作者：Fiori tes 3 年以前
437
更多类似内容
Une fois que vous avez complété la carte mentale, vous pouvez l'utiliser pour:
Partagez votre carte mentale avec les autres membres de l'équipe pour les informér sur les actions suivantes à prendre.
Tapez le nom ou sujet de votre brainstorming
• L’hypothèse nulle est la chose qu’on ne souhaite pas observer, c’est ce qui serait le plus improbable.
• L’hypothèse alternative est la chose que l’on souhaite montrer, prouvé et qui serait la plus probable.
Permetent de vérifier des relations de causalité
Etude non randomisée ou étude à cas unique lorsqu'il c'est quasi-expérimentale
Etude randomisée quand c'est expérimentale
Etudes analytiques: Cohorte, cas-témoins. Etude méthodologique. Analyse secondaire
Les tailles d’effets permettent enfin de conduire des analyses de puissance avant de débuter une expérience. Ces analyses visent à déterminer la taille de l’échantillon nécessaire pour détecter une taille d’effet escomptée.
Les tailles d'effets permettent de conduire des méta-analyses pour synthétiser la taille d’effet moyenne d’une famille d’intervention
Parce qu’elle quantifie la force, et donc la pertinence clinique d’une intervention en fonction du gain escompté (et non en fonction de la significativité, qui ne dit rien sur la taille de l’effet). Introduire une nouvelle intervention prend du temps, des ressources etc. il est donc important de pouvoir estimer le bénéfice réel pour le patient-e
les test apparie--> plus précis que ceux qui ne le sont pas
Taille d'effet
si entre 3 variables: Test d'ANOVA
si entre deux variable : Test student
On applique le test-t de Student pour tester l’hypothèse d’une différence entre les moyennes exemple : d’humeurs mesurées dans deux échantillons
s'il ne y avait pas de différence on verra les deux s'entreposer
Taille d'effet : DE COHEN
Tester l'hypothèse d'une liaison entre deux variables.
4 types de corrélation--> De Pearson, Spearman, Kendall et Phi
Régression linéaire : exemple de la perche d'arbre du pomme :)
La regression
Permet de prédire
Régression linéaire
Résultat: je sais que ces deux variables sont associées et je dispose d’une équation linéaire ou logistique qui me permet de prédire la qualité du sommeil (VD) à partir de l’humeur (VI)
Corrélation person R
Résultat: je sais que ces deux variables sont associées avec une force d’association qui vaut r
r = 1 : corrélation positive parfaite r = -1 : corrélation négative parfaite r = 0 : aucune corrélation entre les deux variables ondaire
- r = 1 : corrélation positive parfaite
o (plus je suis vieux plus j’ai de rides) ➔ corrélation parfaite veut dire que chaque fois que je prend une année je sais exactement combien de rides en plus je vais avoir.
- r = -1 : corrélation négative parfaite
o (plus je suis vieux moins je cours vite)
- r = 0 : aucune corrélation entre les deux variables
o (pas de lien entre l’âge et la taille des chaussures)
ATTENTION : une forte corrélation ne veut pas forcément dire qu’il y a un lien de causalité entre 2 variables !
HYPOTHESE TEST
Est ce qu'il y a une interaction entre les deux facteurs.
savoir la différence entre les deux groupe (malade et non malade)
S’intéresse aux caractéristiques de L’Echantillon.
ceux qui sont exposé et ceux qui ne sont pas exposé
si on a une proportion plus grade d’hommes ou de femmes dans notre échantillon ou pour voir s’il y a des différences au départ en termes de diagnostic des participants dans le groupe contrôle et le groupe qui reçoit l’intervention
Facteur de risque et outcome clinique n'ont pas d'influence
Taille d'effet:
HYPOTHESE TESTE
H0= le facteur d'exposition n'as pas d'effet sur l'outcome clinique
H1 = Les femmes aiment mieux le café sucré, alors que les hommes préfèrent le café sans sucre
H0 = Il n’y a pas de différence entre hommes et femmes concernant la préférence pour le café sucré ou non
Ajoutez un critère ou une exigence par rapport auquel vous filtrerez et noterez les idées.
Pensez à:
Association entre groupes ou différences entre des groupes
Ce que nous attendons
L’écart entre les fréquences théoriques (généralement celles qu’on aurait par hasard) et les fréquences observées. Plus cet écart est grand, plus le Chi-2 est grand, et plus la valeur p associée est petite.
si les variations sont du au hasard ou il y a un réel facteur
prendre la somme de chaque case (la valeur observé - la théorie) diviser par la théorie-->
On utilise le RR une fois que on a un test de chi 2 est significative
Odd ratio
valeur indique combien de fois la chance d’avoir l’événement-cible est supérieure dans le groupe avec facteur de risque, par rapport au groupe de référence.
OR = 1 : pas de différence OR > 1 : risque accru OR < 1 : risque réduit (protection) valeur indique combien de fois la chance d’avoir l’événement-cible est supérieure dans le groupe avec facteur de risque, par rapport au groupe de référence.
RR
