erreur type et intervalles de confiance

Notions clés & Définitions

  • Erreur type : L’écart-type de la distribution des moyennes échantillonnales.

★ À maîtriser

  • La moyenne d’une variable quantitative calculée sur un échantillon varie d’un échantillon à l’autre et, suit une loi normale centrée sur la moyenne μ de la population.

📌 L’écart-type s mesure la variabilité des individus autour de μ, tandis que l’erreur type mesure la variabilité des moyennes échantillonnales autour de μ.

  • L’intervalle de confiance à 95 % d’une moyenne est donné par la moyenne de l’échantillon plus ou moins 1,96 fois l’erreur type.

Compléments

  • L’exemple du temps de sommeil utilise une moyenne d’échantillon de 11,7 h, un écart-type de 1,3 h et une erreur type de 0,056 h, donnant un intervalle à 95 % estimé de 11,6 à 11,8 h.

  • Un intervalle de confiance à 95 % correspond à un risque de 5 % que la moyenne inconnue soit à l’extérieur de l’intervalle estimé.

  • L’estimation d’un pourcentage inconnu utilise le pourcentage p calculé sur l’échantillon et son erreur type sp pour construire un intervalle de confiance du pourcentage de la population P.

Astuce mémo

L’écart-type décrit la dispersion des individus ; l’erreur type, celle des moyennes échantillonnales.

8. Risque et intervalles de référence

Notions clés & Définitions

  • Risque α : Le risque α est le risque d’erreur acceptable choisi pour une étude; pour un intervalle de confiance à 95 %, il vaut 5 %.
  • Valeur p : La valeur p, aussi appelée seuil de signification dans le cours, est une valeur utilisée pour prendre une décision et indique qu’un test statistique est impliqué.
  • Statistique inférentielle : La statistique inférentielle consiste à prendre une décision sur une population à partir d’un échantillon, en émettant une hypothèse sur la population à partir de son analyse.

★ À maîtriser

📌 Un intervalle de référence décrit une plage de valeurs concernant les individus, tandis qu’un intervalle de confiance exprime l’incertitude entourant une estimation.

Compléments

  • Dans les intervalles de confiance présentés, le risque de 5 % correspond au choix du quantile 1,96 de la loi normale; un autre risque implique de remplacer 1,96 par une autre valeur.

  • Un intervalle de cholestérol compris entre 140 et 220 est présenté comme un intervalle de référence et non comme un intervalle de confiance.

  • Dans l’exemple de l’élimination d’un antibiotique chez des porcs, l’intervalle de référence à 95 % est construit sur 16 porcs; après 25 jours, 2,5 % des individus se situent au-dessus de la limite considérée.

  • La valeur p permet de déterminer si le résultat obtenu au terme d’une étude est statistiquement significatif.

Astuce mémo

L’intervalle de confiance porte sur l’estimation ; l’intervalle de référence décrit les individus.

9. Comparaison des populations et hypothèses

Notions clés & Définitions

  • Hypothèse nulle : L’hypothèse nulle contient ce que le chercheur veut rejeter ; dans les exemples du cours, elle pose l’égalité des moyennes des populations.
  • Hypothèse alternative : L’hypothèse alternative est retenue si les résultats conduisent au rejet de l’hypothèse nulle et peut être bilatérale ou unilatérale.

★ À maîtriser

📌 Une comparaison avec une population de référence confronte une population inconnue à une population de référence, tandis qu’une comparaison de deux populations inconnues nécessite un échantillon prélevé dans chacune.

Compléments

  • La comparaison de deux populations inconnues est le cas le plus fréquent en pratique, par exemple pour comparer des patients traités par un médicament à des patients non traités.

  • Une différence de 0,2 g/L entre les moyennes de 15 sujets sains et de 12 sujets alcooliques soulève la question de savoir si elle traduit une différence réelle entre les populations ou une fluctuation d’échantillonnage.

📌 Une hypothèse alternative bilatérale admet une différence dans les deux sens, tandis qu’une hypothèse unilatérale ne retient qu’un sens déterminé, par exemple un médicament meilleur que le placebo.

Astuce mémo

Une population de référence est connue ; deux populations inconnues sont échantillonnées.

10. Test t de Student et décisions

★ À maîtriser

  • Pour comparer deux moyennes de populations, les hypothèses s’écrivent H0:μ1=μ2H_0 : \mu_1 = \mu_2 et H1:μ1≠μ2H_1 : \mu_1 \ne \mu_2.

