Recherche par mot-clé
Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Sujet
- Comptes économiques (1)
- Éducation, formation et apprentissage (4)
- Immigration et diversité ethnoculturelle (1)
- Méthodes statistiques (38)
- Revenu, pensions, dépenses et richesse (1)
- Santé (4)
- Travail (2)
Résultats
Tout (44)
Tout (44) (0 à 10 de 44 résultats)
- Enquêtes et programmes statistiques — Documentation : 15-002-M2001001Description :
Dans ce document, on décrit les sources, les méthodes et les concepts utilisés par les Comptes canadiens de productivité et on les compare aux sources, aux méthodes et aux concepts...
Description :Dans ce document, on décrit les sources, les méthodes et les concepts utilisés par les Comptes canadiens de productivité et on les compare aux sources, aux méthodes et aux concepts américains.
Date de diffusion : 2004-12-24 - Articles et rapports : 11F0019M2004233Géographie : CanadaDescription :
Dans le système fédéral canadien de sélection des immigrants (qualifiés) appartenant à la catégorie économique, les études postsecondaires sont traitées comme s'il s'agissait d'un...
Description :Dans le système fédéral canadien de sélection des immigrants (qualifiés) appartenant à la catégorie économique, les études postsecondaires sont traitées comme s'il s'agissait d'un élément homogène, toute variation se situant sur le seul plan quantitatif. Toutefois, certaines provinces établissent des distinctions selon le domaine d'études postsecondaires. Ce produit permet d'explorer les conséquences sur le plan économique pour les hommes et les femmes ainsi que pour deux sous-groupes d'immigrants, soit ceux qui ont fait leurs études au Canada et ceux qui les ont faites ailleurs.
Le domaine d'études n'est pas observé pour expliquer bon nombre de différences au chapitre des gains entre les immigrants et les personnes nées au Canada, bien qu'il joue un rôle relativement plus important chez les hommes que chez les femmes. Fait intéressant à noter, malgré quelques exceptions, on remarque une tendance générale selon laquelle les différences entre les domaines à rémunération élevée et ceux à rémunération faible ne sont pas aussi grandes chez les immigrants que chez les personnes nées au Canada. De même, les prestations d'assistance sociale varient moins d'un domaine à l'autre pour les immigrants que pour les personnes nées au Canada. Néanmoins, il existe des différences considérables entre les domaines pour chaque groupe d'immigrants.
Date de diffusion : 2004-10-28 - Articles et rapports : 11-522-X20020016430Description :
Les méthodes de linéarisation (ou série de Taylor) sont souvent utilisées pour estimer les erreurs-types des coefficients des modèles de régression linéaire ajustés à des...
Description :Les méthodes de linéarisation (ou série de Taylor) sont souvent utilisées pour estimer les erreurs-types des coefficients des modèles de régression linéaire ajustés à des échantillons à phases multiples. Lorsque le nombre d'unités primaires d'échantillonnage (UPE) est grand, la linéarisation peut produire des valeurs précises d'erreurs-types dans des conditions assez générales. Par contre, si ce nombre est faible ou que la valeur d'un coefficient dépend en grande partie des données provenant d'un petit nombre d'UPE, les estimateurs par linéarisation peuvent présenter un biais négatif important.
Dans cet article, on définit les caractéristiques de la matrice de conception, qui biaisent fortement les erreurs-types estimées par la linéarisation des coefficients de régression linéaire. De plus, on propose une nouvelle méthode, appelée linéarisation à biais réduit (LBR), qui est fondée sur des résidus ajustés pour mieux évaluer approximativement la covariance des erreurs vraies. Si les erreurs sont indépendantes et pareillement distribuées, l'estimateur de LBR est sans biais pour la variance. En outre, une étude en simulation montre que la LBR peut réduire considérablement le biais, même si les erreurs ne sont pas indépendantes et pareillement distribuées. On propose aussi d'utiliser une approximation de Satterthwaite pour déterminer le nombre de degrés de liberté de la distribution de référence à l'égard des tests et des intervalles de confiance qui ont trait aux combinaisons linéaires de coefficients fondés sur l'estimateur de LBR. On démontre que l'estimateur de la variance jackknife a aussi tendance à être biaisé dans les situations où la linéarisation est faussée. Cependant, le biais du jackknife est généralement positif. L'estimateur par linéarisation à biais réduit peut être considéré comme un compromis entre l'estimateur par linéarisation standard et celui du jackknife.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016708Description :
Cette étude traite de l'analyse des données d'enquêtes complexes sur la santé par des méthodes de modélisation multivariées. L'étude porte principalement sur diverses méthodes basées...
