Le rapport de cotes (OR) est l'une des nombreuses statistiques qui sont devenues de plus en plus importantes dans la recherche clinique et la prise de décision. Il est particulièrement utile car en tant que statistique de la taille d'un effet, il donne des informations claires et directes aux cliniciens sur quelle approche de traitement a les meilleures chances de profiter au patient. Les statistiques de signification utilisées pour la OR incluent la statistique exacte de la probabilité de Fisher, le ratio maximum de vraisemblance Chi-Square et le chi carré de Pearson. En règle générale, les données consistent en comptes pour chacune d'un ensemble de conditions et de résultats et sont définies au format de table. La construction la plus courante est une table 2 × 2 bien que des tables plus grandes soient possibles. En tant que statistique simple à calculer, [ou = (a × d) / (b × c)], il peut être calculé à la main dans une clinique si nécessaire pour déterminer les chances d'un événement particulier pour un patient à risque pour cet événement. En plus d'aider les prestataires de soins de santé à prendre des décisions de traitement, les informations fournies par le rapport de cotes sont suffisamment simples pour que les patients puissent également comprendre les résultats et participer à des décisions de traitement en fonction de leurs chances de réussite au traitement.
Il existe un certain nombre de statistiques qui sont utiles pour prendre des décisions concernant les interventions cliniques ou tirer des conclusions sur les effets de diverses substances ou événements dans des situations liées à la santé, et l'une vue fréquemment est appelée le rapport de cotes. Ou évalue si les chances d'un certain événement ou résultat sont les mêmes pour deux groupes. Plus précisément, le OR mesure le rapport des chances qu'un événement ou un résultat se produira aux chances que l'événement ne se produise pas. Cliniquement, cela signifie souvent que le chercheur mesure le rapport des chances d'une maladie ou d'une mort d'une blessure ou d'une maladie spécifique.
Le rapport de cotes est utilisé lorsque l'un des deux événements ou résultats possibles est mesuré, et il y a un facteur causal supposé. Le rapport de cotes est une statistique polyvalente et robuste. Par exemple, il peut calculer les chances qu'un événement se produise compte tenu d'une intervention de traitement particulière (1). Il peut calculer les chances d'un résultat pour la santé donnée par une exposition par rapport à la non-exposition à une substance ou un événement (2). La littérature clinique présente de nombreux cas du rapport de cotes utilisés dans la recherche pour estimer la réduction des complications de la maladie ou de la maladie si les patients reçoivent un médicament ou un vaccin particulier (3,4,5). Le rapport de cotes est une mesure de la taille de l'effet (tout comme le coefficient de corrélation de Pearson) et fournit donc des informations sur la force de la relation entre deux variables. Il s'agit cependant d'une mesure indirecte, comme on le verra dans la section sur l'interprétation de la statistique.
Où «PG1»Représente les chances de l'événement d'intérêt pour le groupe 1 et« PG2»Représente les chances de l'événement d'intérêt pour le groupe 2.
Une autre façon de représenter la formule est au format de table: Nouveau standard Traitement TraitementL'événement se produit un B
crapette L'événement fait C D ne pas arriver Ou = (a / b) / (c / d) ou: ou = (a × d) / (b × c)Compte tenu de la règle algébrique des produits croisés, la deuxième formule produira le même résultat que les deux autres formules pour le rapport de cotes et est la formule la plus couramment signalée.
La première chose à comprendre lorsque l'on considère un test de signification pour le OR est que la vraie valeur neutre (indiquant des cotes égales pour les deux conditions) est une (1), pas 0 (zéro). Plusieurs tests de signification peuvent être utilisés pour le rapport de cotes. Les plus courants sont le test de probabilité exact de Fisher, le chi carré de Pearson et le ratio de vraisemblance Chi-Square.
Souvent, l'ensemble de données OR prend la forme d'une table 2 x 2, et pour cette situation, un test exact de Fisher doit être utilisé. La formule de la Fisher du Fisher est:
Où "p"Est la probabilité exacte du Fisher," a, b, c, d "représente les dénombrements dans les cellules, et" n "représente la somme totale des valeurs dans les quatre cellules.
