• Pré-requis et Objectifs
• Cours
  • Contenu
    • 1 - Principes en Epidémiologie
      • 1.1 - Préalables
        • 1 . 1 . 1 - Variabilité en biologie
        • 1 . 1 . 2 - Situation d'observation et situation expérimentale
        • 1 . 1 . 3 - Nécessité de comparer
        • 1 . 1 . 4 - Raisonnement en sciences
        • 1 . 1 . 5 - Modélisation
      • 1.2 - LES Statistiques et LA Statistique
    • 2 - Analyse des données, Statistique
      • 2.1 - La mesure : quelle est la valeur de l’instrument ?
      • 2.2 - Description
        • 2 . 2 . 1 - Les données sont quantitatives (continues)
          • 2 . 2 . 1 . 1 - Valeur centrale
          • 2 . 2 . 1 . 2 - Valeurs de dispersion
        • 2 . 2 . 2 - Les données sont qualitatives (discontinues, discrètes)
          • 2 . 2 . 2 . 1 - Valeur centrale : pourcentage
          • 2 . 2 . 2 . 2 - Dispersion
      • 2.3 - Les données par rapport à la réalité
      • 2.4 - Croisement des données. Comparaisons.
        • 2 . 4 . 1 - Principe des tests
        • 2 . 4 . 2 - Comparaison de (2 ou plus) pourcentages
        • 2 . 4 . 3 - Comparaison de deux moyennes
        • 2 . 4 . 4 - Corrélation et régression
      • 2.5 - Le raisonnement statistique
        • 2 . 5 . 1 - Résultats d’un test de comparaison
        • 2 . 5 . 2 - Deux risques d’erreur dans le raisonnement (à propos de comparaison de deux traitements) :
    • 3 - Les enquêtes en Epidémiologie
      • 3.1 - Principe des études
      • 3.2 - Les différents types d’enquêtes en épidémiologie
        • 3 . 2 . 1 - Etudes de cas : description de cas cliniques (souvent peu nombreux)
        • 3 . 2 . 2 - Etudes descriptives
        • 3 . 2 . 3 - Etudes analytiques ou étiologiques
          • 3 . 2 . 3 . 1 - Enquêtes de cohorte
          • 3 . 2 . 3 . 2 - Enquêtes cas-témoins
        • 3 . 2 . 4 - Etudes expérimentales
          • 3 . 2 . 4 . 1 - Expérience randomisée
          • 3 . 2 . 4 . 2 - Expérience non-randomisée
        • 3 . 2 . 5 - Autres études
      • 3.3 - Les biais dans les enquêtes
        • 3 . 3 . 1 - Biais de mesure
        • 3 . 3 . 2 - Biais de réponse, biais de non-réponse
        • 3 . 3 . 3 - Biais de mémorisation
        • 3 . 3 . 4 - Biais de sélection
        • 3 . 3 . 5 - Biais de confusion (ou erreur de causalité)
    • 4 - Rédiger un protocole
      • 4.1 - Le titre
      • 4.2 - Les objectifs
      • 4.3 - Justification de l’étude
      • 4.4 - Hypothèses
      • 4.5 - Type d’études
      • 4.6 - Facteurs étudiés
      • 4.7 - Critères de jugement
      • 4.8 - Prévenir les biais
      • 4.9 - Population, échantillon
      • 4.10 - Nombre de sujets
      • 4.11 - Récolte et analyse des données
      • 4.12 - Ethique de l’enquête
      • 4.13 - Budget et Calendrier
    • 5 - Le questionnaire
      • 5.1 - Type de questionnaire à prévoir
      • 5.2 - Formuler de manière précise
      • 5.3 - Types de questions
      • 5.4 - Type de réponses +++
      • 5.5 - Organisation
      • 5.6 - Tentations
      • 5.7 - Codage : exemple
    • 6 - L'informatique
      • 6.1 - Pourquoi ?
      • 6.2 - Catégories de logiciels
      • 6.3 - Saisie des données
      • 6.4 - Exemples de sorties de données pour des enquêtes (EPIDATA)
    • 7 - Réalisation du mémoire
      • 7.1 - Type d’article
      • 7.2 - Plan général = IMRED
        • 7 . 2 . 1 - I : introduction
        • 7 . 2 . 2 - M : Méthodes (ou matériel et méthodes)
        • 7 . 2 . 3 - RE : Résultats
        • 7 . 2 . 4 - D : Discussion
        • 7 . 2 . 5 - Conclusion
        • 7 . 2 . 6 - Résumé
        • 7 . 2 . 7 - Références (normes de Vancouver)
        • 7 . 2 . 8 - Annexe
      • 7.3 - Style
      • 7.4 - Présentation
      • 7.5 - Les relectures : 7 fois
    • 8 - Présentation des données, comment communiquer les résultats
      • 8.1 - Dans le texte
      • 8.2 - Dans un tableau
        • 8 . 2 . 1 - Le tableau doit être informatif
        • 8 . 2 . 2 - Le tableau doit être compris sans l’aide du texte de fond
        • 8 . 2 . 3 - Le tableau doit
        • 8 . 2 . 4 - Les logiciels
        • 8 . 2 . 5 - Exemples de tableaux à éviter (sur la forme)
        • 8 . 2 . 6 - Exemple de tableaux à éviter (sur le fond)
        • 8 . 2 . 7 - Tableaux possibles
      • 8.3 - Avec un graphe (ou une figure)
        • 8 . 3 . 1 - Le graphe doit être informatif
        • 8 . 3 . 2 - Le graphe doit être dépouillé
        • 8 . 3 . 3 - Le choix du type de graphe dépend du type de données
        • 8 . 3 . 4 - Un graphe doit être compréhensible sans se référer au texte de l’article
        • 8 . 3 . 5 - Les logiciels grapheurs
        • 8 . 3 . 6 - Les graphes à éviter
        • 8 . 3 . 7 - Graphes possibles
    • 9 - Communication orale
      • 9.1 - Principes
      • 9.2 - Plan
      • 9.3 - Trois pôles
      • 9.4 - Moyens
    • 10 - POUR COMPLETER avec des livres et revues
  • Version PDF
• Annexes

