Population et Échantillon. Principes des Tests et Tests
|
|
- Adélaïde Bouffard
- il y a 7 ans
- Total affichages :
Transcription
1 Population et Échantillon Principes des Tests et Tests Pr Roch Giorgi LERTIM, Faculté de Médecine, Université de la Méditerranée, Marseille, France
2 Population et Échantillon Population : ensemble d objets ou d individus ayant des caractéristiques qui leurs sont propres Ex : la population masculine marseillaise Échantillon : sous-ensemble d une population. Un bon échantillon («sans biais») doit être représentatif de la population dont il est issu Les études portent généralement sur un échantillon tiré d une population
3 Population et Échantillon Population Échantillon 1 Échantillon 2 Biais de sélection
4 Population et Échantillon Population Échantillon 3 = 28 % = 40 % = 32 % = 65 % = 15 % = 20 % Biais de sélection
5 Population et Échantillon Population Échantillon 4 = 28 % = 40 % = 32 % = 25 % = 40 % = 35 % Échantillon représentatif
6 Population et Échantillon Échantillonnage Population Critère d intérêt Caractéristique A - glycémie - décès à 5 ans -... Échantillon Critère d intérêt Estimation de la Caractéristique A - glycémie moyenne écart-type - probabilité de décès à 5 ans -...
7 Échantillonnage Processus permettant d obtenir un échantillon à partir d une population Doit permettre d obtenir un échantillon représentatif de la population L échantillonnage aléatoire (randomisation) en est le meilleur moyen Le choix du processus peut dépendre de l objectif de l étude, donc du type d étude
8 Différents Types d Études (1) Étude de cohorte Avant l exposition au(x) facteur(s) Fixé Exposés Aléatoire Malades Non Malades Non Exposés Malades Cause Non Malades Effet Temps
9 Différents Types d Études (2) Étude de cohorte Après l exposition au(x) facteur(s) Fixé Aléatoire Exposés Malades Non Malades Cohorte Non Exposés Malades Cause Non Malades Effet Temps
10 Différents Types d Études (3) Étude cas-témoins Comparaison de malades et de non malades «identiques» Biais de classement Aléatoire Fixé Exposés Malades Non Exposés Exposés Non Malades Exposition? Non Exposés Détermination de la maladie
11 Différents Types d Études (4) Étude transversale Unique Répétée Malades Non Malades Non Malades Non Malades Malades Non Exposés Exposés Exposés Malades Non Malades Non Malades Exposés Exposés Non Exposés Exposés Non Exposés Non Exposés Temps
12 Commentaires (1) Objectifs et schémas des études Objectifs Evaluer la validité d'un test diagnostique Evaluer l'effet d'une action thérapeutique ou préventive Evaluer l'effet d'un facteur de risque Evaluer le rôle d'un facteur pronostique Schémas des études Comparaison des résultats du test avec une référence : cas-témoins ou étude de cohorte Essais randomisé Eventuellement : étude cas-témoins Etude de cohorte Etude cas-témoins Etude transversale Etude de cohorte Etude cas-témoins
13 Commentaires (2) Échantillon et représentativité Méthode de sélection a priori Critères d inclusion et de non inclusion Description des sujets de l étude Écarts au protocole
14 Mesure Comment est mesuré le critère d intérêt? Méthode fiable, précise, reproductible, facile? Bonne définition du «gold standard» dans les études d évaluation d un test ou d une procédure diagnostique?
