WEBVTT 1 00:00:10.300 --> 00:00:15.100 Concernant la taille de l'échantillon et les méthodes d'échantillonnage. Il est courant 2 00:00:15.100 --> 00:00:19.100 pour nous, Indiens, que lorsque nous allons à l'épicerie ou lorsque 3 00:00:19.100 --> 00:00:22.700 nous allons au marché aux légumes ou aux fruits, avant d'acheter une 4 00:00:22.700 --> 00:00:27.800 grande quantité de légumes, nous avons tendance à examiner un 5 00:00:27.800 --> 00:00:32.800 échantillon de l'ensemble des articles que nous devons 6 00:00:32.800 --> 00:00:36.800 acheter. Par exemple, dans ce cas, sur cette photographie, la personne 7 00:00:36.800 --> 00:00:42.100 essaie d'évaluer la qualité du blé en prenant 8 00:00:42.100 --> 00:00:46.800 quelques grains. D'accord, donc ce n'est rien d'autre que ce qu'est 9 00:00:47.100 --> 00:00:52.200 le concept d'échantillonnage en recherche médicale. En recherche médicale, ce que 10 00:00:52.200 --> 00:00:57.500 nous voulons faire, c'est vérifier l' 11 00:00:57.500 --> 00:01:02.700 échantillon pour mener des recherches médicales. D'accord, dès que nous avons 12 00:01:02.700 --> 00:01:06.700 une population cible et que nous voulons mener une recherche liée à 13 00:01:06.800 --> 00:01:11.800 un domaine médical particulier. Par exemple, disons qu' 14 00:01:11.900 --> 00:01:16.900 un médecin souhaite mener une recherche sur le diabète et 15 00:01:16.900 --> 00:01:21.600 disons les ulcères du pied chez les diabétiques. D'accord, donc la population cible sera 16 00:01:21.600 --> 00:01:26.700 les cas adultes de diabète et il 17 00:01:26.700 --> 00:01:32.600 veut vérifier combien de cas de diabète présentent des ulcères 18 00:01:32.600 --> 00:01:38.300 au pied. Alors, que fera-t-il ? Il n'est pas nécessaire de cibler 19 00:01:38.300 --> 00:01:42.400 tous les cas de diabète dans sa zone de pratique. Par exemple, 20 00:01:42.400 --> 00:01:46.800 il exerce dans la ville de Mumbai. Donc dans la ville 21 00:01:46.800 --> 00:01:50.700 de Mumbai, il y aura des milliers et des centaines de milliers de personnes 22 00:01:50.700 --> 00:01:54.300 atteintes de diabète. Nous voulons simplement vérifier quel est 23 00:01:54.300 --> 00:01:58.500 le pourcentage de cas de diabète présentant des ulcères au pied. Alors que 24 00:01:58.500 --> 00:02:03.700 fera-t-il ? Il rassemblera quelques patients de 25 00:02:03.700 --> 00:02:08.400 Mumbai déjà diagnostiqués diabétiques et il mènera sa 26 00:02:08.400 --> 00:02:13.800 recherche. Il ou elle mènera la recherche sur ce petit 27 00:02:13.800 --> 00:02:18.600 nombre de cas de diabète. C'est donc le concept d'échantillonnage. 28 00:02:18.700 --> 00:02:24.400 En échantillonnage, nous voulons mener une recherche particulière concernant un sujet 29 00:02:24.500 --> 00:02:28.600 médical ou tout sujet médical, social ou autre sur lequel nous 30 00:02:28.600 --> 00:02:32.400 voulons faire des recherches dans cette communauté, dans cette population. Il n'est 31 00:02:32.400 --> 00:02:37.100 pas nécessaire, il n'est pas important d'inclure tous les patients ou 32 00:02:37.100 --> 00:02:42.800 tous les participants de la population. Nous pouvons simplement en prendre quelques-uns 33 00:02:42.800 --> 00:02:46.800 et mener la recherche. L'échantillonnage est une méthode scientifique 34 00:02:48.200 --> 00:02:53.500 par laquelle certains membres de la population sont sélectionnés comme représentants 35 00:02:53.500 --> 00:02:57.900 de la population entière. C'est une étape importante du travail scientifique 36 00:02:58.200 --> 00:03:02.300 et si elle est ignorée, les résultats peuvent devenir invalides et inutiles. C'est donc 37 00:03:02.300 --> 00:03:06.900 l'une des parties essentielles de la recherche dans le domaine 38 00:03:06.900 --> 00:03:12.100 médical. Ainsi, si nous évitons une méthode d'échantillonnage scientifique et si nous 39 00:03:12.400 --> 00:03:16.600 ne parvenons pas à mentionner comment la taille de l'échantillon a été calculée et 40 00:03:16.600 --> 00:03:20.500 comment nous sommes arrivés à une conclusion pour cette recherche selon laquelle autant de recherche 41 00:03:20.500 --> 00:03:25.800 si l'échantillon suffit, sinon il peut être invalide et 42 00:03:25.800 --> 00:03:29.800 la recherche pourrait s'avérer vaine. Les termes courants 43 00:03:30.000 --> 00:03:35.400 la technique d'échantillonnage est la population. La population est l'ensemble des individus 44 00:03:35.400 --> 00:03:40.700 ou objets présentant des caractéristiques communes. Population finie, toutes les unités 45 00:03:40.700 --> 00:03:45.900 peuvent être comptées avant l'échantillonnage. Infinie, toutes les unités ne peuvent être recensées. 46 00:03:47.900 --> 00:03:52.900 La population est la méthode globale dans laquelle l'échantillon 47 00:03:52.900 --> 00:03:58.200 de taille peut être défini. L'échantillonnage est une petite partie ou 48 00:03:58.200 --> 00:04:04.200 un sous-ensemble de la population sélectionné pour participer à l'étude. Maintenant, 49 00:04:05.000 --> 00:04:09.000 qu'entend-on par échantillonnage ? L'échantillon est une petite section et l'échantillonnage 50 00:04:09.000 --> 00:04:13.100 est le processus de sélection de sujets représentatifs de la population. 51 00:04:13.600 --> 00:04:19.000 C'est la différence entre échantillon et échantillonnage. L'échantillon est le nombre 52 00:04:19.000 --> 00:04:24.200 exact de cas, le nombre exact de participants que nous allons inclure 53 00:04:24.200 --> 00:04:29.200 dans notre étude alors que l'échantillonnage est le processus de sélection de ces cas 54 00:04:29.300 --> 00:04:34.600 ou le processus de sélection de ces échantillons. Nous avons ici la population 55 00:04:34.600 --> 00:04:39.800 cible dans laquelle cette étude sera réalisée. Voici la 56 00:04:39.900 --> 00:04:45.000 population d'étude qui sera accessible. La population d'étude est la population 57 00:04:45.000 --> 00:04:49.300 qui sera accessible, disponible pour être incluse dans 58 00:04:49.300 --> 00:04:54.400 l'étude et à partir de cette population, nous inclurons cet échantillon, 59 00:04:55.000 --> 00:04:59.100 ces quelques cas dans notre recherche. D'accord, c'est le concept 60 00:04:59.500 --> 00:05:03.900 fondamental derrière la sélection du nombre de cas, le nombre de participants pour une 61 00:05:03.900 --> 00:05:09.200 recherche dans l'échantillonnage. Donc, la population cible est 62 00:05:09.200 --> 00:05:13.800 la population sur laquelle nous voulons généraliser nos résultats. Par exemple, 63 00:05:13.800 --> 00:05:18.800 dans cette étude sur l'ulcère du pied diabétique à Mumbai, le 64 00:05:18.800 --> 00:05:23.400 médecin découvre que sur les 200 cas de diabète étudiés, 65 00:05:23.500 --> 00:05:28.600 il y avait 40 cas d'ulcères du pied. Cela signifie que le pourcentage 66 00:05:28.600 --> 00:05:34.000 d'ulcères du pied est de 20 % chez les diabétiques. Et cette prévalence 67 00:05:34.400 --> 00:05:39.400 de 20 % d'ulcère du pied chez les diabétiques peut être généralisée à 68 00:05:39.400 --> 00:05:43.800 la population cible de tous les cas de diabète dans la ville de 69 00:05:43.800 --> 00:05:48.900 Mumbai. Nous pouvons donc dire qu'à Mumbai, il 70 00:05:48.900 --> 00:05:54.500 y a une prévalence de 20 % d'ulcères du pied diabétique chez 71 00:05:54.500 --> 00:05:59.200 les patients diabétiques. Même si nous n'avons étudié que 200 cas 72 00:05:59.200 --> 00:06:02.400 de diabète, il peut y en avoir des milliers, voire des centaines de milliers dans la 73 00:06:02.400 --> 00:06:07.600 ville de Mumbai. De même, nous pouvons généraliser cela à une 74 00:06:07.600 --> 00:06:12.700 échelle encore plus vaste. La population d'étude est la population à laquelle vous avez accès 75 00:06:12.800 --> 00:06:18.000 et l'échantillon est le nombre exact de cas, la personne 76 00:06:18.000 --> 00:06:21.700 sur laquelle nous avons mené l'étude. La population d'étude dépend de 77 00:06:21.700 --> 00:06:26.900 la question de recherche, combien d'injections les gens reçoivent-ils chaque année en Inde ? 78 00:06:26.900 --> 00:06:30.600 D'accord, quelle sera la population d'étude dans ce cas ? Ce 79 00:06:30.600 --> 00:06:35.600 sera la population de l'Inde. Si la population d'étude nous 80 00:06:35.600 --> 00:06:40.800 permet de voir combien de professionnels de santé subissent des piqûres d'aiguille chaque 81 00:06:40.800 --> 00:06:44.900 par an en Inde. Que sont donc les blessures par piqûre d'aiguille ? 