Michel Huguier et Pierre-Yves Boëlle, Biostatistiques pour le clinicien
ISBN : 978-2-8178-0463-7, © Springer-Verlag Paris 2013
Introduction
Les comparaisons entre les caractéristiques ou la réponse au traitement sont évaluées par des tests statistiques. Ces tests sont choisis en
fonction de la nature de la variable étudiée, quantitative, qualitative ou
censurée. Par exemple, on l’a vu (partie précédente), le test du logrank
permet d’apprécier si une différence de survie entre des patients qui
ont un cancer avec métastases ganglionnaires et ceux qui n’ont pas de
métastases est statistiquement significative ou non.
La force d’association entre des variables relève d’un concept différent. Elle mesure l’intensité des liens qui peuvent exister entre deux
ou plusieurs variables, plutôt que d’évaluer si ce lien est dû au hasard.
Ces études sont dites unifactorielles (univariate analysis en anglais)
lorsqu’elles estiment les liens entre une variable « expliquante » et une
variable expliquée. Lorsqu’il existe non pas une seule, mais plusieurs
variables « expliquantes », appelées covariables, les études sont dites
multifactorielles (multivariate analysis).
Dans ces études, les outils de mesure dépendent de la nature des
variables étudiées ( tableau I). Par exemple, lorsque les deux variables,
à expliquer et expliquante, sont quantitatives, la force d’association
est mesurée par le coefficient de corrélation ou un modèle de régression linéaire. Lorsque la variable à expliquer est qualitative et que les
autres sont quantitatives ou qualitatives, cette mesure peut se faire par
l’estimation des risques relatifs ou des odds ratio. Lorsque la variable à
expliquer est censurée, on aura recours à des rapports de risques instantanés (hazard ratio ou HR, en anglais).
ISBN : 978-2-8178-0463-7, © Springer-Verlag Paris 2013
Introduction
Les comparaisons entre les caractéristiques ou la réponse au traitement sont évaluées par des tests statistiques. Ces tests sont choisis en
fonction de la nature de la variable étudiée, quantitative, qualitative ou
censurée. Par exemple, on l’a vu (partie précédente), le test du logrank
permet d’apprécier si une différence de survie entre des patients qui
ont un cancer avec métastases ganglionnaires et ceux qui n’ont pas de
métastases est statistiquement significative ou non.
La force d’association entre des variables relève d’un concept différent. Elle mesure l’intensité des liens qui peuvent exister entre deux
ou plusieurs variables, plutôt que d’évaluer si ce lien est dû au hasard.
Ces études sont dites unifactorielles (univariate analysis en anglais)
lorsqu’elles estiment les liens entre une variable « expliquante » et une
variable expliquée. Lorsqu’il existe non pas une seule, mais plusieurs
variables « expliquantes », appelées covariables, les études sont dites
multifactorielles (multivariate analysis).
Dans ces études, les outils de mesure dépendent de la nature des
variables étudiées ( tableau I). Par exemple, lorsque les deux variables,
à expliquer et expliquante, sont quantitatives, la force d’association
est mesurée par le coefficient de corrélation ou un modèle de régression linéaire. Lorsque la variable à expliquer est qualitative et que les
autres sont quantitatives ou qualitatives, cette mesure peut se faire par
l’estimation des risques relatifs ou des odds ratio. Lorsque la variable à
expliquer est censurée, on aura recours à des rapports de risques instantanés (hazard ratio ou HR, en anglais).