Analyses multi-variances

Analyses multivariées

Après avoir calculé les corrélations entre les 15 variables de l’examen radiologique nous avons retenu les variables r4, r5, r6, r7, r10, r11, r12 et r13 comme étant celles qui entretiennent le plus de liens entre elles.

Nous avons soumis ces variables à l’analyse en composantes principales en espérant pouvoir résumer ces variables à quelques facteurs. Nous avons alors constaté que r4, r5, r6, et r7 pouvaient être regroupées en une même composante (reste à lui donner un nom). D’autre part, les variables r10, r11, r12 et r13 constituaient la deuxième composante (la nommer).

Nous avons demandé au logiciel de créer deux variables à partir de ces deux composantes et nous avons calculé les corrélations entre ces deux nouvelles variables et les horloges (horloge moyenne, horloges interne et externe droite et horloges interne et externe gauche). Seule la deuxième composante est corrélée avec l’horloge moyenne (r = ,310 et p = ,001).

Pour vérifier si les variables r10, r11, r12 et r13 peuvent être incluses dans un modèle de régression nous avons calculé la régression multiple avec la méthode pas à pas (cette méthode indique quelles variables sont incluses ou exclues au fur et à mesure que progresse l’analyse). Seulement deux variables ont été retenues soit, en ordre d’importance, r11 mesure C0-C1 (Bête ,215) et en dernier r10 l Angle CV (Bête ,209). Il semble donc que ce sont surtout ces deux variables combinées qui sont en lien avec les horloges.

Nous avons donc tenté des analyses de régression logistique. On a cherché la clé (soit le odd ratio) mais il ne dépassait jamais 1 donc était non-concluant.

Les analyses discriminantes équivalent généralement à la régression logistique et sont moins usitées actuellement.

Quant aux notions de spécificité et de sensibilité, nous n’en n’avons pas parlé dans nos analyses pour 2 raisons :

1-Nous ne disposons pas d’un test proprement dit sur le modèle positif –négatif.

2- Nous n’avons pas un échantillon permettant de comparer les personnes atteintes et non-atteintes.

Donc nous ne pouvons pas classer les patients selon Vrai positif, vrai négatif, faux positif et faux négatif.

Lire la suite

Retour à la table des matières