La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Données chiffrées : résumé et représentation selon le type de variables Optionnel de Statistique appliquée À la lecture critique darticles Cours n°1 FRT.

Présentations similaires


Présentation au sujet: "Données chiffrées : résumé et représentation selon le type de variables Optionnel de Statistique appliquée À la lecture critique darticles Cours n°1 FRT."— Transcription de la présentation:

1 Données chiffrées : résumé et représentation selon le type de variables Optionnel de Statistique appliquée À la lecture critique darticles Cours n°1 FRT 2007

2 Plan Paramètres résumant la distribution –dune variable qualitative à 2 ou + classes –dune variable quantitative à loi de distribution symétrique à loi de distribution asymétrique Représentation sous forme de tableaux Représentations sous forme de graphes ce quil faut faire, ce quil ne faut pas faire

3 Variables qualitatives À 2 classes : –en présent/absent –Succès/échec –Homme/femme –Cas/témoin –Traitement de référence/nouveau traitement = variable dichotomique

4 Variables qualitatives À 2 classes : variable dichotonique À plusieurs classes : Ordonnées : importance croissante dans un ordre déterminé : Rang de naissance Stade histologique dune tumeur : I, II, III, IV tabagisme :0 pa, ] 0-10 pa], ]10 – 20 pa ], > 20 pa Toujours le cas pour une variable quantitative transformée en variable qualitative à plusieurs classes

5 Variables qualitatives À 2 classes : variable dichotomique À plusieurs classes : –Ordonnées : importance croissante dans un ordre déterminé Non ordonnées : non croissantes génotypes du VHC :types 1, 2, 3, 4/5 Localisation IDM : antérieur, septal, postérieur Origine géographique : Europe, Afrique du nord, Afrique sub-saharienne, Asie..

6 Variables qualitatives Se représentent sous forme de ratios, de proportions ou pourcentages : –Exemple : 150 malades inclus, 90 hommes, 60 femmes : Ratio H:F : 90:60 ou 1,5:1 (correspond au rapport 90/60) Proportion dhommes : 90/150 (0,60) Pourcentage dhommes : 90/150 (60 %)

7 Variables qualitatives Se représentent sous forme de ratios, de proportions ou pourcentages : –Exemple : 150 malades inclus, 90 hommes, 60 femmes : Ratio H:F : 90:60 ou 1,5:1 (correspond au rapport 90/60) Proportion dhommes : 90/150 (0,60) Pourcentages dhommes : 90/150 (60 %) -Toujours noter les numérateurs et dénominateurs - pour une variable dichotomique, donner un % sans son complémentaire - pour une variable à plusieurs classes, donner tous les % !

8 Variables qualitatives Le % observé représente une estimation faite sur un échantillon de taille n Pour estimer la précision de lestimation : associer lintervalle de confiance du % IC 95 % = p pq/n(condition np, nq >5) Inutile pour toutes les variables descriptives Indispensable pour les évènements étudiés

9 Quelques exemples dIC à 95 % La précision dune estimation dépend de la taille de léchantillon : « le taux dinfections nosocomiales était de 10 % »

10 Quelques exemples dIC à 95 % La précision dune estimation dépend de la taille de léchantillon : « le taux dinfections nosocomiales était de 10 % » taille de léchantillonIC 95 % 302,1 – 26,5 % 804,4 – 18,8 % 1505,8 – 15,8 % 6007,6 – 12,4 % 12008,3 – 11,7 % LIC est plus important quune précision numérique illusoire 12/65 (18,4615 %)IC 95 % : 9,9 – 30,0 %

11 Variables quantitatives Quelle que soit la distribution, normale ou quelconque X On définit sur un échantillon de taille N : - la moyenne m : n i x i /N - la variance s² : [ xi² - ( xi)²/n] / n-1 - et lécart-type : s²(déviation standard) 1 DS

12 Variables quantitatives Pour décrire des variables quantitatives dont la distribution est normale ou au moins symétrique : –m ± 1 DS [extrêmes]mêmes unités –En cas de distribution normale, cela veut dire que 2/3 de léchantillon ont une valeur comprise entre m – 1 DS et m + 1 DS Lécart-type de la moyenne (sem = s/ n) est une mesure de précision de la moyenne, pas une mesure de la variabilité des données

