Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Épidémiologie > 3 > Flashcards

3 Flashcards

1
Q

Causalité : difficulté

A

Pas toutes les association sont causales & difficile de trouver
- Interactions facteurs et conditions/facteurs confusion

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Cause définition

A

facteur (caractéristique, comportement, événement etc.) qui influence la survenue de la maladie (du devenir) qui nous intéresse

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Cause nécessaire / suffisante + ex

A

Nécessaire : maladie se développe pas sans la présence du facteur

Suffisante : maladie se développe toujours quand le facteur est présent

Ex : bacille tuberculeux nécessaire dés de la tuberculose mais pas suffisant (faible imm)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

1) Z -> Y
2) X + Z -> Y
3) X-> Y, Z->Y
4) X + Z->Y, W + Z -> Y
4) la plupart !

A 
N = nécessaire S = suffisante
X est...
1) N et S
2) N
3) S
4) aucun
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Etapes causalité épidémiologie

A

1 : association statistique observée
2 : cette association valide ou non?
3: si valide est elle causale ou non?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Concept de causalité en épidémiologie

A

Pour déduire une relation causale, on cherche à interpréter une association statistique entre une maladie d’intérêt et un facteur de risque suspecté dans le contexte de l’étiologie de cette maladie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

2 : Validité association : 3 Rôles

A
  1. Rôle des biais (erreurs systématiques) : possibles dans l’étude étant donné le design
  2. Rôle des facteurs de confusion : facteur est liés à l’expo et à la malaise peuvent il créer une faussée association?
  3. Rôle de la chance : association trouvée par hasard?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Recherche relations causales : Cycle perpétuel

A
  1. Etude descriptives - Agrégation et analyses des données
  2. Construction d’un modèle et formulation d’hypothèses
  3. Etudes analytiques pour tester les hypothèses
  4. Analyse des résultats suggère d’autres études descriptives et de nouvelle hypothèses -> 2.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Critères de causalité/Hills

Ex : Consommation de sel et risque cardiovasculaire et cancer estomac : par clair quel min et diff entre études

A
  1. Force de l’association : évalué RR ou OR (cohorte)
  2. Constance de l’association : différentes études obtiennent un résultat semblable
  3. Spécificité de la cause : argument peu convaincant
  4. Séquence temporale : exposition doit précéder la cause
  5. Plausibilité biologique : base physiothérapie
  6. Relation dose-effet : + fort si dose +
  7. Cohérence avec connaissance dispo (diff à évaluer)
  8. Evaluation expérimentale : pas possible pour facteur de risques
  9. Analogie : obs similaires sans circonstances diff
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Difficultés analyse de la causalité

A
  • Plupart maladies causes multiples interagissent entre elles
  • Principales causes inconnues des fois
  • Grande latence entre début et expo et début de la phase clinique
  • Début mal défini
  • Effets dur l’incidence et le cours de la maladie peuvent être diff
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Postulats de Henle - Koch 1882

et ses limites (5):

A 
Parasite toujours respo de la maladie sous certaines circonstances
-	Isolé il peut redonner la maladie
-	Ne considère pas :
o	État du porteur « sain »
o	Infection asymptomatique
o	Causalité multiple
o	Spectre biologique maladie 
o	Maladie non-infectieuse
-	Surtout maladies chroniques communes
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Modèle causal

A

Triade épidémiologique : Agent - Hôte (imm, âge, sexe) - Environnement

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Facteurs potentiellement associés avec une augmentation du risque de certaines maladies

A

Hôte : Age, Sexe, Niv socioeco, Religion, Profession, Immunité, Génétique,Histoire perso/fam
Agents : Biologique (virus), Chimique (alcool), Physiques(radiations), Nutritionnels
Environnement : temp, humidité, densité popu…

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Association statistique vs causalité

A

Association statistiques = fait

Causalité = question de jugement

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Validité interne et externe

A

Validité interne : capacité à mesurer ce que l’on est supposé mesurer (pression artérielle etc) : éviter les biais !

Validité externe : la degré avec lequel les résultats de l’étude s’appliquent à d’autres personnes (échant Hazard grande validité est)
: Essais randomisé contrôlé grande validité interne mais externe limitée

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Biais définition

A

Erreur systématique : collecte données, analyse, interprétation, publication et revues

17
Q

Comment survient biais/erreur systématique valeurs? (3) :

A
  • Variation systématique d’une mesure
  • Déviation d’une mesure statistique (moyenne, taux, mesure association etc.) de la vraie valeur en raison de problèmes collecte/design/analyse
  • Tendance de procédures (types d’études, collectes, etc) à aboutir à des conclusions fausses
18
Q

Possibles biais de l’échantillon des cas

A

Une étude a le plus souvent des cas dispo représentant un sous groupe de tout les cas de cette maladie - non représentatif de la popu source à partir de laquelle il a été sélectionné

  • Ne s’identifie pas/consulte
  • vus ailleurs
  • Vus mais faux diagnostic
  • Décès ou rémission

On peut faire remplir questionnaire de non participation!