Description :Cette étude traite de l'analyse des données d'enquêtes complexes sur la santé par des méthodes de modélisation multivariées. L'étude porte principalement sur diverses méthodes basées sur le plan d'échantillonnage ou basées sur un modèle qui visent à tenir compte de la complexité du plan d'échantillonnage, y compris la mise en grappes, la stratification et la pondération. Les méthodes étudiées incluent la modélisation linéaire généralisée fondée sur la pseudo-méthode de vraisemblance et les équations d'estimations généralisées, les modèles linéaires mixtes estimés par le maximum de vraisemblance restreint et les techniques hiérarchiques bayesiennes basées sur les méthodes de simulation de Monte Carlo d'une chaîne de Markov (MCMC). On compare empiriquement les méthodes sur des données provenant d'une grande enquête comprenant une interview sur la santé et un examen physique réalisés en Finlande en 2000 (Health 2000 Study).
Les données de la Health 2000 Study ont été recueillies au moyen d'interviews sur place, de questionnaires et d'examens cliniques. L'enquête a été réalisée auprès d'un échantillon en grappes stratifié à deux degrés. Le plan d'échantillonnage comportait des corrélations intra grappes positives pour nombre de variables étudiées. En vue d'une étude plus approfondie, on a choisi un petit nombre de variables tirées des volets de l'interview sur la santé et de l'examen clinique. Dans de nombreux cas, les diverses méthodes ont produit des résultats numériques comparables et appuyés des conclusions statistiques similaires. Celles qui ne tenaient pas compte de la complexité du plan d'échantillonnage ont parfois produit des conclusions contradictoires. On discute aussi de l'application des méthodes lors de l'utilisation de logiciels statistiques standards.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016712Description :
Dans cet article, on considère l'effet de la censure par intervalle du moment du renoncement sur l'estimation des paramètres d'intensité en ce qui concerne le renoncement au tabac et...
Description :Dans cet article, on considère l'effet de la censure par intervalle du moment du renoncement sur l'estimation des paramètres d'intensité en ce qui concerne le renoncement au tabac et la grossesse. Les données recueillies lors des trois cycles de l'Enquête nationale sur la santé de la population permettent d'appliquer les méthodes d'analyse de la chronologie des événements à l'étude du commencement de l'usage du tabac, du renoncement au tabac et de la rechute. L'une des questions étudiées est la relation entre le renoncement au tabac et la grossesse. Si une répondante longitudinale qui fumait lors du premier cycle a cessé de fumer lors du deuxième, on connaît le moment du renoncement au tabac à plus ou moins un an près, puisqu'on demande à la répondante l'âge auquel elle a cessé de fumer et qu'on connaît sa date de naissance. On sait également si elle était enceinte au moment du deuxième cycle et si elle a donné naissance depuis l'interview du premier cycle. Pour de nombreux sujets, on connaît la date de conception à un intervalle de temps près assez faible. Si l'on connaissait exactement le moment du renoncement au tabac et la période de la grossesse pour chaque membre du panel longitudinal qui a vécu l'un ou l'autre de ces événements entre deux cycles, on pourrait modéliser leur lien temporel d'après leurs intensités.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016714Description :
Dans cet article de nature très technique, on illustre l'application de la méthode de l'estimateur de la variance par le jackknife avec suppression d'un groupe à une étude...
Description :Dans cet article de nature très technique, on illustre l'application de la méthode de l'estimateur de la variance par le jackknife avec suppression d'un groupe à une étude longitudinale complexe à plusieurs cycles, montrant son utilité pour les modèles de régression linéaire et d'autres modèles analytiques. L'estimateur de la variance par le jackknife avec suppression d'un groupe représente un outil fort utile de mesure de la variance en cas de plan d'échantillonnage complexe. Cette méthode consiste à : diviser l'échantillon de premier degré en groupes mutuellement exclusifs et de variances presque égales; supprimer un groupe à la fois pour créer un ensemble de répétitions; procéder, sur chaque répétition, à des redressements par pondération analogues à ceux effectués sur l'échantillon dans son ensemble. L'estimation de la variance se fait selon la méthode usuelle (non stratifiée) du jackknife.