82 00:06:44.900 --> 00:06:50.900 Par exemple, une infirmière prélève un échantillon sanguin sur un patient. Accidentellement, 83 00:06:50.900 --> 00:06:56.300 ce qui arrive, après le prélèvement, est que l'aiguille se pique 84 00:06:56.400 --> 00:07:00.300 dans la main de l'infirmière. Qu'est-ce que c'est ? Il s'agit 85 00:07:00.300 --> 00:07:04.300 d'une blessure par piqûre d'aiguille. Nous voulons savoir combien de blessures 86 00:07:04.300 --> 00:07:09.600 par piqûre d'aiguille surviennent chez les professionnels de santé chaque 87 00:07:09.600 --> 00:07:13.700 année. La population d'étude sera donc les professionnels de santé en Inde. Si 88 00:07:13.700 --> 00:07:16.800 nous voulons savoir combien d'hôpitaux ont une politique de prévention 89 00:07:16.800 --> 00:07:20.300 des piqûres d'aiguille en Inde, quelle sera la population d'étude ? Ce sera 90 00:07:20.300 --> 00:07:25.000 le nombre d'hôpitaux en Inde. C'est ainsi que nous pouvons, 91 00:07:25.100 --> 00:07:30.100 à partir de la question de recherche, définir quelle sera notre population 92 00:07:30.100 --> 00:07:35.100 d'étude. Pourquoi l'échantillonnage est-il nécessaire ? Il est nécessaire pour obtenir des informations sur 93 00:07:35.100 --> 00:07:40.700 de grandes populations et assurer l'efficacité d'une étude. Pour 94 00:07:40.700 --> 00:07:46.000 obtenir des informations plus précises, nous effectuons un échantillonnage. Les 95 00:07:46.000 --> 00:07:50.600 termes d'échantillonnage sont : unité d'échantillonnage ou unité d'échantillonnage de base, 96 00:07:50.600 --> 00:07:55.000 qui est l'unité élémentaire qui sera échantillonnée. Cette unité d'échantillonnage dans 97 00:07:55.000 --> 00:08:00.200 l'étude où nous voulions savoir combien d'hôpitaux disposent d'une 98 00:08:00.200 --> 00:08:04.600 politique sur les blessures par piqûre d'aiguille, l'unité d'échantillonnage sera 99 00:08:04.600 --> 00:08:09.900 un seul hôpital. Un seul hôpital sera l'unité élémentaire. 100 00:08:10.200 --> 00:08:13.100 Ce ne sera aucun patient dans cet hôpital ou aucun médecin 101 00:08:13.100 --> 00:08:17.400 dans cet hôpital, car notre question de recherche est : combien d'hôpitaux ont une 102 00:08:17.500 --> 00:08:23.100 politique sur les blessures par piqûre d'aiguille. L'unité élémentaire sera donc 103 00:08:23.100 --> 00:08:28.300 l'hôpital unique. Dans l'étude sur les ulcères du pied diabétique 104 00:08:28.300 --> 00:08:32.500 dans la ville de Mumbai, l'unité élémentaire de la recherche sera 105 00:08:32.500 --> 00:08:36.800 un patient diabétique dans la ville de 106 00:08:36.800 --> 00:08:41.100 Mumbai. Ce peut être des personnes, ce peut être 107 00:08:41.100 --> 00:08:44.900 des professionnels de santé, ce peut être des hôpitaux. Comme j'ai expliqué 108 00:08:45.600 --> 00:08:48.800 ce qu'est la base de sondage : c'est la liste de toutes les unités 109 00:08:48.800 --> 00:08:53.800 d'échantillonnage dans la population. Le plan de sondage est la méthode utilisée 110 00:08:53.800 --> 00:08:57.200 pour sélectionner les unités d'échantillonnage à partir de la base de sondage. 111 00:08:57.200 --> 00:09:01.500 Nous connaissons maintenant l'unité d'échantillonnage. Pour la base de sondage, il nous faut une liste 112 00:09:01.500 --> 00:09:04.900 de toutes les unités d'échantillonnage dans la population. Si nous voulons 113 00:09:04.900 --> 00:09:09.000 étudier le nombre d'hôpitaux ayant une politique sur les piqûres d'aiguille, nous devons 114 00:09:09.000 --> 00:09:12.600 avoir une liste de tous les hôpitaux dans la zone spécifique 115 00:09:12.600 --> 00:09:15.900 où nous voulons mener notre étude. Par exemple, en Inde, 116 00:09:16.000 --> 00:09:20.500 nous devons avoir une liste de tous les hôpitaux en Inde. Si 117 00:09:20.500 --> 00:09:25.100 nous voulons étudier l'ulcère du pied diabétique, nous devons 118 00:09:25.100 --> 00:09:29.200 avoir une liste de tous les cas de diabète dans la ville de 119 00:09:29.200 --> 00:09:33.800 Mumbai. Le plan de sondage est la méthode utilisée pour sélectionner les unités d'échantillonnage depuis 120 00:09:33.800 --> 00:09:38.400 la base de sondage. Le plan de sondage est la manière dont nous allons 121 00:09:38.400 --> 00:09:43.800 pour sélectionner ces 200 cas de diabète de la ville de Mumbai qui 122 00:09:43.800 --> 00:09:48.200 qui pourraient compter des milliers de patients diabétiques. D'accord. Alors comment 123 00:09:48.200 --> 00:09:53.600 allons-nous sélectionner exactement ces cas de diabète ? L'échantillon 124 00:09:53.600 --> 00:09:59.400 est-il représentatif en termes de temps, de lieu et de personne ? Que 125 00:09:59.400 --> 00:10:04.400 signifie représentatif ? Cela signifie que les 200 cas que 126 00:10:04.400 --> 00:10:09.400 nous avons choisis pour notre étude sur le diabète doivent être similaires 127 00:10:09.400 --> 00:10:14.800 à l'ensemble, par exemple, s'il y a 200 000 cas de diabète 128 00:10:14.800 --> 00:10:18.400 dans l'étude, dans la ville de Mumbai. Sur 200 000 129 00:10:18.400 --> 00:10:23.800 cas de diabète, nous avons pris 200 cas de diabète 130 00:10:23.800 --> 00:10:29.400 pour notre recherche. Donc nous prenons 0,1 % du 131 00:10:29.400 --> 00:10:34.600 nombre total de cas de diabète. 200 divisé par 200 000 132 00:10:34.600 --> 00:10:39.600 multiplié par 100 pour obtenir le pourcentage, soit 0,1 133 00:10:39.700 --> 00:10:45.000 pour cent. D'accord. Donc en termes de temps, est-ce que tous 134 00:10:45.000 --> 00:10:50.200 ont un diabète d'une durée similaire, résident-ils tous dans 135 00:10:50.500 --> 00:10:55.800 des quartiers comme des bidonvilles urbains ou dans des zones résidentielles 136 00:10:55.800 --> 00:11:00.600 ou dans des quartiers à hauts revenus. Et en termes de 137 00:11:01.400 --> 00:11:06.900 personne, est-ce que la répartition hommes-femmes et la répartition par âge sont similaires 138 00:11:06.900 --> 00:11:10.200 dans les 200 cas que nous allons étudier par rapport 139 00:11:10.200 --> 00:11:14.600 à la population de 200 000 personnes. C'est donc déterminer si l'échantillon est 140 00:11:14.600 --> 00:11:18.800 représentatif. Par exemple, le ministère de la Santé d'un pays X souhaite 141 00:11:18.800 --> 00:11:23.000 estimer la proportion d'enfants dans les écoles élémentaires ayant été 142 00:11:23.000 --> 00:11:28.000 vaccinés contre les maladies infectieuses de l'enfance. Nous avons diverses maladies 143 00:11:28.000 --> 00:11:33.000 infectieuses infantiles et dans un pays, le ministère de la Santé veut 144 00:11:33.000 --> 00:11:38.300 voir quel pourcentage d'enfants dans les écoles élémentaires sont 145 00:11:38.300 --> 00:11:43.200 vaccinés. La tâche doit être accomplie en un mois. Nous n'avons qu'un 146 00:11:43.200 --> 00:11:46.900 mois. L'objectif est d'estimer la proportion d'enfants vaccinés. 147 00:11:47.900 --> 00:11:53.000 Les types d'échantillonnage. Quel est le défi ici, le plus grand défi 148 00:11:53.100 --> 00:11:58.100 est qu'en un seul mois, nous ne pouvons pas voir le 149 00:11:58.100 --> 00:12:03.200 pays entier. Le pays entier compte des millions d'enfants 150 00:12:03.200 --> 00:12:08.100 allant à l'école élémentaire. Mais en un mois, nous pouvons 151 00:12:08.100 --> 00:12:12.400 juste faire un petit nombre d'écoles et nous ne pouvons examiner qu'un 152 00:12:12.400 --> 00:12:17.000 petit nombre d'enfants. Les types d'échantillonnage sont largement classés en 153 00:12:17.000 --> 00:12:22.200 échantillonnage probabiliste et non probabiliste. Pour l'échantillonnage probabiliste, nous avons l'échantillonnage 154 00:12:22.200 --> 00:12:27.400 aléatoire simple, stratifié, systématique et en grappes, 155 00:12:27.500 --> 00:12:33.200 multi-phases et multi-étages. Pour l'échantillonnage non probabiliste, nous avons l'échantillonnage raisonné, par quotas, 156 00:12:33.300 --> 00:12:38.300 par boule de neige, séquentiel, de commodité. D'accord. C'est donc 157 00:12:38.300 --> 00:12:43.300 la différence fondamentale entre l'échantillonnage probabiliste et non probabiliste. Comme le 158 00:12:43.300 --> 00:12:48.600 nom l'indique, l'échantillonnage probabiliste permet à chaque 159 00:12:50.500 --> 00:12:55.700 personne, chaque individu, chaque unité, chaque unité d'échantillonnage dans la base 160 00:12:55.700 --> 00:13:00.800 de sondage d'avoir une probabilité n. 161 00:13:00.800 --> 00:13:05.000 d'être sélectionné dans l'échantillonnage probabiliste. Alors que dans