Lorsqu'il y a plus de 4 cellules (ou à la commodité du chercheur), le test du chi carré doit être utilisé. Le chi carré (C 2) suppose que les nombres dans les cellules représentent le nombre et non les proportions ou les moyennes, et il suppose que la valeur des attentes est de 5 ou plus dans 80% ou plus des cellules. La valeur de la probabilité doit être évaluée par un tableau des valeurs de probabilité exactes de Fisher pour un degré de liberté pour obtenir la valeur de signification pour le test. La plupart des programmes informatiques statistiques tels que Stata et SPSS calculeront les valeurs exactes et chi carré de Fisher et fourniront la valeur de signification du résultat. La formule du chi carré est:
Où «o» représente les fréquences observées et «e» représente les fréquences attendues.Le rapport de vraisemblance chi carré, comme toutes les statistiques sur le rapport de vraisemblance est une formule logarithmique. Si les données sont entrées dans un programme d'analyse statistique, il s'agit du test de signification le plus approprié pour le rapport de cotes. Sa formule est la suivante:
| 1. Casino770 | Bonus de bienvenue du casino 100 % JUSQU'À 200 € |
| 2. Cbet | Bonus de bienvenue et offres de 100 % jusqu'à 500 $ |
| 3. Casino La Riviera | Bonus de bienvenue consistant en une correspondance de 200 % sur le premier dépôt jusqu'à 200 € en jetons de casino gratuits |
| 4. Betway | Bonus de bienvenue du casino 100 % JUSQU'À 250 £ |
| 5. Viggoslots | BONUS DE BIENVENUE 100% + 70 bonus de dépôt FS |
Où «g» représente la statistique du rapport de vraisemblance, ¦ représente les valeurs observées, ¦je représente les valeurs attendues et «LN» indique le journal à prendre.
Le rapport de cotes est biaisé, il n'est donc pas possible de calculer directement l'erreur standard de la statistique. Cependant, l'erreur standard pour le logarithme naturel du rapport de cotes est assez simple à calculer. Il est calculé comme suit:
Ensuite, tout le monde fait pour construire des intervalles de confiance sur le logarithme naturel est de calculer l'erreur standard en utilisant la formule ci-dessus et d'ajouter cette valeur (ou un multiple de cette valeur) au journal de la valeur de rapport de cotes pour l'IC supérieur (intervalle de confiance ) et soustraire cette valeur (ou un multiple de cette valeur) au logarithme de la valeur de rapport de cotes pour le CI inférieur. Des informations plus avancées sur le calcul direct des intervalles de confiance pour les rapports de cotes peuvent être obtenues à partir du document publié par Sorana Bolboaca et Andrei Achimas Cadariu (7) et du document publié par Simundic (8).
Il faut se rappeler que le concept de «aucune différence» dans la plupart des statistiques fait référence à une différence de zéro et est généralement mesuré avec les moyennes variables. Le ou est différent. La valeur «sans différence» pour cette statistique est 1 et par conséquent, lorsqu'un intervalle de confiance comprend la valeur de 1, le chercheur ou le clinicien sachera que les chances du résultat mesuré sont les mêmes pour les deux (ou tous) groupes de traitement, même, même sans test de signification.
Une utilisation courante de la OR est en détermination de la taille de l'effet d'une différence dans deux interventions médicamenteuses. Par exemple, considérez le traitement des patients atteints d'endocardite causée par Staphylococcus aureus (SA). Bien que le taux de mortalité pour cette maladie varie de 25% à 47% (6), supposons que dans la population d'intérêt, les hommes blancs âgés de 30 à 60 ans, le taux de mortalité est de 38% avec le traitement antibiotique standard de la pénicilline, de la méthycilline, vancomycine et autres antibiotiques. Cependant, un nouveau médicament a été développé qui attaque la capacité des bactéries à se protéger du système immunitaire humain plutôt que d'interférer avec le développement de la paroi cellulaire. La question est la suivante: quelles sont les chances de mourir avec le nouveau médicament par opposition au protocole standard de l'antibiotique? Le rapport de cotes est un moyen de comparer si les cotes d'un certain résultat sont les mêmes pour deux groupes différents (9).