On applique la méthode au Chicago Health and Aging Project (CHAP), une étude longitudinale communautaire visant à examiner les facteurs de risque de problèmes de santé chroniques chez les personnes âgées. L'un des objectifs importants de l'étude est d'examiner les facteurs de risque de la manifestation de la maladie d'Alzheimer. Le plan de sondage courant du CHAP comprend deux composantes : (1) Tous les trois ans, l'ensemble des membres survivants de la cohorte sont interviewés sur divers sujets liés à la santé. Ces interviews incluent des mesures des fonctions cognitives et physiques. (2) Durant chaque cycle de collecte des données, un échantillon de Poisson stratifié est sélectionné parmi les répondants à l'interview couvrant la population dans son ensemble afin de procéder à un examen clinique détaillé et à des tests neuropsychologiques. Pour étudier les facteurs de risque liés aux nouveaux cas de maladie, on définit une cohorte de personnes « exemptes de la maladie » au point précédent dans le temps et celle-ci forme une strate importante dans la base de sondage.
On donne des preuves de l'applicabilité théorique du jackknife avec suppression d'un groupe à des estimateurs particuliers dans les conditions de cet échantillonnage de Poisson, en accordant l'attention nécessaire à la distinction entre l'inférence en population finie et en population infinie (modèle). En outre, on examine le problème de la détermination du « nombre correct » des groupes de variance.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016717Description :
Aux États-Unis, la National Health and Nutrition Examination Survey (NHANES) est couplée à la National Health Interview Survey (NHIS) au niveau de l'unité primaire d'échantillonnage...
Description :Aux États-Unis, la National Health and Nutrition Examination Survey (NHANES) est couplée à la National Health Interview Survey (NHIS) au niveau de l'unité primaire d'échantillonnage (les mêmes comtés, mais pas nécessairement les mêmes personnes, participent aux deux enquêtes). La NHANES est réalisée auprès d'environ 5 000 personnes par année, tandis que la NHIS l'est auprès d'environ 100 000 personnes par année. Dans cet article, on expose les propriétés de modèles qui permettent d'utiliser les données de la NHIS et des données administratives comme information auxiliaire pour estimer les valeurs des variables étudiées dans le cadre de la NHANES. La méthode, qui est apparentée aux modèles régionaux de Fay Herriot (1979) et aux estimateurs par calage de Deville et Sarndal (1992), tient compte des plans de sondage dans la structure de l'erreur.
Date de diffusion : 2004-09-13 - 8. Obtention d'estimations régionales de la prévalence des facteurs de risque liés au cancer ArchivéArticles et rapports : 11-522-X20020016718Description :
Les études de surveillance du cancer nécessitent des estimations exactes des facteurs de risque à l'échelon régional. Ces données sur les facteurs de risque proviennent souvent...
Description :Les études de surveillance du cancer nécessitent des estimations exactes des facteurs de risque à l'échelon régional. Ces données sur les facteurs de risque proviennent souvent d'enquêtes comme la National Health Interview Survey (NHIS) ou la Behavioral Risk Factors Surveillance Survey (BRFSS). Malheureusement, aucune enquête avec échantillon représentatif de la population ne fournit des estimations idéales de la prévalence de ces facteurs de risque.
Une stratégie consiste à rassembler l'information provenant d'enquêtes multiples en tablant sur les points forts complémentaires d'une enquête pour compenser les faiblesses d'une autre. La NHIS est une enquête nationale par interview directe ayant un taux de réponse élevé; cependant, elle ne permet pas de produire des estimations de la prévalence des facteurs de risque à l'échelon de l'État ou à l'échelon infra État, parce que la taille des échantillons est trop faible. La BRFSS est une enquête téléphonique à l'échelon de l'État dont sont exclus les ménages n'ayant pas le téléphone et dont le taux de réponse est faible, mais elle fournit des tailles d'échantillon raisonnables pour tous les États et pour de nombreux comtés. Plusieurs méthodes existent pour construire des estimateurs régionaux qui rassemblent de l'information provenant de la NHIS et de la BRFSS, y compris des estimateurs directs, des estimateurs à modèles hiérarchiques bayesiens et des estimateurs assistés par modèle. Cet article porte principalement sur les derniers; on construit des estimateurs de régression généralisée (GREG) et des estimateurs de la « distance minimale », et on utilise des techniques existantes et récemment mises au point de lissage régional pour lisser les estimateurs résultants.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016719Description :
Dans cette étude, on examine les méthodes de modélisation utilisées pour les données sur la santé publique. Les spécialistes de la santé publique manifestent un regain d'intérêt pour...
Description :Dans cette étude, on examine les méthodes de modélisation utilisées pour les données sur la santé publique. Les spécialistes de la santé publique manifestent un regain d'intérêt pour l'étude des effets de l'environnement sur la santé. Idéalement, les études écologiques ou contextuelles explorent ces liens au moyen de données sur la santé publique étoffées de données sur les caractéristiques environnementales à l'aide de modèles multiniveaux ou hiérarchiques. Dans ces modèles, le premier niveau correspond aux données des personnes sur la santé et le deuxième, aux données des collectivités. La plupart des données sur la santé publique proviennent d'enquêtes à plan d'échantillonnage complexe qui obligent, lors de l'analyse, à tenir compte de la mise en grappes, de la non-réponse et de la post-stratification pour obtenir des estimations représentatives de la prévalence des comportements posant un risque pour la santé.