15 Types de Données Données quantitatives : Ex : taille (cm, m), poids (kg), age (années) Données qualitatives : nominales : Ex : consommation de tabac blond - brun - mixte ordonnées : Ex : taille tumorale T1 -T2 -T3 -T4 Remarque : une même donnée peut être exprimée selon différents types : Ex : age (années) : 25, 26, 29, 32, 36, 39, 50, 55, [20, 29] ; [30, 39] ; Choix du seuil
16 Distribution d une Variable Quantitative Glycémie dans un échantillon de n = 100 sujets Glycémie Effectif [0,1-0,3[ 1 [0,3-0,5[ 4 [0,5-0,7[ 8 [0,7-0,9[ 24 [0,9-1,1[ 25 [1,1-1,3[ 28 [1,3-1,5[ 5 [1,5-1,7[ 4 [1,7-1,9[ 0 [1,9-2,1[ 1 n ,2 0,3 0,5 0,7 0,9 1,1 1,3 1,5 1,7 1,9 2,1 2,3 Glycémie
17 Distribution d une Variable Quantitative Glycémie dans un échantillon de n = 100 sujets Glycémie Effectif [0,1-0,3[ 1 [0,3-0,5[ 4 [0,5-0,7[ 8 [0,7-0,9[ 24 [0,9-1,1[ 25 [1,1-1,3[ 28 [1,3-1,5[ 5 [1,5-1,7[ 4 [1,7-1,9[ 0 [1,9-2,1[ 1 n ,2 0,3 0,5 0,7 0,9 1,1 1,3 1,5 1,7 1,9 2,1 2,3 Glycémie
18 Distribution d une Variable Quantitative Glycémie dans un échantillon de n = 100 sujets Glycémie Effectif [0,1-0,3[ 1 [0,3-0,5[ 4 [0,5-0,7[ 8 [0,7-0,9[ 24 [0,9-1,1[ 25 [1,1-1,3[ 28 [1,3-1,5[ 5 [1,5-1,7[ 4 [1,7-1,9[ 0 [1,9-2,1[ 1 n ,2 0,3 0,5 0,7 0,9 1,1 1,3 1,5 1,7 1,9 2,1 2,3 Glycémie
19 Distribution d une Variable Quantitative Glycémie dans un échantillon de n = 100 sujets Glycémie Effectif [0,1-0,3[ 1 [0,3-0,5[ 4 [0,5-0,7[ 8 [0,7-0,9[ 24 [0,9-1,1[ 25 [1,1-1,3[ 28 [1,3-1,5[ 5 [1,5-1,7[ 4 [1,7-1,9[ 0 [1,9-2,1[ 1 n ,2 0,3 0,5 0,7 0,9 1,1 1,3 1,5 1,7 1,9 2,1 2,3 Glycémie
20 Distribution d une Variable Quantitative Glycémie dans un échantillon de n = 100 sujets Glycémie Effectif [0,1-0,3[ 1 [0,3-0,5[ 4 [0,5-0,7[ 8 [0,7-0,9[ 24 [0,9-1,1[ 25 [1,1-1,3[ 28 [1,3-1,5[ 5 [1,5-1,7[ 4 [1,7-1,9[ 0 [1,9-2,1[ 1 n N( 1,0.2 ) 0,2 0,3 0,5 0,7 0,9 1,1 1,3 1,5 1,7 1,9 2,1 2,3 Glycémie
21 Statistique Descriptive (1) Paramètres de position d une distribution pour des données quantitatives : Ex : - la moyenne de la distribution : rapport de la somme des mesures au nombre de mesures observées -le mode de la distribution : valeur de la variable dont la fréquence est la plus élevée (également pour les variables qualitatives) -la médiane de la distribution : valeur de la variable partageant la distribution en 2 moitiés égales
22 Statistique Descriptive (2) Paramètres de dispersion d une distribution pour des données quantitatives : Ex : - la variance : paramètre de dispersion généralement le plus utilisé. Calcul : moyenne arithmétique des carrés des écarts à la moyenne de l échantillon. -l écart-type : également très utilisé. Permet d exprimer la dispersion dans la même unité que la variable mesurée. Calcul : racine carrée de la variance. -autres : quantiles, étendues,...
23 Statistique Descriptive (3) Les deux paramètres, dispersion et position, doivent toujours être donnés Positions différentes même dispersion Dispersions différentes même position
24 Estimation et Intervalle de Confiance Estimation : valeur ponctuelle que l on souhaite proche de la vraie valeur de la caractéristique estimée (plus petite ou plus grande due aux erreurs d échantillonnage). nécessité de donner un degré (intervalle) de confiance à l estimation obtenue. Généralement on prend un seuil de 95 %. Pr = 0,95 Il y a 95 chances sur 100 que la vraie valeur soit comprise entre la borne inférieure et la borne supérieure IC 95% inf µ IC 95% sup
25 Indicateurs Paramètres de position Moyenne Médiane et Paramètres de dispersion Ecart-type Min - Max Pourcentage Intervalle de confiance (95%) Risque relatif ou Odds ratio Intervalle de confiance (95%)......
