quel test utiliser dans étude longitudinale à groupe unique

Bonjour,

je souhaiterais savoir quels tests statistiques utiliser dans une étude longitudinale en 2 temps (T1 et T2) et qui mesure 4 concepts psychologiques à l'aide d'échelles de mesures psychologiques.

la VI : 2 temps de mesure : T0 et T1 (6 mois après un traitement)
la VD : 4 scores à diverses échelles psychologiques

Le groupe est un échantillon unique d'une vingtaine de personnes. Pas de groupe contrôle.

Est-ce qu'une ANOVA est adaptée ?

Merci pour les précisions que vous pourrez m'apporter.

Pilotari

Je te renvoie au mémo que j'ai rédigé pour données appariées, si ce dernier ne t'a pas aidé fais nous signe.

Je te remercie pour ta réponse.

Oui, j'étais allé voir avant ce post mais je n'avais pas pu distinguer le type de variables concernant ma VI (2 temps de mesure) alors que pour les VD je suppose que ce sont des variables continues (numérique) puisque ce sont des scores à des échelles de mesure.

Finalement je pencherais pour un T de student puisque le groupe est unique et que les mesures sont répétées mais je me trompe peut-être.

Pilotari

J'avais mal lu, dans ton cas tu n'as qu'une "classe" de patients que tu as mesuré 2 fois? Et tu cherches juste à montrer qu'il y une différence entre les 2 mesures? Si oui, alors tu peux reprendre le mémo et considérer que ta variable réponse/classe est le temps de mesure.

Oui c'est çà, le même groupe passe 2 fois les conditions et je vais comparer les moyennes ensuite.

Malgré tes indications, j'ai beaucoup de mal à lire le mémo, le vocabulaire utilisé en psycho est tout à fait différent.

Je suis dans un cas où le groupe est apparié (mesures répétées), ok pour çà.

Mais je n'arrive toujours pas à identifier la nature de la VI, les deux temps de mesure. :-( Quand tu me dis que la variable réponse/classe est le temps de mesure, çà ne me parle pas du tout

Ta variable VI est-elle sur une échelle continue?

Par contre j'ai du mal à visualiser comment se situe ta variable VD. Après dans ton énoncé il manque quand même une information assez importante: que veux-tu montrer exactement?

Peux-tu montrer un exemple de ta base de données histoire d'arriver à y voir plus clair? (pour moi en tout cas...)

Merci pour ta patience.

Ma VI, ce sont les deux temps de mesure : T1 et T2 c'est çà que je n'arrive pas à définir comme type de variable. Je manipule le temps, c'est çà que je contrôle dans mon étude. Je ne sais pas si c'est une variable continue.

Je veux montrer l'effet d'un programme de rééducation (entre T1 et T2) avec l'hypothèse que j'aurai après le programme suivi par des patients (en T2) une différence dans les scores des VD (scores à l'échelle de dépression, d'anxiété et de qualité de vie), bref une amélioration des scores de dépression (moins de dépression), moins d'anxiété et une meilleure qualité de vie. C'est pour tester l'effet d'un programme en fait. C'est un test-retest en fait.

Je n'ai pas de bases de données, c'est un projet et l'étude n'est pas encore réalisée, j'en suis au projet de recherche et je dois simplement dire quel test je vais utiliser pour traiter mes données.

voilà un peu plus de précisions

Donc pour 1 patient tu auras: au temps T1 une mesure de "je ne sais pas quoi" puis au temps T2 une autre mesure de ce "je ne sais pas quoi"? Désolé mais tu m'as un peu perdu là... Et ensuite, en fonction de ces 2 mesures en T1 et T2 tu as un score VD?

pardon, non, il n'y a pas d'autres VD. Il y a 4 tests en T1 et en T2, les mêmes. Les patients passent les mêmes tests en T1 et T2 : tests qui se présentent au final avec un score et il n'y a pas d'autres VD. Je souhaite évaluer les différences entre T1 et T2.

Dans ton cas tu auras donc une base de données de ce genre:

Obs Test1_T1 Test1_T2 Test2_T1 Test2_T2 Test3_T1 Test3_T2 Test4_T1 Test4_T2

Bon ben cette base de données tu peux la transformer de tel manière:

Temps Test1 Test2 Test3 Test4

Ta variable Temps sera une variable dichotomique faisant office de groupe et tu pourras évaluer si, entre T1 et T2, tes tests ont un comportement différent au sens statistique.

Donc si j'ai bien compris ton énoncé, il te faut retourner sur le mémo et regardé la partie données non appariées et regarder le cas qui te concerne (variable continue vs variable dichotomique et/ou variable di/polychotomique vs variable dichotomique).

Merci beaucoup.

oui c'est exactement çà quand tu présentes les observations de la sorte.

Là où je ne comprends pas bien c'est la transformation de la bdd en
Temps Test1 Test2 Test3 Test4
et l'histoire d'en faire des groupes indépendants.

