★ À maîtriser
Les statistiques en santé servent à décrire une série de patients, estimer un paramètre de population à partir d’un échantillon, comparer un événement clinique entre deux groupes et évaluer les performances d’un test diagnostique.
L’estimation ponctuelle d’un paramètre inconnu de la population est encadrée par un intervalle de confiance à 95 %.
L’évaluation des performances d’un test diagnostique porte notamment sur sa sensibilité, sa spécificité, ses rapports de vraisemblance et ses valeurs prédictives.
Compléments
La description d’une série de patients peut associer des tableaux utilisant la médiane et l’intervalle interquartile pour l’âge ou l’effectif, ainsi que les fréquences relatives pour les comorbidités, et des figures comme l’histogramme ou le box plot.
Dans une comparaison clinique entre deux groupes de patients, le degré de signification statistique ou p-value du test est présenté à la fin de chaque ligne du tableau.
📌 Une variable quantitative mesure une valeur numérique, tandis qu’une variable qualitative décrit des modalités qui ne sont pas exploitables arithmétiquement.
Quantitative : valeurs mesurables ; qualitative : modalités à classer ou nommer.
★ À maîtriser
Pour une modalité, la fréquence relative est le rapport de son effectif à l’effectif total , exprimé en pourcentage.
Les variables qualitatives nominales se décrivent par les effectifs et les fréquences relatives de leurs modalités.
Un diagramme en barres représente une variable qualitative ordinale ou nominale avec des barres disjointes, les modalités en abscisse et les effectifs ou fréquences relatives en ordonnée.
Pour une variable qualitative ordinale, on peut calculer l’effectif cumulé et la fréquence cumulée, cette dernière étant le rapport de l’effectif cumulé à l’effectif total.
Compléments
Une variable qualitative binaire permet de déduire l’effectif et la fréquence de la modalité complémentaire lorsqu’on connaît ces deux valeurs pour l’autre modalité.
Un diagramme en secteurs peut représenter une variable qualitative ordinale ou nominale, mais devient illisible lorsque la variable comporte plus de six modalités.
Pour une variable qualitative ordinale, les diagrammes en barres ordonnent les modalités par ordre croissant et peuvent aussi représenter les effectifs cumulés ou les fréquences cumulées.
📌 Les paramètres de position décrivent la position d’une distribution, les paramètres de dispersion son étalement et les paramètres mixtes combinent ces aspects.
La moyenne arithmétique convient aux distributions symétriques, mais elle est sensible aux valeurs extrêmes et se prête au calcul algébrique et aux tests statistiques.
La moyenne géométrique est adaptée aux variables dont la distribution asymétrique présente une queue étalée vers la droite, mais elle ne convient pas aux variables pouvant prendre la valeur zéro.
La médiane convient aux distributions symétriques comme asymétriques, mais ne se prête pas au calcul algébrique.
★ À maîtriser
📌 Une variable quantitative discrète prend un nombre fini de valeurs, tandis qu’une variable quantitative continue peut prendre un nombre infini de valeurs et ses valeurs sont regroupées en intervalles pour les représenter.
Compléments
Une variance faible indique une distribution resserrée autour de la moyenne.
Le diagramme en barres des effectifs simples d’une variable discrète utilise des barres disjointes.
Un histogramme représente une variable quantitative continue regroupée en classes contiguës, par des barres contiguës.
Étendue sensible aux extrêmes, intervalle interquartile robuste
★ À maîtriser
La loi normale centrée réduite a une moyenne nulle et un écart-type égal à 1; sa densité est symétrique par rapport à l’axe des ordonnées, atteint son maximum en z = 0 et possède des points d’inflexion en z = -1 et z = +1.
Pour centrer et réduire une variable normale de moyenne μ et d’écart-type σ, on retranche d’abord μ à chaque valeur, puis on divise le résultat par σ.
L’estimation vise à déterminer la valeur d’un paramètre théorique inconnu de la distribution d’une variable à partir des observations recueillies dans un échantillon.
Compléments
Pour une variable aléatoire continue, la probabilité qu’elle prenne une valeur comprise entre A et B se détermine à partir de sa densité de probabilité.
L’aire totale sous la courbe de densité d’une loi normale est égale à 1, et sa fonction de répartition se lit dans des tables de valeurs tabulées.
La table de l’écart réduit présentée est bilatérale : elle donne la probabilité extérieure à l’intervalle [-ε; +ε], et une probabilité unilatérale dans une seule queue vaut la moitié de cette probabilité extérieure.
Sous l’hypothèse que l’âge des patients hospitalisés pour COVID-19 suit une loi normale de moyenne 61 ans et d’écart-type 16 ans, la probabilité d’avoir moins de 61 ans est de 50 %.
