EDP Sciences 1775517582 20260406 fre

laboutique.edpsciences.fr-R002772 03 01 01 R002772 00 ED E107 00 01 01 La régression logistique en épidémiologie 01 fre 08 249 03 22 9845240 17 01 P1 EDP Sciences 01 01 P1 EDP Sciences 17 avenue du Hoggar - PA de Courtaboeuf - 91944 Les Ulis cedex A http://publications.edpsciences.org/ 11 00 20251002 02 01 002929 03 9782759838189 15 9782759838189 03 01 D1 EDP Sciences 29 https://laboutique.edpsciences.fr/open_access_download/2929/2772 45 03 laboutique.edpsciences.fr-002929 03 01 01 002929 03 9782759838189 15 9782759838189 10 EA E107 10 00 01 R002772 ED E107 1 10 01 02 Hors Collection - 01 01 La régression logistique en épidémiologie 1 A01 01 A2369 Jean Bouyer Bouyer, Jean Jean Bouyer Jean Bouyer est ancien élève de l’École normale supérieure de Saint-Cloud, épidémiologiste et biostatisticien, directeur de recherche émérite à l’Inserm. Il a enseigné pendant de nombreuses années au Master de Santé publique des universités Paris-Sud puis Paris-Saclay. Jean Bouyer 01 fre 08 248 03 01 20 Régression logistique;épidémiologie;analyse statistique;maladie;pronostic;variable 10 2011 MAT002000 29 CLIL3051 29 CLIL3052 29 CLIL3053 01 510 06 05 06 03 00 La régression logistique est la méthode la plus utilisée en épidémiologie lorsque la maladie (Y) est caractérisée par une variable en 2 classes ou plus. Elle permet de rechercher et d’analyser des facteurs de risque de la maladie ou ses facteurs pronostics (X), quelle que soit leur nature, qualitative ou quantitative. Les logiciels d’analyse statistique rendent sa mise en oeuvre très facile en pratique, mais n’évitent pas les risques de mésusages ni d’erreurs d’interprétation.Ce livre détaille le modèle logistique pour caractériser et quantifier la relation entre Y et les variables X. Grâce à ses qualités pédagogiques, la présentation n’est pas réservée aux biostatisticiens, tout en donnant aux épidémiologistes les moyens nécessaires à une bonne compréhension. L’intérêt et les moyens d’intégrer dans un modèle logistique des variables X quantitatives sans les transformer en classes sont largement développés. La modélisation des variables quantitatives par des polynômes fractionnaires ou des fonctions splines est détaillée et accompagnée de fonctions en Stata et en R destinées à présenter les résultats obtenus de façon compréhensible pour le lecteur.Le choix des variables à inclure dans un modèle logistique, une des questions cruciales de l’analyse des enquêtes épidémiologiques, est longuement présenté et discuté. Cela permet d’aborder la plupart des notions et discussions rencontrées lors de l’analyse des enquêtes épidémiologiques.Le contenu de ce livre est issu d’un cours intitulé « Épidémiologie quantitative » donné dans le cadre du Master 2 Recherche de Santé publique de la faculté de médecine de l’université Paris-Sud, devenue ensuite université Paris-Saclay. Il s’adresse aux personnes ayant une formation de base en statistique et en épidémiologie (Master 1 de Santé Publique ou CESAM par exemple).Publié avec le soutien de la Graduate School Santé Publique de l'Université Paris-Saclay. La régression logistique est la méthode la plus utilisée en épidémiologie lorsque la maladie (Y) est caractérisée par une variable en 2 classes ou plus. Elle permet de rechercher et d’analyser des facteurs de risque de la maladie ou ses facteurs pronostics (X), quelle que soit leur nature, qualitative ou quantitative. Les logiciels d’analyse statistique rendent sa mise en oeuvre très facile en pratique, mais n’évitent pas les risques de mésusages ni d’erreurs d’interprétation.Ce livre détaille le modèle logistique pour caractériser et quantifier la relation entre Y et les variables X. Grâce à ses qualités pédagogiques, la présentation n’est pas réservée aux biostatisticiens, tout en donnant aux épidémiologistes les moyens nécessaires à une bonne compréhension. L’intérêt et les moyens d’intégrer dans un modèle logistique des variables X quantitatives sans les transformer en classes sont largement développés. La modélisation des variables quantitatives par des polynômes fractionnaires ou des fonctions splines est détaillée et accompagnée de fonctions en Stata et en R destinées à présenter les résultats obtenus de façon compréhensible pour le lecteur.Le choix des variables à inclure dans un modèle logistique, une des questions cruciales de l’analyse des enquêtes épidémiologiques, est longuement présenté et discuté. Cela permet d’aborder la plupart des notions et discussions rencontrées lors de l’analyse des enquêtes épidémiologiques.Le contenu de ce livre est issu d’un cours intitulé « Épidémiologie quantitative » donné dans le cadre du Master 2 Recherche de Santé publique de la faculté de médecine de l’université Paris-Sud, devenue ensuite université Paris-Saclay. Il s’adresse aux personnes ayant une formation de base en statistique et en épidémiologie (Master 1 de Santé Publique ou CESAM par exemple). 02 00 La régression logistique est la méthode la plus utilisée en épidémiologie lorsque la maladie (Y) est caractérisée par une variable en 2 classes ou plus. Elle permet de rechercher et d’analyser des facteurs de risque de la maladie ou ses facteurs pronostics (X). Ce livre détaille le modèle logistique pour caractériser et quantifier la relation entre Y et les variables X. 04 00 Préface...................................... 