Dans le domaine médical, les analyses statistiques descriptives sont généralement réalisées seulement de façon univariée. Une analyse descriptive multivariée serait cependant souvent utile pour décrire conjointement toutes les variables retenues lors de l’étude. Cette description est difficile à réaliser et à visualiser pour plus de trois variables en même temps. L’analyse factorielle des correspondances multiples (AFCM) permet de réaliser cette description multivariée sur des variables qualitatives. La méthode consiste à projeter les données d’un espace à n dimensions formé par l’ensemble des variables de l’étude sur une succession de plans (à deux dimensions). Les relations entre les variables sont déduites des positions relatives des modalités des variables sur les graphiques. On utilise parallèlement des indices numériques précisant et validant les relations observées. L’utilisation de l’AFCM est montrée sur une série prospective de carcinomes rénaux pour lesquels on dispose de différentes caractéristiques histologiques. Les principales utilisations de l’AFCM sont données ainsi que des commentaires sur sa réalisation pratique.

Descriptive statistics in the field of medicine are usually based on univariate analysis. However, a multivariate descriptive analysis can often be usefull to jointly describe all variables considered for study. This multivariate description is difficult to perform and visualize for more than three variables at a time. Multiple correspondence analysis (MCA) provides a means of performing multivariate description of categorical data. The method consists in projecting the data of an n-dimensional space which is constituted by the variables under study onto a succession of two-dimensional planes. The relationships between variables can then be deduced from the relative positions of the modalities of the variables on the planes. At the same time, numerical indices are used in parallel to specify and validate the observed relationships. The use of MCA is illustrated with a prospective series of renal carcinomas for which different histological characteristics are given. The main applications of MCA are detailed with comments on practical implementation.