14 -Biais Flashcards

Question 1

Q

Définition de biais :

à Différencier de ?

Answer

A

= 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.

Question 2

Q

Différence entre un biais différentiel et non différentiel ?

Answer

A

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…}

Question 3

Q

2 moyens généraux de limiter l’impact d’un biais ?

Answer

A

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

Question 4

Q

Quelles sont les 3 grandes catégories de biais ? + définition

Answer

A

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

Question 5

Q

Un élément du texte peut-il correspondre à plusieurs types de biais ?

Answer

A

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)

Exemple : la présence de 5 fois + d’insuffisants rénaux chroniques sévères dans le groupe placebo par rapport au groupe testé Bisoprolol dans une étude thérapeutique évaluant la mortalité toute cause chez des insuffisants cardiaques peut être considérée comme un biaisi de sélection car entraîne une perte de comparabilité initiale des groupes liée à une erreur dans l’inclusion ; mais cela correspond aussi à un biais de confusion potentiel car entraîne une perte de comparabilité finale des groupes liée à une erreur dans l’analyse des résultats. On dit alors qu’il existe un biais de confusion issu du biais de sélection initial

Question 6

Q

Comment évaluer les biais présents dans l’étude ?

(= les questions à se poser par rapport aux biais)

Answer

A

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)

Question 7

Q

Quels sont les 5 sous-types de biais de sélection dans un essaie thérapeutique ? + définition

Answer

A

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}

Question 8

Q

Mesures préventives des biais de sélection : (3)

Answer

A

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)

Question 9

Q

Quels sont les 3 sous-types de biais de classement dans un essaie thérapeutique ?

Answer

A

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

Question 10

Q

Quelles sont les mesures préventives des biais de classement dans les essais thérapeutiques ?

Answer

A

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

Question 11

Q

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) ?

Answer

A

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.

Question 12

Q

4 sous-types de biais de confusion dans un essaie thérapeutique ?

Answer

A

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

Question 13

Q

5 mesures préventives des biais de confusion dans les essais thérapeutiques ?

Answer

A

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

Question 14

Q

Définition de biais de sélection dans les études épidémiologiques ?

Quelle est la conséquence ?

Answer

A

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

Question 15

Q

Quels sont les 5 sous-types de de biais de sélection dans les études épidémiologiques ?

Answer

A

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

Question 16

Q

Quelles sont les mesures préventives des biais de sélection dans les études épidémiologiques ?

Answer

A

randomisation pour la constitution des groupes
définition stricte des critères d’inclusion et d’exclusion

Question 17

Q

Définitio de biais de classement dans les études épidémiologiques ?

Answer

A

Biais liés à la façon de mesurer le facteur étudié ou la maladie

Correspond au fait de mal classer un patient pour le statut exposé/non-exposé (si cas-témoin) ou malade/non-malade (si cohorte)

Surviennent au moment de recueillir les données

Question 18

Q

Quels sont les 4 sous-types de biais de classement dans les études épidémiologiques ?

Answer

A

biais d’évaluation subjective de l’enquêteur: réponses suggérées ou interprétées par l’enquêteur_{(ex: connaissance du statut du malade par l’enquêteur (≠ du clinicien))}

biais de mémorisation différentiel ou non (PCZ)

biais de jugement_{(ex: classer un cas dans groupe exposé parce qu’ons ait qu’il est malade)}

biais liés au mode d’évaluation _{(ex: dossiers médicaux incomplets dans une cohorte historique)}

Question 19

Q

Définition de biais de mémorisation différentiel ou non (PCZ) ?

Définition de biais de prévarication ?

Answer

A

systématique lorsque le mode de recueillement est déclaratif (interrogatoire) _{(ex de donnée déclarative: consommation de cannabis: risque de sous-estimation)}

majoré lorsque l’évaluation n’est réalisée qu’une fois

_{(ex: un cas se souvient toujours mieux du FDR que le témoin car plus motivé et plus concerné)}

cas particulier du biais de prévarication: patients ne disent pas la vérité à l’évaluation

Question 20

Q

Définition de biais différentiel dans les études épidémiologiques (notion majeure dans ces études) ?

Quel est le risque de ces biais ?

Answer

A

probabilité d’erreur différente entre les deux groupes

A eviter absolument (PCZ) = risque de renforcer/créer une association statistique à tort

_exemples:

_{biais de mémorisation (le plus souvent)}
_{biais d’évaluation subjective de l’enquêteur}

Question 21

Q

Définition de biais non différentiel dans les études épidémiologiques (notion majeure dans ces études) ?

Quel est le risque de ces biais ?

Answer

A

fréquence, direction et importance du biais touchent les deux groupes de manière identique

moins grave = simplement risque de perte de puissance

^{_{ex : biais de prévarication, appareil de mesure mal étalonné}}

Question 22

Q

Quels sont les mesures de prévention des biais de classement dans les études épidémiologiques ?