7Préambule................................. 9Chapitre 1 Introduction – Le modèle logistiqueI. Brève présentation des modèles multivariés.......................................................... 11II. Le modèle logistique............ 15III. Modèles linéaires généralisés.................................................................................. 18IV. Modèle logistique et type d’enquête..................................................................... 20V. Annexe 1 : Les biais en épidémiologie...................................................................... 22VI. Annexe 2 : Données d’exemple utilisées et codes informatiques avec Stata et R....... 27Chapitre 2 Estimation et test des paramètresI. Vraisemblance d’un échantillon................................................................................. 32II. Estimation d’un pourcentage par la méthode du maximum de vraisemblance............ 33III. Application au modèle logistique............................................................................. 36IV. Tests des paramètres du modèle logistique........................................................ 40V. Annexe 1 : Estimation des paramètres du modèle logistique avec une seule variable X, dichotomique................... 49VI. Annexe 2 : Les trois tests issus de la méthode du maximum de vraisemblance..... 51Chapitre 3 Codage des variables et interprétation des coefficientsI. Règle générale d’interprétation du coefficient d’une variable............................ 54II. Variable dichotomique......... 55III. Variable qualitative nominale à plus de deux classes.......................................... 57IV. Variable qualitative ordinale..................................................................................... 65V. Variable quantitative........... 71VI. Prise en compte d’une interaction.......................................................................... 72VII. Annexe : Comment déterminer si deux modèles sont emboîtés ?.................... 78Chapitre 4 Modélisation des variables quantitativesI. Introduction............................ 84II. Représentation graphique de la relation entre X et Y.......................................... 84III. Transformer (ou pas) une variable quantitative en classes............................... 87IV. Les différentes méthodes de modélisation d’une variable quantitative......... 92V. Données d’exemple.............. 96VI. Modélisation avec une fonction en escalier.......................................................... 97VII. Modélisation avec des polynômes......................................................................... 103VIII. Modélisation avec des polynômes fractionnaires.............................................. 104IX. Modélisation avec des fonctions splines............................................................... 114X. Présentation des résultats issus de la modélisation........................................... 127XI. Fonctions splines ou polynômes fractionnaires ?................................................. 133XII. Annexes................................ 135Chapitre 5 Choix des variables à inclure dans un modèle logistiqueI. Principes généraux................ 140II. Nombre maximum de variables.................................... 143III. Choix des variables « candidates »....................................... 145IV. Problèmes à considérer lors de la sélection des variables candidates........... 148V. Sélection des variables à inclure dans le modèle final......................................... 154VI. Variables à inclure en raison de la structure de l’échantillon, enquêtes multicentriques.. 169VII. Annexe : Conditions pour qu’une association soit expliquée par un facteur de confusion..170Chapitre 6 Régressions logistiques multinomiale et ordinaleI. Introduction............................ 174II. Régression logistique multinomiale.......................................................................... 175III. Les différents modèles de régression logistique ordinale.................................. 183IV. Modèle cumulative-odds.... 185V. Modèle continuation-ratio.. 192VI. Modèle adjacent-category..................... 197VII. Choix du modèle................. 200VIII. Annexes............................... 203Chapitre 7 Adéquation du modèleI. Introduction............................ 207II. Mesure de l’écart entre les observations et les prédictions du modèle logistique..... 209III. Tests d’adéquation.............. 212IV. Courbe ROC.......................... 217V. Diagnostics de régression.. 220Références............................... 229Index........................................... 