Sous la même hypothèse de loi normale pour l’âge, la probabilité qu’un patient ait moins de 20 ans est de 0,5 %, après centrage-réduction et lecture unilatérale de la table.
Pour une loi normale d’âge de moyenne 61 ans et d’écart-type 16 ans, l’intervalle contenant 95 % des patients correspond à des écarts réduits compris entre -1,96 et 1,96 et à des âges compris entre 30 et 92 ans.
Une estimation doit être sans biais, aussi précise que possible et réalisée au moindre coût.
★ À maîtriser
Dans un sondage aléatoire simple, tous les individus ont une probabilité identique de constituer l’échantillon.
Un sondage aléatoire simple repose sur une base de sondage exhaustive et sans doublon, puis sur le tirage au sort des individus sans remise.
Compléments
★ À maîtriser
D’après le théorème central limite, la moyenne m d’une variable quantitative X calculée sur un échantillon d’effectif n est elle-même une variable aléatoire.
Si n ≥ 30, quelle que soit la loi de distribution de X, la moyenne d’échantillon suit une loi normale de moyenne μ et d’écart-type σ/√n.
L’estimation ponctuelle fluctue autour de la valeur théorique du paramètre en raison du hasard de l’échantillonnage.
Compléments
Si la variable X suit elle-même une loi normale, la moyenne d’échantillon suit une loi normale de moyenne μ et d’écart-type σ/√n, quel que soit l’effectif n.
L’écart-type estimé est la racine carrée de l’estimation de la variance.
En santé et en biologie, un niveau de confiance de 95 % est utilisé pour l’intervalle de confiance.
Pour l’intervalle de confiance d’une moyenne, la loi de probabilité de la moyenne et la valeur critique tα sont déterminées à l’aide de la table de Student.
La précision de l’intervalle de confiance dépend du risque d’erreur α et de l’effectif de l’échantillon n.
À effectif donné, un α plus petit entraîne un εθ plus grand, un intervalle de confiance plus large et une précision moindre.
Le nombre de sujets nécessaire pour obtenir un intervalle de confiance d’une précision donnée peut être déterminé pour une moyenne ou une proportion à partir de la formule de l’intervalle de confiance.
★ À maîtriser
📌 Les hypothèses d’un test statistique sont formulées au niveau des populations ; pour comparer deux moyennes, H₀ pose μ₁ = μ₂ et l’hypothèse alternative bilatérale H₁ pose μ₁ ≠ μ₂.
📌 On rejette H₀ et retient H₁ lorsque P(|Z₀| > ε sous H₀) < α ; lorsque cette probabilité est ≥ α, on ne peut pas rejeter H₀.
📌 Le non-rejet de H₀ signifie qu’aucune différence statistiquement significative n’est mise en évidence entre les estimations des échantillons, mais ne permet pas de conclure à l’absence de différence entre les populations.
Compléments
📌 Une hypothèse alternative bilatérale postule une différence sans en préciser le sens, tandis qu’une hypothèse unilatérale précise le sens de l’inégalité entre les populations.
Les tests d’hypothèse unilatéraux ne sont justifiés que dans des circonstances très particulières, et les revues médicales scientifiques recommandent de ne pas les utiliser pour les études de supériorité.
Sous H₀, les différences d’estimations m₁−m₂ proches de zéro sont les plus probables, même si cette différence peut prendre toute valeur réelle.
Le seuil de signification α est fixé a priori et vaut classiquement 0,05 en santé et en biologie.
L’application des tests statistiques exige l’indépendance des observations, tandis que les autres conditions dépendent du test utilisé, comme l’écart réduit, le test de Student ou le χ².
α fait rejeter H₀ à tort ; β fait manquer une différence réelle.
★ À maîtriser
📌 Une différence statistiquement significative peut être trop faible pour être cliniquement pertinente, notamment lorsqu’un essai de grande taille détecte un bénéfice marginal de survie associé à un traitement innovant par rapport au traitement de référence.
📌 Une association statistiquement significative n’est pas nécessairement causale ; juger sa causalité nécessite de vérifier des critères de causalité étudiés en épidémiologie.
Compléments
Significativité statistique ≠ pertinence clinique ≠ causalité
★ À maîtriser
Comparer deux moyennes revient à tester l’association entre une variable quantitative continue et une variable qualitative binaire.
Les trois configurations sont :
📌 Pour comparer une moyenne à une valeur de référence, le test Z de l’écart réduit est indiqué si n ≥ 30, tandis que le test t de Student est indiqué si la distribution est normale.
Pour un test bilatéral au risque α = 0,05 avec la loi normale centrée réduite, la valeur critique est εα = 1,96 ; on rejette H0 si la valeur absolue de Zo dépasse 1,96.
Deux échantillons sont indépendants lorsque leurs individus sont différents et sans lien entre eux, et leurs effectifs peuvent être différents.
