Introduction à la régression logistique en odontologie

📋 Plan du Cours

1. Décisions cliniques binaires
2. Objectifs du modèle prédictif
3. Risque relatif et odds ratio
4. Modèle de régression logistique
5. Ajustement et coefficients du modèle
6. Sensibilité, spécificité et courbe ROC
7. Analyse de survie

📖 1. Décisions cliniques binaires

🔑 Notions clés & Définitions

• Résultats binaires : Résultats cliniques qui n’admettent que deux issues possibles, comme oui/non ou succès/échec.
• Régression logistique : Méthode statistique qui sert à estimer la probabilité d’un événement binaire à partir de variables explicatives.
• Facteurs de risque : Caractéristiques des patients ou des expositions associées à une augmentation de la probabilité d’un événement clinique.

📝 Points essentiels

• En odontologie, de nombreuses questions ont une réponse oui/non comme caries ou non, échec d’un implant ou non, et succès du traitement ou non.
• Les méthodes classiques ne sont pas adaptées à ce type de résultats binaires, alors que la régression logistique gère la nature dichotomique de la variable dépendante.
• La régression logistique permet d’estimer la probabilité d’un résultat clinique (événement oui/non) à partir de variables explicatives.
• Elle sert aussi à identifier des facteurs de risque tels que hygiène, âge ou tabac pour expliquer la survenue d’un échec.
• Un exemple donné est l’étude de l’influence du tabagisme sur le risque d’échec des implants.

📖 2. Objectifs du modèle prédictif