Recherche par mot-clé

Aller au contenu principal
Aller au pied de page

Sélection de la langue

English

Recherche et menus

Recherche et menus

Rechercher

Résultats

Tout (2)

Tout (2) ((2 résultats))

1. Modélisation du fardeau du cancer au Canada Archivé
Articles et rapports : 82-005-X20020016479
Géographie : Canada
Description :
Le modèle de santé de la population est un outil d'analyse des politiques qui permet d'étudier, à l'aide de techniques de simulation, différents scénarios concernant le fardeau de...
Description :
Le modèle de santé de la population est un outil d'analyse des politiques qui permet d'étudier, à l'aide de techniques de simulation, différents scénarios concernant le fardeau de certaines maladies sur la santé et l'économie, ainsi que le rapport coût-efficacité des nouvelles méthodes diagnostiques et thérapeutiques. L'utilisation de ce modèle de simulation est particulièrement pertinente dans un contexte de compressions budgétaires, puisque les nouvelles méthodes thérapeutiques sont souvent coûteuses et que des décisions stratégiques difficiles doivent être prises. Et surtout, ce modèle sert de base pour un cadre conceptuel plus vaste qui permettra d'élaborer des politiques en se servant de données détaillées sur les maladies et les facteurs de risque. Nos modèles « de base » ont permis d'estimer les coûts cumulatifs du traitement du cancer du sein, du cancer du poumon et du cancer colorectal au Canada. Nos modèles de cancer ont mis en évidence l'énorme fardeau économique lié à la batterie d'examens diagnostiques et au traitement initial, ainsi que les coûts élevés de l'hospitalisation liés aux décès par cancer. Nos modèles de base de cancer (poumon, sein et côlon et rectum) ont été utilisés pour évaluer l'effet de nouvelles pratiques. Nous avons utilisé ces modèles pour évaluer les nouvelles chimiothérapies proposées pour traiter le cancer du poumon à un stade avancé, l'effet sur la santé et les conséquences financières de la durée réduite de l'hospitalisation après une première intervention chirurgicale visant à traiter le cancer du sein, ainsi que l'effet éventuel d'un programme de dépistage du cancer du côlon et du rectum à l'échelle de la population. Jusqu'à présent, l'utilisation du tamoxifène pour prévenir le cancer du sein chez les femmes à haut risque est l'une des interventions les plus intéressantes que nous ayons étudiées.
Plus
Date de diffusion : 2002-10-08
2. Estimation de la variance de l'estimateur de régression généralisée Archivé
Articles et rapports : 12-001-X20020016424
Description :
Dans la documentation traitant de l'échantillonnage, on trouve diverses propositions de la variance de l'estimateur de régression généralisée d'une moyenne, dont le principal but est...
Description :
Dans la documentation traitant de l'échantillonnage, on trouve diverses propositions de la variance de l'estimateur de régression généralisée d'une moyenne, dont le principal but est d'estimer la variance due au plan de sondage. Dans certaines conditions, il est facile de concevoir des estimateurs de la variance qui sont approximativement non biaisés quant au plan de sondage et au modèle. On étudie dans cet article plusieurs estimateurs bivalents dans le cas de l'échantillonnage à un seul degré. Il s'agit d'estimateurs robustes de la variance due au modèle, même si le modèle qui agit sur la régression généralisée comprend un paramètre de variance incorrect.
Une des caractéristiques principales des estimateurs robustes est le rajustement des carrés des résidus au moyen de facteurs analogues aux effets leviers utilisés en analyse de régression classique. On montre aussi que l'estimateur jackknife avec suppression d'une unité inclut les ajustements pour tenir compte des effets de leviers et constitue un bon choix, tant du point de vue de la variance due au plan de sondage que de celle due au modèle. Dans un ensemble de simulations, ces estimateurs de la variance sont caractérisés par un biais faible et produisent des intervalles de confiance dont le taux de couverture est quasi nominal pour plusieurs méthodes d'échantillonnage, tailles d'échantillon et populations en ce qui touche l'échantillonnage à un seul degré.
On présente aussi les résultats de simulations pour une population à distribution asymétrique où tous les estimateurs de la variance donnent de mauvais résultats. Les échantillons qui ne représentent pas adéquatement les unités de grande valeur produisent des estimations de la moyenne trop faibles, des estimations de la variance trop faibles et des intervalles de confiance dont la couverture est nettement inférieure au taux nominal. Ces faiblesses peuvent être évitées à l'étape de l'élaboration du plan de sondage grâce à la sélection d'échantillons qui couvrent bien les unités extrêmes. Cependant, cette approche ne fonctionnera pas pour les populations dont les renseignements liés au plan de sondage sont insuffisants.
Plus
Date de diffusion : 2002-07-05

Données (0)

Données (0) (0 résultat)

Aucun contenu disponible actuellement

Analyses (2)

Analyses (2) ((2 résultats))