l'échantillonnage non probabiliste, il n'y a 162 00:13:05.000 --> 00:13:10.200 aucune probabilité, il n'existe aucun 163 00:13:10.200 --> 00:13:15.100 formule ou chiffre particulier selon lequel les échantillons seront sélectionnés. D'accord, donc 164 00:13:15.100 --> 00:13:19.200 voilà la différence fondamentale. Qu'est-ce que l'échantillonnage probabiliste ? Une méthode d'échantillonnage où 165 00:13:19.300 --> 00:13:23.200 chaque membre de la population a une chance égale d'être sélectionné 166 00:13:23.200 --> 00:13:28.100 comme échantillon. La seule méthode d'échantillonnage qui permet de tirer des conclusions valides 167 00:13:28.100 --> 00:13:33.300 sur une population. L'échantillonnage aléatoire, qui est le premier dans 168 00:13:33.300 --> 00:13:37.800 le cas de l'échantillonnage probabiliste. Il élimine la possibilité de biais dans la sélection des 169 00:13:37.800 --> 00:13:42.600 sujets. D'accord, qu'est-ce qu'un biais ? Un biais est l'erreur qui peut survenir 170 00:13:42.700 --> 00:13:47.400 dans la sélection des sujets. L'échantillonnage aléatoire garantit que chaque sujet a 171 00:13:47.400 --> 00:13:52.200 une probabilité connue d'être choisi et permet l'application de la théorie 172 00:13:52.200 --> 00:13:56.700 statistique. L'erreur d'échantillonnage : aucun échantillon n'est une image miroir parfaite de la 173 00:13:56.700 --> 00:14:01.800 population. L'ampleur de l'erreur peut être mesurée dans les échantillons probabilistes, exprimée 174 00:14:01.800 --> 00:14:06.200 comme l'erreur type des proportions moyennes ou des différences, et les fonctions de 175 00:14:06.200 --> 00:14:10.300 la taille de l'échantillon et la variabilité de la mesure peuvent être déterminées par l'erreur d'échantillonnage. 176 00:14:11.100 --> 00:14:15.100 Quel est le principe de l'échantillonnage aléatoire simple ? Il y a une chance égale pour chaque 177 00:14:15.100 --> 00:14:19.900 procédure d'unité d'échantillonnage. Premièrement, nous devons numéroter toutes les unités et 178 00:14:19.900 --> 00:14:23.600 ensuite, nous devons tirer les unités au sort. D'accord, donc nous avons 200 000 179 00:14:23.600 --> 00:14:27.300 cas de diabète dans la ville de Mumbai. Ce que nous faisons, c'est 180 00:14:27.400 --> 00:14:32.700 que nous listons et numérotons les 200 000 cas de diabète de 181 00:14:32.700 --> 00:14:37.300 1 à 200 000 et si notre taille d'échantillon est de 200, ce que nous 182 00:14:37.300 --> 00:14:42.400 faisons, c'est que nous tirons au sort les 200 numéros parmi 183 00:14:42.400 --> 00:14:47.600 ces 200 000 échantillons. D'accord. Avantage : c'est simple et l'échantillonnage 184 00:14:47.600 --> 00:14:52.500 est facilement mesuré. Inconvénients : nous avons besoin d'une liste complète des unités et 185 00:14:52.500 --> 00:14:57.600 cela n'atteint pas la meilleure représentativité. D'accord. Donc, il y a un 186 00:14:57.600 --> 00:15:02.800 échantillonnage aléatoire simple et les nombres aléatoires peuvent être obtenus 187 00:15:02.800 --> 00:15:07.800 à partir des livres de biostatistiques, des livres de méthodologie de recherche où la liste des nombres aléatoires 188 00:15:07.800 --> 00:15:12.800 sera fournie ou nous pouvons simplement aller vers le logiciel pour 189 00:15:13.500 --> 00:15:18.700 la recherche biostatistique, la recherche médicale, qui est Epi Info et 190 00:15:18.700 --> 00:15:23.500 les calculs sur le site web sont également disponibles en ligne sur Epi Info. Donc 191 00:15:24.000 --> 00:15:27.200 après la fin de ce cours, nous verrons comment nous pouvons 192 00:15:27.300 --> 00:15:32.300 obtenir la liste des nombres aléatoires à partir du logiciel Epi Info et 193 00:15:32.300 --> 00:15:37.400 nous ferons également un calcul de taille d'échantillon dans le logiciel. 194 00:15:37.600 --> 00:15:41.100 D'accord, donc ceci est l'exemple de l'échantillonnage aléatoire simple. Ici, nous 195 00:15:41.100 --> 00:15:45.400 avons une liste de 1 à 48 et parmi ces 1 à 48 196 00:15:45.400 --> 00:15:50.600 au hasard, nous sélectionnons ces quatre cas. Donc le numéro 9 Dennis, le numéro 197 00:15:50.600 --> 00:15:55.700 18 Frank, le numéro 32 Mike, le numéro 40 LM que nous sélectionnons 198 00:15:55.700 --> 00:16:00.700 dans notre échantillon. Qu'est-ce que l'échantillonnage systématique ? Une unité tirée tous les 199 00:16:00.700 --> 00:16:06.100 K unités. Donc, ici, nous avons un nombre qui se répète et 200 00:16:06.100 --> 00:16:11.200 nous prenons chaque nombre correspondant. Chance égale d'être tiré 201 00:16:11.400 --> 00:16:16.200 de chaque procédure unitaire. D'abord, nous devons calculer l'intervalle d'échantillonnage. 202 00:16:16.200 --> 00:16:20.000 K est égal à N divisé par n. Alors, qu'est-ce que cet intervalle 203 00:16:20.000 --> 00:16:24.400 d'échantillonnage ? Par exemple, dans les études sur le diabète, nous avons 200 000 cas de diabète. 204 00:16:25.300 --> 00:16:29.200 N majuscule est la population totale. Elle est de 200 000. n minuscule est 205 00:16:29.200 --> 00:16:33.800 notre taille d'échantillon. Elle est de 200. Donc 200 000 divisé par 200, cela fera 206 00:16:33.800 --> 00:16:39.000 1 000. Nous devons choisir un nombre aléatoire inférieur à 207 00:16:39.100 --> 00:16:42.700 K, c'est-à-dire inférieur à 1 000, pour commencer. Disons, par exemple, que notre 208 00:16:42.700 --> 00:16:48.100 nombre aléatoire est 125. Donc voici le nombre aléatoire 125. 209 00:16:48.500 --> 00:16:52.700 Toutes les K unités à partir de la première, nous pouvons sélectionner et nous 210 00:16:52.700 --> 00:16:58.500 pouvons préparer un échantillon. Donc 125 plus 211 00:16:59.400 --> 00:17:04.600 le premier patient sera le numéro 125. Le deuxième patient sera 212 00:17:04.800 --> 00:17:10.100 1 125. Le troisième patient sera 2 125. Le quatrième 213 00:17:10.100 --> 00:17:15.200 numéro sera 3 125 car K, ou l'intervalle d'échantillonnage, 214 00:17:15.200 --> 00:17:20.300 est ici de 1 000. Cela signifie que sur 200 000 patients, nous devons 215 00:17:20.300 --> 00:17:25.100 avoir 200 cas de diabète et pour cela, l'intervalle d'échantillonnage de 1 000 216 00:17:25.100 --> 00:17:30.600 est utilisé. Lorsque nous avons sélectionné un nombre aléatoire de 125 après 217 00:17:30.600 --> 00:17:34.800 125, qui est le premier cas, le premier patient à inclure 218 00:17:34.800 --> 00:17:39.800 dans l'étude. Tous les 1 000 cas, nous en ajouterons à notre 219 00:17:39.800 --> 00:17:45.200 recherche. Avantages : assure la représentativité sur toute la liste et facile à mettre en œuvre. 220 00:17:45.200 --> 00:17:50.500 Inconvénient : dangereux si la liste présente des cycles. Exemple d'échantillonnage systématique : 221 00:17:50.500 --> 00:17:55.400 si nous voulons étudier les ménages ayant accès à une réserve d'eau 222 00:17:55.400 --> 00:18:01.000 potable propre. Nous avons sélectionné une zone 223 00:18:01.100 --> 00:18:05.500 et nous avons trouvé notre intervalle d'échantillonnage qui est de huit maisons ou 224 00:18:05.500 --> 00:18:09.800 l'intervalle d'échantillonnage est de huit. Nous avons commencé par la troisième maison ou 225 00:18:09.800 --> 00:18:13.800 la maison numéro trois et nous sommes allés à trois plus huit. 226 00:18:13.800 --> 00:18:17.500 1 2 3 4 5 6 7 8. Voici la 11e 227 00:18:17.500 --> 00:18:22.000 maison. Donc, avec cet intervalle d'échantillonnage de huit, nous ajouterons la 11e maison. 