Brainscape's Knowledge GenomeTM

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


See full index

Automne 2024 > Concepts et méthodes 2 > Flashcards

Concepts et méthodes 2 Flashcards

1
Q

de quoi dépend la justesse d’une mesure

A
  • précision
  • validité interne
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

qu’est-ce que la précision

A
  • si les résultats varient de manière aléatoire cela veut dire qu’il manque de précision
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

comment obtenir la mesure observée

A

addition de la mesure vraie + erreur systématique + erreur aléatoire

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

qu’est-ce que l’erreur systématique

A
  • elle est toujours présente
  • ainsi on parle de mesure d’association et non causale car il y a la présence de biais
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

autre nom pour une mesure avec une mauvaise précision

A

erreur aléatoire

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

quelle est la relation entre la précision et la validité

A
  • précision élevée et validité élevée
  • précision élevée et validité faible
  • précision faible et validité élevée
  • précision faible et validité faible
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

vrai ou faux, l’observation d’un écart entre la valeur mesurée et la vraie valeur ne suffit pas à en attribuer la cause à un manque de validité ou un manque de précision

A

vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

vrai ou faux, on peut souvent confronter la valeur mesurée à la vrai valeur

A

faux

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

quels sont les 3 types de biais résultant de la validité interne, soit les 3 types d’erreurs systématiques

A
  • biais de sélection
  • biais de confusion
  • biais d’information
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

à quoi ressemble le biais de sélection dans une population à cohorte ou devis expérimental

A

attrition ou refus de participer à l’étude ou du volontariat

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

à quoi ressemble le biais de sélection dans une étude cas témoin

A

sélection des témoins en fonction du statut d’exposition ou volontariat

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

qu’est-ce que les biais de confusion

A
  • On peut concevoir l’effet d’un biais de confusion comme de la confusion des effets
  • L’effet de l’exposition est mêlé avec l’effet d’une autre variable, menant à un biais
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

le biais de confusion affecte quoi

A

la mesure d’association entre une exposition et un événement lorsque l’association est attribuable, en tout ou en partie, à des facteurs autres que l’exposition

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

le biais de confusion est de quel type d’erreur

A

erreur systématique attribuable à un tiers facteur dans la mesure d’association entre l’exposition et la maladie

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

3 conditions pour être un facteur confondant

A
  • Être une cause (facteur de risque) de la maladie
  • Être associé à l’exposition
  • Ne pas faire partie de la chaîne causale reliant l’exposition à la maladie (pas un intermédiaire)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

vrai ou faux, le biais peut sous-estimer ou sur-estimer l’association

A

vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

vrai ou faux, on ne peut pas voir une association inverse avec la confusion

A

faux

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

est-ce que le facteur confondant doit avoir un lien absent ou présent indépendamment de l’exposition

A
  • Pour être un facteur confondant, il faut que le lien entre le facteur confondant et la maladie soit présent indépendamment de l’exposition
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

qu’est-ce que des confondants potentiels

A
  • Une variable peut remplir toutes les conditions pour être confondante, mais le contrôle d’une autre variable confondante peut faire en sorte que son effet comme confondant disparaît
  • le statut d’une variable comme facteur confondant peut dépendre des autres variables qui ont été contrôlées dans l’évaluation
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

existe t’il un test statistique pour la confusion

A
  • non seulement le jugement
  • une différence 10% dans la mesure d’association est suffisante pour faire mention de confusion
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

comment calculé la différence de 10% pour dire s’il y a un biais de confusion

A

(valeur ajustée - valeur brute) divisé par valeur ajustée * 100 = pourcentage

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

quoi faire si le 10% n’est pas atteint par le biais de confusion mais qu’il remplie les 3 conditions

A

s’il est proche du 10% et qu’il remplie les 3 conditions on dira que c’est un biais de confusion

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

quoi faire pour s’assurer que la condition 1 est remplie = Être a priori une cause (une variable indicatrice d’une cause, un facteur de risque) de la maladie, indépendamment de l’exposition

A
  • Pour identifier les facteurs potentiellement confondants, il faut donc connaître les causes de la maladie étudiée
  • En l’absence de connaissance a priori, la population non exposée peut fournir des informations
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

quoi faire pour s’assurer que la condition 2 est remplie = Le facteur confondant doit être associé avec l’exposition dans la population de l’étude

A
  • Dans les études de cohorte, cette condition est évaluée dans les données au début du suivi
  • Dans les études cas témoins, cette condition peut être évaluée dans le groupe des témoins qui représente la population si sa taille est suffisante
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

quoi faire pour s’assurer que la condition 3 est remplie = Le facteur confondant ne doit pas être influencé par l’exposition ou la maladie

A
  • Il n’y a pas d’ambiguïté si le facteur précède l’événement et la maladie (âge, sexe)
  • Dans les autres cas, il faut avoir des connaissances a priori sur les relations entre l’exposition ou la maladie et le facteur
  • Le facteur ne doit pas être sur la chaîne causale reliant l’exposition à la maladie
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

