2
146 Biostatistiques pour le clinicien
0,20 à 0,70, l’association est significative. Inversement, si l’odds ratio est
de 4,3 et l’intervalle de confiance va de 0,8 à 17,2, c’est-à-dire englobe
la valeur 1, l’association n’est pas statistiquement significative. Ainsi, le
fait d’indiquer l’intervalle de confiance autour d’un odds ratio équivaut
à un test statistique.
L’expression des résultats d’une régression logistique doit exprimer
pour chaque covariable les effectifs, les odds ratio ou les risques relatifs, l’intervalle de confiance à 95 % et le cas échant le P (tableau VI).
Tableau VI – Expression des résultats d’une régression logistique.
Effectifs
Odds ratio
(ou risque relatif)
Intervalle
de confiance à 95 %
P
Covariable 1
Covariable 2
etc.
Un test d’adéquation (χ² goodness of fit d’Hosmer et Lemeshow) permet de mesurer la qualité de l’ajustement du modèle aux données.
Cette mesure compare les probabilités prédites d’être un cas ou un
malade, aux probabilités observées par déciles des valeurs de scores de
la régression. Un bon modèle donne un test non significatif (la valeur
du χ² étant proche de 0). Le résultat de ce test, calculé par la plupart
des logiciels de statistiques est de plus en plus souvent demandé dans
les publications scientifiques.
Exemple d’étude utilisant la régression logistique
Une étude a cherché à connaître, chez les malades qui avaient eu une
résection-anastomose colorectale après exérèse d’un cancer du rectum,
quels étaient les facteurs de risque de fistule anastomotique [2]. Seize
covariables indépendantes ont été étudiées. En analyse unifactorielle,
cinq d’entre elles étaient associées, de façon statistiquement significative ( p < 0,05) à un risque de fistule. En analyse multifactorielle
utilisant la régression logistique, seules deux covariables restaient liées
au risque de fistule (tableau VII). Les résultats de cette étude ont été
exprimés en termes de risque relatif assortis de leurs intervalles de
confiance et de leur signification statistique.
Le modèle de Cox
Le modèle de Cox [3] repose sur le même principe général que les
autres types d’analyses multifactorielles. Il est utilisé lorsque la variable
expliquée est une variable censurée comme une survie, une récidive, etc.
146 Biostatistiques pour le clinicien
0,20 à 0,70, l’association est significative. Inversement, si l’odds ratio est
de 4,3 et l’intervalle de confiance va de 0,8 à 17,2, c’est-à-dire englobe
la valeur 1, l’association n’est pas statistiquement significative. Ainsi, le
fait d’indiquer l’intervalle de confiance autour d’un odds ratio équivaut
à un test statistique.
L’expression des résultats d’une régression logistique doit exprimer
pour chaque covariable les effectifs, les odds ratio ou les risques relatifs, l’intervalle de confiance à 95 % et le cas échant le P (tableau VI).
Tableau VI – Expression des résultats d’une régression logistique.
Effectifs
Odds ratio
(ou risque relatif)
Intervalle
de confiance à 95 %
P
Covariable 1
Covariable 2
etc.
Un test d’adéquation (χ² goodness of fit d’Hosmer et Lemeshow) permet de mesurer la qualité de l’ajustement du modèle aux données.
Cette mesure compare les probabilités prédites d’être un cas ou un
malade, aux probabilités observées par déciles des valeurs de scores de
la régression. Un bon modèle donne un test non significatif (la valeur
du χ² étant proche de 0). Le résultat de ce test, calculé par la plupart
des logiciels de statistiques est de plus en plus souvent demandé dans
les publications scientifiques.
Exemple d’étude utilisant la régression logistique
Une étude a cherché à connaître, chez les malades qui avaient eu une
résection-anastomose colorectale après exérèse d’un cancer du rectum,
quels étaient les facteurs de risque de fistule anastomotique [2]. Seize
covariables indépendantes ont été étudiées. En analyse unifactorielle,
cinq d’entre elles étaient associées, de façon statistiquement significative ( p < 0,05) à un risque de fistule. En analyse multifactorielle
utilisant la régression logistique, seules deux covariables restaient liées
au risque de fistule (tableau VII). Les résultats de cette étude ont été
exprimés en termes de risque relatif assortis de leurs intervalles de
confiance et de leur signification statistique.
Le modèle de Cox
Le modèle de Cox [3] repose sur le même principe général que les
autres types d’analyses multifactorielles. Il est utilisé lorsque la variable
expliquée est une variable censurée comme une survie, une récidive, etc.