13 Variables quantitatives Pour décrire des variables quantitatives dont la distribution est normale ou au moins symétrique : –m ± 1 DS [extrêmes] Lécart-type de la moyenne (sem = s/ n) est une mesure de précision de la moyenne, pas une mesure de la variabilité des données Pour décrire la variabilité de mesures biologiques : coefficient de variation (CV) : CV écart-type x 100 exprimé en % moyenne =

14 Variables quantitatives Pour décrire des variables quantitatives dont la distribution est normale ou au moins symétrique : –m ± 1 DS [extrêmes] Lécart-type de la moyenne (sem = s/ n) est une mesure de précision de la moyenne, pas une mesure de la variabilité des données Pour décrire la variabilité de mesures biologiques : coefficient de variation (CV) : En cas de distribution asymétrique : médiane et interquartiles

15 Variables quantitatives, distribution asymétrique F(X) 0 médiane kX 0 0,50 1 Médiane : P(X médiane) = 0,50 Graphe de proportions cumulatives

16 Variables quantitatives, distribution asymétrique F(X) 0 1 er IQ médiane 3 è IQ kX 0 0,50 1 0,75 0,25 Médiane : P(X médiane) = 0,50 Interquartile : 1 er Q : P(X 1er Q) = 0,25 3 è Q : P(X 3 è Q) = 0,75 Graphe de proportions cumulatives IQR

17 % malades Vitesse de progression de la fibrose (Points Metavir/durée de la maladie en ans) Variables quantitatives, distribution asymétrique médiane moyenne 1er IQ 3ème IQ

18 Variables quantitatives, distribution asymétrique Comment reconnaître ? –10,5 4,8 UI –10,5 9,7 UI –10,5 11,6 UI

19 Variables quantitatives, distribution asymétrique Comment reconnaître ? La transformation de la variable en Log peut normaliser la distribution Intéressant pour les tests statistiques Interprétation clinique difficile

20 Variables quantitatives, distribution asymétrique Comment reconnaître ? La transformation de la variable en Log peut normaliser la distribution Intéressant pour les tests statistiques Interprétation clinique difficile Cas « extrême » de variables dont létendue des valeurs va de 0 à ou + Exemple : les charges virales : ADN du VHB ARN du VIH Transformation en log10 réduit létendue : valeurs de 0 à 12

21 Variables quantitatives censurées Variable censurée = variable qui évolue avec le temps : vie/décès, rechute de la maladie –Au moment de lanalyse : Si le malade est décédé, on connaît sa durée de vie Si le malade est encore vivant, on ne connaît pas sa durée de vie qui est > durée de létude

22 Variables quantitatives censurées Variable censurée = variable qui évolue avec le temps : vie/décès, rechute de la maladie –Au moment de lanalyse : Si le malade est décédé, on connaît sa durée de vie Si le malade est encore vivant, on ne connaît pas sa durée de vie qui est > durée de létude –On ne peut donc pas calculer la moyenne de survie Médiane de survie si survie connue pour au moins 50 % Quartile si médiane non atteinte Probabilité de survie à xx mois ou années : calcul permettant de prendre en compte toutes les informations, y compris celles apportées par la durée de suivi des « exclus-vivants »

23 Variables quantitatives transformées en variables qualitatives Recueillir de préférence linformation comme variable quantitative Transformer pour lanalyse en variable qualitative –à 2 classes –Plus souvent en variable ordinale Donner le rationnel du choix des classes –Seuil = médiane (puissance maximale) ou moyenne –Pertinence clinique –Seuils acceptés dans la littérature

24 Evolution des données Mesures « avant-après », exprimées en : –Différence entre 2 mesures –Différence relative : (mesure après – mesure avant) / mesure avant x100 = diminution si valeur négative = augmentation si valeur positive –Toujours donner au moins une mesure en valeur absolue pour évaluer lordre de grandeur de la modification 50 % de diminution dune complication taux initial 42 % taux initial 3 % –Données résumées : moyenne 1 DS de la différence

25 Présentation des résultats sous forme de tableaux Description de la population de létude Analyse selon la variable de regroupement –Traitement –Caractéristique épidémiologique à létude –Critère de jugement Les tableaux doivent être –clairs (lisibles) –complets –informatifs –complémentaires du texte