Cette étude est basée sur le Behavioral Risk Factor Surveillance System (BRFSS). Il s'agit d'un système américain de surveillance des facteurs de risque pour la santé selon l'État exploité par les Centers for Disease Control and Prevention en vue d'évaluer chaque année les facteurs de risque pour la santé chez plus de 200 000 adultes. Les données du BRFSS sont maintenant produites à l'échelle de la région métropolitaine statistique (MSA pour metropolitan statistical area) et fournissent des données de qualité sur la santé pour les études des effets de l'environnement. Les exigences conjuguées du plan d'échantillonnage et des analyses à plusieurs niveaux compliquent encore davantage les analyses à l'échelle de la MSA combinant les données sur la santé et sur l'environnement.
On compare trois méthodes de modélisation dans le cadre d'une étude sur l'activité physique et certains facteurs environnementaux à l'aide de données du BRFSS de 2000. Chaque méthode décrite ici est un moyen valide d'analyser des données d'enquête à plan d'échantillonnage complexe complétées de données environnementales, quoique chacune tienne compte de façon différente du plan d'échantillonnage et de la structure multiniveau des données. Ces méthodes conviennent donc à l'étude de questions légèrement différentes.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016722Géographie : CanadaDescription :
Le cancer du côlon et du rectum (CCR) est la deuxième cause de décès par cancer au Canada. Des essais randomisés avec témoins ont montré l'efficacité du dépistage par recherche du...
Description :Le cancer du côlon et du rectum (CCR) est la deuxième cause de décès par cancer au Canada. Des essais randomisés avec témoins ont montré l'efficacité du dépistage par recherche du sang occulte dans les selles. Toutefois, il est nécessaire de procéder à une évaluation complète des coûts et des conséquences du dépistage du CCR pour la population canadienne avant de mettre en oeuvre un tel programme. Dans le cadre de cet article, on évalue la rentabilité du dépistage du CCR. Les résultats de ces simulations seront transmis au Comité national sur le dépistage du cancer colorectal du Canada en vue de faciliter la formulation de recommandations quant à la politique nationale à adopter.
Le modèle de microsimulation de la santé de la population de Statistique Canada a été mis à jour afin d'y intégrer un module complet de dépistage du CCR fondé sur des données canadiennes et les résultats d'évaluation de l'efficacité du dépistage des essais randomisés avec témoins. Le module englobe des données sur la sensibilité et sur la spécificité de la recherche du sang occulte dans les selles et de la coloscopie, les taux de participation, l'incidence, la classification par stade, les options diagnostiques et thérapeutiques, l'évolution de la maladie, la mortalité et les coûts directs en services de santé pour divers scénarios de dépistage. Fait à noter, la reproduction de la réduction de la mortalité observée au moment de l'essai de dépistage de Funen a permis de valider ce modèle.
Date de diffusion : 2004-09-13
Données (0)
Données (0) (0 résultat)
Aucun contenu disponible actuellement
Analyses (43)
Analyses (43) (0 à 10 de 43 résultats)
- Articles et rapports : 11F0019M2004233Géographie : CanadaDescription :
Dans le système fédéral canadien de sélection des immigrants (qualifiés) appartenant à la catégorie économique, les études postsecondaires sont traitées comme s'il s'agissait d'un...
Description :Dans le système fédéral canadien de sélection des immigrants (qualifiés) appartenant à la catégorie économique, les études postsecondaires sont traitées comme s'il s'agissait d'un élément homogène, toute variation se situant sur le seul plan quantitatif. Toutefois, certaines provinces établissent des distinctions selon le domaine d'études postsecondaires. Ce produit permet d'explorer les conséquences sur le plan économique pour les hommes et les femmes ainsi que pour deux sous-groupes d'immigrants, soit ceux qui ont fait leurs études au Canada et ceux qui les ont faites ailleurs.
Le domaine d'études n'est pas observé pour expliquer bon nombre de différences au chapitre des gains entre les immigrants et les personnes nées au Canada, bien qu'il joue un rôle relativement plus important chez les hommes que chez les femmes. Fait intéressant à noter, malgré quelques exceptions, on remarque une tendance générale selon laquelle les différences entre les domaines à rémunération élevée et ceux à rémunération faible ne sont pas aussi grandes chez les immigrants que chez les personnes nées au Canada. De même, les prestations d'assistance sociale varient moins d'un domaine à l'autre pour les immigrants que pour les personnes nées au Canada. Néanmoins, il existe des différences considérables entre les domaines pour chaque groupe d'immigrants.
