epi info - analyse univariee - circinternat-reims.fr/.../epi-info-analyse-univariee.pdf · epi info...

Epi Info – Analyse Univariée

Epi Info-analyse univariée 1 Dr Barbe Coralie

analyse data Importation des données

read import



nombre de patients

Type de fichier (excel , epi info…)

Chemin d’accès

Si epi info : view, si excel : feuille



Description des données

Variables quantitatives Fonction « means »

Résultats :



En 1er : tableau avec nombre de patients pour chaque age (pas très intéressant…) En 2nd : plusieurs données dont : obs = nombre de patients, means = moyenne d’âge, std dev = écart type, minimum / maximum et médiane. Description classique d’une variable quantitative : moyenne ± écart type ou si on veut être plus détaillé : moyenne ± écart type [minimum – maximum] ; médiane Variables qualitatives Fonction « frequencies »

Résultats



On obtient ici la distribution du sexe. On voit qu’il y a 48 F (femmes) soit 47,2% et 54 M (hommes) soit 52,9% On retrouve les 102 patients qui font 100,0%. Tests statistiques

Comparaison de moyennes (test de student ou de Wilcoxon) Fonction « means »

Variable qualitative

Variable quantitative



Résultats

en 1er : tableau descriptif (pas très intéressant…) en 2nd : résultats Description : nombre d’observation, moyennes, écart type, mini/maxi et médiane pour chaque modalité de la variable qualitative ici, description de l’âge chez les hommes et chez les femmes Test statistique : selon les conditions d’application du test de Student, on utilise le test de Student ou le test de Wilcoxon.

Si effectifs ≥ 30 dans les 2 groupes et égalité des variances (test de Bartlett => P value > 0.05) alors test de student (p correspond au T statistic)

Sinon, test de Mann et Whitney (p correspond à P value)

Remarque : epi info est capable de réaliser une comparaison de moyennes dans plus de 2 groupes. Il s’agit également de la fonction « means ». Seulement, attention, il ne s’agit plus d’un test de Student mais d’une régression linéaire à un facteur.

Description

Test de Student

Test égalité variances

Test Mann et Whitney



Comparaison de distributions (test du Chi2 ou test exact de Fisher) Fonction « table »

2 variables qualitatives



Résultats Tableau descriptif

on voit que : il y a 48 femmes (47,1%) et 54 hommes (52,9%) il y a 84 patients en 1ère greffe (82,4%) et 18 patients en 2nde greffe (17,6%)

parmi les 48 femmes, 39 bénéficiaient de leur 1ère greffe (81,3% des femmes et 46,4% des 1ères greffes) et 9 de leur 2nde (18,8% des femmes et 50,0% des 2ndes greffes)

parmi les 54 hommes, 45 bénéficiaient de leur 1ère greffe (83,3% des hommes et 53,6% des 1ère greffe) et 9 de leur 2nde (16,7% des hommes et 50,0% des 2ndes greffes)



Test statistique

Odd ratio :

Il existe un lien significatif entre les 2 variables si son intervalle de confiance à 95 % ne contient pas la valeur 1. Si > 1 : facteur de risque Si <1 : facteur protecteur Signification : par exemple, un odd ratio entre le tabac et le cancer du poumon de 4 signifie que les fumeurs ont 4 fois plus de risque de développer un cancer du poumon que les non fumeurs. Test du Chi2 si la condition de validité du test est remplie (effectifs attendus ≥ 5). Epi Info met un message si cette condition n’est pas remplie. Test exact de Fisher si condition de validité du test de Chi2 n’est pas remplie. Remarque : epi info est capable de faire un chi2 sur un tableau à plus de 4 cases mais n’est pas capable de faire un test exact de Fisher sur un tableau à plus de 4 cases alors attention quand les effectifs sont faibles (epi info mais un warning : « An expected value is < 5. Chi-square not valid. » mais ne propose rien d’autre…).

Odd ratio et Son IC à 95%

p test de Fisher p test du Chi2



Autres fonctions d’epi info

Analyse sur un sous groupes Fonction « select »

Warning si condition de validité du test du Chi2 n’est pas remplie



exemples : on veut étudier les hommes seulement : sexe= « M » on veut étudier les hommes de plus de 50 ans : sexe= « M » and age>50 on veut étudier les patients n’ayant pas un diagnostic de type 1 : diagnostic <> 1 (<> signifie différent)

Critère de sélection



Recodage de variables exemple : en tranche d’age (moins de 50 ans et plus de 50 ans) 1ère étape = définir la nouvelle variable => fonction « define »

puis nommer la nouvelle variable (ici : agetranche)



2ème étape : recoder la variable age en agetranche => fonction « recode »

epi info - analyse univariee - circinternat-reims.fr/.../epi-info-analyse-univariee.pdf · epi info...

Documents