Ne serait-il pas plus simple de comparer le groupe de sujets
en Test1_T1 et Test1_T2
en Test2_T1 et Test2_T2
en Test3_T1 et Test3_T2
en Test4_T1 et Test4_T2

et à ce moment là je me retrouve avec uniquement des variables continues dans le groupe apparié et je peux prendre dans ton mémo Variable continue VS variable continue en apparié ?

je suis perdu là ?

En fait tu peux répondre à 2 questions, soit tu compares pour chaque test directement les valeurs entre T1 et T2 et là tu pars sur l'analyse de corrélations et ainsi tu vas pouvoir étudier l'effet trajectoire de tes patients d'un temps à l'autre, soit tu compares les distributions de chaque test au sein de tes temps et là tu vas plutôt étudier la tendance (dont tu te fous finalement) entre T1 et T2.

Merci pour cette précision. Oui, ce que je veux étudier c'est s'il y a amélioration après le traitement, c'est tout !

mes hypothèses sont :
l'effet du programme de rééducation amène à se sentir moins dépressif (qu'avant le programme) , moins anxieux, améliore la qualité de vie et l'estime de soi. Tout çà décliné en 4 hypothèses. Là est l'idée même si elles seront formulées autrement.

Penses-tu que les corrélations entre T1 et T2 sont plus appropriées que la comparaison des distributions de chaque test au sein des temps (je t'avoue que je ne sais pas ce que sont les tendances entre T1 et T2) ?

Merci

Oui, ce que je veux étudier c'est s'il y a amélioration après le traitement, c'est tout !

Dans ce cas les 2 approches ont leur intérêt, mais par rapport à cette question un test de Student/Welch ou de Wilcoxon en fonction des hypothèses de distribution vont pouvoir y répondre. Une analyse des corrélations par Pearson ou Spearman (en fonction de ce que tu veux déceler: monotonie ou linéarité) pointera plus sur le comportement de tes patients après et avant traitement, une corrélation négative pourra alors mettre en avant que pour tous tes patients le traitement a eu son effet par exemple alors que l'absence de corrélation mettra plus en avant que ton traitement a agit de façon aléatoire en fin de compte.

A ta place je ferais les 2, dans un premier temps un test pour voir si la distribution de tes valeurs de tests en fonction des groupes/temps T1 et T2 est liée au sens statistique et la seconde (analyse des corrélations) pour mettre en avant si tous tes patients ont bien tous réagit au traitement.

Merci pour ces explications

Pour faire le 1er test comme tu dis (test distribution des valeurs de tests), est-ce que je dois procéder à un traitement particulier et transformer la bdd comme tu disais plus haut c'est çà que je n'ai pas bien compris comment faire.

Tu disais plus haut : transformer en Temps Test1 Test2 Test3 Test4
et qu'on partait sur plusieurs groupes considérés comme non appariés

est-ce que c'est toujours d'actualité de faire çà ? Car les tests que tu m'as indiqués sont pour de l'apparié, c'est pourquoi je suis un perdu là

Merci

Oui, tu partiras dans le cas variable continue (tes tests) vs variable dichotomique (tes 2 temps assimilés ici à des groupes).

Super ! Je te remercie infiniment pour cette aide précieuse

Je m'y atèle dès maintenant

Un très grand merci et à bientôt,

Pilotari

Bonjour,

alors j'ai pu procéder suite à tes conseils à un test t pour échantillons appariés qui montre que mes groupes T1 et T2 pour chaque test ne sont statistiquement significatifs (p > 0.05). Mes hypothèses était qu'il y avait une augmentation pour chaque mesure en T2, donc une hypothèse unilatérale et donc même en divisant la valeur de p par 2 c'est très loin d'être significatif.



Test T pour échantillons appariés (les p value sont à droite de l'image : .464, .466, , .220


Pour afficher entièrement l'image clic droit/afficher l'image


Pour un test, la distribution n'était pas normale, j'ai donc procédé à un équivalent non paramétrique, le test de wilcoxon et là aussi ce c'est significatif.





Je suppose que ces résultats indiquent que je ne peux pas rejeter l'hypothèse nulle et que l'augmentation (si elle a lieu) peut être due au hasard.

Je m'interroge maintenant sur l'analyse de corrélation que tu m'as proposée de faire en complément. Dois-je la mener avec les mêmes valeurs de T1 et de T2 pour chaque test ? Car le test t sous SPSS me les fournit automatiquement (mais n'indique pas la directivité, je pense qu'il prend en compte la bidirection)

Je ne sais pas le signification. Est-ce qu'elles donnent plus d'infos que le t test ? Dois-je procéder à des corrélations unilatérales puisque mes hypothèses prédisent un signe (amélioration au temps T2) ? Linéarité ou monotonie ? Ce que je veux c'est juste savoir s'il y a eu amélioration au T2 pour chacun de mes tests.

Merci une nouvelle fois pour l'aide que tu pourras m'apporter

pilotari