XLSTAT: Gage R&R pour attributs dans Excel

Jeu de données pour une analyse de système de mesures (Gage R&R) pour attributs avec XLSTAT

Les données correspondent à l’évaluation de l’état de la peau de 15 patients par 5 juges sur 2 répétitions. L’état de la peau est évalué sur une échelle ordinale à 5 points : excellent, bon, moyen, médiocre, très mauvais. L’état est également évalué biologiquement pour obtenir des valeurs de référence.

Les données sont rangées dans un format tableau observations / variables, qui consiste en une colonne avec les noms des opérateurs, une autre avec les identificateurs des patients, une colonne avec les évaluations des juges et une dernière colonne avec les évaluations de référence. Une colonne supplémentaire contenant les numéros de répétition est fournie à titre d’information uniquement.

But de ce tutoriel

L’objectif de ce tutoriel est de mener une analyse de système de mesure Gage R&R pour les attributs afin de contrôler et de jauger la qualité d’un processus de mesure. Dans notre exemple, nous cherchons à apprécier les capacités de 5 opérateurs à évaluer visuellement l’état de la peau de 15 patients. Les résultats sont comparés à des valeurs de référence d’état de peau mesurées biologiquement.

Paramétrer une analyse Gage R&R pour attributs

Afin d’effectuer une analyse Gage R&R pour les attributs, aller sur  XLSTAT / Maîtrise Statistique des Procédés (MSP) / Analyse du Système de Mesures (Gage R&R) Attributs .
 
La boîte de dialogue correspondante apparaît.

Dans l’onglet Général , sélectionnez le format de données Tableau observations / variables (une colonne pour toutes les mesures). Ensuite, sélectionnez la colonne Etat estimé dans le champ Mesures . Activez l’option données ordinales . Sélectionnez la colonne Estimateur dans le champ Opérateurs et la colonne Patients dans le champ Pièces . Activez l’option Référence et sélectionnez la colonne Etat réel dans le champ Référence.

Dans l’onglet Options , activez toutes les statistiques et entrez 95 pour le pourcentage de l’intervalle de confiance.

Dans l’onglet Sorties , activez l’option Accord pour obtenir l’accord des évaluations.

Dans l’onglet Graphiques , activez les graphiques d’accord et les deux options intra-opérateur et opérateur versus référence.

Les calculs se lancent dès que vous cliquez sur OK . L’on vous demande de confirmer le nombre de lignes et de colonnes (ce message peut être passé en désélectionnant Demander la confirmation de sélection dans l’onglet de confirmation dans les options de XLSTAT).

Interpréter les résultats d’une analyse de système de mesures (Gage R&R)

Les résultats comportent 4 sections : intra-opérateur, entre les opérateurs, opérateur versus la référence et tous versus la référence. Dans chaque section, trois à quatre tableaux sont affichés.

Le premier tableau affiché est l’ accord sur l’évaluation . Pour la section intra-opérateur, on voit que 15 patients ont été évalués et que Léa est en accord avec elle-même sur les répétitions pour l’intégralité des 15 patients : 100% des patients ont reçu des estimations concordantes avec un intervalle de confiance à 95% allant de 81,90% à 100,00%. Louis est en accord avec lui-même uniquement pour 8 patients (53.33% des patients, avec un intervalle de confiance à 95% allant de 26,59% à 78,73%).

Le tableau de l’accord sur l’évaluation est résumé dans un graphique montrant le pourcentage d’accord pour chaque opérateur et l’intervalle de confiance associé.

Le deuxième tableau contient le Kappa de Fleiss :

• Pour chaque opérateur et chaque réponse dans les sections intra-opérateurs et opérateur versus la référence.

• Pour chaque réponse dans les sections entre les opérateurs et tous versus la référence.

Dans la section intra-opérateur , on voit que Léa affiche des Kappa de Fleiss de 1,00. En fait, elle est en accord total avec elle-même. Louis montre un Kappa de Fleiss global (overall) de 0,3878, significativement différent de 0 (p < 0,05). Généralement, des valeurs de Kappa supérieures à 0.75 reflètent un accord bon à excellent.

Le troisième tableau contient le Kappa de Cohen : - Pour chaque opérateur et chaque réponse dans les sections intra-opérateurs et opérateur versus la référence.

• Pour chaque réponse dans les sections entre les opérateurs et tous versus la référence.

Le Kappa de Cohen intra-opérateur ne peut être calculé pour chaque opérateur que s’il y a exactement deux répétitions pour chaque pièce (patient dans notre cas). Le Kappa de Cohen entre opérateurs ne peut être calculé qu’entre deux opérateurs avec une seule répétition.
Les Kappa de Cohen sont concordants avec les Kappa de Fleiss.

Le quatrième tableau contient le coefficient de concordance de Kendall pour chaque opérateur et chaque réponse dans les sections intra-opérateurs et opérateur versus la référence. Il contient le coefficient de corrélation de Kendall pour chaque réponse dans les sections entre les opérateurs et tous versus la référence.

Léa, Timothé et Zoe ont des coefficients de concordance de Kendall de 1,00, montrant une forte association entre les deux répétitions. Pierre a un coefficient de Kendall de 0,946, ce qui dénote également une forte association. Ces 4 coefficients sont associés à des p-values < 0,05. L’hypothèse nulle (coefficient = 0) est alors rejetée au risque alpha = 0,05. Louis a un coefficient de concordance de Kendall de 0,772 avec une p-value de 0,087. L’hypothèse nulle ne peut donc être rejetée dans ce cas.

Enfin, focalisons-nous sur le coefficient de corrélation de Kendall dans la section opérateur versus la référence. Les résultats indiquent une forte association entre les évaluations de Léa, Timothé et Zoe et la référence (coefficients de 1). Les associations entre les évaluations de Louis et la référence et celle de Pierre et la référence sont plus faibles (respectivement 0,735 et 0.516) mais toujours significativement différentes de zéro.

Conclusion

L’analyse de Gage R&R pour attributs dans XLSTAT nous a permis d’observer la cohérence de chaque opérateur avec la référence, mais aussi avec lui-même et avec les autres opérateurs. Cela nous permet d’évaluer leurs performances de répétabilité (cohérence avec eux-mêmes) et de reproductibilité (similitude des mesures entre différents opérateurs).