3 aspects permettant la prévention des biais de confusion

A
  • randomisation
  • restriction
  • appariement
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

comment la randomisation aide à diminué la confusion

A
  • tend à supprimer dans la population de l’étude tout lien pouvant exister dans la population plus large entre les facteurs potentiellement confondants et l’exposition
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

comment la restriction aide à diminué la confusion

A

Lorsqu’on anticipe qu’un facteur comme l’âge, le sexe, la consommation de tabac… risque d’être une source de confusion pour l’association considérée par l’étude, on peut restreindre la population à une seule catégorie de ce facteur

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

comment l’appariement aide à diminué la confusion

A
  • Dans une étude de cohorte, la population est divisée en sous populations comprenant des exposés et des non exposés qui sont homogènes quant à la catégorie du facteur confondant
  • Dans une étude cas-témoins, les témoins sont appariés aux cas de façon à stratifier l’étude en de nombreuses sous études cas-témoins homogènes quant à la catégorie du facteur confondant
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

3 aspects permettant la correction des biais de confusion

A
  • stratification
  • standardisation
  • analyses multivariées
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

qu’est-ce qu’une analyse de stratification

A

rapporté les résultats selon des catégories (âge)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

qu’est-ce que la standardisation

A

modifier le poids des résultats

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

qu’est-ce que les analyses multivariées

A

faire l’analyse en prenant en compte tout les facteurs confondants

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

qu’est-ce que le biais de sélection

A
  • Les biais de sélection résultent notamment des erreurs commises lors
    de la constitution des groupes (des populations) à comparer
  • Un biais de sélection survient quand la sélection préférentielle des
    sujets à comparer entraîne une distorsion des résultats
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

quand peut survenir un biais de sélection

A
  • Au moment du recrutement des participants
  • Lors du processus de rétention dans l’étude
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

vrai ou faux, il est facile de corriger les biais de sélection lors de l’analyse

A

faux, mais on peut tout de même faire des analyses de sensibilité

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

comment ressort un biais de sélection dans une étude de cohorte

A

il y a biais de sélection si le recrutement des sujets exposés (sujets non exposés) est lié à la présence de la
maladie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

comment ressort un biais de sélection dans une étude de cas-témoins

A

il y a biais de sélection si le recrutement des cas (témoins) est lié à la présence de l’exposition au facteur
étudié

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

en bref quand est-ce qu’il y a un biais de sélection

A

quand les probabilités de sélection sont influencées par l’exposition ou par le statut de la maladie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

vrai ou faux, dans une étude de cohorte la population de l’étude est clairement identifié

A

vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

comment choisir une population pour une étude épidémiologique analytique

A

choisie pour servir les besoins de l’étude (validité, précision, durée, coûts) et non pas pour représenter la population générale

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
42
Q

comment choisir une population pour une étude épidémiologique descriptive

A

la population de l’étude doit correspondre à (ou être représentative de) la population, souvent définie géographiquement, pour laquelle on cherche à mesurer l’incidence ou la prévalence

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
43
Q

la question de généralisation fait appel à quel type de validité

A

validité externe

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
44
Q

quelles sont les 3 sources de biais de sélection dans les études transversales

A
  • échantillonnage = sélection de survivants ou cas prévalents + biais de volontariat
  • biais de non-participation = biais de non réponse
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
45
Q

exemple de biais de volontariat

A

Les caractéristiques des participants ne sont pas représentatives des caractéristiques de l’ensemble des individus de la population

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
46
Q

comment le biais de sélection se présente dans les essais cliniques avec la randomisation

A

allocation non aveugle durant la randomisation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
47
Q

comment le biais de sélection se présente dans les essais cliniques après la randomisation

A
  • retrait de l’étude
  • perte de vue
  • risques compétitifs
  • violation du protocole et contamination
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
48
Q

qu’est-ce qu’un Biais liés à un groupe de comparaison non représentatif

A

Est-ce que les groupes exposés et non exposés sont comparables, à l’exception du
fait que l’un soit exposé?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
49
Q

qu’est-ce qu’un Biais de volontariat ou de non-réponse

A

Si la non-réponse est liée à l’exposition (ex. personnes qui consomment des drogues moins susceptibles de répondre dans une étude liant la consommation de drogues au cancer)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
50
Q

qu’est-ce qu’un Biais d’attrition (pertes au suivi et retrait de l’étude)

A
  • Il est possible que les exposés malades présentent moins de risque d’être perdus au suivi que les exposés non malades, les non-exposés malades et les non-exposés non malades
  • Ceux qui restent dans l’étude peuvent avoir un risque différent que ceux qui se retire de l’étude ou qui ne sont pas observants (biais d’adhésion)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
51
Q

qu’est-ce qu’un Biais de bonne santé des travailleurs

A
  • Les populations de travailleurs ont généralement un taux de morbidité et de mortalité plus faibles que la population générale
  • Si on compare la morbidité des travailleurs à celle de la population générale, cette comparaison souffre généralement d’un biais de sélection
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
52
Q

qu’est-ce qu’un biais d’attrition

A
  • Résulte du fait que la perte au suivi peut être différente selon l’exposition en cause
  • progression du VIH vers SIDA entre hommes homosexuels et utilisateurs de drogues intraveineuses (davantage de perte de vue chez utilisateurs)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
53
Q

