1
132 Biostatistiques pour le clinicien
régression linéaire, les risques relatifs, les odds ratio ou les hazard ratios.
Rappelons que si les variables expliquantes et la variable expliquée
sont quantitatives, cette estimation est faite à l’aide d’un coefficient de
corrélation. Si les variables sont qualitatives la force d’association est
estimée à l’aide des risques relatifs ou des odds ratio. Si la variable à
expliquer est censurée, on utilisera les hazard ratios.
Les limites des études unifactorielles
Les analyses unifactorielles
Les analyses unifactorielles sont très nombreuses dans la littérature.
Elles concernent l’estimation soit de facteurs de pronostic dans une
maladie, soit de facteurs de risque dans les études épidémiologiques
de santé publique. Il convient néanmoins de bien avoir à l’esprit que
la connaissance d’un facteur de risque ne permet pas pour autant de
prédire une évolution vers une complication, une mortalité, ou la survenue d’une maladie. Elle permet seulement d’estimer une probabilité.
Par exemple, on sait que, chez un malade qui a un cancer du côlon
qui a été réséqué, l’existence d’un envahissement ganglionnaire est un
facteur de mauvais pronostic, statistiquement significatif. Inversement,
s’il n’existe pas d’envahissement ganglionnaire, le taux de survie à cinq
ans est de 75 %. Mais chez un malade donné qui a un cancer du côlon
sans métastases ganglionnaires, il n’est pas possible de savoir s’il sera
parmi les 75 % de survivants ou les 25 % qui vont faire une récidive et
finir par décéder de leur cancer.
Les analyses unifactorielles ont plusieurs limites.
La première, et la plus importante, est qu’elles ne tiennent pas compte
des liens qui peuvent exister entre deux variables expliquantes ( fig. 5).
Ainsi, chez un malade qui a un cancer, l’amaigrissement, l’anorexie,
l’existence d’une métastase sont liés à un mauvais pronostic. Mais ces
signes sont souvent associés entre eux chez un malade : celui qui a une
ou des métastases a souvent aussi un amaigrissement et une anorexie.
Chacune de ces covariables n’est pas indépendante des autres. Les analyses unifactorielles peuvent apporter ainsi des informations qui sont
redondantes entre elles. Elles ne permettent pas, lorsque plusieurs
covariables sont statistiquement liées à la variable expliquée d’identifier celles qui le sont indépendamment des autres et qui expliquent le
mieux cette variable.
132 Biostatistiques pour le clinicien
régression linéaire, les risques relatifs, les odds ratio ou les hazard ratios.
Rappelons que si les variables expliquantes et la variable expliquée
sont quantitatives, cette estimation est faite à l’aide d’un coefficient de
corrélation. Si les variables sont qualitatives la force d’association est
estimée à l’aide des risques relatifs ou des odds ratio. Si la variable à
expliquer est censurée, on utilisera les hazard ratios.
Les limites des études unifactorielles
Les analyses unifactorielles
Les analyses unifactorielles sont très nombreuses dans la littérature.
Elles concernent l’estimation soit de facteurs de pronostic dans une
maladie, soit de facteurs de risque dans les études épidémiologiques
de santé publique. Il convient néanmoins de bien avoir à l’esprit que
la connaissance d’un facteur de risque ne permet pas pour autant de
prédire une évolution vers une complication, une mortalité, ou la survenue d’une maladie. Elle permet seulement d’estimer une probabilité.
Par exemple, on sait que, chez un malade qui a un cancer du côlon
qui a été réséqué, l’existence d’un envahissement ganglionnaire est un
facteur de mauvais pronostic, statistiquement significatif. Inversement,
s’il n’existe pas d’envahissement ganglionnaire, le taux de survie à cinq
ans est de 75 %. Mais chez un malade donné qui a un cancer du côlon
sans métastases ganglionnaires, il n’est pas possible de savoir s’il sera
parmi les 75 % de survivants ou les 25 % qui vont faire une récidive et
finir par décéder de leur cancer.
Les analyses unifactorielles ont plusieurs limites.
La première, et la plus importante, est qu’elles ne tiennent pas compte
des liens qui peuvent exister entre deux variables expliquantes ( fig. 5).
Ainsi, chez un malade qui a un cancer, l’amaigrissement, l’anorexie,
l’existence d’une métastase sont liés à un mauvais pronostic. Mais ces
signes sont souvent associés entre eux chez un malade : celui qui a une
ou des métastases a souvent aussi un amaigrissement et une anorexie.
Chacune de ces covariables n’est pas indépendante des autres. Les analyses unifactorielles peuvent apporter ainsi des informations qui sont
redondantes entre elles. Elles ne permettent pas, lorsque plusieurs
covariables sont statistiquement liées à la variable expliquée d’identifier celles qui le sont indépendamment des autres et qui expliquent le
mieux cette variable.