14 -Biais Flashcards
Définition de biais :
à Différencier de ?
= erreur systématique dans l’estimation du paramètre sur un échantillon et la valeur de ce paramètre dans la population qui fausse les résultats en diminuant la validité interne
≠ d’erreur aléatoire liée aux flucutations d’échantillonage du fait du hasard
-> la présence d’un biais empeche alors de conclure à une relation de causalité de façon directe
On parle d’erreur systématique -> se répèterait de la même façon si l’on constituait un nouvel échantillon en continuant à fausser les résultats.
Différence entre un biais différentiel et non différentiel ?
Biais différentiel: probabilité d’erreur différente entre les deux groupes
Biais non différentiel:
- fréquence, direction et importance du biais touchent les deux groupes de manière identique
- souvent difficiles à controler
ex: Défaut de mémorisation de l’enqueté, questionnaire non reproductible, erreur de remplissage du questionnaire, erreur analytique dans les examens biologiques, mauvais calibrage de l’instrument de mesure…
2 moyens généraux de limiter l’impact d’un biais ?
- anticiper des biais lors de la plannification de l’étude -> a priori (rédaction du protocole)
- prise en compte dans l’analyse statistique -> a posteriori
=> Les biais et les moyens de les controler doivent apparaitre dans la discussion
Quelles sont les 3 grandes catégories de biais ? + définition
Biais de sélection = erreur dans l’inclusion ou le recrutement des patients de la population étudiée +/- suivie
Biais de classement:
- biais d’information ou de déclaration ou de mémorisation = erreur dans le recueil des données
- biais de mesure ou d’évaluation = erreur dans la mesure du critère de jugement principal
Biais de confusion = erreur dans l’interprétation des résultas; concerne l’existence de facteurs de confusion -> ne sera un biais que si la distribution des facteurs diffère entre les 2 groupes
Un élément du texte peut-il correspondre à plusieurs types de biais ?
1 seul élément du texte de l’article peut être plusieurs types de biais différents à la fois en fonction du moment de l’étude que l’on est en train d’analyser (biais de sélection si rend compte d’une erreur survenue lros del’inclusion des patients et/ou biais de classement si rend compte d’une erreur survenue lors du recueil des données et/ou biais de confusion si rend compte d’une erreur survenue lors de l’analyse des résultats)
si pas compris -> exemple page 84 en bas
Comment évaluer les biais présents dans l’étude ?
- déterminer la grande catégorie du biais
- déterminer le sous-type de biais le plus précis
- étudier attentivement la description du biais faite dans l’article
- à chaque biais se demander si il est différentiel ou non différentiel
- conclure les conséquences du biais dans l’analyse des résultats = en terme de validité interne et/ou validité externe (PCZ)
Quels sont les 5 sous-types de biais de sélection dans un essaie thérapeutique ? + définition
- biais de recrutement = perte de la comparabilité initiale des groupes
- biais des perdus de vue = risque de baisse de puissance (directement lié à la diminution des effectifs)
- biais d’attrition = patients analysés dans un groupe différent de la randomisation (perte de comparabilité finale) - évitable si en ITT
- biais “effet-centre” = lié à la non-représentativité du centre
- biais des survivants = présent lorsqu’on inclut des patients qui ont déjà reçu par le passé l’un des traitements de l’étude. Crée un biais en faveur du traitement déjà reçu par le passé car par définition ces patients qui ont déjà bénéficié de ce même traitement le tolèrent mieux
Mesures préventives des biais de sélection : (3)
- Pour lutter contre le biais de recrutement (comparabilité initiale) = randomisation correcte (stratifiée si analyse en sous-groupe, par bloc…)
- Pour lutter contre le biais d’attrition (comparabilité finaleà : analuse en intention de traiter (ITT)
- Pour lutter contre l’effet-centre : études multicentriques avec stratification sur centre (effet-centre présent dans toute étude monocentrique)
Quels sont les 3 sous-types de biais de classement dans un essaie thérapeutique ?
- Biais de suivi (ou de performance) = perte de la comparabilité des groupes au cours du suivi
- Biais d’évaluation = mesure du critère de jugement principal différente dans les deux groupes (toujours part subjective même si critère objectif)
- Biais de réalisation = soins prodigués de façon différente
Quelles sont les mesures préventives des biais de classement ?
- mesure pour lutter contre le biais de suivi (comparabilité au cours de l’étude): double aveugle
- 4 mesures pour lutter contre le biais d’évaluation ou de réalisation:
- double aveugle
- critère d’évaluation principal (C COUARDS) = unique -standardisé - validé - reproductible
- comité d’adjudication d’évaluateurs indépendants avec évaluation en aveugle
- investigateurs différents pour diagnostic, randomisation, acte thérapeutique et suivi
3 précautions supplémentaires à prendre en cas d’essai réalisé en ouvert afin de limiter les risques de biais de classement de suivi et de mesure (évaluation) ?
Suivi organisé par un évaluateur différent du praticien ayant administré le traitement, et qui lui, n’aura aps connaissance du traitemetn reçu par le patient.
Critère de jugement “dur” parfaitement objectif
Evaluation du critère de jugement principal de manière centralisée par un comité d’adjudication indépendent et en aveugle du traitement alloué et pris par le patient.
4 sous-types de biais de confusion dans un essaie thérapeutique ?
- effet placebo du médicament
- caractéristiques intrinsèques des patients
- effet non médicamenteux de la prise en charge
- évolution naturelle de la maladie
=> Biais uniquement si la distribution des facteurs différe entre les deux groupes
5 mesures préventives des biais de confusion ?
- existence d’un groupe controle
-
2 techniques de prise en compte dans la plannification (a priori):
- randomisation par stratification (PCZ)
- restriction de la population d’étude = ne pas inclure ceux qui présentent le facteur (critères d’inclusion ou d’exclusion)
-
2 techniques de prise en compte dans l’analyse (a posteriori):
- analyse stratifiée = subdiviser la population de chaque groupe pour une analyse en sous-groupes selon les facteurs
- ajustement par analyse multivariée = pondérer les facteurs de confusion
Définition de biais de sélection dans les études épidémiologiques ?
Quelle est la conséquence ?
biais liés à la façon de choisir et/ou de suivre l’échantillon
conséquence = non-représentativité de l’échantillon
-> extrapolation impossible et donc validité externe diminuée
Quels sont les 5 sous-types de de biais de sélection dans les études épidémiologiques ?
biais de recrutement = biais des témoins travailleurs = “healthy worker effect”: si probabilité d’inclusion dans l’étude est liée au facteur étudié (ex: sujets témoins travailleurs = forcément en meilleure santé que les cas)
biais d’auto-selection = biais du volontariat: si décision d’inclusion due à la décision du patient (ex: recrutement par volontariat = non représentatifs de la pop générale)
biais de survie sélective = biais des cas prévalents: si inclusion des cas déjà connus (donc en vie) avec les patients incidents -> les cas prévalents sont forcément moins graves et donc biaisent la population (ex: sélection de cancers du poumon parmi patients suivi depuis déjà 1 an)
biais de Berkson = biais des témoins hospitaliers: liés au fait que les témoins sont aussi des patients hospitalisés (ex: témoins hospitalisés pour BPCO avec cas de cancer de vessie -> tabac = biais)
Biais des “perdus de vue”: sujets inclus dans la cohorte puis non retrouvés à la fin, toujours vérifier que nombre sujets inclus = sujets analysés