3 manières de prévenir les biais de sélection

A
  • prévenir l’attrition si possible
  • être en mesure de colliger par registre tous les événements
  • éviter des issues d’intérêts avec risques compétitifs
  • sélection des témoins aléatoirement si possible
  • incitatifs aux témoins pour favoriser leur participation
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
54
Q

qu’est-ce que le biais de survie sélective

A
  • Par exemple, si l’exposition fait en sorte que les exposés décèdent plus rapidement que les non-exposés, un groupe de cas prévalents comptera un plus grand nombre de non-exposés
  • Il y aura sur-représentation des cas vivant le plus longtemps, i.e. les non exposés
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
55
Q

qu’est-ce que le biais de détection

A
  • Survient si le facteur influence directement la détection de la maladie
  • Par exemple, si on sait qu’un contraceptif oral augmente le risque de thrombose veineuse, on pourrait faire plus de tests pour détecter cet effet
  • Il y a une plus forte probabilité de détection en raison de la surveillance médiale accrue
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
56
Q

qu’est-ce que le biais d’admission

A
  • Dans les études cas-témoins, lorsque les groupes de comparaison sont des patients hospitalisés dans des études cas-témoins
  • La probabilité différente d’être admis ou non à l’hôpital diffère selon que la personne est exposée ou non au facteur étudié
  • Par exemple, les cas exposés sont peut-être plus facilement admis à l’hôpital ou encore les témoins peuvent être hospitalisés à cause de la présence du facteur
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
57
Q

3 stratégies pour éviter les biais de sélection dans les études cas-témoins

A
  • Dans les études cas-témoins, utiliser des stratégies qui favorisent la participation
  • Lorsque l’étude est réalisée dans une population bien définie, sélectionner les témoins de façon aléatoire (avoir accès à un registre)
  • Éviter les données manquantes
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
58
Q

qu’est-ce qu’un biais de publication

A
  • Dans les revues systématiques et méta-analyses
  • Tendance à publier principalement les études qui appuient les hypothèses de recherche établies
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
59
Q

Pourquoi dans les études cas-témoins ont doit toujours sélectionnés les témoins de façon indépendante des expositions étudiées

A
  • Les personnes qui acceptent de participer à une étude et maintiennent leur participation peuvent le faire pour diverses raisons
  • Si ces raisons sont liées à l’objet de l’étude, il y a risque de biais de sélection
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
60
Q

vrai ou faux, on peut comparer la mesure d’association obtenue à
celle qui aurait été observée en l’absence de problèmes de sélection pour juger de la présence de biais de sélection

A

faux

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
61
Q

vrai ou faux, L’identification des biais de sélection est une question de jugement

A

vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
62
Q

il faut évaluer quels aspects des biais de sélection pour notre jugement

A
  • magnitude
  • direction
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
63
Q

qu’est-ce qu’un biais d’information

A
  • une erreur de mesure ou de classification sur l’exposition et ou l’issue
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
64
Q

si nous répondons oui à ces questions quel est le biais d’information
- est-ce que le statut de la maladie a une influence (erreur sur l’exposition)
- est-ce que le statut d’exposition a une influence (erreur sur l’issue)

A

biais différentiel

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
65
Q

si nous répondons non à ces questions quel est le biais d’information
- est-ce que le statut de la maladie a une influence (erreur sur l’exposition)
- est-ce que le statut d’exposition a une influence (erreur sur l’issue)

A

biais non différentiel

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
66
Q

qu’entraîne un biais différentiel

A

réfléchir et faire les tableaux de contingences lorsque nécessaire pour appuyer la réflexion sur le sens du biais = sous-estimation ou surestimation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
67
Q

différence d’effet entre biais non différentiel avec et sans variable dichotomique

A
  • avec = entraîne une sous estimation de l’estimé
  • sans = faire les tableaux de contingences lorsque nécessaire pour appuyer la réflexion sur le sens du biais = sous-estimation ou surestimation
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
68
Q

les biais différentielle se présente souvent sous deux formes lesquelles

A
  • biais de rappel = ceux ayant été malade auront meilleur souvenir de la maladie
  • suivi différentiel = suivi n’est pas comparable entre exposé et non exposé
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
69
Q

les biais non différentielle se présente souvent sous quelle forme

A
  • exposition dichotomique
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
70
Q

quelles sont les 5 sources de biais de sélection

A
  • volontariat
  • taux de participation
  • sélection des témoins selon l’exposition
  • pertes au suivi ou retrait de l’étude
  • données manquantes
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
71
Q

que peut nous dire l’écart type

A
  • informe sur précision
  • plus il est grand moins il y a de précision
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
72
Q

qu’est-ce que la validité

A

une mesure valide est une mesure qui décrit correctement un phénomène

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
73
Q

qu’est-ce que l’exposition

A

représente toute caractéristique d’un sujet ou de son environnement pouvant influencer sa santé