228 00:18:22.000 --> 00:18:27.200 Encore, nous comptons huit maisons 1 229 00:18:27.200 --> 00:18:31.000 2 3 4 5 6 7 8. Nous ajouterons la 19e maison 230 00:18:31.100 --> 00:18:36.300 puis la 27e maison, ensuite la 35e maison, 231 00:18:36.400 --> 00:18:41.800 puis la 43e maison, puis la 51e maison. Donc, de cette manière, 232 00:18:41.800 --> 00:18:46.400 toutes les huit maisons, nous en ajouterons une à notre recherche. Maintenant, 233 00:18:46.400 --> 00:18:51.300 qu'est-ce que l'échantillonnage stratifié ? Donc, c'était l'échantillonnage aléatoire systématique. D'accord. Voici 234 00:18:51.300 --> 00:18:55.300 maintenant l'échantillonnage stratifié. Qu'est-ce que l'échantillonnage stratifié ? Le principe est de classer 235 00:18:55.300 --> 00:19:00.600 la population en groupes homogènes appelés strates. Tirer un échantillon dans chaque strate 236 00:19:00.600 --> 00:19:04.100 et combiner les résultats de toutes les strates. Avantages : c'est plus 237 00:19:04.100 --> 00:19:09.800 précis si la variable est associée aux strates. Tous les sous-groupes sont représentés 238 00:19:10.000 --> 00:19:14.900 permettant des conclusions distinctes pour chacun d'eux. Inconvénient : l'erreur d'échantillonnage est difficile 239 00:19:14.900 --> 00:19:19.900 à mesurer. Perte de précision si de petits nombres sont échantillonnés dans les 240 00:19:19.900 --> 00:19:25.000 strates individuelles. Un exemple d'échantillonnage stratifié consiste à estimer la vaccination 241 00:19:25.000 --> 00:19:29.900 couverture dans un pays. Un échantillon prélevé dans chaque région, puis 242 00:19:29.900 --> 00:19:34.900 estimation calculée pour chaque strate. D'accord, il faut diviser 243 00:19:35.600 --> 00:19:40.600 l'échantillon en différentes strates. Donc pour la couverture vaccinale 244 00:19:40.600 --> 00:19:45.300 dans le pays, nous devons prélever un échantillon dans chaque région 245 00:19:45.300 --> 00:19:50.800 du nord, de l'ouest, de l'est, du sud de l'Inde et des États 246 00:19:51.400 --> 00:19:56.700 du nord-est. Nous avons divisé cinq régions et nous prenons des échantillons 247 00:19:56.700 --> 00:20:01.700 de chaque région et nous calculons l'estimation à partir de 248 00:20:01.700 --> 00:20:06.800 chaque strate. Chaque strate est pondérée pour obtenir l'estimation pour 249 00:20:06.800 --> 00:20:11.000 un pays. Qu'est-ce que l'échantillonnage en grappes ? Le principe est que des échantillons aléatoires 250 00:20:11.000 --> 00:20:15.100 de groupes ou de grappes d'unités doivent être inclus dans l'étude. 251 00:20:15.100 --> 00:20:20.400 Toutes les unités ou une proportion d'entre elles sont incluses à partir des grappes sélectionnées. 252 00:20:20.700 --> 00:20:24.500 Avantage : c'est simple, aucune liste d'unités n'est requise et moins de déplacements 253 00:20:24.500 --> 00:20:27.600 ou de ressources sont nécessaires. Laissez-moi vous donner un exemple d'un 254 00:20:27.600 --> 00:20:32.800 échantillonnage en grappes pour notre projet Indra Dhanush que nous avons réalisé 255 00:20:32.800 --> 00:20:36.800 il y a quelques années. Ce que nous devions faire, c'est vérifier 256 00:20:36.800 --> 00:20:42.200 le statut vaccinal d'un district. Ce que nous avons 257 00:20:42.400 --> 00:20:48.200 fait, c'est constituer des grappes de sept villages 258 00:20:48.200 --> 00:20:53.200 dans ce district et, pour chaque grappe, nous avons sélectionné 30 cas 259 00:20:53.200 --> 00:20:58.000 d'enfants de moins de cinq ans. Quel était l'avantage ? 260 00:20:58.000 --> 00:21:02.600 Nous n'avions besoin d'aucune liste de tous les enfants de tous 261 00:21:02.600 --> 00:21:07.700 les villages. Nous avons juste sélectionné sept villages au hasard et nous sommes allés 262 00:21:07.700 --> 00:21:11.500 dans ces villages et nous avons sélectionné 30 enfants au hasard de moins de cinq 263 00:21:11.500 --> 00:21:15.100 ans dans chaque village. C'est donc un échantillonnage en grappes 264 00:21:15.100 --> 00:21:19.500 où nous prenons des grappes de sept villages différents et, dans 265 00:21:19.500 --> 00:21:24.800 cette grappe, nous prenons 30 cas. Inconvénients : imprécis 266 00:21:24.800 --> 00:21:30.000 si les grappes sont homogènes et l'échantillonnage est difficile à mesurer. 267 00:21:30.000 --> 00:21:33.300 L'unité d'échantillonnage n'est pas un sujet, mais un groupe de sujets. 268 00:21:33.300 --> 00:21:38.500 Ainsi, chaque groupe de 30 enfants de moins de cinq ans des villages était 269 00:21:38.700 --> 00:21:42.400 l'unité d'échantillonnage. On suppose que la variabilité entre les grappes est 270 00:21:42.400 --> 00:21:46.300 minimale. La variabilité au sein de chaque grappe est celle observée dans 271 00:21:46.300 --> 00:21:51.600 la population générale. Deux étapes d'échantillonnage en grappes : première étape, probabilité proportionnelle 272 00:21:51.600 --> 00:21:55.700 à la taille. Sélectionner le nombre de grappes à inclure. Calculer 273 00:21:55.700 --> 00:21:59.200 une liste cumulative des populations dans chaque unité avec un 274 00:21:59.200 --> 00:22:02.600 total général. Diviser le total général par le nombre de grappes et 275 00:22:02.600 --> 00:22:08.000 obtenir l'intervalle d'échantillonnage. Alors, comment savoir exactement 276 00:22:08.000 --> 00:22:11.100 combien de villages doivent être inclus ? Pour cela, nous avons besoin 277 00:22:11.100 --> 00:22:15.600 d'avoir le nombre de grappes, le nombre total de villages qui 278 00:22:15.600 --> 00:22:20.300 seront disponibles dans ce district. Par exemple, il y avait 140 279 00:22:20.300 --> 00:22:25.300 villages dans ce district. Et nous avons obtenu 280 00:22:25.400 --> 00:22:30.400 l'intervalle d'échantillonnage de 20. Donc pour chaque 281 00:22:30.700 --> 00:22:35.400 pour chaque village, pour 20 villages, nous devions étudier un village 282 00:22:35.400 --> 00:22:40.400 pour cette étude spécifique. L'intervalle d'échantillonnage étant de 20 et le nombre total 283 00:22:40.400 --> 00:22:44.900 de villages dans le district était de 140. Nous avons donc divisé 140 par 284 00:22:44.900 --> 00:22:49.300 l'intervalle d'échantillonnage de 20. Nous avons donc obtenu un échantillon en grappes de sept. 285 00:22:49.400 --> 00:22:54.800 D'accord. Choisissez un nombre aléatoire et identifiez le premier groupe. Donc 286 00:22:54.900 --> 00:23:00.700 nous nommons tous les numéros, tous les villages de 1 à 140 287 00:23:00.800 --> 00:23:05.300 et nous commençons par le troisième village, et tous les 20 villages 288 00:23:05.300 --> 00:23:10.500 nous allons prendre l'échantillon. Donc le 3ème, le 23ème, 289 00:23:10.700 --> 00:23:16.000 le 43ème, le 63ème, le 83ème, ainsi nous avons choisi sept 290 00:23:16.000 --> 00:23:20.700 villages. Ajoutez l'intervalle d'échantillonnage et identifiez le deuxième groupe. En répétant 291 00:23:20.700 --> 00:23:24.800 la même procédure, identifiez tous les groupes. Et la deuxième étape est 292 00:23:24.800 --> 00:23:28.100 dans chaque groupe, sélectionnez un échantillon aléatoire en utilisant une base de sondage de 293 00:23:28.100 --> 00:23:33.100 sujets ou de ménages. Donc, de la même manière dans le village, nous pouvons 294 00:23:33.100 --> 00:23:38.100 sélectionner par un échantillon de nombres aléatoires différent. Vous pouvez sélectionner ces 295 00:23:38.100 --> 00:23:43.200 30 cas chacun. C'était tout concernant l'échantillonnage en grappes. Maintenant, qu'est-ce que 296 00:23:43.200 --> 00:23:47.500 l'échantillonnage à plusieurs degrés ? Comme le nom l'indique, il comporte des étapes. Donc 297 00:23:47.500 --> 00:23:52.700 voici l'étape un, une partie de ceux qui sont dans 298 00:23:52.700 --> 00:23:56.100 l'étape un passera à l'étape deux. Une partie de 299 00:23:56.100 --> 00:23:58.600 ceux qui sont dans l'étape deux passera à l'étape 300 00:23:58.600 --> 00:24:04.200 trois. Il s'agit donc d'un échantillonnage par étapes. Le principe est que plusieurs 301 00:24:04.200 --> 00:24:09.800 échantillons en chaîne sont nécessaires et plusieurs unités statistiques sont requises. L'avantage est 302 00:24:10.000 --> 00:24:13.700 qu'aucune liste complète de la population n'est requise et que l'approche est plus faisable pour 303 00:24:13.700 --> 00:24:19.100 une large population. L'inconvénient est qu'il faut établir plusieurs listes d'échantillonnage et que l'erreur 304 00:24:19.100 --> 00:24:24.500 d'échantillonnage est difficile à mesurer. Donc, cet échantillonnage à plusieurs degrés 305 00:24:24.900 --> 00:24:30.100 en Inde, nous choisissons trois États 1, 2, 3 et 306 00:24:30.100 --> 00:24:35.100 nous excluons ces deux États et, à partir de cet État, nous choisissons 307 00:24:35.100 --> 00:24:38.900 trois districts de 1 à 3 et, à partir de ces trois districts, nous choisissons 308 00:24:38.900 --> 00:24:43.900 un district et nous incluons ces trois villages de ce district à partir de 309 00:24:43.900 --> 00:24:47.500 tout le pays, l'Inde. C'est donc à partir de l'Inde que nous 310 00:24:47.500 --> 00:24:52.500 choisissons. Donc, sur un total de 27 villages, nous avons choisi 311 00:24:52.500 --> 00:24:56.700 ces trois villages parmi ces neuf districts, parmi ces trois États au total 312 00:24:56.800 --> 00:24:59.900 dans le pays, l'Inde. C'est donc ainsi que nous procédons 313 00:25:00.330 --> 00:25:04.830 pour l'échantillonnage à plusieurs degrés. Échantillonnage multiphasique, l'échantillonnage est effectué en différentes phases. 