📌 Pour comparer deux moyennes sur des échantillons indépendants, le test Z est indiqué si n1 ≥ 30 et n2 ≥ 30 ; le test t de Student est indiqué si la distribution est normale et les variances comparables.
📌 Dans les échantillons appariés, la covariance est non nulle ; le Z apparié est supérieur au Z indépendant, ce qui augmente la probabilité de rejeter H0 et procure un gain de puissance statistique.
Compléments
📐 Formule - Pour comparer une moyenne estimée à une valeur de référence, les hypothèses sont et .
Pour comparer une moyenne à une valeur de référence, le risque est fixé a priori à α = 0,05 (5 %).
Pour le test t de Student, la valeur critique se lit dans la table de Student en fonction des degrés de liberté.
Une p-value inférieure à 0,05 conduit à rejeter l’hypothèse nulle H0.
La comparaison d’une moyenne à une valeur de référence requiert l’indépendance des observations ; le test t de Student requiert aussi la normalité, tandis que le test Z présenté requiert n > 30.
📐 Formule - Pour comparer deux moyennes sur des échantillons indépendants, les hypothèses sont et .
📌 Pour comparer deux moyennes indépendantes, les conditions indiquées sont l’indépendance des observations, des effectifs supérieurs à 30 dans les deux populations, la normalité et des variances comparables, définies par un rapport de 1 à 3.
★ À maîtriser
📐 Formule - Les degrés de liberté d’un tableau de contingence sont , où L est le nombre de lignes et C le nombre de colonnes.
📌 Le test du chi carré requiert l’indépendance des observations et un effectif théorique Tij supérieur ou égal à 5 dans chaque cellule ; si cette condition d’effectif n’est pas vérifiée, la probabilité exacte de Fisher est indiquée.
📌 La probabilité exacte de Fisher s’utilise pour comparer deux pourcentages sur des échantillons indépendants lorsque Tij < 5 dans une ou plusieurs cellules ; elle requiert l’indépendance des observations.
Compléments
Les quatre configurations sont :
Dans un tableau de contingence, le nombre de lignes correspond au nombre de pourcentages et le tableau 2 × 2 comporte quatre cellules, sans compter les cellules en marge.
Pour comparer deux pourcentages sur des échantillons indépendants, les individus des deux échantillons sont différents et sans lien entre eux, et les effectifs des échantillons peuvent être différents.
📐 Formule - Pour comparer deux pourcentages indépendants, les hypothèses sont et .
Plus les effectifs observés s’éloignent des effectifs théoriques attendus sous H0, plus la valeur du chi carré est élevée.
🔄 Le calcul se déroule en trois étapes :
Dans l’exemple présenté, la différence observée est de 0,8 % contre 6,8 %, la probabilité exacte de Fisher est de 1,7 % (0,017), et le résultat conduit à rejeter H0 et à conclure à une différence significative du pourcentage de personnel soignant entre les personnes décédées et les personnes ayant survécu au COVID-19.
La probabilité exacte de Fisher peut être utilisée dans tous les cas, mais son emploi est limité par le temps de calcul ; elle doit être utilisée lorsque la condition d’application du chi carré n’est pas vérifiée.
Lister les tableaux, calculer leurs probabilités, puis sommer les configurations aussi extrêmes
★ À maîtriser
📌 Pour interpréter l’intervalle de confiance d’une différence de pourcentages, on vérifie s’il chevauche la valeur neutre 0 : s’il la chevauche, on ne rejette pas H0 ; s’il ne la chevauche pas, on rejette H0.
Compléments
📌 Un intervalle de confiance entièrement supérieur à 0 permet de conclure que , tandis qu’un intervalle entièrement inférieur à 0 permet de conclure que .
📌 Une p-value supérieure à 0,05 indique un résultat non statistiquement significatif, tandis qu’une p-value inférieure à 0,05 indique un résultat statistiquement significatif.
L’IC qui chevauche 0 s’oppose à l’IC qui l’exclut
★ À maîtriser
Pour comparer plusieurs pourcentages sur des échantillons indépendants, le test du chi carré porte sur l’association entre une variable qualitative binaire et une variable qualitative polytomique, nominale ou ordinale.
Le test du chi carré d’indépendance requiert l’indépendance des observations et des effectifs théoriques attendus sous H0 d’au moins 5 dans chaque cellule.
Pour le test du chi carré d’indépendance, H0 pose l’égalité des pourcentages et l’absence d’association entre les deux variables, tandis que H1 pose qu’au moins un pourcentage diffère et qu’il existe une association.
Compléments
📌 Pour un test d’indépendance sur un tableau à L lignes et C colonnes, le nombre de degrés de liberté est .