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
74
Q

pour quelles variables devons-nous définir l’exposition

A
  • variables indépendantes
  • variables confondantes
  • variables modifiantes
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
75
Q

pourquoi on s’intéresse souvent aux expositions modifiables

A
  • en raison des possibilité de prévention
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
76
Q

vrai ou faux, souvent il y a une interaction entre différents types d’exposition

A

vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
77
Q

l’exposition est définie selon 3 concepts lesquels

A
  • dose
  • durée
  • relation temporelle avec la survenue de la maladie
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
78
Q

que permet la conceptualisation de l’exposition

A

choisir des instruments de mesures appropriés

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
79
Q

3 types de doses sont pertinents lesquels

A
  • dose maximale
  • dose moyenne
  • dose cumulée
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
80
Q

différencier les 4 types de durée d’exposition suivants
- exposition permanente
- exposition instantanée
- exposition constante et continue sur une période limitée
- exposition variable

A
  • permanente = sexe, génétique
  • instantanée = accident, vaccin
  • constante = prise médicament essai clinique
  • variable = alimentation, prise médicament réelle, âge
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
81
Q

que vent dire
- comparaison en fonction de l’exposition
- comparaison selon exposition fixe
- comparaison selon exposition fluctuante

A
  • exposé vs non exposé
  • expo permanente, instantanée, constante
  • expo variable
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
82
Q

particularité d’une exposition constante ou variable

A

elles doivent se maintenir pendant une période jugée satisfaisante pour qu’elle ait un effet sur la santé

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
83
Q

il faut tenir compte de quoi lorsque les sujet peuvent changer de niveau d’exposition au cours du suivi

A
  • il faut tenir compte de ce changement d’exposition pour classer les événements et les durées de suivi
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
84
Q

vrai ou faux, dans une étude de cohorte où on mesure des taux d’incidence, un individu peut autant contribuer au temps de suivi dans la cohorte exposé que non exposé dépendant de son statut

A

vrai

85
Q

vrai ou faux, il ne faut pas comptabilisé le temps précédant l’exposition suffisante chez les exposés dans le groupe non exposé

A

faux, il faut comptabilisé

86
Q

vrai ou faux, Lorsqu’un sujet exposé devient non exposé, il faut tenir compte de la
durée escomptée des effets de l’exposition avant de le considérer comme non exposé

A

vrai

87
Q

quelle exposition sont propices aux études avec croisement

A

celles ayant des effets à court terme

88
Q

2 aspects à faire attention dans l’attribution des durées de suivi

A
  • Toujours comptabiliser les événements et les durées de suivi de façon cohérente dans les différentes catégories d’exposition
  • Ne pas attribuer tout le suivi à la catégorie la plus haute atteinte
89
Q

pourquoi doit-on concevoir une fenêtre de temps (temps d’induction)

A
  • une fenêtre de temps à l’intérieur de laquelle
    l’exposition peut jouer un rôle dans la survenue de la maladie
  • En dehors de cette fenêtre, l’exposition n’est pas pertinente
90
Q

5 instruments permettant la mesure de l’exposition

A
  • dossiers existants
  • questionnaire auto-adminis
  • entrevues
  • analyses d’échantillons biologiques du sujet
  • analyses physico-chimiques de l’environnement
91
Q

quoi faire attention avec les données subjectives

A
  • biaisée
92
Q

comment contrôlée la subjectivité

A

De dossiers déjà existants
* De mesure sur le sujet ou son environnement
* D’observations faites par l’investigateur (en utilisant des outils de mesure validés)

93
Q

différence entre prospective et rétrospective

A
  • prospective = exposition avant maladie
  • rétrospective = maladie avant exposition
94
Q

qu’est-ce que le biais immortel

A
  • supposer qu’une personne a survécu une période de temps spécifique
95
Q

qu’est-ce qu’un biais d’information

A

Erreur systématique due à la mesure ou à l’observation incorrecte d’un phénomène

96
Q

autre nom pour biais d’information

A

misclassfication

97
Q

qu’est-ce que le biais d’information nommé misclassfication

A

survient quand l’exposition est catégorielle et que la personne n’est pas classée dans la bonne catégorie d’exposition