Date de diffusion : 2004-10-28 - Articles et rapports : 11-522-X20020016430Description :
Les méthodes de linéarisation (ou série de Taylor) sont souvent utilisées pour estimer les erreurs-types des coefficients des modèles de régression linéaire ajustés à des...
Description :Les méthodes de linéarisation (ou série de Taylor) sont souvent utilisées pour estimer les erreurs-types des coefficients des modèles de régression linéaire ajustés à des échantillons à phases multiples. Lorsque le nombre d'unités primaires d'échantillonnage (UPE) est grand, la linéarisation peut produire des valeurs précises d'erreurs-types dans des conditions assez générales. Par contre, si ce nombre est faible ou que la valeur d'un coefficient dépend en grande partie des données provenant d'un petit nombre d'UPE, les estimateurs par linéarisation peuvent présenter un biais négatif important.
Dans cet article, on définit les caractéristiques de la matrice de conception, qui biaisent fortement les erreurs-types estimées par la linéarisation des coefficients de régression linéaire. De plus, on propose une nouvelle méthode, appelée linéarisation à biais réduit (LBR), qui est fondée sur des résidus ajustés pour mieux évaluer approximativement la covariance des erreurs vraies. Si les erreurs sont indépendantes et pareillement distribuées, l'estimateur de LBR est sans biais pour la variance. En outre, une étude en simulation montre que la LBR peut réduire considérablement le biais, même si les erreurs ne sont pas indépendantes et pareillement distribuées. On propose aussi d'utiliser une approximation de Satterthwaite pour déterminer le nombre de degrés de liberté de la distribution de référence à l'égard des tests et des intervalles de confiance qui ont trait aux combinaisons linéaires de coefficients fondés sur l'estimateur de LBR. On démontre que l'estimateur de la variance jackknife a aussi tendance à être biaisé dans les situations où la linéarisation est faussée. Cependant, le biais du jackknife est généralement positif. L'estimateur par linéarisation à biais réduit peut être considéré comme un compromis entre l'estimateur par linéarisation standard et celui du jackknife.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016708Description :
Cette étude traite de l'analyse des données d'enquêtes complexes sur la santé par des méthodes de modélisation multivariées. L'étude porte principalement sur diverses méthodes basées...
Description :Cette étude traite de l'analyse des données d'enquêtes complexes sur la santé par des méthodes de modélisation multivariées. L'étude porte principalement sur diverses méthodes basées sur le plan d'échantillonnage ou basées sur un modèle qui visent à tenir compte de la complexité du plan d'échantillonnage, y compris la mise en grappes, la stratification et la pondération. Les méthodes étudiées incluent la modélisation linéaire généralisée fondée sur la pseudo-méthode de vraisemblance et les équations d'estimations généralisées, les modèles linéaires mixtes estimés par le maximum de vraisemblance restreint et les techniques hiérarchiques bayesiennes basées sur les méthodes de simulation de Monte Carlo d'une chaîne de Markov (MCMC). On compare empiriquement les méthodes sur des données provenant d'une grande enquête comprenant une interview sur la santé et un examen physique réalisés en Finlande en 2000 (Health 2000 Study).
Les données de la Health 2000 Study ont été recueillies au moyen d'interviews sur place, de questionnaires et d'examens cliniques. L'enquête a été réalisée auprès d'un échantillon en grappes stratifié à deux degrés. Le plan d'échantillonnage comportait des corrélations intra grappes positives pour nombre de variables étudiées. En vue d'une étude plus approfondie, on a choisi un petit nombre de variables tirées des volets de l'interview sur la santé et de l'examen clinique. Dans de nombreux cas, les diverses méthodes ont produit des résultats numériques comparables et appuyés des conclusions statistiques similaires. Celles qui ne tenaient pas compte de la complexité du plan d'échantillonnage ont parfois produit des conclusions contradictoires. On discute aussi de l'application des méthodes lors de l'utilisation de logiciels statistiques standards.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016712Description :
Dans cet article, on considère l'effet de la censure par intervalle du moment du renoncement sur l'estimation des paramètres d'intensité en ce qui concerne le renoncement au tabac et...