26

27 Non cannabis users n=141 Occasional cannabis users n=40 Daily cannabis users n=89 P* Cannabis use (cigarettes/month) median (IQR) 08 (4-10)60 (30-122)<0.001 Gender Men, n (%) 75 (53.2%)30 (80.0%)79 (88.8%)<0.001 Age at exposure, mean (SD)27.6 (12.0)20.6 (3.8)21.1 (4.4)<0.001 Age at liver biopsy, mean (SD)48.0 (11.1)37.2 (6.5)38.3 (6.3)<0.001 Route of transmission Blood transfusion, n (%) Intravenous drug use, n (%) Nosocomial exposure, n (%) 95 (67.4%) 26 (18.4%) 20 (14.2%) 4 (10.0%) 35 (87.5%) 1 (2.2%) 5 (5.6%) 83 (93.3%) 1 (1.1 %) <0.001 Duration of HCV exposure (yrs) mean (SD) 20.4 (8.9)16.7 (6.9)17.1 (5.4)0.02 Disease-time tobacco use (packs-yrs) median (IQR) 0 (0-15)13 (8-20)15 (10-22)<0.001 Disease-time alcohol intake g/day, median (IQR) >30 g/day (%) 3 (1-13) 18 (12.8) 18 (4-42) 14 (35.0) 27 (10-49) 43 (48.3) <0.001 * p value of the global test. Significant results of two-by-two comparisons are reported in the text. : occasional versus daily smokers ; Information missing in 3 patients; SD: standard deviation; BMI : body mass index; Table 2: Characteristics of patients according to cannabis use

28 Methadone/buprenorphine use, n (%)1 (1.2 %)4 (10.0%)20 (22.5%)0.10 HCV genotype, n (%) ,5 90 (64.8) 18 (13.0) 17 (12.2) 14 (10.1) 25 (62.5) 0 (0) 12 (30.0) 3 (7.5) 42 (47.7) 2 (2.3) 37 (42.1) 7 (8.0) <0.001 Fasting glycemia <6.1 mmol/L, n (%)125 (88.7%)39 (97.5%)85 (95.5%)0.15 BMI (kg/m 2 ), mean (SD)25.4 (4.9)23.3 (2.5)23.4 (3.8)0.002 Steatosis, n (%) Absent Mild Moderate Marked 39 (27.7%) 60 (42.6%) 18 (12.8%) 24 (17.0%) 12 (30.0%) 23 (57.5%) 2 (5.0%) 3 (7.5%) 23 (25.8%) 37 (41.6%) 8 (9.0%) 21 (23.6%) 0.24 Metavir activity grade, n (%) A1 A2 A3 65 (46.1%) 71 (50.4%) 5 (3.6%) 18 (45.0%) 21 (52.5%) 1 (2.5%) 33 (37.1%) 50 (56.2%) 6 (6.7 %) 0.53 Metavir fibrosis stage, n (%) F0 F1 F2 F3 F4 8 (5.7%) 84 (59.6%) 26 (18.4%) 7 (5.0%) 16 (11.4%) 3 (7.5%) 28 (70.0%) 4 (10.0%) 1 (2.5%) 4 (10.0%) 2 (2.3%) 42 (47.2%) 16 (18.0%) 13 (14.6%) 16 (18.0%) Fibrosis progression rate (Metavir units/year), median (Q1-Q3)0.06 ( )0.07 ( )0.11 ( )0.001 Fibrosis progression rate >0.15 (%)28 (19.9%)6 (15.0%)30 (33.7%)0.02

29 Fibrosis progression rate > U/year, n (%)p Gender Male (n=186) Female (n =84) 100 (53.8 %) 34 (40.5 %)0.04 Age at exposure < 20 (n=111) (n=136) > 40 (n=23) 46 (41.4%) 72 (52.9%) 16 (70%) Route of transmission Blood transfusion (n=104) IVDU (n=144) Nosocomial (n=22) 42 (40.4 %) 82 (56.9 %) 10 (45.5 %) Genotype* 1 (n=157) 2 (n=20) 3 (n=66) 4/5 (n=24) 66 (42.0 %) 7 (35.0 %) 49 (74.2%) 11 (45.8 %) <0.001 Disease-time cannabis use Non smokers (n=141) Occasional smokers (n=40) Daily smokers (n=89) 56 (39.7%) 17 (42.5%) 61 (68.5%) <0.001 Due to differences between genotype 3 and other genotypes ; Due to differences between daily cannabis smokers and occasional and non cannabis smokers * Information missing in 3 patients ; Univariate analysis of factors associated with fibrosis progression rate >0.074 Metavir units/year