98
Q

différence entre biais d’information différentiel ou non

A
  • différentiel = Lorsque les erreurs de mesure concernant une variable dépendent de l’autre variable
  • non différentiel = Les erreurs de mesure sur l’exposition lorsqu’elles ne dépendent pas de l’événement ou de l’exposition
99
Q

différence entre erreur différentielle exposition et maladie

A
  • exposition = l’exposition diffère chez les malades et les non-malades
  • maladie = la maladie diffère chez les exposées et non-exposés
100
Q

différence entre non différentielle exposition et maladie

A
  • exposition = erreur ne dépend pas de l’événement donc elle est la même chez les malades et non malades
  • maladie = erreur de mesure sur la maladie ne dépend pas de l’exposition, elle est la même chez les exposés et non exposés
101
Q

vrai ou faux, les erreurs non différentielles de mesure peuvent survenir à toutes les étapes de l’étude

A

vrai

102
Q

qu’affecte une erreur non différentielle

A
  • Affecte également l’information entre les groupes
  • Sous-estime l’effet vers la valeur nulle (=1 si RR/RI/RP ; =0 si DR/DI/DP) lorsque l’exposition est dichotomique
103
Q

qu’affecte une erreur différentielle

A
  • Affecte différemment l’information entre les groupes
  • Sur ou sous-estime l’effet
104
Q

erreur non différentielle entraîne un sous ou sur estimation de la force
d’association entre l’exposition et l’événement et pourquoi

A
  • sous estimation
  • La mesure d’association observée est plus proche de la valeur nulle que la mesure qui aurait été observée en absence de biais
105
Q

les erreurs différentielles entraînent un sur ou sous estimation de la force
d’association entre l’exposition et l’événement et pourquoi

A

sur et sous

106
Q

quand est-ce qu’il y a une biais d’information de nature différentielle

A
  • Lorsque dans une étude prospective, le suivi n’est pas comparable pour les exposés et les non exposés
107
Q

quand peut on aborder la question de biais d’information sous l’angle des mesures de validité

A

Lorsque la variable mesurée (exposition ou maladie) est
dichotomique et qu’il existe pour cette variable une mesure de référence (« gold standard »)

108
Q

différence entre sensibilité et spécificité

A
  • sensibilité = Quelle est la probabilité que la mesure soit positive si le patient est malade?
  • spécificité = Quelle est la probabilité que la mesure soit négative si le patient n’est pas malade?
109
Q

vrai ou faux, la sensibilité et la spécificité ne dépendent pas de la population utilisée

A

vrai

110
Q

interprétation de la sensibilité avec un tableau de contingence

A

a / (a + c)
Proportion de personnes malades qui vont avoir un résultat positif avec la mesure

111
Q

interprétation de la spécificité avec un tableau de contingence

A

d / (b+d)
Proportion de personnes non malades qui vont avoir un résultat négatif avec la mesure

112
Q

qu’est-ce qu’une valeur prédictive

A
  • probabilité qu’un patient soit véritablement malade
113
Q

les valeurs prédictives dépendant de quels 3 aspects

A
  • sensibilité
  • spécificité
  • prévalence de la vraie positivité de la maladie
114
Q

différence entre valeur prédictive positive et négative

A
  • positive = proportion de sujets réellement malades parmi tous ceux qui ont été identifiés positivement.
  • négative = proportion de sujets sains parmi tous ceux qui ont un résultat négatif.
115
Q

interprétation calcul de la valeur prédictive positive (VPP)

A

a / (a + b)
Proportion de personnes malades parmi toutes celles qui ont eu un résultat positif avec la mesure

116
Q

comment trouvé la probabilité d’avoir un résultat faussement positif

A

1 – VPP

117
Q

interprétation de la valeur prédictive négative (VPN)

A

d / (c+d)
Proportion de personnes non malades parmi toutes celles qui ont eu un résultat négatif avec la mesure

118
Q

comment trouvé la probabilité d’avoir un résultat faussement négatif

A

1 - VPN

119
Q

un dépistage doit être X et X

A

sensible et spécifique

120
Q

qu’est-ce que le rapport de vraisemblance

A

sont des indices qui permettent de juger de l’utilité du test pour confirmer ou exclure la maladie

121
Q

que représente RV test positif et RV test négatif

A
  • RV positif = proportion des vrais positifs
  • RV négatif = proportion des faux négatifs
122
Q

différence d’interprétation RV positif et négatif

A
  • positif = Cela signifie qu’un résultat positif survient X fois plus souvent chez les malades que les non malades
  • négatif = Cela signifie qu’un résultat négatif survient X fois moins souvent chez les malades que les non malades
123
Q

Plus le RV+ est X, plus le RV- est X, plus le test est utile
cliniquement

A

grand
petit

124
Q

Plus le RV+ est X, plus le test permet de confirmer la maladie

A

grand

125
Q

Plus le RV- est X, plus le test permet d’exclure la maladie

A

petit

126
Q

entre le VPP (valeur prédictive positive) et le RV (rapport vraisemblance) lequel varie et lequel ne varie pas

