Examen statistique
Intervalles de confiance : L’estimation de l’intervalle d’un paramètre de la population, et généralement établi à 95%. Si l’on prélevait 100 échantillons de la population, le score ou la mesure moyenne de 95 de ces échantillons de population se situerait dans la fourchette des intervalles de confiance de 95%. Plus la plage de l’IC 95 % est proche ou étroite de la moyenne réelle, plus les résultats de ce test sont forts.
Erreur standard de mesure : Cette valeur indique la fourchette (+/-) dans laquelle le score réel d’un patient pourrait s’inscrire dans le cadre d’un test donné. Si l’erreur standard de mesure pour la mesure goniométrique de l’amplitude de mouvement pour la flexion du genou est de 3,5 degrés, on peut s’attendre à une variation de l’amplitude de mouvement réelle/effective comprise entre 116,5 et 123,5 degrés alors que la valeur réelle mesurée est de 120 degrés. On peut aussi penser que c’est l’écart-type des valeurs des résultats de tests répétés.
Sensibilité : Si un patient est effectivement atteint d’une affection, quelles sont les chances que le test clinique soit positif ? Il s’agit de votre mesure des vrais positifs. Les valeurs vont de 0 à 1,0 où 1,0 = 100% de vrais positifs. Le moyen mnémotechnique SnOut est utilisé pour appliquer ces résultats. Si un test a une sensibilité élevée et que le test est négatif, le clinicien peut se sentir mieux pour exclure la maladie (SnOut). Les tests cliniques présentant une sensibilité élevée sont plus efficaces pour dépister la maladie cible chez les patients, mais moins efficaces pour poser un diagnostic spécifique. En d’autres termes, lorsqu’un test très sensible est négatif, vous pouvez être plus sûr que le patient n’a pas la maladie, mais si le test est positif, vous ne pouvez pas être sûr qu’il avait cette maladie, à moins que le test soit également très spécifique.
Spécificité : Si un patient n’est pas atteint d’une affection, quelles sont les chances que le test clinique soit négatif ? Il s’agit de votre mesure des vrais négatifs. Les valeurs vont de 0 à 1,0 où 1,0 = 100% de vrais négatifs. Le moyen mnémotechnique SpIn est utilisé pour appliquer ces résultats. Si un test a une spécificité élevée et que le test est positif, le clinicien peut se sentir mieux pour exclure la maladie (SpIn). Lorsqu’un test hautement spécifique est positif, vous pouvez être plus sûr que le patient est bien atteint de la maladie, mais si le test est négatif, vous ne pouvez pas être sûr qu’il n’est pas atteint de cette maladie, à moins que le test soit également très sensible.
Rapport de vraisemblance positif (+LR) : Exprime la modification des chances en faveur de l’affection lorsqu’on obtient un test positif. Il s’agit d’un calcul de la spécificité et de la sensibilité d’un test (+LR = Sensibilité / 1-Spécificité). Un +LR > 1,0 augmente la probabilité de fournir un diagnostic correct sur la base du résultat du test.
Rapport de vraisemblance négatif : Exprime la variation des chances qu’une affection soit absente lorsqu’un test est négatif. C’est un calcul de la spécificité et de la sensibilité d’un test (-LR = 1-Sensibilité / Spécificité). Un LR < 1,0 augmente la probabilité de fournir un diagnostic correct sur la base du résultat du test.
Odds Ratio : Il s’agit de l’estimation du risque relatif et il est généralement utilisé lorsque le risque relatif ne peut pas être déterminé avec précision en raison des limites de l’étude (incapacité de calculer avec précision l’incidence cumulative, c’est-à-dire une étude cas-témoins). Il est souvent utilisé pour exprimer la taille de l’effet. Il s’agit du rapport entre les chances qu’un événement se produise dans un groupe et les chances qu’il se produise dans un autre groupe. Il s’agit de la probabilité que le même événement ou la même condition se produise dans deux groupes. Un rapport de cotes de 1:1 signifie qu’il n’y a pas de différence de cotes entre les groupes (l’événement ou la condition se produit de la même manière dans les deux groupes).
