![Plan du premier cours ,[object Object],[object Object],[object Object],[object Object]](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recomendados
Mais conteúdo relacionado
Semelhante a Nsg 5592 module 1
Semelhante a Nsg 5592 module 1 (20)
Nsg 5592 module 1
- 1. Bienvenus au cours: NSG 5592: Analyse statistique en sciences infirmières Hiver 2011
- 5. Concepts de base NSG 5592 Module 1a
- 7. Cadre conceptuel Facteurs de risque Autres variables Maladie Traitement, Intervention Guérison Morbidité Mortalité
- 8. Cadre conceptuel Facteurs de risque Autres variables Maladie Traitement, Intervention Guérison Morbidité Mortalité Diagnostic, Dépistage Qualité des indicateurs Incidence, Prévalence Plan d’analyse Évaluation des interventions Éléments à considérer
- 16. Cadre conceptuel Facteurs de risque Autres variables Maladie Guérison Morbidité Mortalité Mesure de la maladie Traitement/ Intervention
- 17. Mesure de la maladie Dépistage de la population Auto-rapportés Diagnostiqués Hospitalisés Décédés La décision sur la manière de définir la maladie dépend de la source d’information. Plus on descend, plus on obtient de cas, mais au risque d’être moins spécifique L’iceberg de la maladie (tiré de Woodward, 2005) Mark Woodward (2005) Epidemiology – Study design and data analysis – Second edition Chapman & Hall
- 20. Cadre conceptuel Facteurs de risque Autres variables Maladie Guérison Morbidité Mortalité Mesure du traitement Traitement/ Intervention
- 23. Cadre conceptuel Facteurs de risque Autres variables Maladie Guérison Morbidité Mortalité Mesure de l ’ issue Traitement/ Intervention
- 24. Mesure de l’issue Population totale Nombre de susceptibles Nombre d’exposés Nombre d’infectés Nombre de malades Nombre de décès / Population totale = Nombre de décès /N. de malades X N. de malades / N. d’infectés X N. d’infectés / N. d’exposés X N. d’exposés / N. de susceptibles X N. de susceptibles / Pop. totale Nombre de décès James F. Jekel, David L. Katz, Joann G. Elmore (2001) Epidemiology, Biostatistics and Preventive Medicine – Second edition W. B. Saunders Company
- 30. Principales étapes en analyse de données NSG 5592 Bloc 1b
- 31. Principales étapes en analyse des données Données Plan d’enquête Stratégie d’échantillonnage Acquisition des données Statistiques descriptives Description des données Données transformées et recodées Transformation des données Verdict sur les hypothèses Test d’hypothèse Modèles de prédiction Construction de modèles 1 2
- 33. Principales étapes en analyse des données Données Plan d’enquête Stratégie d’échantillonnage Acquisition des données Statistiques descriptives Description des données Données transformées et recodées Transformation des données Verdict sur les hypothèses Test d’hypothèse Modèles de prédiction Construction de modèles 1 2
- 36. Principales étapes en analyse des données Données Plan d’enquête Stratégie d’échantillonnage Acquisition des données Statistiques descriptives Description des données Données transformées et recodées Transformation des données Verdict sur les hypothèses Test d’hypothèse Modèles de prédiction Construction de modèles 1 2
- 39. Principales étapes en analyse des données Données Plan d’enquête Stratégie d’échantillonnage Acquisition des données Statistiques descriptives Description des données Données transformées et recodées Transformation des données Verdict sur les hypothèses Test d’hypothèse Modèles de prédiction Construction de modèles 1 2
- 41. Principales étapes en analyse des données Données Plan d’enquête Stratégie d’échantillonnage Acquisition des données Statistiques descriptives Description des données Données transformées et recodées Transformation des données Verdict sur les hypothèses Test d’hypothèse Modèles de prédiction Construction de modèles 1 2
- 46. Principales étapes en analyse des données Données Plan d’enquête Stratégie d’échantillonnage Acquisition des données Statistiques descriptives Description des données Données transformées et recodées Transformation des données Verdict sur les hypothèses Test d’hypothèse Modèles de prédiction Construction de modèles 1 2
- 50. Arbre du cours
Notas do Editor
- Exemple : En obstétrique, nous cherchons à savoir s’il existe un lien la température de la salle de travail et le niveau de douleur éprouvée par les femmes en travail (mesuré sur une échelle de douleur)
- Types de échantillon – Page 13 Triola et Triola, 2009 http://www.statcan.gc.ca/edu/power-pouvoir/ch13/sample-echantillon/5214900-fra.htm La méthode d'échantillonnage Il existe deux types de méthodes d'échantillonnage : L'échantillonnage probabiliste et l'échantillonnage non probabiliste. La différence entre les deux tient au fait que dans le cas de l'échantillonnage probabiliste chaque unité a une « chance » d'être sélectionnée et que cette chance peut être quantifiée, ce qui n'est pas vrai pour l'échantillonnage non probabiliste; dans ce cas, chaque unité incluse à l'intérieur d'une population n'a pas une chance égale d'être sélectionnée. La section suivante décrit les caractéristiques des deux types d'échantillonnages et fournit des détails sur certaines des méthodes reliées à chaque type. http://www.statcan.gc.ca/edu/power-pouvoir/ch13/prob/5214899-fra.htm https://www.webdepot.umontreal.ca/Enseignement/SOCIO/Intranet/Sondage/public/presentations/echantillons_typesshw.pdf