241 21 00 06 01 https://laboutique.edpsciences.fr/produit/1504/9782759838189/la-regression-logistique-en-epidemiologie 01 00 03 02 https://laboutique.edpsciences.fr/system/product_pictures/data/009/983/436/original/9782759838172-RegressionEpidemio_couv-sofedis.jpg 17 14 20250904T165046+0200 01 P1 EDP Sciences 01 01 P1 EDP Sciences 17 avenue du Hoggar - PA de Courtaboeuf - 91944 Les Ulis cedex A http://publications.edpsciences.org/ 04 11 00 20251002 01 00 20251002 19 00 20251002 2026 06 3052868830012 01 WORLD 13 03 9782759838172 15 9782759838172 WORLD 08 EDP Sciences 04 01 00 20251002 03 01 D1 EDP Sciences 20 04 05 01 02 1 00 01 EUR laboutique.edpsciences.fr-002947 03 01 01 002947 03 9782759838172 15 9782759838172 00 BA 02 160 mm 01 240 mm 10 01 02 Hors Collection - 01 01 La régression logistique en épidémiologie 1 A01 01 A2369 Jean Bouyer Bouyer, Jean Jean Bouyer Jean Bouyer est ancien élève de l’École normale supérieure de Saint-Cloud, épidémiologiste et biostatisticien, directeur de recherche émérite à l’Inserm. Il a enseigné pendant de nombreuses années au Master de Santé publique des universités Paris-Sud puis Paris-Saclay. Jean Bouyer 01 fre 00 247 03 01 20 Régression logistique;épidémiologie;analyse statistique;maladie;pronostic;variable 10 2011 MAT002000 29 CLIL3051 29 CLIL3052 29 CLIL3053 01 510 06 05 06 03 00 La régression logistique est la méthode la plus utilisée en épidémiologie lorsque la maladie (Y) est caractérisée par une variable en 2 classes ou plus. Elle permet de rechercher et d’analyser des facteurs de risque de la maladie ou ses facteurs pronostics (X), quelle que soit leur nature, qualitative ou quantitative. Les logiciels d’analyse statistique rendent sa mise en oeuvre très facile en pratique, mais n’évitent pas les risques de mésusages ni d’erreurs d’interprétation.Ce livre détaille le modèle logistique pour caractériser et quantifier la relation entre Y et les variables X. Grâce à ses qualités pédagogiques, la présentation n’est pas réservée aux biostatisticiens, tout en donnant aux épidémiologistes les moyens nécessaires à une bonne compréhension. L’intérêt et les moyens d’intégrer dans un modèle logistique des variables X quantitatives sans les transformer en classes sont largement développés. La modélisation des variables quantitatives par des polynômes fractionnaires ou des fonctions splines est détaillée et accompagnée de fonctions en Stata et en R destinées à présenter les résultats obtenus de façon compréhensible pour le lecteur.Le choix des variables à inclure dans un modèle logistique, une des questions cruciales de l’analyse des enquêtes épidémiologiques, est longuement présenté et discuté. Cela permet d’aborder la plupart des notions et discussions rencontrées lors de l’analyse des enquêtes épidémiologiques.Le contenu de ce livre est issu d’un cours intitulé « Épidémiologie quantitative » donné dans le cadre du Master 2 Recherche de Santé publique de la faculté de médecine de l’université Paris-Sud, devenue ensuite université Paris-Saclay. Il s’adresse aux personnes ayant une formation de base en statistique et en épidémiologie (Master 1 de Santé Publique ou CESAM par exemple).Publié avec le soutien de la Graduate School Santé Publique de l'Université Paris-Saclay. La régression logistique est la méthode la plus utilisée en épidémiologie lorsque la maladie (Y) est caractérisée par une variable en 2 classes ou plus. Elle permet de rechercher et d’analyser des facteurs de risque de la maladie ou ses facteurs pronostics (X), quelle que soit leur nature, qualitative ou quantitative. Les logiciels d’analyse statistique rendent sa mise en oeuvre très facile en pratique, mais n’évitent pas les risques de mésusages ni d’erreurs d’interprétation.Ce livre détaille le modèle logistique pour caractériser et quantifier la relation entre Y et les variables X. Grâce à ses qualités pédagogiques, la présentation n’est pas réservée aux biostatisticiens, tout en donnant aux épidémiologistes les moyens nécessaires à une bonne compréhension. L’intérêt et les moyens d’intégrer dans un modèle logistique des variables X quantitatives sans les transformer en classes sont largement développés. La modélisation des variables quantitatives par des polynômes fractionnaires ou des fonctions splines est détaillée et accompagnée de fonctions en Stata et en R destinées à présenter les résultats obtenus de façon compréhensible pour le lecteur.Le choix des variables à inclure dans un modèle logistique, une des questions cruciales de l’analyse des enquêtes épidémiologiques, est longuement présenté et discuté. Cela permet d’aborder la plupart des notions et discussions rencontrées lors de l’analyse des enquêtes épidémiologiques.Le contenu de ce livre est issu d’un cours intitulé « Épidémiologie quantitative » donné dans le cadre du Master 2 Recherche de Santé publique de la faculté de médecine de l’université Paris-Sud, devenue ensuite université Paris-Saclay. Il s’adresse aux personnes ayant une formation de base en statistique et en épidémiologie (Master 1 de Santé Publique ou CESAM par exemple). 02 00 La régression logistique est la méthode la plus utilisée en épidémiologie lorsque la maladie (Y) est caractérisée par une variable en 2 classes ou plus. Elle permet de rechercher et d’analyser des facteurs de risque de la maladie ou ses facteurs pronostics (X). Ce livre détaille le modèle logistique pour caractériser et quantifier la relation entre Y et les variables X. 04 00 Préface...................................... 7Préambule................................. 