Vous avez besoin du test de McNemar ( http://en.wikipedia.org/wiki/McNemar%27s_test , http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3346204/ ). Voici un exemple:
1300 pts et 1300 contrôles appariés sont étudiés. Le statut de fumeur est présenté comme suit:
Normal
|no |yes|
Cancer|No |1000|40 |
|Yes |200 |60 |
Chaque entrée du tableau montre des informations sur une PAIRE CASE-CONTROL: 1000 signifie dans 1000 paires cas-témoins, ni l'un ni l'autre n'était un fumeur. 40 est le nombre de paires cas-témoins où le témoin était fumeur et non atteint de cancer, etc. Le code R suivant peut être utilisé pour générer cette table et effectuer le test de McNemar.
mat = as.table(rbind(c(1000, 40), c( 200, 60) ))
colnames(mat) <- rownames(mat) <- c("Nonsmoker", "Smoker")
names(dimnames(mat)) = c("Cancer", "Normal")
mat
# Normal
# Nonsmoker Smoker
# Cancer
# Nonsmoker 1000 40
# Smoker 200 60
mcnemar.test(mat)
# McNemar's Chi-squared test with continuity correction
#
#data: mat
#McNemar's chi-squared = 105.34, df = 1, p-value < 2.2e-16
Le test de McNemar est également utilisé pour évaluer l'effet d'une intervention sur une variable de résultat binaire. La paire de résultats avant-après est présentée et testée comme ci-dessus.
Edit: Exemple d'extension donné par @gung, si le statut de fumeur est répertorié dans votre dataframe mydf comme suit:
pairID cancer control
1 1 1
2 1 1
3 1 0
...
Le test McNemars peut être effectué avec les commandes R suivantes:
> tt = with(mydf, table(cancer, control))
> tt
control
cancer 0 1
0 5 1
1 3 2
> mcnemar.test(tt)
McNemar`s Chi-squared test with continuity correction
data: tt
McNemar`s chi-squared = 0.25, df = 1, p-value = 0.6171