Description :Dans cet article, on considère l'effet de la censure par intervalle du moment du renoncement sur l'estimation des paramètres d'intensité en ce qui concerne le renoncement au tabac et la grossesse. Les données recueillies lors des trois cycles de l'Enquête nationale sur la santé de la population permettent d'appliquer les méthodes d'analyse de la chronologie des événements à l'étude du commencement de l'usage du tabac, du renoncement au tabac et de la rechute. L'une des questions étudiées est la relation entre le renoncement au tabac et la grossesse. Si une répondante longitudinale qui fumait lors du premier cycle a cessé de fumer lors du deuxième, on connaît le moment du renoncement au tabac à plus ou moins un an près, puisqu'on demande à la répondante l'âge auquel elle a cessé de fumer et qu'on connaît sa date de naissance. On sait également si elle était enceinte au moment du deuxième cycle et si elle a donné naissance depuis l'interview du premier cycle. Pour de nombreux sujets, on connaît la date de conception à un intervalle de temps près assez faible. Si l'on connaissait exactement le moment du renoncement au tabac et la période de la grossesse pour chaque membre du panel longitudinal qui a vécu l'un ou l'autre de ces événements entre deux cycles, on pourrait modéliser leur lien temporel d'après leurs intensités.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016714Description :
Dans cet article de nature très technique, on illustre l'application de la méthode de l'estimateur de la variance par le jackknife avec suppression d'un groupe à une étude...
Description :Dans cet article de nature très technique, on illustre l'application de la méthode de l'estimateur de la variance par le jackknife avec suppression d'un groupe à une étude longitudinale complexe à plusieurs cycles, montrant son utilité pour les modèles de régression linéaire et d'autres modèles analytiques. L'estimateur de la variance par le jackknife avec suppression d'un groupe représente un outil fort utile de mesure de la variance en cas de plan d'échantillonnage complexe. Cette méthode consiste à : diviser l'échantillon de premier degré en groupes mutuellement exclusifs et de variances presque égales; supprimer un groupe à la fois pour créer un ensemble de répétitions; procéder, sur chaque répétition, à des redressements par pondération analogues à ceux effectués sur l'échantillon dans son ensemble. L'estimation de la variance se fait selon la méthode usuelle (non stratifiée) du jackknife.
On applique la méthode au Chicago Health and Aging Project (CHAP), une étude longitudinale communautaire visant à examiner les facteurs de risque de problèmes de santé chroniques chez les personnes âgées. L'un des objectifs importants de l'étude est d'examiner les facteurs de risque de la manifestation de la maladie d'Alzheimer. Le plan de sondage courant du CHAP comprend deux composantes : (1) Tous les trois ans, l'ensemble des membres survivants de la cohorte sont interviewés sur divers sujets liés à la santé. Ces interviews incluent des mesures des fonctions cognitives et physiques. (2) Durant chaque cycle de collecte des données, un échantillon de Poisson stratifié est sélectionné parmi les répondants à l'interview couvrant la population dans son ensemble afin de procéder à un examen clinique détaillé et à des tests neuropsychologiques. Pour étudier les facteurs de risque liés aux nouveaux cas de maladie, on définit une cohorte de personnes « exemptes de la maladie » au point précédent dans le temps et celle-ci forme une strate importante dans la base de sondage.
On donne des preuves de l'applicabilité théorique du jackknife avec suppression d'un groupe à des estimateurs particuliers dans les conditions de cet échantillonnage de Poisson, en accordant l'attention nécessaire à la distinction entre l'inférence en population finie et en population infinie (modèle). En outre, on examine le problème de la détermination du « nombre correct » des groupes de variance.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016717Description :
Aux États-Unis, la National Health and Nutrition Examination Survey (NHANES) est couplée à la National Health Interview Survey (NHIS) au niveau de l'unité primaire d'échantillonnage...
Description :Aux États-Unis, la National Health and Nutrition Examination Survey (NHANES) est couplée à la National Health Interview Survey (NHIS) au niveau de l'unité primaire d'échantillonnage (les mêmes comtés, mais pas nécessairement les mêmes personnes, participent aux deux enquêtes). La NHANES est réalisée auprès d'environ 5 000 personnes par année, tandis que la NHIS l'est auprès d'environ 100 000 personnes par année. Dans cet article, on expose les propriétés de modèles qui permettent d'utiliser les données de la NHIS et des données administratives comme information auxiliaire pour estimer les valeurs des variables étudiées dans le cadre de la NHANES. La méthode, qui est apparentée aux modèles régionaux de Fay Herriot (1979) et aux estimateurs par calage de Deville et Sarndal (1992), tient compte des plans de sondage dans la structure de l'erreur.