30 Disease-time alcohol intake < 30 g/day (n=195) > 30 g/day (n=75) 82 (42.1%) 52 (69.3%)0.001 Disease-time tobacco (packs-yrs) None (n=80) 0-10 (n=59) (n=87) >20 (n=44) 34 (42.5 %) 32 (54.2 %) 43 (49.4 %) 25 (56.8 %) 0.39 Methadone/buprenorphine treatment Absent (n=245) Present (n=25) 118 (48.2 %) 16 (64.0 %)0.13 BMI (kg/m 2 ), 27 (n=212) > 27 (n=58) 106 (48. 3%) 28 (50.0 %)0.82 Fasting serum glucose (mmol/L) 6.1 (n=249) > 6.1 (n=21) 119 (47.8%) 15 (71.4%)0.038 Steatosis Absent-mild (n=194) Moderate-severe (n=76) 79 (40.7%) 55 (72.4%)<0.001 Metavir activity grade A1 (n=116) A2-A3 (n=154) 30 (25.9%) 104 (67.5%)<0.001 Analyse univariée (suite)

31

32

33 Représentation graphique Des variables qualitatives : Histogrammes en bâtons, groupés, empilés Secteurs (« camembers ») Aires sous la courbe Courbes …. Des variables quantitatves Histogrammes en bâtons Barres Boîtes « à moustaches »

34 HCV genotypes and routes of transmission ( ) ( C Payan, F Roudot-Thoraval et al, J viral Hepatitis, 2005)

35 Relation entre génotypes et périodes de contamination ( , n=985) C Payan, F Roudot-Thoraval et al, J viral Hepatitis, 2005)

36 Relationship between genotypes and age at referral ( ) % Age (years) (C Payan, F Roudot-Thoraval et al, J viral Hepatitis, 2005)

37 Lésions hépatiques à la biopsie du foie (1999) 2% 12% 11% 41% 34% lésions non spécifiques HCA minime HCA modérée HCA sévère cirrhose Réseau Hépatite C Val de Marne-Essonne

38 Premiers résultats de la notification obligatoire du VIH, France Modes de contamination 64 % 4 % 32 % 42 % 6 % 51 % 98 % InVS, juin 2003

39 Age à la prise en charge de lhépatite C en milieu spécialisé Réseau Hépatite C Val-de-Marne-Essonne,

40 Evolution de la PAS sous traitement n = 84 n = 79 PAS (mmHg) sem

41 Données appariées AvantAprès l 30 – 20 – 10 – 0 - T3 libre (mUI)

42 Données appariées AvantAprès l 30 – 20 – 10 – 0 - T3 libre (mUI) AvantAprès l 30 – 20 – 10 – 0 - T3 libre (mUI)

43 Représentation en « boites » Elasticité du foie au Fibroscan ® (Kpa) F0 F1 F2 F3 F4

44 Représentation en « boites » Elasticité du foie au Fibroscan ® (Kpa) médiane

45 Représentation en « boites » Elasticité du foie au Fibroscan ® (Kpa) médiane 1er et 3ème interquartiles

46 Représentation en « boites » Elasticité du foie au Fibroscan ® (Kpa) médiane 1er et 3ème interquartiles 10ème et 90ème percentiles

47 Représentation en « boites » Elasticité du foie au Fibroscan ® (Kpa) médiane 1er et 3ème interquartiles 10ème et 90ème percentiles Valeurs extrêmes

48 Evolution of causes of death in HIV infected patients Rosenthal E et al, AIDS 2003 % deaths 6.6% 14.3% 1.5%

49 Evolution of causes of death in HIV infected patients (1307) (129) (38) (36) (99) (48) Rosenthal E et al, AIDS 2003 (459) % deaths (number of deaths) (21) (98)


Télécharger ppt "Données chiffrées : résumé et représentation selon le type de variables Optionnel de Statistique appliquée À la lecture critique darticles Cours n°1 FRT."

Présentations similaires


Annonces Google