19
Q

Biais de sélection

A
  • Les groupes de l’études sont semblables au niv de tous les aspects importants : cas témoins et contrôles semblables surtout et cohortes exposés et non
20
Q

Biais d’info

A
  • Récolte la même pour tous les groupes sinon baisse qualité de l’info
  • Erreur de classification
    • > Différentielle : cas/contrôles pas la même probabilité d’être mal classés : Vrai association sur ou sous estimée
    • > Non-différentielle : cas/contrôles ont le même probabilité d’être mal classés : Diminue les différences réelles
  • Mesure de maladie/facteur de risque (outcome) dans une cohorte : info récoltée pareil éxpo/non? : OR baisée
21
Q

Facteur de confusion : 3 conditions + ex

A
  • Triangle entre : Exposition et Outcome (maladie)
  • Un facteur qui peut biaiser l’association entre une exposition et un état de santé. Facteur sous 3 conditions:
    1. déterminant de la maladie (ou du facteur de risque/protecteur d’intérêt)
    2. associé à l’exposition
    3. ne se trouve pas sur le chemin causal entre expo et maladie

Ex : Consommation de sel consommation cal (confusion) et -> hyper tension art CD effet-cause, co founding CD -> cig -> -MI, cause - effet

22
Q

Éviter les biais ?(2 stratégies de design et 2 de analyse données)

A

2 design de l’étude :
- Restriction : critères d’inclusion et d’exclusion
- Appariement (matching) : cas contrôle mêmes
2 analyse de données:
- Stratification : seuls les cas et les contrôles avec des nvx semblales du facteur de confusion ont comparés
- Ajustement statistique

23
Q

Contrôler les biais

A

1) Minimisé avec design de l’étude: + contrôles cas
* définir à priori qui est un cas et quelle est l’expo d’intérêt
* protocole bien conçu et des méthodes précises lors de la récolte des données : bien former personnes qui la font et utiliser + personnes
* allocations au hasard des observateur/interviewers pour collecte données
2) Contrôle facteurs confusion avant/après collecte données
3) Procédure en aveugle
4) Minimiser la perte de participants quand étude prospective

24
Q

Modif de l’effet + ex

A

Change la force de la vraie association entre expo et maladie. Un facteur de confusion crée une association fausse (non causale) entre expo et malade.
Ex L Tabac modificateur de l’effet de l’alcool sur le cancer de l’oropharynx. L’alcool est un modificateur de l’effet sur le cancer de l’oropharynx.

25
Q

SIS Système d’Info Sanitaire

A

But : établir la fréquence des éléments constitutifs de l’état de santé et leur distribution dans le temps et dans l’espace
Historiquement contre épidémies infectieuses puis évolution (popu vieille) pour couvrir maladies dégénératives et chroniques.
Développement d’indicateurs concernant ressources, activités et financement.

26
Q

4 domaines : système d’information sanitaire

A

Financement du système de santé - Activités du système de santé - Structure - État santé popu

27
Q

Courbe de survie

A

Etude + suivis : comparer diff traitements : proportion sur l’axe y et survie médiane 50% en vie
survie à 5 ans : 0.3 : 30 % et après on peut comparer diff groupes, traitements permet comparaison
Chaque esclalier c’est un décès

28
Q

Registres des pathologies

A

Enregistrement d’événements concernant une pathologie (début de maladie etc.)
Basé sur un contact avec les services de santé (diagnostiqués)
Utilisé depuis longtemps en santé publique en particulier pour le décès enregistrement de la cause : statistique des causes état : appliqués à certains groupes : prostituées IST
Ex : Registres de la tuberculose comme l’un des premiers exemples d’enregistrement

29
Q

Registre du cancer

A

Établis avec des sources variées (rapports cliniques, labo, diagnostic, radio, autopsies,)
Si enregistrement rapide et complet : registre permet d’évaluer l’impact d’interventions préventives
NICER : National Institute for Cancer Epidemiology and Registration : groupement des registres suisses 2/3 pops
Certaines repérées par fichiers Assurance Invalidité
- registre des cardiopathies ischémiques (MONICA, AMIS)
- registre des maladies inflammatoire de l’intestinc

Épidémiologie (3 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions