Au secours! Besoin d'aide pour choisir un test! URGENT!!!

Bonjour,
Je suis interne en médecine et je réalise actuellement mon travail de thèse. Comme tout médecin qui se respecte je suis absolument NULLE en statistiques et je galère pour décider quel test appliquer à mes résultats d'étude.. Les avis de mes collègues divergent et je cherche donc une bonne âme douée en stat pour des petits conseils avisés...
Alors en quelques mots voici mon étude:
J'ai 25 patients qui ont tous la même maladie . Pour chacun d'eux j'ai colleté diverses données que je voudrai analyser: type de la maladie (2 types), sexe, statut marital, une donnée biologique (taux sanguins) et des scores de différents tests psychologiques et psychométriques. En gros je voudrai savoir comment varient les résultats des scores des tests psy selon le taux sanguin biologique que j'ai mesuré, le type de la maladie, le sexe, l'âge, les antécédents de dépression (par exemple est ce que plus le taux sanguin est haut plus les tests psy sont mauvais...est ce que les patients qui ont eu une dépression ont des plus mauvais scores?) J'aimerai aussi comparer les résultats des scores entre eux en fonction de ces paramètres. (pas sure de me faire comprendre.... )
La plupart des gens m'ont conseillé de faire des tests de Mann Whitney ou bien des tests t de Student...
Qu'en pensez vous?
Par avance je vous adresse un grand (énorme) merci pour votre aide précieuse!!!!
Vive les statisticiens!

Bonjour.

"Comme tout médecin qui se respecte je suis absolument NULLE en statistiques "
J'espère que tu ne viendras pas exercer dans ma région ! Une des nécessités actuelle est que les médecins comprennent l'épidémiologie et la surveillance des effets des pratiques et médicaments. Tu vas prescrire du médiator à ceux qui veulent maigrir ?
Bon, engueulade faite, revenons à ton problème. ou plutôt à ton absence de problème. Tu n'aurais pas dit que tu étais nulle en stats, je l'aurais deviné. car tu as fait manifestement n'importe quoi !
Les stats ne sont pas le remède miraculeux à une absence de réflexion. Seulement une série de techniques pour essayer de savoir ce qui se passe dans des situations compliquées et variables, lorsqu'on fait les études nécessaires.
Toi tu as fait les études avant de te poser la question "à quoi ça va servir ?" En général, la réponse, dans ce cas est "à rien !"

Tout d'abord, tu es médecin (ou en passe de l'être). Donc tu as des connaissances sur cette maladie, il y a sans doute de la littérature qui en parle. L'activité raisonnable (scientifique) était de commencer par te documenter sur ce qu'on sait déjà (Belle découverte si la conclusion statistique est que l'aspirine diminue les maux de tête !), puis à chercher ce qu'il faut essayer de préciser.
Après tout, ton échantillon est petit, mais c'est peut-être le mieux qu'on puisse faire.
Donc il va te falloir te débrouiller avec ce que tu as. Mais je ne vais pas te conseiller de test, ça n'a pas de sens. C'est à peu près comme si tu conseillais un test de grossesse parce qu'une patiente te dit "je ne vais pas bien".
Un test sert (en stats comme en médecine) à rendre plus évident une idée (une suspicion, une hypothèse) qu'on a. Donc il va te falloir étudier tes données pour essayer de voir si elles te donnent des idées (tu en cites quelques unes : "est ce que plus le taux sanguin est haut plus les tests psy sont mauvais", ..). Mais bien évidemment, si la lecture des données ne révèle rien, il ne faut pas rêver : Les tests ne donneront rien !
De plus, tu parles d'un autre type d'idée. Par exemple "je voudrai savoir comment varient les résultats des scores des tests psy selon le taux sanguin biologique que j'ai mesuré". Ce qui relève de l'analyse de régression (ou au moins des techniques d'ajustement). Là il ne s'agit pas de test (une réponse oui/non n'a pas de sens !).

Donc commence par étudier toi-même, avec ton œil de toubib, les résultats, puis, si tu as des hypothèses à tester, reviens en parler. Si tu veux mettre en corrélation deux types de données, représente le nuage de points et vois si un modèle simple a une utilité, etc.

Bon travail !