Date de diffusion : 2004-09-13 - 7. Obtention d'estimations régionales de la prévalence des facteurs de risque liés au cancer ArchivéArticles et rapports : 11-522-X20020016718Description :
Les études de surveillance du cancer nécessitent des estimations exactes des facteurs de risque à l'échelon régional. Ces données sur les facteurs de risque proviennent souvent...
Description :Les études de surveillance du cancer nécessitent des estimations exactes des facteurs de risque à l'échelon régional. Ces données sur les facteurs de risque proviennent souvent d'enquêtes comme la National Health Interview Survey (NHIS) ou la Behavioral Risk Factors Surveillance Survey (BRFSS). Malheureusement, aucune enquête avec échantillon représentatif de la population ne fournit des estimations idéales de la prévalence de ces facteurs de risque.
Une stratégie consiste à rassembler l'information provenant d'enquêtes multiples en tablant sur les points forts complémentaires d'une enquête pour compenser les faiblesses d'une autre. La NHIS est une enquête nationale par interview directe ayant un taux de réponse élevé; cependant, elle ne permet pas de produire des estimations de la prévalence des facteurs de risque à l'échelon de l'État ou à l'échelon infra État, parce que la taille des échantillons est trop faible. La BRFSS est une enquête téléphonique à l'échelon de l'État dont sont exclus les ménages n'ayant pas le téléphone et dont le taux de réponse est faible, mais elle fournit des tailles d'échantillon raisonnables pour tous les États et pour de nombreux comtés. Plusieurs méthodes existent pour construire des estimateurs régionaux qui rassemblent de l'information provenant de la NHIS et de la BRFSS, y compris des estimateurs directs, des estimateurs à modèles hiérarchiques bayesiens et des estimateurs assistés par modèle. Cet article porte principalement sur les derniers; on construit des estimateurs de régression généralisée (GREG) et des estimateurs de la « distance minimale », et on utilise des techniques existantes et récemment mises au point de lissage régional pour lisser les estimateurs résultants.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016719Description :
Dans cette étude, on examine les méthodes de modélisation utilisées pour les données sur la santé publique. Les spécialistes de la santé publique manifestent un regain d'intérêt pour...
Description :Dans cette étude, on examine les méthodes de modélisation utilisées pour les données sur la santé publique. Les spécialistes de la santé publique manifestent un regain d'intérêt pour l'étude des effets de l'environnement sur la santé. Idéalement, les études écologiques ou contextuelles explorent ces liens au moyen de données sur la santé publique étoffées de données sur les caractéristiques environnementales à l'aide de modèles multiniveaux ou hiérarchiques. Dans ces modèles, le premier niveau correspond aux données des personnes sur la santé et le deuxième, aux données des collectivités. La plupart des données sur la santé publique proviennent d'enquêtes à plan d'échantillonnage complexe qui obligent, lors de l'analyse, à tenir compte de la mise en grappes, de la non-réponse et de la post-stratification pour obtenir des estimations représentatives de la prévalence des comportements posant un risque pour la santé.
Cette étude est basée sur le Behavioral Risk Factor Surveillance System (BRFSS). Il s'agit d'un système américain de surveillance des facteurs de risque pour la santé selon l'État exploité par les Centers for Disease Control and Prevention en vue d'évaluer chaque année les facteurs de risque pour la santé chez plus de 200 000 adultes. Les données du BRFSS sont maintenant produites à l'échelle de la région métropolitaine statistique (MSA pour metropolitan statistical area) et fournissent des données de qualité sur la santé pour les études des effets de l'environnement. Les exigences conjuguées du plan d'échantillonnage et des analyses à plusieurs niveaux compliquent encore davantage les analyses à l'échelle de la MSA combinant les données sur la santé et sur l'environnement.
On compare trois méthodes de modélisation dans le cadre d'une étude sur l'activité physique et certains facteurs environnementaux à l'aide de données du BRFSS de 2000. Chaque méthode décrite ici est un moyen valide d'analyser des données d'enquête à plan d'échantillonnage complexe complétées de données environnementales, quoique chacune tienne compte de façon différente du plan d'échantillonnage et de la structure multiniveau des données. Ces méthodes conviennent donc à l'étude de questions légèrement différentes.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016722Géographie : CanadaDescription :
Le cancer du côlon et du rectum (CCR) est la deuxième cause de décès par cancer au Canada. Des essais randomisés avec témoins ont montré l'efficacité du dépistage par recherche du...