26 Test Statistique : Exemple 1 Dans un registre régional exhaustif de cancers, la mortalité par cancer, en 1990, est la suivante : Cancer du poumon Cancer colorectal Cancer du sein Autres cancers 24 % 14 % 19 % 43 % Question : cette répartition a t-elle évoluée (effet des traitements, de mesures de préventions, ) Sondage (sans biais) sur décès par cancers en 2000 Comparaison d une répartition observée à une répartition théorique
27 Test Statistique : Exemple 1 (suite) Si la répartition n a pas du tout évolué observera t- on obligatoirement? Cancer du poumon Cancer colorectal Cancer du sein Autres cancers Total Référence 24 % 14 % 19 % 43 % Observée NON Fluctuations d échantillonnage
28 Test Statistique : Exemple 1 (suite) Les valeurs observées ci-dessous assurent-elle que la répartition a changé? Cancer du poumon Cancer colorectal Cancer du sein Autres cancers Total Référence 24 % 14 % 19 % 43 % Observée NON Loi avec une variabilité
29 Test Statistique : Exemple 1 (suite) L évolution est plus fortement probable si on a : Cancer du poumon Cancer colorectal Cancer du sein Autres cancers Total Référence 24 % 14 % 19 % 43 % Observée OUI Absence d évolution pas impossible Évolution plus probable
30 Test Statistique : Exemple 2 Situation : patients ayant un pneumothorax spontané traité par talcage et patients ayant un pneumothorax spontané traité par drainage Problématique : le nombre moyen de récidives de pneumothorax est-il différent selon le traitement du premier pneumothorax? Comparaison de 2 échantillons indépendants Indicateurs : nombre moyens de récidive et intervalles de confiance à partir d un échantillon de patients
31 Test Statistique : Exemple 2 (suite) La zone de recouvrement des intervalles de confiance est : «grande» : la différence observée entre les moyennes est due aux fluctuations d échantillonnage ; les 2 échantillons proviennent d une même population. Exemple «petite» : il est «peu» probable que la différence observée entre les deux moyennes soit due au hasard ; la probabilité que les 2 échantillons proviennent de la même population est «faible». Exemple Suite
32 Zone de Recouvrement «Grande» m 1 m 2 Estimation de la moyenne (m 1, m 2 ) Bornes des intervalles de confiance Zone de recouvrement des intervalles de confiance Retour
33 Zone de Recouvrement «Petite» m 1 m 2 Estimation de la moyenne (m 1, m 2 ) Bornes des intervalles de confiance Zone de recouvrement des intervalles de confiance Retour
34 Principes d un Test Problème : définir une limite entre zone de recouvrement «grande» et «petite» Valeur vérifiant l hypothèse que la différence observée entre les moyennes est due aux fluctuations d échantillonnage : hypothèse nulle (H 0 ) On rejettera cette hypothèse si l écart entre la distribution observée et la distribution théorique est trop «grand», c est-à-dire que H 0 est trop invraisemblable
35 Exemple 2 (suite) Groupe A : traitement par talcage ; nombre moyen de récidive = m A Groupe B : traitement par drainage ; nombre moyen de récidive = m B H Hypothèse nulle (H 0 ) : µ A = µ B, il n y a pas de différence entre les traitements Hypothèse alternative (H 1 ) : µ A < µ B, le traitement par talcage donne moins de récidives (exemple en situation unilatérale) Statistique du test : d = M A -M B On détermine un seuil de signification L à partir duquel d est considérée comme étant «trop grande», c est-à-dire tel que : α = Pr[ d > L sous H 0 ] (de manière arbitraire, α = 5 %) On réalise le test de comparaison de 2 moyennes : si le degré de signification du test p est > à Pr[ d > L sous H 0 ], on accepte H 0, sinon on rejette H 0.