  • Le test statistique détermine si la différence observée entre les moyennes d’échantillon provient d’une fluctuation d’échantillonnage ou d’une différence réelle entre les populations.

📌 Le test t de Student compare deux moyennes lorsque les distributions des populations sont normales ou approximativement normales et que les variances sont supposées égales, avec un rapport des variances ne dépassant pas 3 ; sinon, les tailles des échantillons doivent être équivalentes.

Compléments

  • Sous l’hypothèse nulle, le rapport de la différence des moyennes sur son écart-type suit une loi t de Student lorsque les effectifs sont faibles.

  • La loi t de Student est centrée sur zéro, ressemble à la loi normale mais accorde davantage de poids aux valeurs extrêmes; à 25 degrés de liberté, elle ne diffère plus de la loi normale.

📌 Une valeur observée de t proche de zéro est favorable à l’hypothèse nulle, tandis qu’une valeur éloignée de zéro est défavorable à l’hypothèse nulle et favorable à l’hypothèse alternative.

📌 Pour un test bilatéral au seuil de 5 % avec 25 degrés de liberté, les valeurs de t attendues sous l’hypothèse nulle se situent entre −2,06 et +2,06 ; une valeur observée de 2,6 conduit au rejet de l’hypothèse nulle.

11. Risques et puissance des tests

Notions clés & Définitions

  • Risque de première espèce : Le risque de première espèce α est la probabilité de rejeter l’hypothèse nulle alors qu’elle est vraie ; le cours fixe ce risque à 5 %.
  • Risque de seconde espèce : Le risque de seconde espèce β est la probabilité de ne pas rejeter l’hypothèse nulle alors que l’hypothèse alternative est vraie.
  • Puissance d’un test : La puissance d’un test est la probabilité de rejeter l’hypothèse nulle lorsque l’hypothèse alternative est vraie et vaut 1−β1-\beta.
  • Valeur p : La valeur p est l’aire sous la courbe correspondant à la probabilité d’obtenir une valeur aussi extrême ou plus extrême que celle observée ; pour un test bilatéral, le logiciel multiplie le résultat par deux.

Points essentiels

  • La puissance dépend de la taille de l’échantillon et le cours indique qu’on ne travaille pas en dessous de 80 % de puissance.

📌 Au seuil de 5 %, une valeur p inférieure à 5 % conduit au rejet de l’hypothèse nulle, tandis qu’une valeur p supérieure à 5 % correspond à une valeur attendue sous celle-ci.

📌 Ne pas rejeter l’hypothèse nulle ne permet pas de conclure que l’hypothèse alternative est vraie.

12. Choix des tests de comparaison

Notions clés & Définitions

  • Test de Wilcoxon-Mann-Whitney : Le test de Wilcoxon-Mann-Whitney est un test non paramétrique qui compare deux séries d’une variable quantitative en utilisant les rangs des valeurs ordonnées plutôt que leurs valeurs brutes.

★ À maîtriser

  • 🔄 La résolution d’un test d’hypothèse suit ces étapes :
    1. Définir les hypothèses
    2. Collecter les données
    3. Fixer le niveau d’incertitude à 5 %
    4. Calculer la statistique de test
    5. Déterminer le seuil de décision ou la valeur p
    6. Conclure

📌 Le test F de Fisher-Snedecor compare deux variances et peut vérifier l’égalité des variances exigée par certains tests paramétriques comme le test t de Student.

📌 Le test t apparié compare deux séries quantitatives de même taille dont les observations sont liées par paires, notamment deux mesures faites chez un même individu, et suppose que les différences sont normalement distribuées.

Compléments

📌 Le test t de Student compare deux moyennes et peut remplacer le test Z lorsqu’au moins un échantillon est petit, c’est-à-dire de taille n < 30.

📌 Le test F de Fisher-Snedecor suppose que les distributions des deux populations sont normales ; le rapport testé place la variance d’échantillon la plus élevée au numérateur et suit sous l’hypothèse nulle une loi de Fisher.

  • Le test t apparié peut remplacer le test Z lorsque la taille de la série est inférieure à 30.

📌 Le test de Wilcoxon pour séries appariées utilise les rangs des différences non nulles classées selon leur valeur absolue ; il ne requiert pas de normalité des différences, mais demande plus de 20 paires non nulles et peu d’ex æquo.

