Modèle statistique

Bonjour,
Je dois préparer un projet en biostatistique portant sur l'étude des déterminismes biologiques et alimentaires qui peuvent favoriser l'apparition de l'accident vasculaire cérébral (AVC) ou de ces symptômes (perte temporaire de la vision ou la parole). Il y a 43 variables en tout. J'aimerai savoir quel modèle je peux utiliser pour répondre à cette question. Je pensais à la régression logistique multiple car dans les données on classe les patients qui ont contractent l'AVC ou non.
Exemple de variables:
- qualitatives : AVC ou non, perte soudaine de la vision, diabète
-quantitatives : taille, poids, IMC
Merci beaucoup pour votre aide.

Si la variable à expliquer est seulement le fait de présenter un AVC ou non (par exemple, on ne s’intéresse pas à sa gravité, etc), alors oui, une régression logistique semble effectivement être le bon choix.

HTH, Eric.

Il faut que tu fasses attention a bien classifier tes variables (dépendante, independantes, variables d'ajustement) parce que la j'ai l'impression que tout est en vrac.

Attention aussi à autre chose: tu cherches les déterminismes pouvant favoriser AVC, donc tu cherches des variables causales ou prédictives d'une maladie, autrement dit des facteur de risque. Un facteur de risque n'est pas un symptôme. La fièvre n'est pas la cause de la grippe (c'est la conséquence = c'est un symptôme de la maladie). De même, la perte soudaine de la vision n'est pas la cause de l'AVC, c'est une conséquence.

De plus, la perte soudaine de la vision peut être la conséquence d'autre chose (rétinopathie diabétique => hémorragie du vitré)

Fais attention, ton problème est bien plus compliqué que de choisir "le bon modèle", tout balancer en vrac dedans et disserter sur ce qui en sort. Une bonne discussion clinique s'impose avant de se plonger dans les maths. D'abord pour faire la distinction entre variables indépendantes et variables d'ajustement. Ensuite pour faire le point sur ce qui est déjà connu (AVC et diabète par ex) et en déduire la stratégie d'exploitation des données.