9Chapitre 1 Introduction – Le modèle logistiqueI. Brève présentation des modèles multivariés.......................................................... 11II. Le modèle logistique............ 15III. Modèles linéaires généralisés.................................................................................. 18IV. Modèle logistique et type d’enquête..................................................................... 20V. Annexe 1 : Les biais en épidémiologie...................................................................... 22VI. Annexe 2 : Données d’exemple utilisées et codes informatiques avec Stata et R....... 27Chapitre 2 Estimation et test des paramètresI. Vraisemblance d’un échantillon................................................................................. 32II. Estimation d’un pourcentage par la méthode du maximum de vraisemblance............ 33III. Application au modèle logistique............................................................................. 36IV. Tests des paramètres du modèle logistique........................................................ 40V. Annexe 1 : Estimation des paramètres du modèle logistique avec une seule variable X, dichotomique................... 49VI. Annexe 2 : Les trois tests issus de la méthode du maximum de vraisemblance..... 51Chapitre 3 Codage des variables et interprétation des coefficientsI. Règle générale d’interprétation du coefficient d’une variable............................ 54II. Variable dichotomique......... 55III. Variable qualitative nominale à plus de deux classes.......................................... 57IV. Variable qualitative ordinale..................................................................................... 65V. Variable quantitative........... 71VI. Prise en compte d’une interaction.......................................................................... 72VII. Annexe : Comment déterminer si deux modèles sont emboîtés ?.................... 78Chapitre 4 Modélisation des variables quantitativesI. Introduction............................ 84II. Représentation graphique de la relation entre X et Y.......................................... 84III. Transformer (ou pas) une variable quantitative en classes............................... 87IV. Les différentes méthodes de modélisation d’une variable quantitative......... 92V. Données d’exemple.............. 96VI. Modélisation avec une fonction en escalier.......................................................... 97VII. Modélisation avec des polynômes......................................................................... 103VIII. Modélisation avec des polynômes fractionnaires.............................................. 104IX. Modélisation avec des fonctions splines............................................................... 114X. Présentation des résultats issus de la modélisation........................................... 127XI. Fonctions splines ou polynômes fractionnaires ?................................................. 133XII. Annexes................................ 135Chapitre 5 Choix des variables à inclure dans un modèle logistiqueI. Principes généraux................ 140II. Nombre maximum de variables.................................... 143III. Choix des variables « candidates »....................................... 145IV. Problèmes à considérer lors de la sélection des variables candidates........... 148V. Sélection des variables à inclure dans le modèle final......................................... 154VI. Variables à inclure en raison de la structure de l’échantillon, enquêtes multicentriques.. 169VII. Annexe : Conditions pour qu’une association soit expliquée par un facteur de confusion..170Chapitre 6 Régressions logistiques multinomiale et ordinaleI. Introduction............................ 174II. Régression logistique multinomiale.......................................................................... 175III. Les différents modèles de régression logistique ordinale.................................. 183IV. Modèle cumulative-odds.... 185V. Modèle continuation-ratio.. 192VI. Modèle adjacent-category..................... 197VII. Choix du modèle................. 200VIII. Annexes............................... 203Chapitre 7 Adéquation du modèleI. Introduction............................ 207II. Mesure de l’écart entre les observations et les prédictions du modèle logistique..... 209III. Tests d’adéquation.............. 212IV. Courbe ROC.......................... 217V. Diagnostics de régression.. 220Références............................... 229Index........................................... 241 21 00 06 01 https://laboutique.edpsciences.fr/produit/1504/9782759838189/la-regression-logistique-en-epidemiologie 01 00 03 02 https://laboutique.edpsciences.fr/system/product_pictures/data/009/983/436/original/9782759838172-RegressionEpidemio_couv-sofedis.jpg 17 14 20250904T165046+0200 01 P1 EDP Sciences 01 01 P1 EDP Sciences 17 avenue du Hoggar - PA de Courtaboeuf - 91944 Les Ulis cedex A http://publications.edpsciences.org/ 04 11 00 20251002 01 00 20251002 19 00 20251002 2026 06 3052868830012 01 WORLD 27 03 9782759838189 15 9782759838189 WORLD 08 EDP Sciences 04 01 00 20251002 03 01 D1 EDP Sciences 21 04 05 01 02 1 00 30.00 01 5.50 1.56 EUR