13. Corrélation entre variables quantitatives

Notions clés & Définitions

  • Corrélation : La corrélation mesure l’association entre les observations simultanées de deux variables quantitatives X et Y mesurées chez les mêmes sujets.
  • Coefficient de corrélation : Le coefficient de corrélation r mesure la relation linéaire entre X et Y, est sans unité et se situe entre −1 et 1.
  • Coefficient de détermination : Le coefficient de détermination est le carré du coefficient de corrélation, r2r^2, et mesure la proportion de variabilité d’une variable expliquée par l’autre.
  • Corrélation de Spearman : La corrélation de Spearman est un test non paramétrique qui étudie les rangs des valeurs et s’utilise notamment lorsqu’au moins une variable n’est pas distribuée normalement ou symétriquement.

★ À maîtriser

📌 En corrélation, X et Y sont observées simultanément et jouent des rôles symétriques, tandis qu’en régression, X est fixée par l’expérimentateur et Y est observée pour chaque valeur de X.

Compléments

📌 Une corrélation n’est interprétable que lorsque les deux variables sont aléatoires et ne sont pas contrôlées par l’expérimentateur.

📌 Un coefficient r positif indique une relation croissante, un coefficient négatif indique une relation décroissante, un coefficient proche de zéro indique l’absence de relation linéaire et un coefficient égal à 1 indique une corrélation parfaite.

  • Pour une corrélation entre le poids et la taille de r = 0,80, le coefficient de détermination vaut r² = 0,64, soit 64 % de la variabilité du poids expliquée par la taille.

📌 Un coefficient de corrélation élevé ne prouve pas une causalité, un coefficient proche de zéro n’exclut pas toute liaison et l’extrapolation hors de la plage des valeurs étudiées est dangereuse.

📌 Le test de corrélation classique suppose une association linéaire entre deux variables aléatoires distribuées normalement ou symétriquement dans la population ; sous l’hypothèse nulle, le coefficient de corrélation est nul.

14. Régression linéaire et pente

Notions clés & Définitions

  • Régression linéaire : La régression linéaire décrit la relation entre une variable quantitative Y dépendante et une variable quantitative X explicative à l’aide d’une droite.

★ À maîtriser

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

📌 Le test de la pente évalue l’hypothèse nulle selon laquelle la pente de la droite de régression dans la population est nulle ; son rejet indique une pente non nulle et une liaison entre X et Y dans la plage étudiée.

Compléments

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

📐 Formule - La droite de régression passe par le point des moyennes (mx,my)(m_x,m_y), sa pente vaut b=Cov⁡(X,Y)Var⁡(X)b=\frac{\operatorname{Cov}(X,Y)}{\operatorname{Var}(X)} et son ordonnée à l’origine vaut b0=my−bmxb_0=m_y-bm_x.

  • Les distances verticales entre les observations de Y et la droite de régression sont appelées résidus.

📌 Le test de la pente suppose une association linéaire, une distribution normale de Y pour chaque valeur de X, une variance constante et l’indépendance des observations de Y.

15. Dispersion résiduelle

Notions clés & Définitions

  • Coefficient de détermination : Le coefficient de détermination r2r^2 mesure la part de la variabilité totale de Y attribuée à la régression et la qualité d’ajustement de la droite au nuage de points.
  • Intervalle de prédiction : L’intervalle de prédiction autour de la valeur estimée de Y par la droite de régression est Y±2Sy/xY \pm 2S_{y/x} et couvre 95 % des observations.
  • Valeur résiduelle : La valeur résiduelle Sy/xS_{y/x} exprime la variabilité de Y qui n’est pas expliquée par la droite de régression.

Points essentiels

📌 Une dispersion de Y attribuée à la pente supérieure à la dispersion résiduelle indique une liaison nette, tandis qu’une dispersion due à la pente faible, ne dépassant pas la dispersion résiduelle, n’indique pas de liaison nette.

  • Le coefficient de détermination vérifie 0≤r2≤10 \leq r^2 \leq 1, et r2=1r^2=1 correspond à un ajustement parfait.

16. Conclusion sur régression et corrélation

★ À maîtriser

📌 En régression, l’expérimentateur fixe l’une des deux variables, ce qui ne permet pas d’interpréter la corrélation comme dans un problème de corrélation où les deux variables sont aléatoires.

Compléments

  • Dans un problème de corrélation, on peut calculer la corrélation entre X et Y pour déterminer si elle diffère significativement de zéro, puis calculer la régression de Y sur X ou de X sur Y selon le contexte.