1. Modélisation du fardeau du cancer au Canada Archivé
Articles et rapports : 82-005-X20020016479
Géographie : Canada
Description :
Le modèle de santé de la population est un outil d'analyse des politiques qui permet d'étudier, à l'aide de techniques de simulation, différents scénarios concernant le fardeau de...
Description :
Le modèle de santé de la population est un outil d'analyse des politiques qui permet d'étudier, à l'aide de techniques de simulation, différents scénarios concernant le fardeau de certaines maladies sur la santé et l'économie, ainsi que le rapport coût-efficacité des nouvelles méthodes diagnostiques et thérapeutiques. L'utilisation de ce modèle de simulation est particulièrement pertinente dans un contexte de compressions budgétaires, puisque les nouvelles méthodes thérapeutiques sont souvent coûteuses et que des décisions stratégiques difficiles doivent être prises. Et surtout, ce modèle sert de base pour un cadre conceptuel plus vaste qui permettra d'élaborer des politiques en se servant de données détaillées sur les maladies et les facteurs de risque. Nos modèles « de base » ont permis d'estimer les coûts cumulatifs du traitement du cancer du sein, du cancer du poumon et du cancer colorectal au Canada. Nos modèles de cancer ont mis en évidence l'énorme fardeau économique lié à la batterie d'examens diagnostiques et au traitement initial, ainsi que les coûts élevés de l'hospitalisation liés aux décès par cancer. Nos modèles de base de cancer (poumon, sein et côlon et rectum) ont été utilisés pour évaluer l'effet de nouvelles pratiques. Nous avons utilisé ces modèles pour évaluer les nouvelles chimiothérapies proposées pour traiter le cancer du poumon à un stade avancé, l'effet sur la santé et les conséquences financières de la durée réduite de l'hospitalisation après une première intervention chirurgicale visant à traiter le cancer du sein, ainsi que l'effet éventuel d'un programme de dépistage du cancer du côlon et du rectum à l'échelle de la population. Jusqu'à présent, l'utilisation du tamoxifène pour prévenir le cancer du sein chez les femmes à haut risque est l'une des interventions les plus intéressantes que nous ayons étudiées.
Plus
Date de diffusion : 2002-10-08
2. Estimation de la variance de l'estimateur de régression généralisée Archivé
Articles et rapports : 12-001-X20020016424
Description :
Dans la documentation traitant de l'échantillonnage, on trouve diverses propositions de la variance de l'estimateur de régression généralisée d'une moyenne, dont le principal but est...
Description :
Dans la documentation traitant de l'échantillonnage, on trouve diverses propositions de la variance de l'estimateur de régression généralisée d'une moyenne, dont le principal but est d'estimer la variance due au plan de sondage. Dans certaines conditions, il est facile de concevoir des estimateurs de la variance qui sont approximativement non biaisés quant au plan de sondage et au modèle. On étudie dans cet article plusieurs estimateurs bivalents dans le cas de l'échantillonnage à un seul degré. Il s'agit d'estimateurs robustes de la variance due au modèle, même si le modèle qui agit sur la régression généralisée comprend un paramètre de variance incorrect.
Une des caractéristiques principales des estimateurs robustes est le rajustement des carrés des résidus au moyen de facteurs analogues aux effets leviers utilisés en analyse de régression classique. On montre aussi que l'estimateur jackknife avec suppression d'une unité inclut les ajustements pour tenir compte des effets de leviers et constitue un bon choix, tant du point de vue de la variance due au plan de sondage que de celle due au modèle. Dans un ensemble de simulations, ces estimateurs de la variance sont caractérisés par un biais faible et produisent des intervalles de confiance dont le taux de couverture est quasi nominal pour plusieurs méthodes d'échantillonnage, tailles d'échantillon et populations en ce qui touche l'échantillonnage à un seul degré.
On présente aussi les résultats de simulations pour une population à distribution asymétrique où tous les estimateurs de la variance donnent de mauvais résultats. Les échantillons qui ne représentent pas adéquatement les unités de grande valeur produisent des estimations de la moyenne trop faibles, des estimations de la variance trop faibles et des intervalles de confiance dont la couverture est nettement inférieure au taux nominal. Ces faiblesses peuvent être évitées à l'étape de l'élaboration du plan de sondage grâce à la sélection d'échantillons qui couvrent bien les unités extrêmes. Cependant, cette approche ne fonctionnera pas pour les populations dont les renseignements liés au plan de sondage sont insuffisants.
Plus
Date de diffusion : 2002-07-05

Références (0)

Références (0) (0 résultat)

Aucun contenu disponible actuellement

Signaler un problème ou une erreur sur cette page

Date de modification :: 2025-05-31

Comment utiliser les filtres et le champ de recherche

Vous pouvez faire une recherche en inscrivant des mots-clés ou en sélectionnant des filtres (p. ex. sous Sujet, Géographie, etc.) du côté gauche de la page.
On peut utiliser les filtres ensemble ou former diverses combinaisons. À chaque sélection de filtre, la page des résultats est mise à jour.
Pour commencer une nouvelle recherche, cliquez sur le bouton Effacer tout au-dessus du champ de recherche ou décochez tous les filtres.
Les mots-clés et les filtres précisés sont affichés au-dessus du champ de recherche. Vous pouvez désélectionner l’un ou l’autre des éléments ou tous les éléments, pour préciser ou effacer votre recherche.

Comment préciser ma recherche

Vous pouvez entrer des mots-clés dans le champ de recherche. Il n’est pas nécessaire d’utiliser « + » ou « , » ou « ET ».
Vous pouvez supprimer certains mots-clés ou tous les mots-clés de votre chaîne de recherche.
Les mots-clés entre guillemets limitent la recherche à l’expression précise.
- Par exemple, si vous cherchez « Enquête sur la population active », vous obtiendrez seulement des documents contenant cette suite de mots.
Utilisez « ou » entre les mots-clés pour obtenir des résultats qui contiennent au moins l’un des termes recherchés.
- Par exemple, si vous cherchez enquête ou population ou active, vous obtiendrez seulement les documents contenant l’un ou l’autre de ces mots, ou tous ces mots.

Comment fonctionne la recherche

Cette forme de recherche fournira les résultats contenant le(s) mot(s) inscrit(s) dans le titre, la description, le sujet, la géographie, le numéro de produit ou toute autre information au sujet du produit.
- Par exemple, lorsque vous cherchez le mot « maladies », tous les résultats obtenus contiendront ce mot dans le titre, la description, ou le sujet.
La recherche ne se fait pas dans le texte des articles ou des publications. Pour faire une recherche plein texte dans les articles, utilisez la fonction de recherche du site.