Thèse soutenue

Étude de différentes méthodologies de comparaison de groupes d'individus par l'analyse de mesures subjectives en santé
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Jean-François Hamel-Broza
Direction : Véronique Sébille-RivainJean-Benoit Hardouin
Type : Thèse de doctorat
Discipline(s) : Biologie, médecine et santé. Biostatistiques
Date : Soutenance en 2014
Etablissement(s) : Nantes
Ecole(s) doctorale(s) : École doctorale Biologie-Santé Nantes-Angers
Partenaire(s) de recherche : autre partenaire : Nantes Université. Pôle Santé. UFR Médecine et Techniques Médicales (Nantes) - Université Nantes-Angers-Le Mans - COMUE (2009-2015)

Mots clés

FR

Résumé

FR  |  
EN

En recherche clinique, une appréhension globale de la notion de santé est possible par la réalisation de mesures subjectives réalisées au moyen d'auto- questionnaires standardisés. Différentes stratégies d'analyse de ces questionnaires peuvent être envisagées, permettant la comparaison de groupes d'individus dans un cadre transversal. Les propriétés respectives de ces différentes méthodes – basées sur la théorie classique des tests ou la théorie de la réponse à l'item – ont été étudiées et comparées en fonction des circonstances de leurs utilisations. Lorsque les questionnaires utilisés ne comportent aucune réponse manquante, une simple comparaison des scores individuels au moyen d'un test de Student permet une comparaison puissante et non biaisée des groupes d'individus. Par contre, lorsque les individus n'ont pas répondu à l'intégralité des items proposés, aucune méthode simple ne permet une comparaison non biaisée des groupes d'individus. Dans ce cas, seules deux méthodes permettent une telle comparaison à la fois puissante et non biaisée. La première est basée un processus d'imputations multiples des réponses manquantes au moyen d'une modélisation des réponses aux items par un modèle d'ANOVA à effets mixtes. La seconde repose sur le test de la significativité d'une covariable incluse dans un modèle de la famille de Rasch à effets aléatoires sans qu'aucun processus d'imputation des données manquantes ne soit alors nécessaire. Des solutions logicielles sont présentées pour aider à l'implémentation de ces deux dernières méthodes : des modules complémentaires au logiciel statistique Stata® ainsi que des outils statistiques disponibles en ligne