  • Dans l’exemple sans résidu, Y=−0.12+0.025xY=-0.12+0.025x et Sy/x=0S_{y/x}=0 ; toute la variabilité de Y est expliquée par X et r2=1r^2=1.

  • Dans l’exemple avec résidu, Y=−0.12+0.025x+εY=-0.12+0.025x+\varepsilon, ε∼N(0.02)\varepsilon \sim N(0.02), Sy/x=0.2S_{y/x}=0.2 et r2=0.97r^2=0.97, soit 97 % de la variabilité de Y expliquée par X.

Astuce mémo

Régression : une variable fixée ; corrélation : deux variables aléatoires.

17. Fonction de survie, calendrier et censure du suivi

Notions clés & Définitions

  • Fonction de survie : La fonction de survie S(t)=P(T>t)S(t)=P(T>t) est la probabilité de vivre au moins jusqu’au temps t.
  • Censure : La censure survient lorsque la durée exacte jusqu’à l’événement ne peut pas être observée ; on sait toutefois que la survie dépasse le dernier temps où l’individu a été vu en vie.
  • Donnée de survie : Une donnée de survie est une durée jusqu’à un événement, par exemple la survie d’un patient atteint d’un cancer ou la durée d’hospitalisation.

★ À maîtriser

  • La fonction de survie vaut 1 au temps 0, est décroissante et tend vers 0 lorsque le temps tend vers l’infini.
  • Les trois dates importantes sont :
    • le début de l’étude
    • la clôture des inclusions
    • la fin du suivi

📌 Un individu est vivant s’il n’a pas encore subi l’événement final, décédé s’il l’a subi pendant l’intervalle précédent, et censuré si son statut n’est plus connu à un instant d’observation.

Compléments

  • L’analyse de survie estime la probabilité de survie à différents intervalles de temps, et l’événement étudié peut être le décès ou un autre phénomène.

  • Un patient observé pendant 363 jours avant d’être censuré a une durée de survie d’au moins 363 jours.

Astuce mémo

Début de l’étude → clôture des inclusions → fin du suivi.

18. Estimation Kaplan-Meier

★ À maîtriser

  • La méthode de Kaplan-Meier actualise la probabilité de survie chaque fois qu’au moins un décès est enregistré.

📐 Formule - La probabilité de survie actuelle est p=1−qp=1-q, où q est la probabilité de mourir, et la survie cumulée est le produit de la survie précédente par p.

Compléments

📌 La méthode de Kaplan-Meier est une méthode non paramétrique très utilisée, tandis que la méthode actuarielle est mentionnée mais n’est pas.

  • Au jour 100, avec 22 vivants et 8 décès, q=8/22=0.364q=8/22=0.364, p=0.636p=0.636 et la survie cumulée vaut 0.957×0.636=0.6090.957\times0.636=0.609.

Astuce mémo

À chaque décès : calculer q, puis p = 1 − q, puis actualiser S.

19. Comparaison des courbes de survie

★ À maîtriser

  • Sur un graphique de Kaplan-Meier, les censures sont représentées par des barres verticales et la courbe chute à chaque décès.

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

  • Le test du Log Rank compare deux courbes calculées par Kaplan-Meier ; sous l’hypothèse nulle, leurs profils sont identiques, et sous l’hypothèse alternative, ils diffèrent.

  • Des censures nombreuses en fin d’étude peuvent correspondre à la fin administrative du suivi, tandis que des censures nombreuses en début d’étude doivent être investiguées, car une censure liée à l’issue biaise l’estimation.

Compléments

  • La courbe de Kaplan-Meier est décroissante, part de S(0)=1S(0)=1 et tend vers 0 lorsque le temps tend vers l’infini.

  • Sous l’hypothèse nulle, la statistique du test du Log Rank suit une loi du chi carré à 1 degré de liberté, dont le seuil à 5 % est donné comme 3.84.

  • L’intervalle de confiance à 95 % de la courbe de survie est une estimation susceptible de recouvrir la courbe théorique et peut être représenté par une zone grisée ou des lignes pointillées.

20. Tests des tables de contingence

Notions clés & Définitions

  • Table de contingence : Une table de contingence regroupe des effectifs observés dans ses cases et présente les totaux des lignes et des colonnes dans ses marges.

★ À maîtriser

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

📐 Formule - Dans une table de contingence, l’effectif théorique de la case ij est cij=njtiNc_{ij}=\frac{n_jt_i}{N}, soit le produit du total de ligne par le total de colonne divisé par le total général.