36 Principes d un Test : Notion de Risque = β = Pr[ M A -M B < L sous H 1 : (µ A - µ B ) = ] α = Pr[ M A -M B > L sous H 0 ] Notations : M A -M B : variables aléatoires µ A - µ B : différence théorique m A -m B : différence observée
37 Principes d un Test : Notion de Risque Une décision de rejet ou de non rejet de H 0 est faite sous certains risques puisque l état réel est inconnu : Réalité (inconnue) Non Rejet de H 0 Rejet de H 0 Décision H0 vraie Décision correcte Probabilité = 1 α Seuil de confiance Erreur de 2 ème espèce Probabilité = β H1 vraie Erreur de 1 ère espèce Probabilité = α Seuil du test Décision correcte Probabilité = 1 β Puissance du test
38 Interprétation d un Test Statistique Degré de signification d un test : p p = Pr[(M A -M B ) > d sous H 0 ] Probabilité d observer une valeur au moins aussi grande que la valeur observée, si H 0 est vraie Interprétation d un test si p > α : on ne rejette pas H 0 (ns) si p α : on rejette H 0 (s) Remarque : dans un test de différence ou de supériorité Ne pas rejeter H 0 démonstration de l égalité
39 Degré de Signification : p Traduction en terme de probabilité de l éloignement entre la valeur observée de la statistique et une valeur attendue sous H 0 Ne correspond pas à la probabilité de rejeter à tort H 0 N est pas une mesure de la force d une différence d effet exemple : «les durées moyennes de récidive différent fortement (p=0,0001)» est abusif) grand p petit 1 - β élevée Hasard Risque α
40 Interprétation d un Test : Exemple 1 Caractéristiques des patients après randomisation : Groupe A (n = 150) Groupe B (n = 152) p Age (ans) moyenne (écart-type) 63 (6,2) 61 (5,3) 0,0024 Différence d effet : 2 ans Degré de signification Groupe A (n = 150) Groupe B (n = 152) p Homme n (%) 66 (44,0%) 81 (53,3%) 0,106
41 Interprétation d un Test : Exemple 2 Risques Relatifs (RR) de décéder d un cancer colorectal en fonction de certains facteurs (n = 504) RR IC 95% P Masculin 1 Féminin 1,35 [1,05 1,98] 0,03 Quantification de l effet Degré de signification RR IC 95% P < 65 ans ans 1,29 [1,20 1,58] 0,002 > 74 ans 1,38 [1,26 1,69] 0,01
42 Analyse Statistique (1) Objectif d une étude Critère de jugement Thérapeutique taux guérison Pronostic taux de mortalité Effet (poids) de certains facteurs (variables) Age, sexe, des patients sur le taux de guérison, taux de mortalité,
43 Analyse Statistique (2) 1 facteur (variable) à expliquer Taux guérison, taux de mortalité, par 1 ou plusieurs facteurs (variables) explicatifs 1 seul à la fois analyse unifactorielle (univariée) Plusieurs à la fois analyse multifactorielle (multivariée)
44 Analyse Univariée Étude de l action d 1 seule variable (facteur) à la fois sur un phénomène observé que l on cherche à expliquer Y : phénomène observé V 1, V 2, V 3, V 4, V 5 et V 6 : variables potentiellement explicatives Y=b 1 V 1 Y=b 6 V 6 étudie de manière univariée l association entre V 1 et Y dont le lien est estimé par b 1 étudie de manière univariée l association entre V 6 et Y dont le lien est estimé par b 6 Estimation d un effet brute
45 Analyse Multivariée (1) Étude simultanée de l action de plusieurs variables (facteurs), en tenant compte de leurs effets les unes sur les autres, sur un phénomène observé que l on cherche à expliquer Y : phénomène observé V 1, V 2, V 3, V 4, V 5 et V 6 : variables potentiellement explicatives Y=b 1 V 1 + b 2 V 2 + b 3 V 3 + b 4 V 4 + b 5 V 5 + b 6 V 6 étudie de manière multivariée l association entre V 1, V 2, V 3, V 4, V 5 et V 6 et Y le lien entre V 1 et Y est estimé par b 1 Estimation d un effet ajusté
46 Analyse Multivariée (2) Y=b 1 V 1 + b 2 V 2 + b 3 V 3 + b 4 V 4 + b 5 V 5 + b 6 V 6 b 1 quantifie le lien entre V 1 et Y, après ajustement sur les autres variables (facteurs de confusions) Si b 1 «statistiquement significatif», V 1 variable significative indépendante
47 Analyse Multivariée (3) Risques Relatifs (RR) de décéder d un cancer colorectal en fonction de certains facteurs (n = 504) Analyse Univariée Analyse Multivariée RR IC 95% P RR* IC 95% P Masculin 1 1 Féminin 1,35 [1,05 1,98] 0,03 1,21 [0,94 1,51] 0,123 < 65 ans ans 1,29 [1,20 1,58] 0,002 1,21 [1,18 1,39] 0,001 > 74 ans 1,38 [1,26 1,69] 0,01 1,33 [1,24 1,53] 0,02 * Risques Relatifs ajustés
48 Étapes d une Analyse Statistique Analyse univariée testant, pour chaque variable explicative potentielle, le lien avec la variable à expliquer Identifier le sous-groupe des variables statistiquement significatives, au risque d erreur α accepté ensemble des variables candidates pour l étape suivante Analyse multivariée déterminant, parmi l ensemble des variables candidates, les variables qui permettent à elles seules d expliquer le phénomène observé indépendamment de la présence des unes et des autres