📌 Dans le test du chi carré d’indépendance, on rejette H0 si la statistique observée est supérieure ou égale à la valeur critique au seuil choisi, ou si la p-value est inférieure au seuil α.
📌 Pour comparer une distribution observée à une distribution théorique sur k modalités, H0 affirme l’égalité de toutes les proportions correspondantes et H1 affirme qu’au moins une proportion diffère ; le test du chi carré a k−1 degrés de liberté.
★ À maîtriser
📐 Formule - La sensibilité estimée est le rapport des vrais positifs au nombre de malades : .
📐 Formule - La spécificité estimée est le rapport des vrais négatifs au nombre de non-malades : .
Compléments
La réponse d’un test diagnostique peut être :
Dans un tableau de contingence diagnostique, les catégories sont :
📐 Formule - La prévalence est le rapport entre le nombre de malades et l’effectif total : .
📌 Un test très sensible dont le résultat est négatif permet d’exclure la pathologie d’intérêt ; si sa sensibilité vaut 1, il ne produit aucun faux négatif.
📌 Un test très spécifique dont le résultat est positif permet d’affirmer la maladie ; si sa spécificité vaut 1, il ne produit aucun faux positif et est dit pathognomonique.
📐 Formule - L’indice de Youden est défini par et varie de −1 à 1.
Sensibilité si malade ; spécificité si non-malade
★ À maîtriser
📐 Formule - L’indice de Youden est défini par et varie de −1 à 1.
Un indice de Youden proche de 1 caractérise un test très discriminant, tandis qu’un indice proche de 0 indique un test peu performant.
La sensibilité et la spécificité sont des caractéristiques intrinsèques du test qui ne sont pas influencées par la prévalence de la maladie.
📌 Les valeurs prédictives sont directement interprétables par le clinicien, mais varient avec la prévalence de la maladie, contrairement à la sensibilité et à la spécificité.
Compléments
📌 La sensibilité est calculée conditionnellement à la présence de la maladie, uniquement chez les malades, tandis que la spécificité est calculée conditionnellement à son absence, uniquement chez les non-malades.
La valeur prédictive positive est calculée comme la proportion de sujets vrais positifs parmi les sujets dont le test est positif.
La valeur prédictive négative est calculée comme la proportion de sujets vrais négatifs parmi les sujets dont le test est négatif.
Prévalence élevée → VPP augmente et VPN diminue
★ À maîtriser
Compléments
Un rapport de vraisemblance positif égal à 1 signifie que le test est aussi souvent positif chez les malades que chez les non-malades et n’apporte pas d’intérêt diagnostique.
Dans la littérature médicale, un rapport de vraisemblance positif à partir de 10 est considéré comme informatif, et sa valeur recherchée est la plus élevée possible.
Dans la littérature médicale, un rapport de vraisemblance négatif égal à 0,1 est considéré comme informatif, et sa valeur recherchée est la plus faible possible.
Le nomogramme de Fagan permet d’estimer la probabilité post-test en reliant la probabilité pré-test à gauche au rapport de vraisemblance au centre, puis en lisant le résultat à droite.
RV positif élevé pour confirmer ; RV négatif faible pour exclure
★ À maîtriser
Compléments
Pour déterminer un point de la courbe ROC, on fixe un seuil qui définit les résultats positifs au-dessus de celui-ci et les résultats négatifs au-dessous.
La courbe ROC aide à choisir un seuil décisionnel en recherchant un compromis entre sensibilité et spécificité.
L’aire sous la courbe ROC est particulièrement utile pour comparer la discrimination de deux ou plusieurs tests diagnostiques concurrents.
Teste tes connaissances sur Estimation et tests statistiques avec 64 questions à choix multiples et corrections détaillées.
1. Une équipe veut résumer le profil de ses patients, estimer une caractéristique de la population, comparer un événement clinique entre deux groupes et vérifier la qualité d’un outil de dépistage. À quels objectifs des statistiques en santé ces tâches correspondent-elles ?
2. Une chercheuse calcule une estimation ponctuelle de la moyenne d’une population à partir d’un échantillon. Quel élément doit-elle présenter pour encadrer cette estimation ?
Mémorisez les concepts clés de Estimation et tests statistiques avec 96 flashcards interactives.
Quels objectifs les statistiques en santé permettent-elles de poursuivre ?
Décrire des patients, estimer un paramètre, comparer deux groupes et évaluer un test diagnostique.
Quel intervalle encadre l’estimation ponctuelle d’un paramètre de population ?
Un intervalle de confiance à 95 %.
Quelles performances évalue-t-on pour un test diagnostique ?
Sa sensibilité, sa spécificité, ses rapports de vraisemblance et ses valeurs prédictives.
Importe ton cours et l'IA génère fiches, QCM et flashcards en 30 secondes.
Générateur de fiches