Définitions:
variable: Toutes les données collectées pour une enquête, des caractéristiques socio-anthropométriques des personnes (âge, sexe , poids, sculpture, état matrimonial, niveau socioéconomique, etc.), dates, sites géographiques (quartiers, municipalités, pays, etc.), expositions à des risques (contacts ou contexte), présence ou absence de maladie, traitement reçu ou non reçu , symptômes, signes, diagnostics, prévisions, mortalité, morbidité ,cetera.
peut également être défini à une variable comme toute la caractéristique qui change lors de la comparaison d’une unité d’observation avec un autre en même temps ou de comparer le même unité d’observation à différents moments (progrès dans le temps).
Définition opérationnelle d’une variable: c’est la définition exacte d’une variable, y compris la procédure d’établissement de sa quantification; Par exemple, la définition opérationnelle de l’âge également:
« Âge: le temps transféré depuis des années (ou cela pourrait être dans des mois ou des jours) de la naissance à la date de la collecte de la variable (ou de présenter un événement), qui est évident en demandant à l’âge (ou la date de naissance pourrait être posé et calculer ou demander un document d’identité) « .
Mais il peut y avoir d’autres définitions opérationnelles plus complexes qui nécessitent spécifier par exemple par exemple Une formule spécifique pour le calculer, ou un réactif, ou un appareil, etcetera.
dans un article de recherche Les variables sont décrites (définir) dans la section « Matériaux et méthodes » ou dans « Méthodologie ». / P>
Unité d’observation: il est tout individu qui est étudié dans une enquête.
Données: il s’agit de toute valeur réelle d’une variable dans chaque unité d’observation, qui peut être du point de vue. de sa nature quantitative (âge) ou qualitative (course).
Classification des variables:
s et classer en fonction de leur nature et de la fonction qu’ils jouent dans la recherche.
Classification des variables selon la nature:
- variable qualitative (ordinal et nominal)
- variable quantitative (continu, discontinu, intervalle et raison ou coefficient)
Selon la fonction de la recherche:
- variable indépendante.
- variable dépendante.
- variable intermédiaire ou contingent.
- Variable de confusion.
variable qualitative ou catégorique:
Express une caractéristique qui ne peut pas être mesurée (elles n’ont pas de grandeur pouvant être exprimée avec des chiffres), mais il est qualifié ou catégorisé (c’est pourquoi son nom). Ne confondez pas avec des codes numériques pouvant être attribués à des qualités, ce qui est fait pour compiler les informations, telles que, par exemple, l’habitude de fumer est attribuée au nombre 1 et à l’absence du nombre 0 ou 2. avec une grande fréquence, elle est préférable de codifier la présence de certaines maladies, de manifestation ou d’exposition avec le numéro 1 et l’absence avec 0 ou 2, mais ce n’est pas obligatoire. Ces variables en fonction de l’échelle de mesure sont subdivisées en nominales et ordinales.
variables qualitatives ordinales: Lorsqu’il existe une commande implicite des données, comme cet ordre n’implique pas une unité de la mesure, ni signifie que les distances entre les mesures sont équivalentes ou multiples, telles que dans la mise en scène de tumeurs TNM, où un stade T2 (invasion anticipée du PE) n’est pas deux fois comme un stade T1 (par exemple in situ) ou cette distance ou de gravité entre un stade et un autre est le même, par exemple, la distance entre T1 et T2 est égale à la T3 (envahisseur tardif) et T4 (métastase à distance). Vous pouvez également expliquer le sens de l’ordinal lorsque la réponse est en partie d’un ensemble de réponses classées possibles, telles que PE Perception des progrès du pays (progression progressive, stagnante ou décadence).
.- Variables qualitatives nominales: Lorsque les options de réponse n’ont pas d’ordre important ou représentent un gradient, c’est-à-dire que aucune réponse n’est meilleure que l’autre ou plus important ou plus important, par exemple la couleur de l’iris des yeux. Dans le même temps, les variables qualitatives nominales sont classées:
- dichotomique ou binaire, qui ne peut avoir que deux réponses possibles: Sain ou malade, masculin ou féminin, vivant ou mort.
- Politiomics: Ils peuvent avoir plus d’une réponse possible: religion, groupe sanguin, etc.
variable quantitative :
exprime une fonctionnalité qui peut être exprimée en unités numériques, par exemple le nombre d’enfants ou de poids. Selon les valeurs, ces variables quantitatives sont subdivisées en discontinues (discrètes) et continues.
.- variables quantitatives discontinues ou discrètes: sont celles qui n’autorisent que des valeurs entières, telles que EJM, le nombre d’enfants ou le nombre d’iam.
.- variable quantitative continue: sont celles que l’unité de mesure Peut être fractionné à l’aide de décimales ou de fractionnaires, par exemple: poids dont l’unité de mesure est kg mais 45,7 kg peut être porté.
La variable quantitative est discontinue ou continue sont classées en fonction de l’échelle de mesure dans l’intervalle et de la raison. (ou coefficient).
