Biais Flashcards

1
Q

Définition d’un biais

3 grands types de biais

A

erreur systématique introduite dans l’étude, causant une sur- ou sous-estimation des mesures dans l’échantillon relativement à la population réelle

Sélection (recrutement, suivi)

Information (différentiel, non différentiel)

Confusion

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

Validité

1 - définition (et 2 types)

2 - reconnaître la différence entre validité et précision

A

1 - Validité = dépend du degré de représentativité des sujets de l’échantillon par rapport à la population source (validité interne) ou cible (validité externe). Dépend de la présence ou non de biais. une étude valide est une étude sans biais

2 - Précision = dépend de l’erreur aléatoire d’échantillonnage (%CI) et de la précision des outils de mesure diagnostic. une étude 100% valide peut être imprécise

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

erreur aléatoire vs erreur systématique

  • a) cause un manqu de __
  • b) prévenue comment?
A

Aléatoire

  • a) cause un manque de PRÉCISION
  • b) prévenue en augmentant N et l_a précision_ des instruments

Systématique

  • a) cause un manque de VALIDITÉ (biais)
  • b) ne peut pas etre prévenu en augmentant n; prévenu par planification ou correction post-hoc
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Quel est l’effet de la précision sur une mesure invalide/biaisée?

A

Plus la mesure ‘biaisée’ est précise, plus elle a de chances d’être significative et ansi de réellement sous/sur-estimer la vrai valeur

(‘significativement différente’ de la vrai valeur.. son intervalle de confiance ne comprendra pas la vrai valeur)

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

Comment appelle-t-on un biais causant une sous-estimation de l’effet étudié sur M?

A

L’erreur déplace l’estimation vers (l’acceptation de) l’hypothèse nulle

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

Nommer les 3 types de biais

A

Sélection

Information

Confusion

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

Biais de SÉLECTION

a. défnition

b. 2 types

A

a. lorsque la P(sélection (=recrutement ou suivi) dans l’étude est influencé à la fois par le fait d’être exposé (E) et le fait d’être malade (M)

b.

  • biais de sélection associé au recrutement
  • biais de sélection associé au suivi
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Dire le type de biais et prédire l’effet

a) Sélection de M+ (fumeurs) dans une base secondaire (hôpital) pour évaluer s’il y a un lien entre l’exposition à un facteur (fumer) et le risque de cancer du poumons
b) L’inrérêt des sujets (ex. producteurs bovins) à participer à l’étude est biaisé. ex. on veut étudier l’effet de la biosécurité sur les pneumonies, les participants seront à la fois ceux qui ont des meilleures pratiques d’hygiène et donc aussi moins de pneumoneies
c) La probabilité de suivi d’un trouveau est influencé à la fois par M et l’exposition à E (ex. de biosécurité)

A

a) biais de sélection associé au recrutement.
b) Biais de sélection associé au recrutement –> biais des non répondants
c) Biais de sélection associé au suivi

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Les biais de sélection associés au RECRUTEMENT vs au SUIVI attegnent plus souvent quel devis d’étude ?

A
  • biais de sélection associé au recrutement: + cas-témoin
    • car sélection se fait sur une base de statut de maladie (M+ vs M-). Biais si ex. notre méthode augmente la probabilité des M+ exposés
  • biais de sélection associé au suivi: + étude cohortes
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Biais d’INFORMATION

  • a) Définir
  • b) comment appelle-t-on un biais d’information lorsque E et M sont des valeurs dichotomiques? (ex. mort ou vivant)
  • c) Nommer les 2 grands types de biais d’information
  • d) Nommer 3 types de biais d’information différentiel
A
  • a) Lorsqu’une erreur systématique est introduite dans la collecte de données (mesure de E ou M)
  • b) Erreur de classification
  • c) non différentiel vs différentiel
  • d)
    biais d’enquêteur
    biais de désirabilité sociale
    biais de rappel
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Biais d’INFORMATION

Distinguer: biais d’information différentiel vs non différentiel selon:

  • Définition?
  • Cause ?
  • Conséquence ?
  • Moyens de prévention?
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Biais d’information différentiels

  • a) définir: biais d’enquêteur
  • b) comment le prévenir?
A
  • a) l’enquêteur introduit une erreur systématique en étant lui-même biaisé, ex. par connaissance du statut d’exposition
  • b) méthode à l’aveugle
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Biais d’information différentiels