314 00:25:05.030 --> 00:25:09.030 Une partie des informations est collectée auprès de l'échantillon complet et une partie des informations 315 00:25:09.030 --> 00:25:14.030 auprès du sous-échantillon. Ici, chaque échantillon est étudié de manière adéquate avant qu'un autre échantillon ne soit 316 00:25:14.030 --> 00:25:19.230 tiré. Exemple : une étude sur la tuberculose. Étude multiphasique sur la tuberculose, 317 00:25:19.230 --> 00:25:24.230 phase un : le test de Mantoux a été effectué en premier sur tous 318 00:25:24.230 --> 00:25:28.830 les cas suspects de tuberculose. Parmi ceux qui sont 319 00:25:28.830 --> 00:25:33.830 positifs au Mantoux, nous effectuerons une radiographie, une radiographie thoracique. 320 00:25:34.230 --> 00:25:38.730 Alors, que se passera-t-il ? Le test de Mantoux sera positif chez les cas suspects 321 00:25:38.730 --> 00:25:43.530 de la tuberculose. Ceux qui ont un test Mantoux négatif, nous ne les ajouterons pas 322 00:25:43.530 --> 00:25:46.730 à la phase deux. Nous n'ajouterons que ceux qui sont 323 00:25:47.330 --> 00:25:50.930 positifs au test Mantoux pour la phase deux. Dans la phase deux, nous 324 00:25:50.930 --> 00:25:56.030 ferons leur radiographie thoracique. Pour la phase trois, seuls ceux dont la 325 00:25:56.030 --> 00:26:01.630 radiographie thoracique est positive feront l'objet d'un examen des crachats. 326 00:26:01.630 --> 00:26:06.130 Il s'agira soit d'une microscopie des crachats, soit d'un test CBNAAT 327 00:26:06.230 --> 00:26:11.230 l'évaluation des crachats qui est le test d'amplification des acides nucléiques par cartouche. 328 00:26:12.030 --> 00:26:16.930 Il s'agit donc d'un échantillonnage par phases. Ceux qui ont besoin d'un examen des crachats seront 329 00:26:16.930 --> 00:26:20.930 peu nombreux par rapport à tous les cas que nous avons 330 00:26:20.930 --> 00:26:26.530 étudiés en réalisant le test Mantoux, d'accord ? La différence entre multiplex 331 00:26:26.530 --> 00:26:31.530 et multi-étapes réside dans le fait que la base de sondage multi-étapes est différente à chaque étape, tandis que 332 00:26:31.830 --> 00:26:35.930 le multi-phases implique que les échantillons sont tirés de la même phase. C'est utilisé 333 00:26:35.930 --> 00:26:40.230 lorsqu'il n'y a pas assez de budget pour collecter des données sur l'ensemble de l'échantillon. 334 00:26:41.230 --> 00:26:44.230 Voilà tout ce qui concerne l'échantillonnage probabiliste. Maintenant, passons à l' 335 00:26:44.230 --> 00:26:49.230 échantillonnage non probabiliste, n'oubliez pas que pour les études hospitalières, 336 00:26:49.330 --> 00:26:54.430 le type de méthode d'échantillonnage le plus courant est l'échantillonnage non probabiliste. Pour 337 00:26:54.430 --> 00:26:59.730 les études communautaires, les études épidémiologiques, la recherche sur le terrain, il est très important 338 00:26:59.730 --> 00:27:05.030 que le type de méthode d'échantillonnage utilisé soit l'échantillonnage probabiliste. Une étude 339 00:27:05.030 --> 00:27:09.830 communautaire réalisée à l'aide d'un échantillonnage 340 00:27:09.830 --> 00:27:14.830 non probabiliste n'est pas un très bon type de recherche médicale. Donc pour 341 00:27:14.930 --> 00:27:19.930 les études communautaires, l'échantillonnage probabiliste est la meilleure méthode d'échantillonnage à 342 00:27:19.930 --> 00:27:25.330 utiliser et pour les études hospitalières, nous pouvons utiliser l'échantillonnage non probabiliste ou 343 00:27:25.430 --> 00:27:30.030 pour quelques études particulières, nous utilisons aussi l'échantillonnage non probabiliste. Nous 344 00:27:30.030 --> 00:27:34.630 allons simplement les passer en revue. C'est une méthode d'échantillonnage non scientifique. Chaque 345 00:27:34.630 --> 00:27:37.530 membre de la population n'a pas la chance de faire partie 346 00:27:37.530 --> 00:27:41.530 de l'échantillon. Le choix dépend du jugement du chercheur. Qu'est-ce que 347 00:27:41.530 --> 00:27:47.130 l'échantillonnage par jugement ? C'est un échantillonnage intentionnel ou délibéré. L'échantillonnage par 348 00:27:47.130 --> 00:27:51.630 quotas, sélectionner 10 patients de chaque service. Donc l'échantillonnage par quotas, nous 349 00:27:51.630 --> 00:27:56.030 devons voir quelle est la satisfaction des patients concernant les services fournis 350 00:27:56.030 --> 00:27:59.830 à l'hôpital. Donc, pour cela, ce que nous faisons, c'est sélectionner 351 00:27:59.830 --> 00:28:03.630 10 cas de chaque service, 10 du service de médecine hommes, 10 352 00:28:03.630 --> 00:28:07.130 du service de médecine femmes, 10 du service de gynécologie, 10 du 353 00:28:07.130 --> 00:28:11.130 service de chirurgie hommes, chirurgie femmes, 10 du service d'orthopédie hommes, orthopédie femmes, 354 00:28:11.330 --> 00:28:15.330 10 du service de pédiatrie garçons et filles. Nous avons donc cet échantillonnage 355 00:28:15.330 --> 00:28:20.630 par quotas. C'est un échantillonnage stratifié sans randomisation. L'échantillonnage 356 00:28:20.630 --> 00:28:24.630 séquentiel, c'est un échantillonnage consécutif. Un certain nombre d'échantillons sont tirés l'un 357 00:28:24.630 --> 00:28:28.630 après l'autre de la population. Nous devons étudier quelles sont les 358 00:28:29.330 --> 00:28:43.230 complications du diabète. Donc, pour 359 00:28:43.330 --> 00:28:46.830 l'échantillonnage séquentiel, que faisons-nous ? Les complications dans les cas de diabète 360 00:28:46.830 --> 00:28:49.630 dans un hôpital que nous voulons étudier. Que allons-nous faire ? Nous 361 00:28:49.630 --> 00:28:54.730 Nous allons prendre les patients diabétiques au fur et à mesure 362 00:28:54.730 --> 00:28:59.130 à l'hôpital, heure après heure. Qu'est-ce que l'échantillonnage 363 00:28:59.130 --> 00:29:03.930 en boule de neige ? L'échantillon initial est sélectionné par méthode probabiliste 364 00:29:03.930 --> 00:29:08.730 et les échantillons additionnels sont obtenus par parrainage à partir des répondants initiaux. 365 00:29:08.730 --> 00:29:13.730 Donc, l'échantillonnage en boule de neige consiste d'abord à sélectionner une petite 366 00:29:13.730 --> 00:29:19.230 proportion d'échantillons par méthode probabiliste et, en raison de la rareté 367 00:29:19.230 --> 00:29:23.830 de ces cas ou de la difficulté à obtenir les échantillons, ce que nous faisons, 368 00:29:23.830 --> 00:29:29.830 c'est que nous demandons aux premiers cas d'en référer d'autres à partir de cet 369 00:29:29.830 --> 00:29:34.530 échantillon initial, d'accord ? Je me souviens d'une méthode d'échantillonnage en boule de neige 370 00:29:34.530 --> 00:29:39.530 que nous avions utilisée pour des adolescents impliqués dans 371 00:29:39.630 --> 00:29:43.430 la consommation de drogues par voie intraveineuse dans les bidonvilles de Mumbai. C'était 372 00:29:43.430 --> 00:29:46.930 l'une des recherches que nous avons menées et ce que nous avons 373 00:29:46.930 --> 00:29:51.330 fait, c'est identifier quatre ou cinq garçons par échantillonnage probabiliste 374 00:29:51.330 --> 00:29:56.630 qui étaient connus comme usagers de drogues par voie intraveineuse et 375 00:29:56.730 --> 00:30:01.830 nous avons gagné leur confiance. Nous leur avons dit qu'aucune 376 00:30:01.830 --> 00:30:04.830 poursuite judiciaire ne serait engagée. Nous sommes juste médecins. Nous voulons 377 00:30:04.830 --> 00:30:08.030 savoir pourquoi vous faites cela et nous voulons 378 00:30:08.030 --> 00:30:12.230 vous aider, d'accord ? Ils se sont alors confiés et nous ont dit 379 00:30:12.230 --> 00:30:15.730 d'accord, j'ai deux amis qui vivent dans cette cabane. J'ai 380 00:30:15.730 --> 00:30:20.930 deux amis qui vivent dans cette ruelle. Ils sont aussi habitués à 381 00:30:20.930 --> 00:30:25.730 la consommation de drogues par voie intraveineuse. C'est ainsi que le nombre d'échantillons 382 00:30:25.730 --> 00:30:31.230 par ce parrainage au sein de ces cercles fermés a continué d'augmenter 383 00:30:31.230 --> 00:30:35.730 et c'est ainsi que nous avons mené cet échantillonnage en boule de neige. C'est utile 384 00:30:35.730 --> 00:30:40.730 pour localiser des cas rares. Ensuite, nous avons l'échantillonnage par recensement ou échantillonnage exhaustif. 