Association entre variables

1.Variable continue & variable binaire Exemple : comparer la PAS chez des patients traités par 2 anti-hypertenseurs différents Finalité : comparer la distribution de la variable continue dans deux groupes

Présentation des résultats par groupe : moyenneEcart-type (effectif) médiane [valeurs extrêmes] (effectif)

Analyse statistique test de Student échantillons indépendants normalité des données test de Wilcoxon (ou Mann-Whitney)

2. Deux variables continues Exemple : association entre la PAS et l’âge Finalité vérifier l’association entre deux variables continues et apprécier la « force » de cette association

Présentation des résultats coefficient de corrélation (r) IC95% de r

Analyse statistique test du coefficient de corrélation à 0  0 est-il dans l’IC95% ? normalité des données approche non paramétrique : coefficient de corrélation de Spearman

3. Deux variables binaires Exemple : association entre ATCD d’hémorragie de la délivrance et survenue d’une hémorragie Finalité : comparer deux échantillons indépendants sur une variable binaire, que ce soit un critère de jugement ou un facteur de risque

Expression des résultats : 2 pourcentages : ex : 25% vs 18% d’hypertendus (2 traitements anti-hypertenseurs) nombre de patients à traiter NNT = 1/(0,25-0,18) = 14,3

risque relatif (étude de cohorte / étude transversale) et IC95% : ex : accidents de la route en Floride RR d’accident mortel selon qu’il y ait ou non port de la ceinture : RR = 0,12

odds ratio (étude cas-témoin) et IC95% : ex : rachitisme et pneumonie en Ethiopie OR de pneumonie selon qu’il y ait rachitisme ou non : OR = 22,11 interprétation délicate : si la prévalence de la pathologie est inférieure à 10%, un OR s’interprète usuellement comme un RR

Analyse statistique test du chi-deux échantillons indépendants IC95% du RR ou de l’OR : 1 est-il dans l’IC95% ? Si les échantillons sont dépendants (si appariement)  analyse statistique ad-hoc (test de Mc Nemar / régression logistique conditionnelle)

4. Une variable censurée & une variable binaire Exemple : pronostique vital selon le sexe dans le cancer colo-rectal Finalité : comparer deux fonctions de survie

Expression des résultats : 2 courbes de survie (Kaplan-Meier) taux de survie à une date donnée ex : à 2 ans : 41,0% chez les femmes vs 57,8% chez les hommes médiane de survie dans les 2 groupes ex : 19,5 mois chez les femmes vs 27,3 chez les hommes

rapport des risques instantanés dans le cadre d’un modèle de Cox ex: HR = 0,56 (IC95% = [0,35 ; 0,89])

Analyse statistique test du log-rank modèle de Cox