.- Variables d’intervalle quantitatifs: lorsque la valeur de division entre positif et négatif (c’est 0) est arbitraire et ne reflète en aucune manière l’absence de la magnitude qui mesure, comme PE À la température où une valeur de 0 ° ne signifie pas qu’il n’y a pas de température.
.- variable quantitative de raison ou de coefficient: lorsque la valeur zéro (0) de la balance est réelle, cela est indiqué L’absence de la variable ou de la magnitude mesurée, telle que 0 kg ou 0 km.
variable dépendante:
appelle également en conséquence, résultat, résultat, sortie, événement ou la maladie, c’est-à-dire que c’est le but de l’étude et est généralement explicite dans le titre.
variable indépendante:
appelle également exposition, facteur de risque / protecteur, explicatif ou causal, etc. Il correspond aux variables qui expliquent ou lui permettent d’être manifestées (cause) la variable dépendante. Une seule variable indépendante peut expliquer l’apparence de plus d’une variable dépendante.
variable intermédiaire ou contingent:
est une variable qui est une conséquence de la variable indépendante à l’étude, mais elle précède à la variable dépendante, par exemple Dans une étude de la relation du régime alimentaire avec l’IAM, nous avons une alimentation inadéquate (variable indépendante) provoque une hyperlipidémie (variable intermédiaire ou contingente) qui précède les dommages causés à la variable iam (dépendante), c’est-à-dire en d’autres termes est une variable qui fait partie d’une chaîne de causalité qui précède les dommages. En d’autres termes, la variable intermédiaire détermine la variable dépendante, mais cette variable intermédiaire est à son tour un objet de modification par la variable indépendante, étant qu’il est associé simultanément aux deux. Il ne doit pas être confondu avec une variable confusion.
Variable de confusion:
Une variable de confusion est une variable présente dans une étude mais non connue, elle n’a pas été collectée ou S’il a été collecté, lequel est associé, qui est lié à la fois à la variable dépendante (résultat) et avec l’indépendante (exposition); C’est-à-dire que c’est une autre exposition (différente de celle étudiée) dans laquelle les effets de deux expositions ou variables (l’étude et celui du facteur de confusion) ne sont pas différenciés et la conclusion incorrecte que l’effet est dû à la variable de l’étude et ne pas déranger; Par exemple: dans une étude, il est supposé que la variable indépendante (variable indépendante) est un facteur de risque pour le cancer des cellules effrayantes (variable dépendante), mais il est refusé lorsqu’il est démontré que les aliments chauds sont consommés dans un climat froid. Le risque réel et donc Dans ce cas, le repas chaud est la variable de confusion.
pour empêcher le phénomène de confusion dans la conception de l’étude 3 stratégies méthodologiques (AAR) sont utilisés:
- aléomisation (Randomizing en anglais): dans lequel les unités d’observation sont distribuées de manière aléatoire dans tous les échantillons. Dans certains textes, il a été utilisé comme anglicisme (mal avec sa position) pour décrire la conception d’une étude comme « randomisée » pour avoir déclaré randomisé, il est important que nous ne commetions pas cette erreur.
- Romination: Dans ce cas, des personnes qui possèdent le facteur de confusion potentiel dans les groupes comparées à la restriction de la population sont distribuées: elle limite l’étude aux personnes ayant des caractéristiques spéciales, par exemple un café et une maladie cardiaque ischémique est limité à l’échantillon de personnes non-fumeurs pour éviter l’effet potentiel de la confusion du tabac (parce que les personnes qui fument s’ils ont un risque prouvé, puis nous pouvons confondre et croire que la caféine a des effets de la maladie cardiaque ischémique, c’est-à-dire du tabac est le facteur de confusion).
Lorsque l’étude est très importante, il est préférable de contrôler le phénomène de la confusion dans l’analyse des résultats et non dans la conception de l’étude et de la conception NSTS Cet ajustement ou traitement des variables de confusion est effectué à l’aide de deux méthodes statistiques:
- stratification: pour éviter le phénomène de confusion, l’analyse est faite par des catégories définies et homogènes (strata) par exemple, Si l’âge est un facteur de confusion, l’association peut être mesurée en groupes de 10 ans; Si c’est le sexe, les hommes et les femmes sont mesurés séparément, etc.
- Régression logistique: il est utilisé pour évaluer la relation entre une variable dépendante dichotomique (elle ne peut avoir que deux réponses, telles que si, vivantes ou mortes, saines ou malades, etc.) et des variables indépendantes De qui est la variable déroutante possible, qui se fait avec un système de calcul. Par exemple, une étude montre que le risque de mourir à Barichara est statistiquement significatif supérieur à celui de San Gil, mais lors de l’âge de la régression logistique (à travers le système informatique), est introduit comme une autre variable indépendante et est en évidence que la mortalité est supérieure à Baricara. Parce que la population est plus sénile parce que la plupart des personnes vivant à Barichara sont pensées (l’âge était le facteur déroutant).