385 00:30:40.830 --> 00:30:44.830 Une étude utilisant tous les éléments ou membres disponibles d'une population. Disons 386 00:30:44.830 --> 00:30:50.230 par exemple, nous devons connaître la taille 387 00:30:50.530 --> 00:30:56.230 moyenne des étudiants en médecine admis dans une faculté 388 00:30:56.230 --> 00:31:00.530 de médecine. Que ferons-nous ? Nous inclurons tous les étudiants 389 00:31:00.530 --> 00:31:04.130 en MBBS admis dans une faculté de médecine particulière d'une 390 00:31:04.130 --> 00:31:08.930 ville. Disons par exemple, il y a 200 étudiants par promotion et il y a 391 00:31:08.930 --> 00:31:13.030 quatre promotions en MBBS et une promotion d'internes. Nous avons donc 1 000 étudiants 392 00:31:13.030 --> 00:31:16.430 en médecine dans cette faculté. Que ferons-nous ? Nous 393 00:31:16.530 --> 00:31:20.830 utiliserons la méthode d'échantillonnage exhaustif et nous inclurons les 1 000 394 00:31:20.830 --> 00:31:25.630 cas, les 1 000 étudiants en médecine pour vérifier leur taille moyenne. Quand 395 00:31:25.630 --> 00:31:30.630 votre population est très petite, quand vous avez des ressources importantes et 396 00:31:30.630 --> 00:31:34.030 quand vous n'attendez pas un taux de réponse très élevé. Que ferez-vous 397 00:31:34.030 --> 00:31:38.430 alors ? Nous les incluons tous dans l'étude. L'échantillonnage de convenance, que 398 00:31:38.430 --> 00:31:42.430 nous utilisons principalement dans nos études ? Les échantillons sont inclus selon 399 00:31:42.430 --> 00:31:48.730 la convenance du chercheur et donc les mérites de 400 00:31:49.130 --> 00:31:53.830 l'échantillonnage de convenance sont qu'il est facile d'obtenir l'échantillon et 401 00:31:53.830 --> 00:31:57.830 efficace pour tester les instruments et utilisé dans les études qualitatives et les inconvénients 402 00:31:57.830 --> 00:32:02.930 de l'échantillonnage non probabiliste sont le manque de généralisation, l'absence de représentativité et 403 00:32:02.930 --> 00:32:06.830 il existe une erreur d'échantillonnage. Avant de passer au calcul de la taille de l'échantillon, 404 00:32:06.830 --> 00:32:11.930 il y a une question. Diya a demandé où les biais 405 00:32:11.930 --> 00:32:16.930 qui peuvent survenir dans l'échantillonnage systématique, surtout avec des modèles périodiques 406 00:32:16.930 --> 00:32:21.230 dans la population. Ce qui se passe, c'est que chaque fois qu'il y a un échantillonnage 407 00:32:21.230 --> 00:32:25.830 systématique que nous allons effectuer, il se peut qu'il ne soit toujours pas 408 00:32:25.930 --> 00:32:30.130 totalement représentatif de la population car même si nous le faisons 409 00:32:30.130 --> 00:32:34.730 systématiquement, même si nous essayons d'éliminer tous les biais, il y a 410 00:32:34.730 --> 00:32:38.830 une chance que les échantillons que nous avons collectés ne soient pas 411 00:32:38.830 --> 00:32:45.330 exactement représentatifs de l'échantillon total, d'accord ? Alors maintenant, 412 00:32:45.930 --> 00:32:50.130 comme je vous l'ai dit, nous devons obtenir les nombres 413 00:32:50.130 --> 00:32:55.530 aléatoires pour l'échantillonnage aléatoire, d'accord ? 414 00:32:55.530 --> 00:33:00.830 Donc pour l'échantillonnage aléatoire systématique, nous devons avoir 415 00:33:01.430 --> 00:33:05.830 les nombres aléatoires, d'accord ? Je vais donc partager avec vous tous. Veuillez 416 00:33:05.830 --> 00:33:11.530 ouvrir vos navigateurs Web afin que vous puissiez également le faire en 417 00:33:11.530 --> 00:33:16.630 temps réel, d'accord ? J'espère que vous pouvez tous voir mon écran. Donc 418 00:33:16.630 --> 00:33:25.330 ici vous devez taper open API. D'accord, 419 00:33:25.430 --> 00:33:28.630 c'est donc un menu pour open API. C'est un logiciel très 420 00:33:29.230 --> 00:33:34.630 bien préparé. Il est également disponible sur un site web pour divers 421 00:33:35.430 --> 00:33:44.130 outils statistiques. Ici, nous avons les nombres aléatoires, d'accord ? Donc 422 00:33:44.330 --> 00:33:48.030 si nous voulons, ceci est un exemple, le générateur de nombres aléatoires 423 00:33:48.030 --> 00:33:53.230 ils ont expliqué que ce module génère un nombre spécifié 424 00:33:53.230 --> 00:33:57.630 d'entiers aléatoires dans une plage donnée. Pour obtenir des résultats décimaux, générez 425 00:33:57.630 --> 00:34:01.030 des entiers puis déplacez la virgule décimale si nécessaire. Nous n'avons pas besoin 426 00:34:01.130 --> 00:34:05.530 de résultats décimaux. Ce dont nous avons besoin, c'est d'un ensemble aléatoire de 427 00:34:05.530 --> 00:34:10.830 nombres dans une population particulière, d'accord ? Donc la valeur la plus basse 428 00:34:10.830 --> 00:34:16.330 du générateur de nombres aléatoires sera un, la valeur la plus élevée sera combien 429 00:34:16.330 --> 00:34:21.730 de cas vous avez besoin, d'accord ? Par exemple, nous 430 00:34:21.730 --> 00:34:27.130 avons besoin d'un total de 200 cas sur 1 000 431 00:34:27.130 --> 00:34:30.830 personnes dans la population. Donc la valeur la plus basse sera un, la valeur la plus élevée sera 432 00:34:30.830 --> 00:34:36.230 1 000. Combien de cas sont requis ? Nous avons besoin de 200 cas et 433 00:34:36.230 --> 00:34:39.930 le format dans combien de colonnes ? Cinq colonnes conviennent et ensuite 434 00:34:39.930 --> 00:34:44.630 nous cliquons sur calculer. Voici une liste de 200 nombres aléatoires 435 00:34:44.830 --> 00:34:49.930 parmi une population de 1 000. Donc si parmi 1 000 436 00:34:49.930 --> 00:34:55.430 étudiants en médecine nous voulons mener une étude en utilisant un échantillonnage aléatoire simple, 437 00:34:55.630 --> 00:35:00.530 nous pouvons simplement énumérer le nombre de 1 000 étudiants de 438 00:35:00.530 --> 00:35:05.230 un à 1 000. Nous devons ajouter le numéro de rôle et le nom 439 00:35:05.330 --> 00:35:09.830 des étudiants de un à 1 000 et nous pouvons utiliser ce générateur 440 00:35:09.830 --> 00:35:14.430 d'échantillons aléatoires de open API et vous pouvez coder cela dans votre recherche, 441 00:35:14.530 --> 00:35:18.730 D'accord ? Dans la méthodologie, vous devez coder cela pour ma recherche, 442 00:35:18.830 --> 00:35:24.030 J'ai utilisé un générateur de nombres aléatoires via une API ouverte. Vous pouvez juste 443 00:35:24.030 --> 00:35:29.030 copier-coller ce lien et faire une capture d'écran 444 00:35:29.030 --> 00:35:33.030 de ceci pour votre projet ou pour votre publication d'article, 445 00:35:33.030 --> 00:35:38.030 vous pouvez simplement mentionner que vous avez utilisé les nombres aléatoires générés 446 00:35:38.030 --> 00:35:43.330 par l'API ouverte. D'accord, prenons un autre exemple avec 447 00:35:43.330 --> 00:35:48.530 l'étude sur le diabète. Nous voulons inclure 200 cas. La valeur la plus élevée 448 00:35:48.530 --> 00:35:53.930 est de 200 000. Nous avons 200 000 cas de diabète. Donc 449 00:35:54.030 --> 00:35:58.130 de 1 à 200 000 et nous devons calculer 200 cas de 450 00:35:58.130 --> 00:36:03.130 diabète, d'accord ? Donc ici, si nous 451 00:36:03.130 --> 00:36:07.830 avons une liste de 200 000 patients diabétiques et que nous voulons 452 00:36:07.830 --> 00:36:12.830 inclure 200 cas, nous pouvons simplement inclure ces numéros. 453 00:36:12.830 --> 00:36:17.830 Par exemple, le numéro 41 976, le numéro 4 499 seront 454 00:36:17.830 --> 00:36:21.830 inclus dans l'étude. Voilà donc le générateur de nombres aléatoires et 455 00:36:21.830 --> 00:36:27.030 ce dont nous avons besoin. Il y a une autre question. 456 00:36:27.630 --> 00:36:32.730 Comment prendre en compte la variabilité des issues cliniques lors du calcul de la taille 457 00:36:32.830 --> 00:36:38.130 d'échantillon pour une étude multicentrique ? C'est une question statistique 458 00:36:38.130 --> 00:36:43.130 très technique. Cela nécessiterait un long cours, 459 00:36:43.130 --> 00:36:48.230 voire un cours encore plus long pour le calculateur de variabilité des issues 460 00:36:48.230 --> 00:36:53.230 lors du calcul des tailles d'échantillon pour une étude multicentrique. Mais dans les études multicentriques, 461 00:36:53.230 --> 00:36:58.430 vous pouvez également utiliser différents types de méthodes d'échantillonnage, 462 00:36:58.430 --> 00:37:04.330 qui peuvent être appliquées à l'étude multicentrique. Ensuite, 463 00:37:04.330 --> 00:37:10.030 nous allons effectuer un petit 464 00:37:10.130 --> 00:37:15.130 calcul de taille d'échantillon pour un 465 00:37:15.130 --> 00:37:20.430 échantillonnage probabiliste et pour une étude de prévalence. Donc, 466 00:37:20.730 --> 00:37:25.630 pour le calcul de la taille d'échantillon d'une étude descriptive, la formule 467 00:37:25.630 --> 00:37:30.030 pour le calcul de la taille d'échantillon pour une étude descriptive est n égal à p 468 00:37:30.730 --> 00:37:35.830 multiplié par 1 moins p, le tout multiplié par z divisé par e au carré, d'accord ? 