Risque relatif : C’est la mesure de l’effet relatif, c’est-à-dire le rapport qui décrit les risques associés au groupe exposé par rapport au groupe non exposé. Il indique la probabilité qu’une personne qui a été exposée à un facteur de risque développe l’affection par rapport à une personne qui n’a pas été exposée.
Taille de l’effet : L’ampleur de la différence entre deux traitements ou de la relation entre deux variables. Une taille d’effet plus importante pour un traitement indique qu’il a entraîné une différence positive plus importante dans le résultat qui a été mesuré.
Validité : Le test clinique mesure-t-il ce qu’il est censé mesurer ? C’est la question à laquelle répond la validité. Cela peut souvent être mesuré par les valeurs de sensibilité et de spécificité ainsi que par les rapports de vraisemblance (les valeurs prédictives positives et négatives sont souvent utilisées mais ne sont pas aussi utiles que les rapports de vraisemblance).
Fiabilité : dans quelle mesure les examinateurs sont-ils d’accord sur les résultats d’un test ? La fiabilité est une mesure de l’accord, mais pas de la validité. Elle est basée sur la quantité d’erreur qui est présente dans un ensemble de scores. Pour qu’un test clinique ait une bonne validité, une bonne fiabilité est nécessaire. Cependant, les tests qui n’ont pas une bonne validité peuvent tout de même avoir une excellente fiabilité. Les examinateurs peuvent être capables de mesurer un test de manière très fiable entre eux et d’autres examinateurs, mais cela ne signifie pas nécessairement que le test est une bonne mesure d’une condition ou d’un diagnostic spécifique. Elle est mesurée par des coefficients (Kappa ou coefficients de corrélation intraclasse selon le type de variable).
Kappa : C’est une mesure de la concordance qui a été corrigée par le hasard. Cette statistique évalue la proportion de concordance observée et prend ensuite en compte la proportion à laquelle on peut s’attendre par hasard. Elle a été conçue principalement pour mesurer des données non paramétriques telles que les variables dichotomiques, qui comprennent les réponses Oui/Non et Positif/Négatif, et les variables catégorielles comme les notes du test de musculation manuelle. La gamme des scores va de 0 à 10 et l’interprétation des scores a été suggérée comme suit :
1,0 = parfait
0,8 à 1,0 = excellent
0,6 à 0,8 = substantiel
0,4 à 0,6 = modéré
< 0,4 = médiocre
Kappa pondéré : La statistique Kappa ordinaire ne fait pas de distinction entre les désaccords. Si un chercheur veut attribuer un poids plus important à un désaccord plutôt qu’à un autre en raison de risques plus importants possibles, alors il devient un Kappa pondéré. Certains désaccords peuvent être plus graves que d’autres. Toutes les données ne peuvent pas être différenciées de la sorte, mais si elles le peuvent, alors ce Kappa pondéré peut être utilisé pour estimer la fiabilité.
Coefficient de corrélation intraclasse (ICC) : L’ICC est un coefficient de fiabilité. Il calcule la variance des scores et est capable de refléter à la fois le degré de correspondance et d’accord entre les évaluations. Il est compris entre 0 et 1,0. L’ICC est une mesure de fiabilité conçue principalement pour les variables paramétriques (données d’intervalle ou de rapport), qui sont continues, telles que les mesures d’amplitude de mouvement, la taille, le poids, etc. L’interprétation des scores a été suggérée comme suit :
1,0 = parfait
0,9 à 1,0 = excellent
0,75 à 0,9 = bon
0,5 à 0,75 = modéré
< 0,5 = médiocre
Corrélation : La corrélation est une mesure de l’association et non de l’accord (la fiabilité mesure l’accord). Elle indique la relation linéaire entre les variables et va de -1 à 0 à 1. Elle est mesurée par des coefficients (Pearson ou Spearmans). Plus la variable est proche de 1, plus la corrélation positive est forte et plus elle est proche de -1, plus la corrélation négative est forte. Dans la plupart des cas, un zéro indique l’absence totale de corrélation entre les variables. Les tailles de corrélation ont été définies comme :
+/- 0,1 à 0,3 = Petite
+/- 0,3 à 0,5 = Moyenne
+/- 0,5 à 1,0 = Grande
Coefficients de corrélation : Statistiques qui décrivent quantitativement la force et la direction d’une relation entre deux variables.