A

VPP varie
RV varie pas

127
Q

Si RV+ > 1, que cela veux dire

A
  • Probabilité d’avoir un résultat positif est plus forte chez les individus malades
    que les non malades
  • L’examen apporte un gain pour le clinicien
128
Q

rapport de vraisemblance RV sert à quoi

A
  • guider le jugement sur l’utilité d’un test diagnostic
129
Q

RV (positif ou négatif) = 1 que cela veux dire

A
  • pour un résultat donné, la probabilité d’obtenir ce résultat (positif ou négatif)
    est semblable chez les individus malades et les non malades
  • l’examen ne sert à rien
130
Q

Si RV- < 1 que cela veux dire

A
  • Probabilité d’avoir un résultat négatif est moins forte chez les individus
    malades que les non malades
  • L’examen apporte un gain pour le clinicien
131
Q

à quoi sert la courbe de ROC

A

Outil graphique permettant de représenter la capacité d’un test à discriminer les malades des non-malades

132
Q

à quoi ressemble l’axe des x et y sur la courbe de ROC

A

y = sensibilité soit les tests positifs chez les malades
x = 1-spécificité soit proportion de tests positifs parmi les non malades

133
Q

que représente le coin supérieur gauche du graphique de ROC

A

Le coin supérieur gauche du graphique est le point où la sensibilité et la spécificité sont de 100%

134
Q

que veux dire la courbe de ROC si elle est à 45%

A

le test a une capacité de discrimination nulle

135
Q

la majorité des test de ROC sont entre le 100% et 45%, vrai ou faux

A

vrai

136
Q

que permet la courbe de ROC

A

permet de sélectionner la valeur seuil selon le
contexte clinique et les caractéristiques du test

137
Q

à quoi sert le fait de calculer l’air sous la courbe de ROC

A
  • On peut calculer l’aire sous la courbe (et l’intervalle de confiance) pour déterminer la valeur discriminante d’un test
  • Parfaitement discriminant= 1
  • sans valeur discriminante: 0,5
138
Q

comment prévenir les biais d’information

A
  • Bien cerner la fenêtre d’exposition pertinente
  • Utiliser des sources de données valides
  • Standardiser le plus possible toutes les procédures dans les groupes
  • Obtenir des informations objectives sur les expositions et événements dans les dossiers
  • Administrer les questionnaires de la même façon
  • Ne pas dévoiler l’hypothèse de recherche aux interviewers, aux sujets
  • Collecter les données à l’aveugle
  • Assurer l’aveuglement (double insu) dans les essais cliniques
  • Obtenir des informations de différentes sources et les combiner
139
Q

comment corriger les biais d’information

A
  • La correction des erreurs de mesure au moment de l’analyse est un exercice risqué
  • Vaut mieux prévenir que guérir!
140
Q

L’observation d’un écart entre la valeur mesurée et la vraie valeur ne suffit pas à en attribuer la cause à un manque de validité ou un manque de précision

A

vrai

141
Q

l’erreur aléatoire réfère à quoi

A

toutes les raisons non systématiques pour lesquelles les valeurs estimées s’écartent des vraies valeurs

142
Q

synonyme et antonyme de l’erreur aléatoire

A
  • synonyme = variabilité échantillonnage
  • antonyme = précision
143
Q

est-ce qu’il faut plus prioriser l’erreur aléatoire ou l’erreur systématique

A

erreur systématique

144
Q

peut on tester directement l’effet de l’erreur aléatoire sur les résultats

A

non

145
Q

à cause de l’erreur aléatoire les mesures peuvent être identiques à la mesure d’association véritable

A

Faux
en raison des erreurs aléatoires, les mesures ne seront jamais identiques à la mesure d’association véritable ou au paramètre, même en l’absence de biais

146
Q

il est plus fréquent d’avoir de grands ou petits écarts entre les mesures obtenus

A

petits

146
Q

Avec l’erreur aléatoire, il y a en théorie autant de chances que la vraie mesure soit plus petite ou plus grande que la mesure observée

A

vrai

147
Q

plus la taille de l’échantillon augmente plus la probabilité d’écart X

A

diminue

148
Q

on peut trouver des manière d’évaluer et minimiser l’influence de l’erreur aléatoire, si oui lesquels

A

vrai
- test hypothèse
- intervalles de confiance

149
Q

qu’est-ce qu’un test d’hypothèse

A
  • hypothèse nulle = absence association entre exposition et incidence
  • hypothèse alternative = contraire hypothèse nulle
  • valeur p critique = si valeur p obtenu est au dessus de celle critique on rejette Ho
150
Q

dans un test d’hypothèse il peut y avoir un test bilatéral ou unilatéral quelle est la différence

A
  • bilatéral = association peut être positive ou négative
  • unilatéral = association dans une direction seulement
151
Q

quelle est la plus grande menace d’une mesure

A

les biais

152
Q

une intervalle de confiance nous permet d’indiquer quoi

A

la précision de la mesure soit l’importance de l’erreur aléatoire

153
Q

qu’est-ce qu’une intervalle de confiance

A

ensemble des valeurs possibles pour le paramètre qu’on cherche à estimer

154
Q

si mon intervalle de confiance est de 95% que cela dit sur mon seuil alpha

A

qu’il est de 5%

155
Q

Pouvons-nous interprété notre intervalle de confiance de la sorte: Il y a 95% des chances que la vraie valeur soit incluse dans l’intervalle de confiance