469 00:37:35.930 --> 00:37:39.230 Quels sont ces symboles ? Nous allons les découvrir. 470 00:37:42.330 --> 00:37:47.430 p est ici l'estimation de la proportion attendue avec la variable 471 00:37:48.230 --> 00:37:53.730 d'intérêt dans la population. Donc p, 472 00:37:54.330 --> 00:38:00.130 ce que nous avons comme p est l'estimation de la proportion attendue 473 00:38:00.130 --> 00:38:04.930 avec la variable, d'accord ? Cela peut être un chiffre. Par exemple, 474 00:38:05.230 --> 00:38:10.230 pour l'étude des ulcères du pied diabétique, nous avons les cas 475 00:38:10.230 --> 00:38:14.930 de diabète. Pour cela, nous avons besoin soit de la proportion de diabète en 476 00:38:14.930 --> 00:38:19.530 Inde, ou dans les bidonvilles urbains, ou dans une métropole indienne, 477 00:38:19.830 --> 00:38:23.330 soit de la proportion de diabète dans le monde entier. Donc, n'importe laquelle 478 00:38:23.330 --> 00:38:26.430 de ces proportions peut être utilisée comme p. Si elle est 479 00:38:26.430 --> 00:38:31.930 sous forme de pourcentage, pour 10 %, nous utiliserons 0,1. Pour 480 00:38:32.030 --> 00:38:37.130 15,4 %, nous utiliserons 0,154. 481 00:38:37.230 --> 00:38:42.330 D'accord ? Le q mentionné ici correspondra à 482 00:38:42.430 --> 00:38:46.330 un moins p, d'accord ? Donc q signifie un moins p. 483 00:38:47.130 --> 00:38:51.030 e au carré, e n'est rien d'autre que le niveau de précision. Nous pouvons 484 00:38:51.030 --> 00:38:56.430 prendre une précision de 5 %, 7 % ou 10 %, plus 485 00:38:56.430 --> 00:39:01.330 de 10 %, nous ne devrions pas prendre e ou le niveau de précision. 486 00:39:01.330 --> 00:39:05.130 5 % est le niveau de précision idéal qui peut être inclus pour 487 00:39:05.130 --> 00:39:10.330 le calcul de la taille de l'échantillon. Quatre n'est rien d'autre que z au carré. z 488 00:39:10.330 --> 00:39:15.530 est la statistique pour le niveau de confiance souhaité, qui est de 0,05 489 00:39:15.630 --> 00:39:20.730 ce qui donne 1,96 pour un intervalle de confiance à 95 %. 490 00:39:20.730 --> 00:39:25.330 z n'est rien d'autre que 1,96, arrondi à deux. Donc 491 00:39:25.330 --> 00:39:29.830 z au carré selon cette formule, z au carré deviendra quatre. 492 00:39:30.430 --> 00:39:34.830 Donc, cette formule, en termes simples, est la taille de l'échantillon n est 493 00:39:34.830 --> 00:39:38.830 égale à quatre fois p fois un moins p, qui est le 494 00:39:38.830 --> 00:39:43.030 q, divisé par e au carré, d'accord ? C'est donc la formule 495 00:39:43.030 --> 00:39:48.030 que vous pouvez mentionner dans votre méthodologie de recherche, pour le 496 00:39:48.030 --> 00:39:52.230 calcul de la taille de l'échantillon, vous utiliserez la formule de calcul 497 00:39:52.230 --> 00:39:55.430 basée sur la proportion, soit n égal quatre pq 498 00:39:55.430 --> 00:40:00.230 divisé par e au carré. Donc pour la majorité des études, cette 499 00:40:00.330 --> 00:40:05.330 formule sera applicable. Par exemple, si nous voulons étudier la prévalence 500 00:40:05.330 --> 00:40:10.730 de la rétinopathie diabétique dans un bidonville urbain, la proportion requise ou 501 00:40:10.730 --> 00:40:14.130 p que nous utiliserons sera soit la prévalence du diabète, soit 502 00:40:14.130 --> 00:40:19.130 la prévalence de la rétinopathie diabétique issue d'un article de recherche, et 503 00:40:19.330 --> 00:40:23.430 nous pouvons citer cet article dans votre méthodologie pour le calcul de 504 00:40:23.430 --> 00:40:28.430 la taille de l'échantillon, en indiquant qu'un article de recherche mené par 505 00:40:28.430 --> 00:40:33.230 dans ce cas Kumar et al., ils ont rapporté une prévalence du diabète 506 00:40:33.230 --> 00:40:37.530 de 10,5 %, ce qui signifie p égal 10,5 % 507 00:40:37.930 --> 00:40:43.130 ce qui est égal à 0,105. q sera un moins p, ce qui 508 00:40:43.130 --> 00:40:48.330 sera 0,895 et en considérant l'erreur absolue 509 00:40:48.330 --> 00:40:53.530 de 5 %, ce qui sera 0,05. Le calcul de la taille de l'échantillon ici 510 00:40:53.530 --> 00:40:57.030 sera n égal quatre pq divisé par e au carré. Ce sera 511 00:40:57.030 --> 00:41:03.730 quatre fois 0,105 fois 0,895 512 00:41:03.830 --> 00:41:09.130 divisé par e au carré. Le e, soit 0,05 ou 5 %, 513 00:41:09.130 --> 00:41:15.030 donnera environ 151. Nous indiquerons donc que 514 00:41:15.030 --> 00:41:19.830 Kumar et al. ont rapporté une prévalence du diabète de 10,5 % et nous 515 00:41:19.930 --> 00:41:24.030 prenons la taille de l'échantillon pour cette prévalence de la rétinopathie diabétique dans un 516 00:41:24.030 --> 00:41:29.430 bidonville urbain. La taille de l'échantillon retenue est 151 ou tout 517 00:41:30.330 --> 00:41:35.730 nombre supérieur à 151, d'accord ? Donc si nous avons 160 cas 518 00:41:35.730 --> 00:41:39.530 éligibles, nous inclurons les 160 cas. Nous ajouterons simplement 519 00:41:39.530 --> 00:41:44.430 une ligne indiquant que la taille de l'échantillon calculée était de 151, mais que nous avons obtenu 520 00:41:44.430 --> 00:41:49.230 un nombre de cas supérieur à 151, comme 160. Nous avons donc inclus tous les cas. 521 00:41:49.230 --> 00:41:53.230 les 160 cas ou 200 cas de notre étude. La taille de l'échantillon 522 00:41:53.530 --> 00:41:57.730 calculée à partir de cette formule doit être la taille minimale. Au 523 00:41:57.730 --> 00:42:01.830 moins 151 cas de diabète doivent être inclus dans l'étude. Moins 524 00:42:01.830 --> 00:42:05.230 que cela est impossible, mais davantage est tout à fait possible. 525 00:42:06.330 --> 00:42:11.730 D'accord ? Donc, le message clé à retenir ici est que 526 00:42:11.730 --> 00:42:16.730 nous ne pouvons pas étudier toute la population. Nous la réduisons donc 527 00:42:16.730 --> 00:42:20.630 en termes d'échantillons. L'échantillonnage entraîne une erreur d'échantillonnage qui 528 00:42:20.630 --> 00:42:25.830 est mesurable, une bonne conception et une assurance qualité garantissent la validité et une taille 529 00:42:25.830 --> 00:42:30.730 d'échantillon appropriée garantira la précision. Les échantillons probabilistes sont les seuls qui permettent 530 00:42:30.730 --> 00:42:35.330 l'utilisation des statistiques telles que nous les connaissons, et pour aller plus loin vous 531 00:42:35.330 --> 00:42:40.330 pouvez consulter un manuel sur le guide de recherche 532 00:42:41.730 --> 00:42:45.830 où nous traitons du calcul de la taille de l'échantillon et des méthodes d'échantillonnage dans 533 00:42:45.830 --> 00:42:50.830 la recherche. D'accord ? Prenons donc un autre exemple pour 534 00:42:51.130 --> 00:42:56.330 le calcul de la taille de l'échantillon en utilisant le logiciel OpenEpi, d'accord ? 535 00:42:56.330 --> 00:43:01.530 Donc, sur le même site web OpenEpi, vous pouvez simplement mentionner, vous pouvez 536 00:43:01.530 --> 00:43:05.030 faire une capture d'écran de ceci. Pour le calcul de la taille de l'échantillon, vous utiliserez 537 00:43:05.030 --> 00:43:11.030 openapi.com pour le calcul des nombres aléatoires. Vous utiliserez aussi openapi.com, 538 00:43:11.030 --> 00:43:16.030 d'accord ? Donc, nous allons prendre le même exemple. Je vais 539 00:43:16.030 --> 00:43:20.430 vous montrer comment nous avons trouvé la prévalence du diabète de 10,5 % 540 00:43:20.630 --> 00:43:25.030 en utilisant cet article de Kumar et al., une revue de 541 00:43:25.030 --> 00:43:30.230 Kumar et al. en utilisant Google Scholar, et nous sommes arrivés à 151 542 00:43:30.230 --> 00:43:34.230 en utilisant cette formule, mais avec Epi Info, ce sera un peu 543 00:43:34.230 --> 00:43:39.430 plus bas. Alors, essayons ensemble. Restez donc avec moi 544 00:43:39.430 --> 00:43:44.430 encore quelques minutes. Donc 545 00:43:44.430 --> 00:43:49.630 nous voulons rédiger un article. Nous voulons déterminer 546 00:43:50.530 --> 00:43:56.330 la taille de l'échantillon. Nous voulons vérifier la taille de l'échantillon avec 547 00:43:56.430 --> 00:44:01.930 OpenEpi, d'accord ? Donc, je recherche d'abord 548 00:44:01.930 --> 00:44:06.430 la prévalence du diabète en Inde sur Google Scholar. D'accord, ce n'est 549 00:44:06.430 --> 00:44:09.930 pas le Google normal. C'est Google Scholar, ou vous pouvez faire de même 550 00:44:09.930 --> 00:44:14.930 en effectuant une recherche sur PubMed. Nous avons obtenu différents articles sur