Answer

A

recueil des données par questionnaires standardisés, objectifs et validés

enquêteur en aveugle du groupe

formation des enquêteurs

étude de varibilité inter-enquêteurs

si données déclaratives = mesures répétées

Question 23

Q

Définition des biais de confusion dans les études épidémiologiques ?

Answer

A

dû à une variable à la fois liée au facteur et à la maladie = facteur de confusion

_{ex : lien entre caféine et concer du poumon ? en partant du principe qu’on prend le café en meme temps qu’on fuume une cigarette… Association statistique retrouuvée bien que absurde. <u>Le tabac est donc un facteur de confusion</u> qu’il faut absolumment controler pour étudier le lien avec le café.}

Question 24

Q

Quelles sont les mesures préventives des biais de confusion dans les études épidémiologiques ?

Answer

A

3 techniques de prise en compte dans la plannification (a priori):

appariement sur les facteurs de confusion potentiels = faire correspondre à chaque cas un témoin avec les mêmes facteurs
restriction de la population d’étude = ne pas inclure ceux qui présentent le facteur (critères d’inclusion ou d’exclusion)
randomisation avec stratification = sur les facteurs de confusion potentiels (rare en épidémiologie)

2 techniques de prise en comte dans l’analyse (a posteriori):

ajustement par analyse multivariée (PCZ) = pondérer les facteurs de confusion (RR/OR bruts vs RR/OR ajustés)
analyse stratifiée = subdiviser la population de chaque groupe pour analyse en sous-groupes selon les facteurs

Question 25

Q

Définition de biais de sélection dans les essais diagnostiques ?

Quel sous-type de biais de sélection peut se retrouver ?

Answer

A

comme pour tout essai: étude monocentrique - patients volontaires - restriction…

biais si sélection patients porte sur le résultat du test à l’essai et non sur la référence (pathologie)

biais de spectre (PCZ):

sélection des sujets malades très graves pour le test diagnostique, ce qui conduit à l’augmentation artificielle de la sensibiltié et donc de la RV+

contexte fréquent: études cas-témoins

Question 26

Q

Quels sont les biais de classement dans les essais diagnostiques ?

Answer

A

Le Gold standard ‘est pas si Gold
Biais de vérification (PCZ)
Biais d’interdépendance
Biais d’information: pas d’aveugle car on connait le résultat de l’un pour interpréter l’autre
Biais de contexte: l’évaluateur des tests a une connaissance du contexte clinique, d’autres résultats complémentaires
Description méthodologique des tests insuffisante
Reproductibilité inter-évaluateur insuffisante ou non détaillée: souvant taux de concordance insuffisante -> rechercher le coefficient Kappa

Question 27

Q

Définition du biais de classement “Gold n’est pas si Gold” dans les essais diagnostiques ?

Answer

A

une condition: si le test à l’épreuve est meilleur que le test de référence _{(or on considère que le test de référence permet un diagnostic de certitude)}

les résultats sont alors erronés = les VP (diagnostiqués par le test à l’épreuve) sont considérées comme des FP (car non diagnostiquées par le test de référence)

Question 28

Q

Devant une suspicion de biais de classement “Gold standard n’est pas si Gold” quelle technique proposez-vous pour confirmer cette remise en question du test de référence ?

Answer

A

Nouvelle étude pronostique évaluant chacun des deux tests en montrant que le nouveau test est plus performant pour prédire le pronostic des patients que le test de référence

Question 29

Q

Définition du biais de classement de vérification dans les essais diagnostiques (PCZ) ?

exemples de source possible de biais de vérification à savoir reconnaitre ? (10)

Answer

A

certains patients ont le test à l’étude mais pas le test de référence

car le test de référence est trop invasif - cher - compliqué

exemples de source possible de biais de vérification à savoir reconnaitre:

test de référence pas approprié
seulement un sous-groupe de résultats du nouveau test est vérifié par un test de référence
un sous-groupe de résultats du nouveau test est vérifié par un autre test de référence
le test de référence est une combinason de tests ou de procédures
nouveau test est une partie du test de référence
temps écoulé entre test de référence et nouveau test trop long (progression de la maladie)
un traitement a été administré entre le test de référence et le nouveau test
pas d’aveugle entre le test de référence et le nouveau test
aucune expérience ou au contraire expérience particulièrement bonne des tests réalisés
aucune évaluation de la reproductibilité du nouveau test n’est mentionnée, alors qu’il existe une part de subjectivité dans l’interprétation

Question 30

Q

Définition du biais de classement d’interdépedance dans les essais diagnostiques ?