49 Exemple Etude rétrospective 315 patients opérés pour dissection aortique aiguë type A Objectif : identifier les facteurs de risque indépendants de mortalité hospitalière Variable à expliquer Mortalité hospitalière Variables potentiellement explicatives Présence d une hypotension, d un choc, d un arrêt cardiaque, d une insuffisance rénale aiguë et d une paraplégie en préopératoire, et d un traitement antithrombotique préhospitalier Lien estimé par l Odds ratio (OR) puis testé (H 0 : OR = 1 ; H 1 : OR 1) à l aide de la statistique appropriée
50 Répartition de la Mortalité Hospitalière Variables Décès (%) N=71 (22) Survivants (%) N=244 (78) Hypotension 28 (41) 19 (8) Choc 23 (35) 23 (9) Arrêt cardiaque 15 (21) 19 (8) Insuffisance rénale aiguë 5 (8) 15 (6) Paraplégie 2 (3) 1 (0,4) Traitement antithrombotique 21 (30) 42 (17)
51 Résultats Analyse Univariée Variables Odds ratio brutes IC à 95 % p Hypotension Non 1 Oui 7,71 3,95 15,03 <0,001 Choc Non 1 Oui 4,60 2,39 8,88 <0,001 Arrêt cardiaque Non 1 Oui 3,17 1,52 6,63 0,001 Insuffisance rénale aiguë Non 1 Oui 1,16 0,40 3,30 0,56 Paraplégie Non 1 Oui 7,04 0,63 78,84 0,09 Traitement antithrombotique Non 1 Oui 2,02 1,10 3,71 0,02 Variables candidates pour l analyse multivariée
52 Analyse Multivariée Mortalité Hospitalière = f(var. candidates)? MH = Var Candidate (i=1,,4) Si i ème Var Candidate est significative, alors MH = Var Significative + Var Candidate (j=1,,3) Si j ème Var Candidate est significative, alors MH = Var Significative(s)
53 Résultats Analyse Multivariée Facteurs de risque indépendants de mortalité hospitalière Variable Odds ratio ajustés IC à 95 % p Hypotension Non 1 Oui 8,29 4,23 16,24 <0,001 Choc Non 1 Oui 5,26 2,70 10,24 <0,001 Remarques Après ajustement sur ces 2 variables, arrêt cardiaque et traitement antithrombotique préhospitalier ne sont plus statistiquement liées à la mortalité hospitalière Valeurs des OR ajustés différentes des valeurs des OR brutes
54 Choix d un Test (1) Fonction du type de variable : Qualitative x Qualitative Sexe x Stade tumorale Qualitative x Quantitative Sexe x Taille tumorale (mm) Quantitative x Quantitative Marqueur sérique (UI/ml) x Taille tumorale (mm) Séries non appariées (indépendantes) ou appariées (mesure de TA avant-après traitement) Fonction de conditions de validités et d hypothèses méthodologiques propres aux méthodes
55 Choix d un Test (2) Données censurées ou non censurées Censurées : le suivi des patients a pris fin avant l apparition de l évènement d intérêt Événement : décès, récidive d une pathologie, censuré : Évènement + : Évènement - Temps Non censurées : on a des quantités qui sont fixes et indépendantes du temps de suivi
56 Choix d un Test (3) Analyse unifactorielle (univariée) ou multifactorielle (multivariée) Unifactorielle : un facteur est analysé sans tenir compte des autres facteurs On parlera d effet brut cancer du pharynx = f(tabac) Multifactorielle : un facteur est analysé en tenant compte d autres facteurs On parlera d effet ajusté cancer du pharynx = f(tabac, alcool, age, )
57 Analyse Univariée, Données non Censurées Qualitative Quantitative Qualitative Chi-deux Quantitative Comparaison de moyenne * Analyse de la variance Coefficients de corrélations + Régression linéaire simple * «Grands» échantillons : test de Student (séries appariées ou non) «Petits» échantillons : tests non paramétriques séries non appariées : test U de Mann-Whitney, Kruskal-Wallis séries appariées : test de Wilcoxon, Friedman + «Grands» échantillons : corrélation de Pearson «Petits» échantillons : corrélation de Spearman
58 Analyse Univariée, Données Censurées Méthodes d analyse de survie Kaplan-Meier Actuarielle Comparaisons des courbes de survie par le test du Log-Rank
59 Analyse Multivariée, Données non Censurées Variable à expliquer Quantitative Qualitative Variables explicatives Quantitatives ou Qualitatives Quantitatives ou Qualitatives Méthode Régression linéaire multiple Régression logistique
60 Analyse Multivariée, Données Censurées Analyse de survie Modèle de Cox (variables explicatives quantitatives ou qualitatives)
Principe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailÉtudes épidémiologiques analytiques et biais
