ScholarGate
Assistant
Regression modelQuasi-experimental / causal inference

Séries chronologiques interrompues dynamiques

Les séries chronologiques interrompues dynamiques (Dynamic ITS) étendent la conception standard des séries chronologiques interrompues en permettant aux effets d'intervention de s'accumuler, de décroître ou de changer sur plusieurs décalages temporels, plutôt que de supposer un changement de niveau instantané unique. Elles estiment comment l'impact d'une intervention évolue au fil des périodes, ce qui les rend particulièrement adaptées à la santé publique, à la recherche sur les services de santé et à l'évaluation des politiques, où les effets s'accumulent progressivement ou s'estompent après un impact initial.

Ouvrir dans MethodMindBientôtVidéoBientôtTélécharger les diapositives

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Carte des méthodes

Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.

Sources

  1. Lopez Bernal, J., Cummins, S., & Gasparrini, A. (2017). Interrupted time series regression for the evaluation of public health interventions: a tutorial. International Journal of Epidemiology, 46(1), 348-355. DOI: 10.1093/ije/dyw098
  2. Wagner, A. K., Soumerai, S. B., Zhang, F., & Ross-Degnan, D. (2002). Segmented regression analysis of interrupted time series studies in medication use research. Journal of Clinical Pharmacy and Therapeutics, 27(4), 299-309. DOI: 10.1046/j.1365-2710.2002.00430.x

Comment citer cette page

ScholarGate. (2026, June 3). Dynamic Interrupted Time Series Analysis. ScholarGate. https://scholargate.app/fr/causal-inference/dynamic-interrupted-time-series

Quelle méthode ?

Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.

Comparer côte à côte

Référencée par

ScholarGateDynamic Interrupted Time Series (Dynamic Interrupted Time Series Analysis). Consulté le 2026-06-15 sur https://scholargate.app/fr/causal-inference/dynamic-interrupted-time-series · Jeu de données : https://doi.org/10.5281/zenodo.20539026