Analyses principales

l’échantillon sur chacune des variables à l’étude. La normalité de la distribution de chaque variable, ainsi que la présence de données aberrantes univariées et multivariées ont été vérifiées, mais aucune transformation n’a été nécessaire.

5.2 Analyses principales

Dans le but de répondre au premier objectif, c’est-à-dire examiner les effets de la GL sur la perte de poids à huit mois post-chirurgie, la PEP a été calculée en utilisant la

formule suivante : [(IMC T0 – IMC T8mois) / (IMC T0 - 25) x 100]. Ensuite, pour

examiner les effets de la GL sur les variables alimentaires, cinq analyses de variances univariées (ANOVA) à mesures répétées ont été effectuées, permettant de vérifier la présence de différences significatives entre le T0 et le T8mois pour les cinq variables alimentaires (scores aux questionnaires) à l’étude; DA, désinhibition alimentaire, restriction alimentaire, susceptibilité à la faim et préoccupations par rapport au poids. Il était justifié de prioriser les ANOVAS aux MANOVAS, considérant le nombre élevé de données manquantes et la significativité du test multivarié pour certaines variables dépendantes (ex. : désinhibition et susceptibilité à la faim). Les coefficients d’éta-carré partiels ont aussi été calculés afin de mesurer les tailles d’effets (0.01 = effet de petite taille, 0.06 = effet modéré, 0.14 = effet de grande taille) (Cohen, 1988).

En ce qui concerne le deuxième objectif, des corrélations bivariées de Pearson ont été testées, afin de documenter les relations entre la PEP et les scores obtenus aux questionnaires évaluant les comportements alimentaires au T0 et au T8mois, de même qu’entre les variables alimentaires entre elles. La force des relations entre les variables est qualifiée à partir des balises de Cohen (1988) concernant la taille d’effet (0.10 = corrélation faible ou effet de petite taille, 0.30 = corrélation moyenne ou effet de taille moyenne, 0.50 = corrélation forte ou effet de grande taille).

Enfin, pour répondre au dernier objectif et analyser la perte de poids à l’aide de trajectoires, le programme PROC TRAJ de la version 9.0 de SAS a été utilisé. Une Modélisation de Classes Latentes pour Courbes de Croissance (MCLCC), aussi appelée

Modélisation de Trajectoires fondée sur le Groupement (MTG), a été effectuée avec PROC TRAJ, afin d’obtenir ces différentes trajectoires de perte de poids. La MCLCC est une procédure statistique semi-paramétrique qui permet de former des sous-groupes de personnes, en se basant sur leurs patrons de changement dans le temps sur une variable dépendante, soit l’IMC entre quatre, huit et dix-huit mois pour la présente étude. Contrairement aux analyses de courbes de croissances paramétriques où il est assumé que la population suit une seule trajectoire moyenne, la MCLCC postule l’existence de différentes trajectoires dans la population, chacune d’entre elles correspondant à un sous- groupe au sein duquel les individus sont considérés comme homogènes. Une probabilité (0 à 1) d’appartenir à chaque sous-groupe de trajectoire latent est attribuée à chaque participant en se basant sur le changement de l’IMC aux différents temps de mesures. De cette façon, chaque participant est associé au sous-groupe de trajectoire auquel il a la plus forte probabilité d’appartenir. Le nombre de trajectoires optimales repose sur le critère d’information bayésien (BIC) qui indique à quel point un modèle de trajectoires est adéquat et ajusté (Andruff, Carraro, Thompson, Gaudreau et Louvet, 2013). Un modèle est d’abord testé avec une seule trajectoire, soit en formant un seul groupe avec l’échantillon total, puis un modèle à deux trajectoires est ensuite testé pour être comparé au modèle précédent. Cette même procédure est répétée avec n trajectoires, jusqu’à ce que le BIC cesse de diminuer. En effet, la présence de variations non expliquées dans la variable de réponse (IMC), ainsi que le nombre d’effets augmentent la valeur du BIC, ce qui fait qu’un BIC inférieur implique moins de variables explicatives, donc un meilleur ajustement que le modèle précédemment testé. La comparaison de BIC peut être guidée par une estimation du facteur Bayes log défini par la formule "2loge (B10) ≈ 2 (BIC)". Cette estimation est obtenue par la multiplication par deux de la différence BIC entre deux modèles comparés (valeur BIC du modèle plus complexe moins valeur BIC du modèle plus simple) (Jones, Nagin, & Roeder, 2001). Afin d'évaluer l'ampleur de la différence et donc d'assurer la parcimonie dans le choix du modèle, les lignes directrices suggèrent que les valeurs allant de 0-2 fournissent des preuves faibles pour un modèle plus complexe; 2-6, des preuves modérées; 6-10, des preuves solides et > 10, des preuves très solides. Suite à la réalisation de la MCLCC, des ANOVAS à plan simple ont été effectuées avec SPSS, dans le but de

comparer les profils alimentaires des individus appartenant à chacune des trajectoires trouvées.

6. RÉSULTATS

6.1 Effets de la GL sur la perte de poids et les variables alimentaires

Perte de poids (PEP). Au suivi de quatre mois (T4mois), les patients (n = 73)

présentaient une PEP moyenne de 44,03 ± 12,70% [24,05–81,41]. À huit mois (T8mois), la PEP moyenne était de 63,43 ± 13,14% [41,11–89,78] (n = 57) et à dix-huit mois (T18mois), la PEP moyenne était de 68,72 ± 16,10% [36,64–100,87] (n = 36).

Variables alimentaires. En ce qui concerne l’effet de la chirurgie sur les variables alimentaires, les ANOVAS à mesures répétées indiquent une différence significative entre les scores aux questionnaires au T0 et au T8mois pour la DA (F (1,28) = 12.23, p = .00, pη2

= .31), la désinhibition (F (1,28) = 15.38, p = .00, pη2 _{= .36), la restriction (F (1, 28) =}

58.56, p = .00, pη2 = .68), et la susceptibilité à la faim (F (1, 28) = 9.24, p = .005, pη2 = .25). Plus précisément, une diminution des scores entre le T0 et le T8mois est observée pour chacune de ces variables (voir Tableau 2) et les scores d’éta-carré partiel indiquent des effets de grande taille variant entre 0.31 et 0.68. Les préoccupations par rapport au poids représentent la seule variable à l’étude qui ne diffère pas significativement entre le T0 et le T8mois (F (1,28) = 0.201, p = .657, pη2 = .007).

6.2

Associations entre la perte de poids (PEP) et les variables

alimentaires

Pour ce qui est des relations entre la PEP au T8mois et les scores aux questionnaires mesurant les variables alimentaires au T0 et au T8mois, aucune corrélation ne s’est avérée significative entre deux variables distinctes. L’IMC au T0 est l’unique variable qui est associée significativement et négativement (r = -.452, p < .05) à la PEP au T8mois, avec une taille d’effet de modérée à grande.