Master 1 «Conception, évaluation et gestion des essais thérapeutiques» Études épidémiologiques analytiques et biais Roxane Schaub Médecin de santé publique Octobre 2013 1 Objectifs pédagogiques Connaitre
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailMETHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES
Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailDocteur José LABARERE
UE7 - Santé Société Humanité Risques sanitaires Chapitre 3 : Epidémiologie étiologique Docteur José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailEssai Inter-groupe : FFCD UNICANCER FRENCH - GERCOR
CLIMAT - PRODIGE 30 Etude de phase III randomisée évaluant l Intérêt de la colectomie première chez les patients porteurs d un cancer colique asymptomatique avec métastases hépatiques synchrones non résécables
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailPROGRAMME (Susceptible de modifications)
Page 1 sur 8 PROGRAMME (Susceptible de modifications) Partie 1 : Méthodes des revues systématiques Mercredi 29 mai 2013 Introduction, présentation du cours et des participants Rappel des principes et des
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailDocument d orientation sur les allégations issues d essais de non-infériorité
Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailValidation clinique des marqueurs prédictifs le point de vue du méthodologiste. Michel Cucherat UMR CNRS 5558 - Lyon
Validation clinique des marqueurs prédictifs le point de vue du méthodologiste Michel Cucherat UMR CNRS 5558 - Lyon Marqueur prédictif - Définition Un marqueur prédictif est un marqueur qui prédit le bénéfice
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailTraitements néoadjuvants des cancers du rectum. Pr. G. Portier CHU Purpan - Toulouse
Traitements néoadjuvants des cancers du rectum Pr. G. Portier CHU Purpan - Toulouse Journées Francophones d Hépato-gastroentérologie et d Oncologie Digestive 2010 CONFLITS D INTÉRÊT Pas de conflit d intérêt
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailCORRELATION RADIO-ANATOMIQUE DANS LE CARCINOME HEPATOCELLULAIRE TRAITE PAR TRANSPLANTATION HEPATIQUE : IMPACT SUR LA RECIDIVE
CORRELATION RADIO-ANATOMIQUE DANS LE CARCINOME HEPATOCELLULAIRE TRAITE PAR TRANSPLANTATION HEPATIQUE : IMPACT SUR LA RECIDIVE L. Lecoq, J. Gendre, N. Sturm, C. Letoublon, MN. Hilleret, JP. Zarski, V. Leroy
Plus en détailQUEL PROTOCOLE DE REENTRAINEMENT PROPOSER AUX PATIENTS INSUFFISANTS CARDIAQUES?
QUEL PROTOCOLE DE REENTRAINEMENT PROPOSER AUX PATIENTS INSUFFISANTS CARDIAQUES? Cliquez pour modifier le style des sous titres du masque MARIE CHRISTINE MERSCH MASSEUR KINESITHERAPEUTE Service de Réadaptation
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailUne variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
Plus en détailL axe 5 du Cancéropole Nord Ouest
L axe 5 du Cancéropole Nord Ouest Cancers, Individu id & Société L état des lieux d un pari Le Rapport Cordier 1 Biomarqueurs prédictifs 2 L axe 5 du Cancéropole Nord Ouest Cancers, Individu & Société
Plus en détailCancer bronchique primitif: données épidémiologiques récentes
Cancer bronchique primitif: données épidémiologiques récentes Pr Jean Trédaniel Service de pneumologie et oncologie thoracique Groupe Hospitalier Paris Saint Joseph Université Paris Descartes Sources Données
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailEssais cliniques de phase 0 : état de la littérature 2006-2009
17 èmes Journées des Statisticiens des Centres de Lutte contre le Cancer 4 ème Conférence Francophone d Epidémiologie Clinique Essais cliniques de phase 0 : état de la littérature 2006-2009 Q Picat, N
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailLECTURE CRITIQUE 1 ER PAS
1 LECTURE CRITIQUE D UN ARTICLE SCIENTIFIQUE 1 ER PAS FORUM PCI 20,05,14 MJ Thévenin / Inf. EPIAS/ SMPH BUTS ET ORGANISATION DE LA PRÉSENTATION Utiliser une grille de lecture critique d un article Comprendre
Plus en détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailApplication des courbes ROC à l analyse des facteurs pronostiques binaires
Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailMémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.
Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY
Plus en détailLe quizz des stats. Xavier Paoletti. Sce de biostatistiques / Inserm U900 Institut Curie
Le quizz des stats Xavier Paoletti Sce de biostatistiques / Inserm U900 Institut Curie Qques questions pour entamer les hostilités 1. Description de la population Pourquoi parler d'âge médian et non moyen?
