Quel test choisir ?

Bonjour à tous ,

Desolé de vous deranger. Je suis à la fin de mes études de médecine et dans la rédaction de ma thèse. Je dois compare des donnees et je ne sais pas du tout quel test choisir ..... j'ai beau lire nombres de tutoriel je ne comprends pas grand chose.

Je vous explique :

En résumé :

En gros je veux montrer que les radio du nez servent à rien

D'un côté j'ai 21 fracture du nez opéré sans radio, 6 opérée avec radio

Et de l'autre j'ai 19 non opérée sans radio et 4 non opérée avec radio. ..

En gros je veux dire que le fait d'avoir ou pas de radio influe pas sur l'opération

Ai je été clair ? Merci d'avance à tous .

François

Bonjour.

Si c'est bien la question : "le fait de faire une radio influe-t-il sur la décision d'opérer ?" tu peux utiliser un test du khi-deux. Tu auras un test qui ne te permettra pas de conclure, mais tu auras fait un test. Les données étant un peu limite (une classe à 4), tu peux aussi essayer un test exact de Fischer. Lui aussi te dira que tu ne peux pas rejeter l'hypothèse "pas d'influence".
Revois les hypothèses du test et la façon de traiter les résultats.

Cordialement.

Merci beaucoup de ta réponse.

Oui j'ai continué a me documenter et effectivement je m'orientais vers un test de fischer voir student.

Donc en gros mon hypothèse: Il n'y a pas d'influence entre la réalisation d'opérer et la réalisation de radiographie

Mes effectifs : X (opérés) : 21 sans radio / 6 avec radio
Y (non opéré): 19 sans radio / 4 avec radio

Ou alors plutot dans le sens: ( ca me parait plus logique)

X (radio) : 6 opéré 4 non op&e&
Y (sans radio) 21 opéré, 19 non opéré.

Vraiment navré pour ces questions débiles mais je suis une bille en stat et je suis tellement pris par le temps :S

Donc en gros :
HO : les variables X et Y sont indépendantes

X : patient avec radio
Y : patient sans radio

Tableau de contingence :

X1 : radio opéré X2 : radio pas opéré


Y1 : pas radio opéré Y2 :pas radio pas opéré

Mais avec ces effectifs mon p ne sera jamais significatif !!

C'est pas exactement ca.

"Les variables X & Y sont indépendantes". Mais X est "opéré ou pas" et Y est "radio ou pas", ce qui n'est pas la même chose. En fait, ça revient juste à faire une comparaison de pourcentages: Le pourcentage d'individus opérés diffère t-il selon qu'il y ait radio ou pas ? Ou bien, de manière équivalente : le pourcentage d'individus ayant passé une radio diffère t-il selon qu'ils soient opérés ou pas ? Les deux questions sont équivalentes, et effectivement - donc - le tableau peut être rentré dans les deux sens possibles, avec le même résultat.

Sous R par exemple, ça donnerait :

Code:

> chisq.test(cbind(c(21,19),c(6,4)))

        Pearson's Chi-squared test with Yates' continuity correction

data:  cbind(c(21, 19), c(6, 4))
X-squared = 0.0050322, df = 1, p-value = 0.9434

Warning message:
In chisq.test(cbind(c(21, 19), c(6, 4))) :
  l'approximation du Chi-2 est peut-être incorrecte


Ou bien:

Code:

> chisq.test(cbind(c(6,21),c(4,19)))

        Pearson's Chi-squared test with Yates' continuity correction

data:  cbind(c(6, 21), c(4, 19))
X-squared = 0.0050322, df = 1, p-value = 0.9434

Warning message:
In chisq.test(cbind(c(6, 21), c(4, 19))) :
  l'approximation du Chi-2 est peut-être incorrecte
>

Et H0 ne peut être rejetée. Il n'y a pas de relation entre la prise de radio et le fait d'opérer. Ca ne veut pas forcément dire que la prise d'une radio ne sert à rien. Juste que - apparemment - ça n'influence pas la décision d'opérer. Mais les effectifs sont effectivement un poil faibles pour aboutir à une conclusion solide.

Et pour finir, par la queue (ni l'ombre) d'un test de Student ici...

HTH, Eric.

Attention,

ne pas confondre le test exact de Fischer avec les nombreux tests initiés par Fischer et complétés par Student.

"Mais avec ces effectifs mon p ne sera jamais significatif !!" Si, il pourrait l'être. ce qui pose problème (est-ce vraiment un problème), c'est que tes données sont assez proches d'un modèle d'équirépartition. D'ailleurs, même multipliées par 10, ce qui augmente fortement la puissance du test, il reste non significatif.

Cordialement.