A
  • Non
  • La vraie valeur est une constante, pas une variable aléatoire.
  • Elle sera ou non dans l’intervalle. Il n’y a pas de probabilité impliquée.
  • C’est l’intervalle de confiance qui varie autour de la vraie valeur
156
Q

si notre intervalle de confiance est de 95% mon test est davantage unilatéral ou bilatéral

A
  • bilatéral
157
Q

comment réduire l’erreur aléatoire

A
  • augmenter taille échantillon
  • améliorer les procédures échantillonnage
  • réduire variabilité des instruments de mesure
  • adopter méthodes statistiques plus efficaces selon taille échantillon
158
Q

est-ce que la précision et la validité sont des concepts distincts

A

oui

159
Q

une mesure est précise si quoi

A

elle est peu affectée par des fluctuations aléatoires

160
Q

est-ce que l’accent est davantage mis sur l’estimation ou la prise de décision

A

estimation

161
Q

les intervalles de confiance sont construit à partir de …

A

tests de signification statistique

162
Q

L’intervalle de confiance (au seuil choisi) peut être considéré comme l’ensemble des valeurs possibles pour le paramètre qu’on cherche à estimer (mesure de fréquence ou d’association)

A

vrai

163
Q

l’intervalle de confiance reflète la validité de la mesure de fréquence ou association

A

faux c’est la précision

164
Q

On doit considérer l’étendue de l’intervalle de confiance et ne pas se limiter à noter si il contient ou non la valeur nulle

A

vrai

165
Q

On peut conclure qu’il n’y a pas de différence ou
pas d’association quand la valeur p est plus élevée qu’un seuil tel que 0,05 (ou qu’un intervalle de confiance
comprend la valeur nulle)

A

faux

166
Q

On ne devrait pas conclure que deux études sont
conflictuelles parce qu’une a un résultat statistiquement
significatif et l’autre non

A

vrai

167
Q

à quoi il faut faire attention avec la valeur p

A

Il faut simplement ne pas l’utiliser de manière dichotomique pour dire
si elle réfute ou soutient une hypothèse scientifique

168
Q

Quel énoncé est vrai:
- Il n’y a pas de relation entre l’erreur aléatoire et la précision
- L’erreur aléatoire réfère à toutes les raisons systématiques pour lesquelles les valeurs estimées s’écartent des vraies valeur
- L’erreur aléatoire peut être vue comme la variabilité d’échantillonnage
- L’erreur aléatoire réfère à la partie de l’expérience que l’on peut prédire

A
  • L’erreur aléatoire peut être vue comme la variabilité d’échantillonnage
169
Q

Vrai ou faux. Il n’est pas possible de mesurer de manière directe l’impact que peut avoir l’erreur aléatoire sur les résultats

A

vrai

170
Q

Vrai ou faux. L’erreur aléatoire doit toujours avoir préséance sur les erreurs systématiques (biais)

A

faux

171
Q

Vrai ou faux. Plus la taille de l’échantillon augmente, plus la précision augmente.

A

vrai

172
Q

Parmi les énoncés suivants, lesquels sont vrais?
- Si le test est bilatéral, seule l’association positive entre l’exposition et l’événement est considérée
- Si la valeur p associée au test est au dessus de la valeur critique pour le seuil de signification choisi, l’hypothèse nulle est rejetée.
- Les tests statistiques nous permettent de comparer la probabilité d’obtenir une valeur aussi extrême ou plus extrême que celle obtenue dans une étude sous l’hypothèse nulle
- Le test d’hypothèse porte sur l’hypothèse nulle de l’absence d’association entre l’exposition et l’événement de santé

A
  • Les tests statistiques nous permettent de comparer la probabilité d’obtenir une valeur aussi extrême ou plus extrême que celle obtenue dans une étude sous l’hypothèse nulle
  • Le test d’hypothèse porte sur l’hypothèse nulle de l’absence d’association entre l’exposition et l’événement de santé
173
Q

Si la valeur p associée au test est X de la valeur critique pour le seuil de signification choisi, l’hypothèse nulle est rejetée. Si le test est bilatéral, l’association peut être positive ou négative.

A

au dessous

174
Q

Comment savoir si un test est statistiquement significatif

A
  • les valeurs p obtenues avec les tests doivent être inférieures au seuil fixé
  • Si le seuil est à 5%, il faut donc que la valeur p soit inférieure à 0,05. Si la valeur seuil est de 1%, la valeur p doit être inférieure à 0,01.
175
Q

Parmi les énoncés suivants sur l’intervalle de confiance, lequel est vrai?
- Plus il y a d’individus inclus dans l’échantillon, plus l’intervalle de confiance sera grand.
- L’intervalle de confiance d’une mesure biaisée sera plus grand qu’une celui d’une mesure sans biais.
- L’intervalle de confiance, au seuil choisi, peut être considéré comme l’ensemble des valeurs possibles pour le paramètre qu’on chercher à estimer.
- L’intervalle de confiance ne renseigne pas sur la précision de la mesure de fréquence ou d’association.