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détailFirst Line and Maintenance in Nonsquamous NSCLC: What Do the Data Tell Us?
Dr Jean-Charles Soria : Bonjour et bienvenue dans ce programme. Je suis Jean Charles Soria, Professeur de Médecine et Directeur du programme de développement précoce des médicaments à l université Paris
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailStatistiques Canadiennes sur le Cancer, et HMR sur le poumon
Statistiques Canadiennes sur le Cancer, et HMR sur le poumon Bernard Fortin Mars 2014 Source: Comité consultatif de la Société canadienne du cancer : Statistiques canadiennes sur le cancer 2013. Toronto
Plus en détailCOMMISSION DE LA TRANSPARENCE. Avis. 23 mai 2007
COMMISSION DE LA TRANSPARENCE Avis 23 mai 2007 SUTENT 12,5 mg, gélule Flacon de 30 (CIP: 376 265-0) SUTENT 25 mg, gélule Flacon de 30 (CIP: 376 266-7) SUTENT 50 mg, gélule Flacon de 30 (CIP: 376 267-3)
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailAspects juridiques de la transplantation hépatique. Pr. Ass. F. Ait boughima Médecin Légiste CHU Ibn Sina, Rabat
Aspects juridiques de la transplantation hépatique Pr. Ass. F. Ait boughima Médecin Légiste CHU Ibn Sina, Rabat CONTEXTE - La greffe, longtemps image expérimentale, est une thérapeutique éprouvée - Première
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
Plus en détailÉtude comparative sur les salaires et les échelles salariales des professeurs d université. Version finale. Présentée au
Étude comparative sur les salaires et les échelles salariales des professeurs d université Version finale Présentée au Syndicat général des professeurs et professeures de l Université de Montréal (SGPUM)
Plus en détailConseil Français de Réanimation Cardio-pulmonaire (CFRC) Recommandations pour l organisation de programmes de défibrillation
Conseil Français de Réanimation Cardio-pulmonaire (CFRC) Recommandations pour l organisation de programmes de défibrillation automatisée externe par le public Conférence d Experts Coordonnateur : Pr P
Plus en détailÉquivalence et Non-infériorité
Équivalence et Non-infériorité Éléments d Introduction Lionel RIOU FRANÇA INSERM U669 Mars 2009 Essais cliniques de supériorité Exemple d Introduction Données tirées de Brinkhaus B et al. Arch Intern Med.
Plus en détailEssais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire
Essais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire Sylvie CHABAUD Direction de la Recherche Clinique et de l Innovation : Centre Léon Bérard - Lyon Unité de Biostatistique
Plus en détailOptimisation des ressources des produits automobile première
EURIA EURo Optimisation produits automobile première Pauline PERROT promotion 2011 EURIA EURo 1 ère partie : contexte MMA (FFSA) MAAF (GEMA) SGAM : COVEA (AFA) GMF (GEMA) MMA : Plus 3 millions clients
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailDonnées longitudinales et modèles de survie
ANALYSE DU Données longitudinales et modèles de survie 5. Modèles de régression en temps discret André Berchtold Département des sciences économiques, Université de Genève Cours de Master ANALYSE DU Plan
Plus en détailPemetrexed, pionnier de la chimiothérapie histoguidée. Dr Olivier CASTELNAU Institut Arnault TZANCK ST Laurent du Var
Pemetrexed, pionnier de la chimiothérapie histoguidée Dr Olivier CASTELNAU Institut Arnault TZANCK ST Laurent du Var SFPO Octobre 2009 EPIDEMIOLOGIE Incidence : 1.35 M par an dans le monde (12,4%) 28 000
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailUne introduction. Lionel RIOU FRANÇA. Septembre 2008
Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4
Plus en détailAnalyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1)
Analyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1) Modèles de régression logistique à réaliser Une explicative catégorielle
Plus en détailCONTRAINTES PSYCHOLOGIQUES ET ORGANISATIONNELLES AU TRAVAIL ET SANTE CHEZ LE PERSONNEL SOIGNANT DES CENTRES HOSPITALIERS:
CONTRAINTES PSYCHOLOGIQUES ET ORGANISATIONNELLES AU TRAVAIL ET SANTE CHEZ LE PERSONNEL SOIGNANT DES CENTRES HOSPITALIERS: Infirmier(e)s et aides soignant(e)s ETUDE ORSOSA État de santé, conditions de travail
Plus en détailEXCEL et base de données
EXCEL et base de données 1. Variables et données 2. Saisie de données: quelques règles 3. EXCEL et saisie des données 4. Exemple de tableau EXCEL 5. Éviter d éventuels problèmes 1 1.1 Variables et données
Plus en détailUne étude de différentes analyses réalisées par le BIT
Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses
Plus en détailSWISSTRANSPLANT. Fondation nationale suisse pour le don et la transplantation d organes. Fondée en 1985. Informations : Tel.