Le rapport de cotes est simplement le rapport entre les deux ratios suivants: le rapport entre le traitement standard et le nouveau médicament pour ceux qui sont morts, et le rapport entre le traitement standard et le nouveau médicament pour ceux qui ont survécu. À partir des données du tableau 1, il est calculé comme suit:
Ou = (a B c d) = (152/17) /La formule peut également être présentée comme (un × d) / (b × c) (C'est ce qu'on appelle le produit croisé). Le résultat est le même:
Ou = (152 × 103) /Le résultat d'un rapport de cotes est interprété comme suit: Les patients qui ont reçu des soins standard sont morts 3.71 fois plus souvent que les patients traités avec le nouveau médicament. Sur la base de ces résultats, le chercheur recommanderait que tous les hommes âgés de 30 à 60 ans diagnostiqués avec une endocardite bactérienne causée par SA se prescrivent le nouveau médicament. Cette recommandation suppose, bien sûr, que l'expérience des effets secondaires avec les deux catégories de médicaments est similaire. Les effets secondaires graves ou le développement de réactions allergiques au nouveau médicament pourraient changer cette recommandation.
Tableau 1. Résultats de l'étude de traitement de l'endocardite SA fictiveComment les autres résultats de rapport de cotes sont interprétés: un ou de 1.00 signifie que les deux groupes étaient également susceptibles de mourir. Un ou supérieur à 1 signifie que le premier groupe (dans ce cas, Standard Care Group) était plus probable pour vivre l'événement (mort) que le deuxième groupe. Un ou de moins de 1 signifie que le premier groupe était moins susceptible de vivre l'événement. Cependant, une ou une valeur inférieure à 1.00 n'est pas directement interprétable. Le degré auquel le premier groupe est moins susceptible de vivre l'événement n'est pas le ou le résultat. Il est important de placer le groupe qui devrait avoir des chances plus élevées de l'événement dans la première colonne. Il n'est pas valable d'essayer de déterminer à quel point les cotes du premier groupe pour l'événement étaient que celles du deuxième groupe. Lorsque les chances du premier groupe qui subissent l'événement sont inférieures aux cotes du deuxième groupe, il faut inverser les deux colonnes afin que le deuxième groupe devienne le premier et le premier groupe devient le deuxième. Alors il sera possible d'interpréter la différence car ce renversement calculera combien de fois le deuxième groupe a connu l'événement que le premier. Si nous inversons les colonnes dans l'exemple ci-dessus, le rapport de cotes est: (5/22) / (45/28) = (0.2273/1.607) = 0.14 Et comme on peut le voir, cela ne nous dit pas que le nouveau groupe de drogue est décédé 0.14 fois moins que le groupe de traitement standard. En fait, cet arrangement produit un résultat qui ne peut être interprété que comme «les chances que le premier groupe subisse de l'événement est inférieur aux chances que le deuxième groupe subisse de l'événement». Le degré auquel les cotes du premier groupe sont inférieures à celles du deuxième groupe n'est pas connue.
Dans les études d'épidémiologie, les chercheurs utilisent souvent le rapport de cotes pour déterminer post-hoc Si différents groupes avaient des résultats différents sur une mesure particulière. Par exemple, Friese et al. (10) a mené une étude pour savoir s'il y avait différentes probabilités pour avoir un plus grand nombre de chirurgies pour le cancer du sein pour les femmes dont les procédures de diagnostic initiales comprenaient une biopsie à l'aiguille par rapport aux femmes qui n'avaient pas de biopsie du sein initiale. Grâce à l'utilisation du rapport de cotes, ils ont découvert que l'utilisation de la biopsie à l'aiguille était associée à une probabilité réduite de chirurgies multiples. La table des cotes pour cette étude aurait la structure suivante (tableau 2):
Tableau 2. Format de table pour l'étude d'épidémiologieDans cette étude, Friese et al. obtenu un ou de 0.35 et a conclu que l'utilisation de la biopsie de l'aiguille comme test de diagnostic initial a réduit la probabilité de plusieurs chirurgies de 0.35% pour les femmes atteintes d'un cancer du sein. (Remarque: ce tableau aurait dû être modifié car une ou une valeur de 0.35 ne peut pas être directement interprété. Tout ce que l'on peut dire, c'est que les femmes qui avaient une biopsie à l'aiguille initiale ont subi moins de chirurgies que les femmes qui n'avaient pas la biopsie.)
