Etude bactériologique des infections urinaires au Centre Pasteur du Cameroun

I.2 Formulation du modèle et aide à l'interprétation des résultats du modèle9(*)

La variable étant qualitative, et n'admettant donc aucune échelle de mesure naturelle, l'on modélise en fait la probabilité qu'a la variable dépendante de prendre l'une ou l'autre de ses valeurs possibles. Il convient donc de trouver un moyen de représenter la probabilité qu'a la variable dépendante de prendre l'une ou l'autre de ses valeurs. L'on la représente intuitivement par une fonction de répartition. Ainsi, l'on parle de modèle de « régression » parce qu'il y a une variable dépendante et des variables explicatives, et « logistique » lorsque la fonction de répartition de la loi logistique est utilisée. L'on peut, en effet, utiliser d'autres fonctions de répartition. L'utilisation de la fonction de répartition d'une loi normale donne lieu au modèle de régression normal ou modèle probit. Le modèle de régression logistique est encore appelé modèle logit. L'on choisit généralement de coder la variable explicative en 0 et 1, c'est-à-dire

La modalité prise par y dépend d'un certain nombre de facteurs, notamment, dans notre cas, le sexe du patient, l'âge du patient.

De même, pour la sensibilité des principaux germes aux antibiotiques, on peut coder :

La modalité prise par Z dépend d'un certain nombre de facteurs, notamment, dans notre cas, le sexe du patient, l'âge du patient, le nombre de germe identifié chez le patient.

Les coefficients, dans le modèle de régression logistique sont généralement estimés par la méthode du maximum de vraisemblance^10(*).

Les coefficients en eux-mêmes ne sont pas interprétables. L'intérêt du modèle logit réside dans la transformation des coefficients afin d'obtenir des Odds Ratio (OR (rapport des cotes), dont l'interprétation est pertinente.

Pour une variable explicative qualitative à deux modalités, codées en 0 /1, si et désignent respectivement la probabilité de prendre les valeurs 1 et 0 respectivement, l'OR est obtenu par la formule . Dans le cadre de cette étude, il peut par exemple être égal au quotient des chances qu'a un homme d'avoir un ECBU positif (, si désigne la probabilité pour un homme d'avoir un ECBU positif) aux chances d'une femme d'avoir un ECBU positif (, si désigne la probabilité pour une femme d'avoir un ECBU positif).

D'une manière générale, l'OR d'une variable dont le coefficient estimé^11(*) est â est .

Le risque relatif, quant à lui est . L'on assimile quelques fois l'OR au risque relatif.

Les estimations seront faites à l'aide du logiciel SPSS. Ce logiciel estime d'abord le modèle avec constante uniquement et par la suite, introduit progressivement des variables. L'on peut alors observer, à travers le R-deux du modèle, si l'introduction d'une variable accroît le pouvoir prédictif du modèle.

* ⁹ Voir ANNEXE VI pour estimation des coefficients du modèle et les tests sur les paramètres

* ¹⁰ Voir annexe 9.

* ¹¹ Pour la méthode d'estimation et les tests, voir annexe.