An introduction to multilevel regression models. Catalogue en ligne

Titre :	An introduction to multilevel regression models. (2001)
Auteurs :	Peter-C AUSTIN ; Vivek GOEL ; Carl VAN WALRAVEN
Type de document :	Article
Dans :	Canadian journal of public health (vol. 92, n° 2, 2001)
Pagination :	150-154
Langues:	Anglais
Mots-clés :	Recherche appliquée ; Hiérarchie
Résumé :	[BDSP. Notice produite par INIST-CNRS c2upR0x5. Diffusion soumise à autorisation]. Dans le domaine de la recherche en santé, les données sont souvent structurées de façon hiérarchique. Par exemple, des données peuvent regrouper des patients reliés à des médecins, qui à leur tour sont reliés à un hôpital ou une région géographique. L'élaboration de modèles de régression qui négligent cette structure hiérarchique peut mener à des conclusions erronées. La réalisation d'une analyse statistique qui tient compte de la hiérarchie des données requiert des méthodes spécifiques. Dans notre article, nous présentons le concept des structures hiérarchisées de données et initions le lecteur aux modèles de régression hiérarchiques. Nous comparons ensuite les résultats d'un modèle de régression traditionnel à ceux d'un modèle hiérarchique appliqué à un fichier qui établit des liens entre l'utilisation de tests lors d'examens annuels de santé et les caractéristiques des patients et des médecins en cause. La comparaison entre les deux modèles montre que l'on peut tirer de fausses conclusions si l'on ne tient pas compte de la structure des données.

PORTAIL DOCUMENTAIRE