Biais Flashcards
Définition d’un biais
3 grands types de biais
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
Validité
1 - définition (et 2 types)
2 - reconnaître la différence entre validité et précision
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
erreur aléatoire vs erreur systématique
- a) cause un manqu de __
- b) prévenue comment?
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
Quel est l’effet de la précision sur une mesure invalide/biaisée?
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)
Comment appelle-t-on un biais causant une sous-estimation de l’effet étudié sur M?
L’erreur déplace l’estimation vers (l’acceptation de) l’hypothèse nulle
Nommer les 3 types de biais
Sélection
Information
Confusion
Biais de SÉLECTION
a. défnition
b. 2 types
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
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) biais de sélection associé au recrutement.
b) Biais de sélection associé au recrutement –> biais des non répondants
c) Biais de sélection associé au suivi
Les biais de sélection associés au RECRUTEMENT vs au SUIVI attegnent plus souvent quel devis d’étude ?
- 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
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) 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
Biais d’INFORMATION
Distinguer: biais d’information différentiel vs non différentiel selon:
- Définition?
- Cause ?
- Conséquence ?
- Moyens de prévention?
Biais d’information différentiels
- a) définir: biais d’enquêteur
- b) comment le prévenir?
- a) l’enquêteur introduit une erreur systématique en étant lui-même biaisé, ex. par connaissance du statut d’exposition
- b) méthode à l’aveugle
Biais d’information différentiels
- a) définir biais de désirabilité sociale
- b) comment le prévenir?
- a) l’exposition des sujets est sous-estimée par le répondant parce qu’il veut bien paraitre
- b) cacher l’objectif de l’étude
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) 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
Biais de CONFUSION
- a) Définir
- b) Conséquence sur la mesure d’association
- c) 3 critères d’un facteur de confusion
- 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)
1 moyen de DÉTECTION de facteurs de confusion AVANT la collecte de données
Faire un SCHÉMA CAUSAL pour identifier tous les facteurs qui pourraient influencer M et voir les interactions entre elles
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) 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
- Analyse globale = association significative
- c) facteur d’interaction
- Analyse globale = association significative
- Analyse stratifiée = associations différentes vs l’analyse globale et entre elles
Qu’est-ce qu’une interaction entre 2 facteurs E1 et E2
Lorsque l’effet de E1 sur M augmente (synergisme) ou dimiune (antagonisme) l’effet de E2 sur M
5 méthodes de CONTRÔLE de l’effet des facteurs de confusion une fois ces facteurs identifiés?
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)
Pré-requis à la mesure de contrôle analytique des facteurs de confusion
L’exposition au facteur de confusion doit avoir été noté dès le début de l’étude et les fréqunences mesurées entre les groupes
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) Sélection
b) confusion
Les analyses stratifiées (multivariées) permettent de déctecter (2)
1 - facteurs de confusion
2 - facteurs d’interaction