📐 Formule - Dans un tableau à r lignes et k colonnes, le nombre de degrés de liberté est ddl=(r−1)(k−1)ddl=(r-1)(k-1).

📌 Le test du chi carré exige que les effectifs théoriques de chaque case soient au moins égaux à 5 ; sinon, il faut regrouper des classes ou, pour un tableau à quatre cases, utiliser le test exact de Fisher.

📌 Le test de McNemar compare deux pourcentages issus de séries appariées, tandis que les tests du chi carré et de Fisher sont présentés pour comparer des échantillons indépendants.

Compléments

📌 Le test exact de Fisher calcule, sous l’hypothèse nulle, la probabilité d’observer un écart au moins aussi grand que celui constaté ; si cette probabilité est inférieure à 5 %, l’hypothèse nulle d’égalité est rejetée.

📌 Le test du chi carré de tendance recherche l’évolution d’un pourcentage selon une variable ordinale ou quantitative discrète et suppose une liaison linéaire ainsi que des effectifs théoriques d’au moins 5.

21. Comparaison des échantillons indépendants

Notions clés & Définitions

  • Analyse de variance : L’analyse de variance, ou test F de Snedecor, compare les moyennes observées dans plusieurs échantillons indépendants issus de populations distinctes.

★ À maîtriser

📌 Le test F suppose des populations normalement distribuées et de même variance ; sous l’hypothèse nulle d’égalité des moyennes, F est proche de 1.

📌 Le test de Kruskal-Wallis compare les rangs moyens sans exiger la normalité ni l’égalité des variances, contrairement au test F d’analyse de variance.

Compléments

  • Lorsque le test F est significatif, il indique qu’au moins une moyenne diffère, mais des comparaisons deux à deux sont nécessaires pour identifier les groupes différents.

📌 La correction de Bonferroni ajuste le seuil des comparaisons deux à deux à α=0.05/nombre de comparaisons\alpha=0.05/\text{nombre de comparaisons}.

📌 Le test de Kruskal-Wallis exige des effectifs supérieurs à 10 dans chaque échantillon et peu d’ex æquo.

  • Une transformation logarithmique yi=ln⁡(xi)y_i=\ln(x_i) peut être utilisée pour faciliter l’analyse de distributions dissymétriques à droite, comme celles des durées de vie, des comptages ou des concentrations.

Tableaux de synthèse

Paramètres de position et de dispersion

ParamètreCe qu’il résumeSensibilité aux extrêmes
MédianeValeur centrale partageant les effectifs en deuxPeu sensible
MoyenneSomme des valeurs divisée par l’effectifUtilise toutes les valeurs
ÉtendueDifférence entre les deux valeurs extrêmesTrès sensible
Intervalle interquartileDifférence entre le troisième et le premier quartileS’affranchit des extrêmes
Écart-typeDispersion autour de la moyenne, dans ses unitésDépend des valeurs de la série

Choix des tests sur données qualitatives

SituationTestCondition ou rôle
Échantillons indépendants, distributionsChi carré d’homogénéitéComparer les distributions
Deux pourcentages indépendantsChi carré ou FisherFisher si effectifs théoriques faibles
Deux pourcentages appariésMcNemarPaires d’individus
Deux variables qualitatives liéesChi carré d’indépendanceTester l’indépendance dans un échantillon
Pourcentage selon une variable ordinaleChi carré de tendanceTester une tendance évolutive

Teste tes connaissances

Teste tes connaissances sur Biostatistiques descriptives et inférentielles avec 10 questions à choix multiples et corrections détaillées.

1. Une équipe interroge 120 patients pour estimer la proportion de tous les patients hypertendus qui pourraient bénéficier d’un traitement. Quelle démarche statistique utilise-t-elle pour généraliser les résultats de l’échantillon à la population visée ?

2. Dans une étude sur la propagation d’une maladie, quel terme désigne l’application de méthodes statistiques aux sciences de la vie ?

Faire le QCM →

Révisez avec les flashcards

Mémorisez les concepts clés de Biostatistiques descriptives et inférentielles avec 10 flashcards interactives.

Qu’étudient les statistiques ?

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

À quoi s’appliquent les biostatistiques ?

Aux sciences de la vie.

Qu’est-ce qu’une variable statistique ?

Une caractéristique susceptible de prendre différentes valeurs selon les individus étudiés.

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