• Aide
• Auteurs
• Contacts

6  -  L'informatique

6 . 1  -  Pourquoi ?

• Passage obligé → c’est un outil, pas une fin
• Se faire aider
• Tous les outils informatiques nécessaires existent déjà, ne pas en inventer
• Les ingénieurs ou autres professions informatiques ne sont pas les mieux placés pour conseiller en épidémiologie…

6 . 2  -  Catégories de logiciels

• Ecrire le questionnaire : traitement de texte → Word ou Open Office (writer)
• Imprimer le questionnaire : traitement de texte → Word ou Open Office (writer)
• Saisir le questionnaire : éviter absolument le tableur, privilégier EPIDATA (Entry 3.1 en français, gratuit)
• Analyser les données saisies : EPIDATA (Analysis 2.2) gratuit, ou STATA ou SPSS (cher)
• Tests statistiques : logiciel statistique EPIDATA (Analysis 2.2) gratuit, OPEN EPI gratuit
• Rédiger le mémoire : traitement de texte, logiciels de graphes → Word ou Open Office (writer)
• Présentation du mémoire : présentation de diapositives → Powerpoint ou Open Office (présentation)
• Recherche de références : tri dans un centre de documentation, sur internet (PubMed), Endnote®

6 . 3  -  Saisie des données

1. EPI-DATA = Logiciel qui fait tout (le couteau suisse)

2. Sur tableur (Excel) à déconseiller ++++ sinon au prix de précautions : déterminer le format des cellules (la colonne) → date (format), numérique (décimales), texte +++ : faire un clic droit pour choisir AVANT la saisie.

Figure 37 : Exemple de saisie sur tableur : minimum de texte, mais des codes +++

* Nom des variables en tête de colonne : pas + de 8 à 10 lettres, pas d’accent, pas d’espace, pas de « ? ». Nom de variable évocateur sans fioriture, sur une ligne.
* 1 ligne par individu : champs des variables codés avec des chiffres le plus souvent. Nom des patients possibles (pour retrouver des dossiers par exemple). Surtout des codes avec chiffres +++

6 . 4  -  Exemples de sorties de données pour des enquêtes (EPIDATA)

Enquête sur les arrêts précoces de l’allaitement sur 314 mères allaitantes. Le questionnaire a été saisi dans EPIDATA. A partir de 16 maternités

1. Profession du couple avec la classification de l’INSEE : commande « freq couple »

Figure 38 :

Commentaires :

• La commande dans EpiData est freq couple
• Le codage va de 1 à 8 selon la classification de l’INSEE (voir annexe) ; le codage avec un ‘.’ correspond aux valeurs manquantes (non-réponses)
• Pas besoin de prendre une deuxième décimale dans les résultats

2. Age de la mère : commande “means agemere”

Image

Commentaires : la moyenne est sous le mot “means” = 30.0 ans (pas besoin de deuxième décimale), l’écart-type est sous le mot « Std Dev » pour « déviation standard » = 4.7 ans. Le mininum est de 17.0 ans et la maximum de 42.0 ans avec une médiane de 30.0 ans.

3. Fréquence de l’arrêt de l’allaitement à 1 mois
Commande « freq sein1mois »

Figure 40 :

Transformation d’un codage « 2 » en codage « 3 ». if sein1mois=2 then sein1mois=1

Figure 41 :

Lecture : 88.2 % des mères ont continué et 11.8 % ont arrêté à 1 mois

4. Croisement de deux variables qualitatives : arrêt précoce et sein1mois.
Commande « tables sein1mois allmere /r »

Figure 42 :

Lecture : 95 % des mères qui ont été allaités par leur propre mère ont continué à 1 mois versus 85 % pour les mères non allaitées (p<0.01)

5. Croisement d’une variable quantitative (moyenne) et d’une variable qualitative
Commande « means pn sexe »

PN est le poids de naissance et sexe=1 pour les garçons et sexe=2 pour les filles

Figure 43 :

Commentaires : la moyenne des poids de naissance des garçons est de 3409 g ± 450 g versus pour les filles 3292 g ± 431 g et c’est significatif avec p < 0.05.