Description :Le cancer du côlon et du rectum (CCR) est la deuxième cause de décès par cancer au Canada. Des essais randomisés avec témoins ont montré l'efficacité du dépistage par recherche du sang occulte dans les selles. Toutefois, il est nécessaire de procéder à une évaluation complète des coûts et des conséquences du dépistage du CCR pour la population canadienne avant de mettre en oeuvre un tel programme. Dans le cadre de cet article, on évalue la rentabilité du dépistage du CCR. Les résultats de ces simulations seront transmis au Comité national sur le dépistage du cancer colorectal du Canada en vue de faciliter la formulation de recommandations quant à la politique nationale à adopter.
Le modèle de microsimulation de la santé de la population de Statistique Canada a été mis à jour afin d'y intégrer un module complet de dépistage du CCR fondé sur des données canadiennes et les résultats d'évaluation de l'efficacité du dépistage des essais randomisés avec témoins. Le module englobe des données sur la sensibilité et sur la spécificité de la recherche du sang occulte dans les selles et de la coloscopie, les taux de participation, l'incidence, la classification par stade, les options diagnostiques et thérapeutiques, l'évolution de la maladie, la mortalité et les coûts directs en services de santé pour divers scénarios de dépistage. Fait à noter, la reproduction de la réduction de la mortalité observée au moment de l'essai de dépistage de Funen a permis de valider ce modèle.
Date de diffusion : 2004-09-13 - Articles et rapports : 11-522-X20020016724Description :
Certains des modèles statistiques utilisés le plus fréquemment sont ajustés par la méthode du maximum de vraisemblance (ML, pour « maximum likelihood ») ou une extension de cette...
Description :Certains des modèles statistiques utilisés le plus fréquemment sont ajustés par la méthode du maximum de vraisemblance (ML, pour « maximum likelihood ») ou une extension de cette dernière. La commande « ML » de Stata fournit aux chercheurs et aux analystes un outil qui leur permet de développer des commandes d'estimations en vue d'ajuster leurs modèles en se servant de leurs propres données. Ces modèles peuvent inclure des équations multiples, des observations sur grappes, des poids d'échantillonnage et d'autres caractéristiques du plan de sondage. Tous ces éléments sont examinés dans le cadre de cet article.
Date de diffusion : 2004-09-13
- Précédent Go to previous page of Analyses results
- 1 (actuel) Aller à la page 1 des résultats «!tag»
- 2 Aller à la page 2 des résultats «!tag»
- 3 Aller à la page 3 des résultats «!tag»
- 4 Aller à la page 4 des résultats «!tag»
- 5 Aller à la page 5 des résultats «!tag»
- Suivant Go to next page of Analyses results
Références (1)
Références (1) ((1 résultat))
- Enquêtes et programmes statistiques — Documentation : 15-002-M2001001Description :
Dans ce document, on décrit les sources, les méthodes et les concepts utilisés par les Comptes canadiens de productivité et on les compare aux sources, aux méthodes et aux concepts...
Description :Dans ce document, on décrit les sources, les méthodes et les concepts utilisés par les Comptes canadiens de productivité et on les compare aux sources, aux méthodes et aux concepts américains.
Date de diffusion : 2004-12-24
- Date de modification :
Aide liée à la recherche
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.
Aide pour trier les résultats
De quelle façon les résultats seront-ils présentés?
La fonction Trier par vous offre les trois options suivantes :
- Par date – Trie les résultats par date de diffusion des produits, en commençant par le plus récent.
- Par pertinence – N’est nécessaire ou utile que lorsque vous utilisez le champ de recherche pour lancer votre recherche. Les résultats sont classés en fonction d’une combinaison de facteurs, notamment l’emplacement des termes recherchés dans le contenu (p. ex. s’ils figurent dans le titre, il est probable que le produit soit plus pertinent pour votre recherche), l’actualité ou la nouveauté du contenu du produit et la popularité du produit.
- Par titre – Trie les résultats en ordre alphabétique.
Aide pour trier les résultats
De quelle façon les résultats seront-ils présentés?
La fonction Trier par vous offre les quatre options suivantes :
- Par date – Trie les résultats par date de diffusion des produits, en commençant par le plus récent.
- Par pertinence – N’est nécessaire ou utile que lorsque vous utilisez le champ de recherche pour lancer votre recherche. Les résultats sont classés en fonction d’une combinaison de facteurs, notamment l’emplacement des termes recherchés dans le contenu (p. ex. s’ils figurent dans le titre, il est probable que le produit soit plus pertinent pour votre recherche), l’actualité ou la nouveauté du contenu du produit et la popularité du produit.
- Par popularité – Donne la priorité aux résultats qui sont le plus souvent sélectionnés par les utilisateurs, puis aux plus récents.
- Par titre – Trie les résultats en ordre alphabétique.