Answer

A

à évoquer lorsque le diagnostic final du statut “malade” dans l’étude est posé à l’aide du nouveau test évalué +++

Souvent associé au biais de vérification (car en l’absence de réalisation du test de référence, on utilise le nouveau test pour conclure -> très criticable)

Question 31

Q

Définition du biais de classement par description méthodologique des tests insuffisante dans les essais diagnostiques ?

Answer

A

description du test de référence et du test étudié doit être la plus précise possible car elle est fondamentale pour la reproductibilité du test

avec comme corollaire la définition du terme “normal” ou “non-malade” souvent négligé

Question 32

Q

Biais de confusion dans un essai diagnostic :

Answer

A

= le gold standard est déterminé par le résultat du test à l’essai +++

_{ex: histologie (test de référence) uniquement si supicion de tumeur à la TEP (nouveau test) et surveillance sinon.}

Question 33

Q

Biais spécifique s des études d’évaluation d’une procédure de dépistage : (3)

Answer

A

Biais d’avance au diagnostic = lead time bias.
Biais de sélection des formes lentes = lenght ttime bias
Biais de surdiangnostic

Question 34

Q

Caractéristiques des biais d’avance au diagnostic (=lead time bias) :

Quand l’évoquer ?
Conséquence ?

Answer

A

Il faut écoquer ce biais en cas de test de dépistage permettant une avancée au diagnostic mais sans bénéfice clinique en terme de survie (= test de dépistage inéfficace).
Dans cette situation les patients n’ont pas de durée de survie globale augmentée mais se savent malades pendant plus longtemps.

Question 35

Q

Caractéristiques du biais de sélection des formes lentes (=length time bias) :

Answer

A

Il faudra évoquer ce biais en cas de test de dépistage évaluant une maladie comprenant à la fois des formes à évolution rapide et à évolution lente (Ex: cancer)
Les résultats risquent alors d’être modifiés par la fréquence de réalisation des tests de dépistage chez un même individu +++

=> Dogme en LCA = il existe TOUJOURS une prise en compte de la durée d’évolution de la maladie pour définir la périodicité du dépistage.

Question 36

Q

Quans évoquer un biais de surdiagnostic :

Answer

A

= en cas de test de dépistage évaluant unue maladie à évolution très lente qui ne se serait probablemennt jamais manifestée.

^{Ex : cancers prostatiques localisés du sujet agé découuverts lors d’autopsie.}

Question 37

Q

Définition des méta-analyses + facteurs de risque de biais :

Answer

A

= les méta-analyses reposent sur le regroupement de données publiées dans des articles originaux déja réalisés.

Le problème est que la recherche des ces articls se fait essentiellement au travers de revues scientifiques spécialisées.

Or les articles qui montrent une différence significative ont plus de chance d’être publiés que les études qui n’en montrent pas.

=> La conséquence est que les méta-analyses auront tendance à omettre les articles n’ayant pas abouti à démontrer le bénéfice d’unne molécule, d’unue stratégie diagnostique.

Question 38

Q

2 techniques pouur controler les biais des méta-analyses :

Answer

A

Simple = Rechercher sur des registres d’essais cliniques toutes les études réalisées sur un thème qu’elles aient été publiées ou nono (difficile à réaliser en pratique)
Technique :

* Faire un graphique où l’on figure en abscisse, la valeur du critère étudié retroubé et en ordinnée, la validité de l’article

* Le principe étant que si un traitement a une efficacité de +30%, la plupart des études cont se retrouver autour de la valeur +30 de maniere homogène entre ces valeurs

* Si il y a un biais de publication, on retrouvera des valeurs anormalement distribuées

=> Figure page 93

Question 39

Q

EN GROS quels sont les biais de sélection et quelles solutions ?

Answer

A

Biais de sélection = recrutement, auto-sélection, perdus de vue, attriation

Solutions = randomisation / contrôle / patients consécutifs

Question 40

Q

EN GROS quels sont les biais de classement et quelles solutions ?

Answer

A

Biais de classement / Mesure / information = subjectivité de l’investigation, mémorisation, prévarication (omission), indication,…

Solutions = Aveugle / critère à priori

Question 41

Q

EN GROS quels sont les biais de confusion et quelles solutions ?

Answer

A

Biais de confusion / analyse = facteurs de confusions…

Solutions = appariement, stratification, sous-groupes à priori, standardisation, ajustement

Question 42

Q

2 moments pour les solutions contre les biais = ?

Answer

A

Lors de la conception de l’étude : randomisation, appariement, stratification
Lors de l’analyse des résultats : stratification, analyse multivariée

Question 43

Q

Définitions de Stratifer vs Apparier vs Ajuster ?

Brainscape's Knowledge GenomeTM

14 -Biais Flashcards

Brainscape's Knowledge Genome^TM