Si une bonne question de recherche équivaut à une histoire, une feuille de route sera très vitale pour une bonne narration. Nous conseillons à chaque étudiant / chercheur de rédiger personnellement son plan d’analyse des données avant de demander conseil. Dans cet article de blog, nous explorerons comment créer un plan d’analyse de données: le contenu et la structure.
Ce plan d’analyse des données sert de feuille de route sur la manière dont les données collectées seront organisées et analysées. Il comprend les aspects suivants:
- Énonce clairement les objectifs et l’hypothèse de la recherche
- Identifie l’ensemble de données à utiliser
- Critères d’inclusion et d’exclusion
- Énonce clairement les variables de recherche
- Énonce les hypothèses de test statistique et le logiciel d’analyse statistique
- Créer des tables shel
1. Énoncer la (les) question (s) de recherche, les objectifs et les hypothèses:
Tous les objectifs ou buts de la recherche doivent être clairement énoncés. Ils doivent être spécifiques, mesurables, réalisables, réalistes et limités dans le temps (SMART). Les hypothèses sont des théories tirées de l’expérience personnelle ou de la littérature antérieure et elles jettent les bases des méthodes statistiques qui seront appliquées pour extrapoler les résultats à l’ensemble de la population.
2. L’ensemble de données:
L’ensemble de données qui sera utilisé pour l’analyse statistique doit être décrit et les aspects importants de l’ensemble de données doivent être décrits. Ceux-ci inclus; propriétaire de l’ensemble de données, comment accéder à l’ensemble de données, comment l’ensemble de données a été vérifié pour le contrôle qualité et dans quel programme l’ensemble de données est stocké (Excel, Epi Info, SQL, accès Microsoft, etc.).
3. Les critères d’inclusion et d’exclusion:
Ils guident les aspects de l’ensemble de données qui seront utilisés pour l’analyse des données. Ces critères guideront également le choix des variables incluses dans l’analyse principale.
4. Variables:
Chaque variable collectée dans l’étude doit être clairement indiquée. Ils doivent être présentés en fonction du niveau de mesure (niveaux ordinaux / nominaux ou ratio / intervalle) ou du rôle joué par la variable dans l’étude (variables indépendantes / prédictives ou variables dépendantes / de résultat). Les types de variables doivent également être décrits. Le type de variable associé à l’hypothèse de recherche constitue la base de la sélection des tests statistiques appropriés pour les statistiques inférentielles. Un bon plan d’analyse des données doit résumer les variables comme le montre la Figure 1 ci-dessous..
5. Logiciel statistique
Il existe des tonnes de logiciels pour l’analyse des données, certains exemples courants sont SPSS, Epi Info, SAS, STATA, Microsoft Excel. Incluez le numéro de version, l’année de sortie et l’auteur / fabricant. Les débutants ont tendance à essayer différents logiciels et finalement à n’en maîtriser aucun. Il est plutôt bon d’en sélectionner un et de le maîtriser car presque tous les logiciels statistiques ont les mêmes performances pour l’analyse de base et la majorité des analyses avancées nécessaires pour une thèse d’étudiant. C’est ce que nous recommandons à tous nos étudiants du CRENC avant qu’ils ne commencent à rédiger leur section de résultats.
6. Sélection de la méthode statistique appropriée pour tester les hypothèses
la question de recherche, l’hypothèse et le type de variable, plusieurs méthodes statistiques peuvent être utilisées pour répondre de manière appropriée à la question de recherche. Cet aspect du plan d’analyse des données décrit clairement pourquoi chaque méthode statistique sera utilisée pour tester les hypothèses. Le niveau de signification statistique (valeur p) qui est souvent mais pas toujours <0,05 doit également être écrit. Les figures 2a et 2b sont des arbres de décision pour certains tests statistiques courants basés sur le type de variable et la question de recherche
Un bon plan d’analyse doit décrire clairement comment les données manquantes seront analysées.
7. Création de tables shell
L’analyse des données implique trois niveaux d’analyse; analyse univariée, bivariée et multivariée avec un ordre croissant de complexité. Des tableaux en coquille doivent être créés en prévision des résultats qui seront obtenus à partir de ces différents niveaux d’analyse. Lisez notre article de blog sur la présentation des tableaux et des figures pour plus de détails. Supposons que vous meniez une étude pour étudier la prévalence et les facteurs associés d’une certaine maladie «X» dans une population, alors les tableaux en coquille peuvent être représentés comme dans les tableaux 1, 2 et 3 ci-dessous.
Tableau 1: Exemple de table shell à partir d’une analyse univariée
Tableau 2: Exemple de table shell à partir d’une analyse bivariée
Tableau 3: Exemple de table shell à partir d’une analyse multivariée
aOR = adjusted odds ratio
Résumé
Maintenant que vous avez appris à créer un plan d’analyse de données, voici les points à retenir. Il doit indiquer clairement:
- Question de recherche, objectifs et hypothèses
- Ensemble de données à utiliser
- Critères d’inclusion et d’exclusion
- Types de variables et leur rôle
- Logiciel statistique et méthodes statistiques
- Tables Shell pour l’analyse univariée, bivariée et multivariée
Lectures supplémentaires
Création d’un plan d’analyse des données: éléments à prendre en compte lors du choix des statistiques pour une étude https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4552232/pdf/cjhp-68-311.pdf
Création d’un plan d’analyse: https://www.cdc.gov/globalhealth/healthprotection/fetp/training_modules/9/creating-analysis-plan_pw_final_09242013.pdf
Plan d’analyse des données: https://www.statisticssolutions.com/dissertation-consulting-services/data-analysis-plan-2/
Photo créée par freepik – www.freepik.com
