CM 7 - Biais et erreur aléatoire

Question 1

Quelle est la différence entre précision et validité d’une mesure en épidémiologie?

Answer 1

La présision est l’absence d’erreur aléatoire, alors que la validité est l’absence d’erreur systématique.

Question 2

Comment peut-on améliorer la précision d’une étude? Et sa validité?

Answer 2

Précision: augmenter la taille de l’échantillon
Validité: Réduire les sources de biais

Question 3

De quoi dépend l’exactitude d’une mesure?

Answer 3

De la validité et de la précision.

Question 4

Donne 3 exemples d’erreur systématique.

Answer 4

• Biais de sélection
• Biais d’observation
• Facteurs de confusion

Question 5

Donne 2 exemples d’erreur aléatoire.

Answer 5

• Erreur de type I (alpha)
• Erreur de type II (bêta)

Question 6

Vrai ou faux?
Le biais d’observation mène à une erreur de classification des participants.

Answer 6

Vrai. C’est dû à un mauvais processus d’observation.

Question 7

Vrai ou faux?
On a un biais d’observation que si l’erreur est différentielle.

Answer 7

Faux.
L’erreur de classification non-différentiel est aussi un biais d’observation, mais on peut mieux en prédir les conséquences (le résultat estimé se rapprochera de la valeur nulle).

Question 8

Dans un essai randomisé, peut-on avoir une erreur de classification non-différentielle de l’issue?

Answer 8

Oui. Aucun outils ne mesure n’a une spécificité et une sensibilité de 100%.

Question 9

Dans un essai randomisé, peut-on avoir une erreur de classification non-différentielle de l’exposition?

Answer 9

Non, puisqu’on contrôle l’exposition. Il peut cependant y avoir un effet de la non compliance des patients.

Question 10

Dans un essai randomisé peut-on avoir une erreur de classification différentielle sur l’issue?

Answer 10

Oui, sauf si l’étude est 100% à l’aveugle.

Question 11

Quelle population faudrait-il choisir pour une étude si on veut éliminer à 100% le risque de biais de sélection?

Answer 11

Il faudrait choisir l’ensemble de la population et n’avoir aucune perte au suivi.

Question 12

Vrai ou faux?
Un biais de sélection dans un essai randomisé peut provenir des pertes au suivi ainsi que d’un faible taux de participation.

Answer 12

Faux. Le refus de participer ne cause pas de biais. Il engendre seulement un problème de validité externe puisque on choisit les participants avant la randomisation.

Question 13

Vrai ou faux?
Pour savoir s’il y a un biais de sélection dans un essai randomisé, il faut regarder le nombre de pertes au suivi global.

Answer 13

Faux. Il n’y a pas de biais de sélection automatiquement malgré des pertes au suivi importantes. Pour qu’un tel biais se produise, les pertes au suivi doivent être non aléatoires.

Question 14

Quelle technique est utilisée pour comparer les perdus de vus à ceux qui sont restés dans l’étude lorsqu’on étudie le biais de sélection?

Answer 14

Analyse de sensibilité

Question 15

Nomme une source de biais de sélection qui est moins probable dans une étude de cohorte prospective que dans une étude de cohorte rétrospective.

Answer 15

Refus de participer ou volontariat.

Question 16

Nomme deux façons de prévenir le biais de sélection dans une étude de cohorte par rapport à la sélection des groupes.

Answer 16

• Choisir une population à haut risque (avec plus d’incidence de la maladie) pour diminuer la durée de l’étude et augmenter la motivation des participants.
• Choisir une population “bien organisés” (infirmières, médecins, travailleurs, etc.)

Question 17

Nomme un mécanisme qui peut entraîner à la fois un biais d’observation dans une étude de cohorte et un biais de sélection dans une étude cas-témoin.

Answer 17

Façon de faire le diagnostic de la maladie.

Question 18

Vrai ou faux?
Le facteur confondant est causé par un défaut dans le protocole de l’étude.

Answer 18

Faux.
Contrairement aux autres biais causés par des défauts dans le devis de l’étude, l’effet confondant est causé par les interrelations complexes qui existent entre une maladie et ses facteurs de risque.

Question 19

Qu’est-ce que la confusion par l’indication?

Answer 19

Une distortion dans l’effet observé d’une intervention causée par la distribution inégale dans les deux groupes de l’indication elle-même à recevoir l’intervention.
ex: intubation et décès

Question 20

Vrai ou faux?
ll est très difficile de contrôler entièrement pour la gravité (indication) de la maladie dans une étude observationnelle d’efficacité d’un médicament, vaccin, etc.

Answer 20

Vrai.

Question 21

Qu’est-ce que la méthode de comparaison de la mesure d’association brute et les mesures d’assocation pour chaque strate (méthode approximative) lorsqu’on cherche à savoir si une variable externe est un facteur de confusion?

Answer 21

Si le RR brut n’est pas comprit entre les RR stratifiés pour le FC, on conclut que le FC exerce un effet de confusion.

Question 22

Vrai ou faux?
La modification d’effet n’a pas d’impact sur la validité d’une étude.

Answer 22

Vrai. Ce n’est pas un biais, c’est un résultat réel.

Question 23

Qu’est-ce que la modification d’effet (ou interaction)?

Answer 23

C’est ce qui se produit quand un traitmenet fonctionne moins bien en fonction des caractéristiques des patients. L’association entre l’exposition et la maladie hange selon la valeur d’une troisième variable externe (elle a donc un effet modifiant).

Question 24

Facteur de confusion ou modification de l’effet?
OR des strates semblables au OR brut.

Answer 24

Ni confusion, ni intéraction

Question 25

Facteur de confusion ou modification de l’effet?
OR des strates semblables entre eux mais différents du OR brut.

Answer 25

Confusion sans intéraction.

Question 26

Facteur de confusion ou modification de l’effet?
OR des strates différentes entre eux et différents du OR brut.

Answer 26

Interaction, possible confusion.

Question 27

Peut-on contrôler pour une intéraction dans une étude?

Answer 27

Non, puisque c’est un effet réel et non un biais.

Question 28

Vrai ou faux?
L’effet modifiant dépend de la mesure d’association utilisée.

Answer 28

Vrai.
RR : mesure multiplicative
DR: mesure additive
On devrait donc plus parler de modification de la mesure d’effet plutôt que de modification de l’effet.

Question 29

Peut-on avoir un effet modifiant dans un ECR?

Answer 29

Oui.

Question 30

Le RR brut d’une étude qui mesure l’association entre l’exposition A et le cancer X est de 3.2. L’ajout de la variable « sexe » dans le modèle multivarié fait passer le RR de la relation A-X à 4.2.
La variabe agit-elle comme facteur de confusion? La variable agit-elle comme facteur d’intéraction?

Answer 30

C’est un facteur de confusion, mais il est impossible de déterminer s’il y a interaction sans voir les strates.