La grande valeur du rapport de cotes est qu'elle est simple à calculer, très facile à interpréter et fournit des résultats sur lesquels des décisions cliniques peuvent être prises. De plus, il est parfois utile dans les situations cliniques pour pouvoir fournir au patient des informations sur les chances d'un résultat par rapport à un autre. Les patients peuvent décider d'accepter ou de renoncer aux traitements douloureux ou coûteux s'ils comprennent quelles sont leurs chances d'obtenir un résultat souhaité du traitement. De nombreux patients veulent être impliqués dans des décisions concernant leur traitement, mais pour pouvoir participer efficacement, ils doivent avoir des informations sur leurs résultats probables en termes qu'ils peuvent comprendre. Au moins dans le monde industrialisé, la plupart des patients ont reçu suffisamment de scolarité pour comprendre les pourcentages de base et le sens des probabilités. Le ratio de cotes fournit des informations que les cliniciens et leurs patients peuvent utiliser pour la prise de décision.
Les ratios de cotes font partie d'une catégorie de statistiques que les cliniciens utilisent souvent pour prendre des décisions de traitement. Les autres statistiques couramment utilisées pour prendre des décisions de traitement comprennent les statistiques d'évaluation des risques telles que la réduction absolue des risques et les statistiques relatives à la réduction des risques. Le ratio de cotes soutient les décisions cliniques en fournissant des informations sur les chances d'un résultat particulier par rapport aux chances d'un autre résultat. Dans l'exemple d'endocardite, le risque (ou les cotes) de mourir s'il est traité avec le nouveau médicament est relatif au risque (cotes) de mourir s'il est traité avec le protocole antibiotique de traitement standard. Les statistiques relatives à l'évaluation des risques sont particulièrement adaptées à la prise de décision diagnostique et de traitement et seront traités dans un futur document.
1. Mutegi CK, Ngugi HK, Hendriks SL, Jones RB. Prévalence et facteurs associés à la contamination par l'aflatoxine des arachides de l'ouest du Kenya. Journal international de microbiologie alimentaire 2009; 130: 27-34.
2. Stampfer MJ. Soudage occupations et mortalité de la maladie de Parkinson et d'autres maladies neurodégénératives chez les hommes des États-Unis, 1985-1999. Journal of Occupational and Environmental Hygiène 2009; 6: 267-72.
3. Henning J, Pfeiffer du, Vule T. Facteurs de risque et caractéristiques des épidémies après la grippe aviaire hautement pathogènes (HPAI). Vétérinaire Recherche 2009; 40: 15.
4. Etter JF. Dépendance à la gomme de nicotine chez les anciens fumeurs. Comportements addictifs 2009; 34: 246-51.5. Natarajan S, Santa Ana EJ, Liao Y, Lipsitz SR, McGee DL. Effet du traitement et de l'adhésion sur les différences ethniques dans le contrôle de la pression artérielle chez les adultes souffrant d'hypertension. Annals of Epidemiology 2009; 19: 172-9.
6. Mylonakis E, Calderwood, SB. Endocardite infectieuse chez les adultes. New England Journal of Medicine 2001; 345: 1318-30.
7. Sorana Bolboacă S, Cadariu A. Distribution binomiale Échantillon Intervalles de confiance Estimation: 5. Ratio de cotes. Université de médecine et de pharmacie, Cluj-Napoca, Roumanie. Téléchargé le 14 avril 2009 de: http: // ljs.académique.org / a04 / 26_43.htm
8. Simundic Am. Intervalle de confiance. Biochemia Medica 2008; 18: 154–61.9. Simon S. Statistiques: la tentative de Steve d'enseigner les statistiques. Pages Web de l'hôpital et des cliniques pour enfants. Téléchargé le 13 janvier 2009 à partir de: http: // www.casse-tête.org / statistiques / définitions / ou.htm.
dix. Friese CR, Neville BA, Edge SB, Hassett MJ, Earle CC. Modèles de biopsie mammaire et résultats dans la surveillance, l'épidémiologie et les résultats finaux - Données Medicare. Cancer 2009; 115: 716-24.
Partenaires de casino associés