l'épidémiologie du 551 00:44:14.930 --> 00:44:19.130 diabète de type 2, la prévalence et les tendances du diabète, la forte prévalence du diabète, 552 00:44:19.430 --> 00:44:23.530 l'épidémiologie du diabète de type 2 en Inde, et voici l'article 553 00:44:23.730 --> 00:44:26.730 de Kumar et al. où il est fait état d'une prévalence du diabète 554 00:44:26.730 --> 00:44:31.230 en Inde, revues de l'ID, atlas du diabète 10e édition. Lorsque nous 555 00:44:31.230 --> 00:44:35.030 ouvrons ce lien de Kumar et al., nous obtenons la prévalence 556 00:44:35.030 --> 00:44:41.530 du diabète en Inde, et ils ont rapporté qu'à l'échelle mondiale, 557 00:44:41.530 --> 00:44:47.030 le diabète touche environ 537 millions d'adultes dans le monde, 558 00:44:47.030 --> 00:44:52.130 d'accord ? Et cela représente environ 10,5 % de tous les adultes dans cette tranche 559 00:44:52.130 --> 00:44:57.430 d'âge. Il s'agit donc d'une prévalence de 10,5 % pour le diabète 560 00:44:57.430 --> 00:45:01.130 dans le monde entier, d'accord ? Nous pouvons donc utiliser cette prévalence, mais plus 561 00:45:01.230 --> 00:45:06.830 le nombre exact de cas de diabète en Inde sera précis, d'accord ? En utilisant 562 00:45:06.830 --> 00:45:10.630 cette prévalence, nous allons aller dans le 563 00:45:10.830 --> 00:45:14.930 menu API ouvert. Nous irons à la taille de l'échantillon. Nous allons 564 00:45:14.930 --> 00:45:20.830 aller à la proportion. Dans la proportion, nous 565 00:45:20.830 --> 00:45:23.730 allons saisir de nouvelles données. Voici donc la taille de l'échantillon d'une 566 00:45:23.730 --> 00:45:29.330 proportion et ils expliquent ici comment ce module calcule 567 00:45:29.330 --> 00:45:33.930 la taille de l'échantillon à partir de la proportion, d'accord ? Maintenant, nous allons 568 00:45:34.230 --> 00:45:39.530 saisir de nouvelles données. Pour cela, nous avons besoin de la taille de la population. Ce n'est pas 569 00:45:39.530 --> 00:45:44.530 important. Il n'est pas nécessaire de modifier cette taille de population. Si nous 570 00:45:44.530 --> 00:45:48.430 connaissons la population exacte, disons par exemple dans une ville comme Mumbai, vous 571 00:45:48.430 --> 00:45:52.130 savez qu'à Mumbai, il y a 20 millions d'habitants. Vous pouvez saisir 572 00:45:52.130 --> 00:45:56.430 20 millions de personnes, d'accord ? Ou laissez simplement tel quel. Anticipez 573 00:45:56.630 --> 00:46:02.630 la fréquence anticipée ici. Nous avons une fréquence anticipée de 10,5 %. 574 00:46:02.730 --> 00:46:08.830 Donc ici, c'est en pourcentage, d'accord ? 10,5 %. Niveau de confiance, limite, 575 00:46:09.330 --> 00:46:14.030 pourcentage ou précision absolue. Donc, c'est la précision absolue e qui est de 576 00:46:14.030 --> 00:46:18.730 5 %. Nous devons garder cela ainsi et cet effet de plan 577 00:46:18.730 --> 00:46:24.330 également à un, nous devons, nous devons garder voir. Donc 578 00:46:24.430 --> 00:46:30.230 pour un intervalle de confiance de 95 %, la taille de l'échantillon est de 145. 579 00:46:30.330 --> 00:46:35.330 Ce que nous avons calculé était 151. C'est parce que nous avons 580 00:46:35.430 --> 00:46:40.530 pris z au carré comme étant quatre, d'accord ? En fait, z 581 00:46:40.530 --> 00:46:46.330 au carré est 1,96 au carré, ce qui donne environ 3,84 582 00:46:46.330 --> 00:46:51.230 quelque chose, d'accord ? Mais à cause de cela, ces cinq ou six cas 583 00:46:51.230 --> 00:46:55.830 de plus ont été obtenus avec cette formule quatre pq sur e au carré. 584 00:46:55.930 --> 00:47:00.030 Donc, la taille de l'échantillon à 95 % que nous avons obtenue est de 585 00:47:00.530 --> 00:47:05.630 145. Si nous voulons aller plus loin avec un intervalle de confiance de 97 %, 586 00:47:05.630 --> 00:47:10.830 la taille de l'échantillon sera de 177, ou avec un intervalle de confiance de 99 %, 587 00:47:10.930 --> 00:47:16.330 la taille de l'échantillon sera de 250. C'est ainsi que nous pouvons simplement calculer 588 00:47:16.330 --> 00:47:22.230 la taille de l'échantillon pour diverses recherches. Par exemple, si vous voulez mener 589 00:47:22.230 --> 00:47:26.630 une étude sur la prévalence de l'anémie pendant la grossesse ou tout autre sujet sur 590 00:47:26.730 --> 00:47:31.830 l'anémie pendant la grossesse, nous recherchons simplement des articles de recherche 591 00:47:31.930 --> 00:47:36.330 dans Google Scholar. Quelle est la prévalence de l'anémie pendant la grossesse ? Donc 592 00:47:36.830 --> 00:47:42.430 nous allons essayer d'ouvrir si la prévalence est mentionnée quelque part 593 00:47:42.830 --> 00:47:47.030 et nous devons trouver un nombre qui cite la prévalence 594 00:47:47.130 --> 00:47:51.230 à savoir que telle est la prévalence de l'anémie pendant la grossesse. Donc 595 00:47:51.230 --> 00:47:55.230 ici, ils ont obtenu une prévalence globale de l'anémie chez la femme enceinte 596 00:47:55.230 --> 00:48:00.730 de 36,8 %, d'accord ? Ce qui est autour de 38 %, 37 %, 597 00:48:00.730 --> 00:48:06.030 pardon. Nous pouvons donc citer cette étude de Muhammad 598 00:48:06.030 --> 00:48:09.530 Karami et al. Donc, c'est M. Karami et al. Si nous 599 00:48:09.530 --> 00:48:14.030 voulons citer cet article, vous pouvez simplement cliquer sur citer et 600 00:48:14.030 --> 00:48:18.830 vous pouvez simplement copier les citations en style Vancouver à partir d'ici et vous 601 00:48:18.830 --> 00:48:23.030 il suffit d'utiliser un contrôle C ou copier et vous pouvez copier 602 00:48:23.930 --> 00:48:28.430 et le coller dans vos références. M. Karami et al. disent donc 603 00:48:28.430 --> 00:48:34.230 que la prévalence mondiale de l'anémie pendant la grossesse est de 37 %. 604 00:48:34.530 --> 00:48:39.430 Maintenant, nous voulons calculer la taille de l'échantillon pour la prévalence de l'anémie et 605 00:48:39.430 --> 00:48:44.030 la grossesse. Nous irons dans le menu API ouvert, taille de l'échantillon, proportion. 606 00:48:44.130 --> 00:48:48.430 Dans proportion, nous allons entrer de nouvelles données. La fréquence anticipée 607 00:48:48.430 --> 00:48:54.030 est de 37 %, l'intervalle de confiance, la limite de confiance ou la précision absolue est de 5 % 608 00:48:54.330 --> 00:48:59.130 et nous allons simplement cliquer sur calculer. Pour un intervalle de confiance à 95 %, nous devons 609 00:48:59.130 --> 00:49:04.230 inclure 359 cas d'anémie, d'accord ? 610 00:49:04.330 --> 00:49:08.330 C'est ainsi que la taille de l'échantillon sera calculée pour diverses 611 00:49:08.330 --> 00:49:13.030 études et si vous avez des questions ou si vous voulez que je 612 00:49:13.030 --> 00:49:19.430 vous guide concernant le calcul de la taille de l'échantillon, oui. Alors 613 00:49:21.830 --> 00:49:26.030 quel est l'impact du taux d'attrition anticipé sur la taille de l'échantillon ? Oui. 614 00:49:26.030 --> 00:49:30.130 C'est une très bonne question posée par un participant. Donc, 615 00:49:30.130 --> 00:49:35.630 pour le taux d'attrition anticipé, vous pouvez simplement inclure 10 % 616 00:49:35.630 --> 00:49:40.730 d'échantillons supplémentaires dans votre étude. Disons par exemple, dans cet échantillon 617 00:49:40.730 --> 00:49:44.830 précis pour cette étude, nous avons obtenu une taille de 359. Vous 618 00:49:44.830 --> 00:49:48.430 ajoutez juste une ligne pour compenser le taux d'attrition ou pour 619 00:49:48.430 --> 00:49:52.830 compenser la perte de données, la perte de suivi. Nous inclurons 620 00:49:52.830 --> 00:49:58.030 10 % de cas supplémentaires. Cela fera 359 plus 10 %, soit environ 621 00:49:58.030 --> 00:50:02.200 36 cas, ce qui fera un total d'environ 400 cas. Donc pour 622 00:50:02.200 --> 00:50:07.400 cette étude particulière, vous pouvez inclure 10 % de cas supplémentaires 623 00:50:07.400 --> 00:50:11.900 et vous pouvez justifier la taille de l'échantillon modifiée à 400 624 00:50:11.900 --> 00:50:17.100 nombre total de cas. Voilà pour ce qui est des différentes techniques d'échantillonnage 625 00:50:17.100 --> 00:50:22.200 et de la formation pratique sur le calcul de la taille de l'échantillon. Je 626 00:50:22.500 --> 00:50:27.800 remercie encore infiniment Assimilate par Meta University et le Dr pour 627 00:50:28.100 --> 00:50:32.700 avoir dirigé et organisé cette recherche. Merci beaucoup Dr. 628 00:50:32.700 --> 00:50:35.800 Superna, et merci infiniment à tous les participants pour leurs 629 00:50:35.800 --> 00:50:38.100 questions et pour votre écoute attentive.