  • a) définir biais de désirabilité sociale
  • b) comment le prévenir?
A
  • a) l’exposition des sujets est sous-estimée par le répondant parce qu’il veut bien paraitre
  • b) cacher l’objectif de l’étude
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Biais d’information différentiels

  • a) définir biais de rappel
  • c) conséquence?
  • d) dans quel type de devis ?
  • e) décrire la ‘sensibilité différentielle’ du questionnaire comme outil de mesure
A
  • a) les propriétaires d’animaux malades ont plus tendance à se rappeler d’une exposition que les propriétaires d’animaux sains
  • c) sous-estimation de l’exposition chez les animaux sains (moins de M- | E+)
  • d) cas-témoin (sont malades ou sain au départ et on questionne sur l’exposition antérieure)
  • e) Se du questionnaire est supérieure ou détecter les animaux MALADES vs les animaux sains
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Biais de CONFUSION

  • a) Définir
  • b) Conséquence sur la mesure d’association
  • c) 3 critères d’un facteur de confusion
A
  • a) lorsqu’une association est perçue entre un condition M et un facteur E à cause d’un facteur confondant C non mesuré qui accompagne le facteur d’intérêt
  • b) Elle est soit fausse ou sur/sous estimée
  • c) 3 criètres de C:
    • C est un facteur causal de M (C–>E)
    • C est un facteur causal de E (C–>M)
    • C n’est pas affecté par M ou E (pas un intermédiaire dans le processus causal) PAS (E–C–>M)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

1 moyen de DÉTECTION de facteurs de confusion AVANT la collecte de données

A

Faire un SCHÉMA CAUSAL pour identifier tous les facteurs qui pourraient influencer M et voir les interactions entre elles

17
Q

1 moyen de DÉTECTION de facteurs de confusion APRÈS la collecte de données

  • a) nommer la méthode
  • b) dire les résultats prévus pour un facteur de confusion
  • c) dire les résultats prévus pour un facteur d’interaction
A
  • a) comparer les mesures d’association (ex. RC) dans l’analyse globale avec celles d’une analyse startifiée
  • b) facteur de confusion:
    • Analyse globale = association significative
      • ex. mâle+femelles –> RC > 1
    • Analyse stratifiéee = association annulée par les strates et identiques entre les strates
      • ex. mâle–> RC=1; femelle–> RC=1
  • c) facteur d’interaction
    • Analyse globale = association significative
    • Analyse stratifiée = associations différentes vs l’analyse globale et entre elles
18
Q

Qu’est-ce qu’une interaction entre 2 facteurs E1 et E2

A

Lorsque l’effet de E1 sur M augmente (synergisme) ou dimiune (antagonisme) l’effet de E2 sur M

19
Q

5 méthodes de CONTRÔLE de l’effet des facteurs de confusion une fois ces facteurs identifiés?

A

1 randomisation

  • randomisation (sélection et allocation) parmis les sujets exposés au facteur de confusion
    • ex. allocation aléatoire parmi les mâles et les femelles; ont la même probabilité de sélection ou de faire partie d’un groupe ou de l’autre

2. exclusion

  • exclusion de sujets basée sur leur exposition au facteur de confusion
    • ex. mâles exclus de l’étude
  • sujets sont plus similaires entre eux –> peut réduire la validité externe

3. appariement - par paire

  • pour chaque sujets exposé au facteur de confusion et classifé dans un groupe, un autre sujet exposé au même facteur est classifé dans l’autre groupe
    • ex. pour chauque femelle exposé (ou malade) on choisit une autre femelle non exposée (ou saine)

4. appariement - par fréquence

  • % fixe de sujets exposé au facteur de confusion dans tous les groupes
    • ex. 50% de femelles chez le groupe de malades et 50% femelles chez le groupe de controle

5. contrôle analytique

  • on mesure la distribution du facteur de confusion entre les groupes et on introduit les fréquences une analyse stratifiée (modèle multivarié)
20
Q

Pré-requis à la mesure de contrôle analytique des facteurs de confusion

A

L’exposition au facteur de confusion doit avoir été noté dès le début de l’étude et les fréqunences mesurées entre les groupes

21
Q

a) Les biais de ___ ne peuvent pas être corrigés lors de l’analyse (contrôle analytique); doivent donc être contrôlés à l’avance
b) les biais de __ peuvent être contrôlés lors de l’analyse seulement si le facteur a été préalablement mesuré dans la collecte de données

A

a) Sélection
b) confusion

22
Q

Les analyses stratifiées (multivariées) permettent de déctecter (2)

A

1 - facteurs de confusion

2 - facteurs d’interaction