46716_fr-FR

liliconcom

Tests de Cochran-Mantel-Haenszel Interprétation : permuter X var et Blocking Var = résultats différents

J'ai l'ensemble de données factice suivant que j'ai créé spécifiquement pour tester l'association entre deux variables catégorielles (X = BIOMARKER, Y = RESPONSE, Freq = FREQ), regroupées par une troisième variable catégorique = ARM

BRAS	BIOMARQUEUR	RÉPONSE	FRÉQ
DPB	BM-	NR	25
DPB	BM-	R	25
DPB	BM+	NR	21
DPB	BM+	R	29
ACTIF	BM-	NR	38
ACTIF	BM-	R	12
ACTIF	BM+	NR	20
ACTIF	BM+	R	30

 

Lorsque j'effectue l'analyse de contingence X par Y suivie du test CMH, j'obtiens le résultat suivant :

Tests de Cochran-Mantel-Haenszel
Stratifié par
BRAS
Test CMH	Chicarré	DF	Problème>Chisq
Corrélation des scores	9.739	1	0,0018
Score de ligne par catégories de col	9.739	1	0,0018
Score de colonne par catégories de ligne	9.739	1	0,0018
Assoc. générale. des catégories	9.739	1	0,0018

 

Mais quand j'essaye l'analyse réciproque où X = ARM, Y = RESPONSE, et Freq = FREQ, regroupés par BIOMARKER, j'obtiens un résultat différent :

Tests de Cochran-Mantel-Haenszel
Stratifié par
BIOMARQUEUR
Test CMH	Chicarré	DF	Problème>Chisq
Corrélation des scores	3.0013	1	0,0832
Score de ligne par catégories de col	3.0013	1	0,0832
Score de colonne par catégories de ligne	3.0013	1	0,0832
Assoc. générale. des catégories	3.0013	1	0,0832

 

De toute évidence, je ne comprends pas le mécanisme de l'analyse CMH car je m'attendais à obtenir les mêmes résultats de toute façon.

De plus, dans cet exemple, il n'y a que du contraste dans BIOMARKER dans le groupe ACTIVE (par conception) mais je ne sais pas comment calculer la valeur p pour chaque ARM (en plus d'utiliser l'option "By").

 

Merci

Re : Cochran-Mantel-Haenszel Tests Interprétation : permuter X var et Blocking Var = résultat différent

Votre intuition est correcte. Un de mes collègues, Bob Lucas, a répondu avec la réponse suivante :

" je suis allé à ça lien .

D'après les statistiques du test, je ne pense pas que ce soit possible.

Le numérateur du test CMH est juste la somme sur toutes les strates des carrés observés moins prédits. Le dénominateur n'est que le facteur d'échelle pour que la distribution soit asymptotiquement Chi carré.

Le numérateur du test CMH est similaire au numérateur du F dans ANOVA.Par conséquent, je pense que c'est une situation similaire au test F global dans ANOVA par rapport à la comparaison de deux moyennes dans une ANOVA. 

Je pense qu'il est possible que dans une strate, il y ait une association significative mais aucune dans les autres, donc en faisant la moyenne sur toutes les strates, une association est cachée.Semblable à la façon dont deux moyennes dans une ANOVA peuvent être différentes, mais le F global n'est pas significatif.

Dans ANOVA, si aucune des comparaisons moyennes par paires n'est significative, le F global ne peut pas l'être. "

Re : Cochran-Mantel-Haenszel Tests Interprétation : permuter X var et Blocking Var = résultat différent

Je n'ai pas été en mesure de créer un exemple d'un tel cas et je n'ai pas accès au manuel d'Agresti pour vérifier le calcul et déterminer dans quelles circonstances, le cas échéant, cela pourrait être possible. Vous devrez donc attendre un moment pour obtenir une réponse de ma part ou peut-être qu'un autre expert pourrait répondre entre-temps.

Re : Cochran-Mantel-Haenszel Tests Interprétation : permuter X var et Blocking Var = résultat différent

Cher Mark,

 

Merci pour la clarification. Désolé pour ma compréhension limitée du test CMH mais, en guise de suivi, j'aimerais savoir s'il existe des circonstances dans lesquelles l'association entre la réponse et la variable prédictive serait non significative, mais le test CMH serait significatif dans toutes les strates ?

 

Jusqu'à présent, j'ai expérimenté des données fictives et je ne trouve pas de combinaison de données produisant ce type de sortie.

 

Merci de votre aide.

 

Sincèrement,

 

Thierry

Re : Cochran-Mantel-Haenszel Tests Interprétation : permuter X var et Blocking Var = résultat différent

Pourquoi attendre les mêmes résultats de deux analyses différentes ?

Faites attention au rôles d'analyse . La Oui rôle est pour la réponse ou le résultat. La X rôle est pour la variable explicative ou prédictive. Utilisez ces rôles pour définir les association d'intérêt. L'analyse CMH utilise un troisième rôle : strate . Utilisez ce rôle lorsque vous voulez voir si le importance de l'association entre Y et X est plus ou moins grande d'une strate à l'autre (niveaux de la troisième variable).

Votre première analyse a exploré/testé l'association entre la réponse et le biomarqueur stratifié par ARM. Votre deuxième analyse a exploré/testé l'association entre la réponse et l'ARM stratifiée par biomarqueur. Ces deux analyses ne sont pas les mêmes.

Voir : Agresti, Alan (1996) Une introduction à l'analyse de données catégorielles , John Wiley & Sons, New York, page 61.