SWISSTRANSPLANT Fondation nationale suisse pour le don et la transplantation d organes Fondée en 1985 Informations : Tel. 0800 570 234 2 2 Historique de la transplantation rénale Evénements marquants Dates
Plus en détailLa fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008
La fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008 Ce document se veut une analyse succincte des indicateurs se rapportant à
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailSOMMAIRE I. INTRODUCTION 4 II. SOURCES D INFORMATION 5
SOMMAIRE I. INTRODUCTION 4 II. SOURCES D INFORMATION 5 2.1. ETUDES REALISEES PAR LES SERVICES DES CAISSES D ASSURANCE MALADIE 5 2.2. ANALYSE DE LA LITTERATURE 5 2.3. ANALYSE DES VENTES 6 2.4. COMPARAISONS
Plus en détailIBM SPSS Statistics Base 20
IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS
Plus en détailLes défibrillateurs cardiaques implantables
Les défibrillateurs cardiaques implantables Etudes d'évaluation économique Etudes d'évaluation technologique Avant-propos Cette étude a été réalisée, à la demande de la Caisse Nationale de l'assurance
Plus en détailDEUXIÈME ÉTUDE D'IMPACT QUANTITATIVE SUR LE RISQUE DE MARCHÉ SOMMAIRE DES RÉSULTATS
Deuxième étude d impact quantitative sur le risque de marché Sommaire des résultats Comité mixte BSIF, AMF et Assuris Janvier 2011 DEUXIÈME ÉTUDE D'IMPACT QUANTITATIVE SUR LE RISQUE DE MARCHÉ SOMMAIRE
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailcompaction ventriculaire gauche sur la fonction ventriculaire chez l adulte
Influence des paramètres de non compaction ventriculaire gauche sur la fonction ventriculaire chez l adulte C. Defrance, K. Warin-Fresse, G. Fau, P. Guérin, B. Delasalle, P.D. Crochet La non compaction
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailEvaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés
Evaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés Evaluations de la survie sans progression et du contrôle locoregional comme critère de substitution
Plus en détailWWW.ELCON.SE Multichronomètre SA10 Présentation générale
WWW.ELCON.SE Multichronomètre SA10 Présentation générale Le SA10 est un appareil portable destiné au test des disjoncteurs moyenne tension et haute tension. Quoiqu il soit conçu pour fonctionner couplé
Plus en détail«Les lombalgies chroniques communes à la consultation de rhumatologie du CHU de Fès»
2006-2007 Premier Prix : «La voie d abord postérieure mini-invasive modifiée de la hanche» Dr. Chbani Idrissi Badr Deuxième Prix «Éradication de l helicobacter pylori: quelle trithérapie en première intention?»
Plus en détailLIGNES DIRECTRICES CLINIQUES TOUT AU LONG DU CONTINUUM DE SOINS : Objectif de ce chapitre. 6.1 Introduction 86
LIGNES DIRECTRICES CLINIQUES TOUT AU LONG DU CONTINUUM DE SOINS : ÉTABLISSEMENT DE LIENS ENTRE LES PERSONNES CHEZ QUI UN DIAGNOSTIC D INFECTION À VIH A ÉTÉ POSÉ ET LES SERVICES DE SOINS ET DE TRAITEMENT
Plus en détailCas clinique 2. Florence JOLY, Caen François IBORRA, Montpellier
Cas clinique 2 Florence JOLY, Caen François IBORRA, Montpellier Cas clinique Patient de 60 ans, ATCD: HTA, IDM en 2007, hypercholestérolémie Juin 2008: Toux, dyspnée (sous 02) et anorexie progressive Bilan
Plus en détailDon d organes et mort cérébrale. Drs JL Frances & F Hervé Praticiens hospitaliers en réanimation polyvalente Hôpital Laennec, Quimper
Don d organes et mort cérébrale Drs JL Frances & F Hervé Praticiens hospitaliers en réanimation polyvalente Hôpital Laennec, Quimper La mort cérébrale Cessation irréversible de toute fonction cérébrale
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détail