A
  • L’intervalle de confiance, au seuil choisi, peut être considéré comme l’ensemble des valeurs possibles pour le paramètre qu’on chercher à estimer.
176
Q

Une étude a mesuré un rapport de taux d’incidence pour évaluer l’association entre l’exposition aux gras saturés et la survenue d’infarctus du myocarde. Quelle valeur doit être absente de l’intervalle de confiance pour que le résultat soit statistiquement significatif?

A

1

177
Q

La même étude a aussi mesuré une différence de taux d’incidence pour évaluer l’association entre l’exposition aux gras saturés et la survenue d’infarctus du myocarde. Quelle valeur doit être absente de l’intervalle de confiance pour que le résultat soit statistiquement significatif?

A

0

178
Q

Parmi les résultats d’étude suivants, indiquez ceux qui sont statistiquement significatifs.
- Rapport de cotes: 2,1 (IC 99% 0,7-3,1)
- Différence de prévalences: 0,1 (IC 95%: 0,05-1,5)
- Rapport de proportion d’incidence: 0,5 (IC 95%: 0,3-0,7)
- Différence de taux d’incidence : 2,0 (IC 90%: -0,4 - 4,7)

A
  • Différence de prévalences: 0,1 (IC 95%: 0,05-1,5)
  • Rapport de proportion d’incidence: 0,5 (IC 95%: 0,3-0,7)
179
Q

contrairement aux erreurs systématiques, l’erreur aléatoire a ou n’a pas de sens?

A

elle n’a pas de sens, on ne l’interprète pas comme une erreur systématique

180
Q

vrai ou faux, avec l’erreur aléatoire, plus la taille augmente plus la probabilité d’écart diminue

A

vrai

181
Q

la validité est influencé par, alors que la signification statistique est influencé par

A
  • biais
  • valeur p
182
Q

plus ma valeur p est petite plus …

A

il peu probable que ce que j’obtienne soit vrai lorsque Ho est vraie

183
Q

comment on interprète p=0,85

A

probabilité de 85% que ce que l’on a observé comme association soit compatible avec une situation sans association

184
Q

comment savoir si notre intervalle est relativement large ou relativement étroite

A

c’est une question de jugement

185
Q

si notre valeur obtenue est en-dessous du seuil critique (alpha) cela voudrait dire quoi

A

que nos données sont compatible avec l’hypothèse nulle

186
Q

lorsque l’on fait l’intervalle de confiance pour différence de taux incidence ou rapport de taux incidence il ne faut pas oublier quoi

A

mentionner les années

187
Q

quand est-ce que l’on utilise une proportion ou une prévalence

A
  • proportion = on veut savoir l’état d’un groupe que l’on a suivi durant une période
  • prévalence = une photo de l’état actuel
188
Q

quelle est la valeur nulle pour les rapports et pour les différences

A
  • rapport = 1
  • différence = 0
189
Q

si je n’inclue pas la valeur nulle qu’est-ce que cela veux dire

A

que c’est significatif

190
Q

Si je regarde 2 groupes par rapport risque de maladie, lequel est plus à risque
- un groupe a une IC de 1,30 à 2,28
- tandis que l’autre a une IC de 0,48 à 0,94

A
  • groupe avec IC de 1,30 à 2,28 car l’intervalle est au-dessus de 1
191
Q

plus mon échantillon sera petit, plus mon IC sera …

A

grande

192
Q

si on utilise un intervalle de confiance à 99% quel serait le niveau de signification statistique

A

1%

193
Q

si j’utilise un intervalle de confiance à 99% au lieu de 95% quelle sera les conséquences sur les limites de l’intervalle de confiance

A

elle sera plus large et donc moins précise

194
Q

comment juger si mes résultats d’études sont comparables ou non

A
  • si inclusion valeur nulle = non comparable
  • regardé si largeur et direction IC similaire
  • si je n’ai pas IC je regarde si la mesure d’association ou de fréquence = voir si pareil, si non alors pas comparable
195
Q

est-il possible de contrôler tous les biais avec des méthodes statistiques justifier

A

non, il y aura toujours de la confusion résiduelle et parfois les biais de sélection et information ne peuvent pas être corriger

196
Q

pourquoi il est préférable de faire mention de l’IC au lieu de seulement la valeur p

A
  • IC = donne information sur la compatibilité des données observées avec la valeur nulle + précision
  • P ne permet pas de savoir si les données sont cohérente avec Ho ni la précision
197
Q

interprétation RR versus RI

A

rr = fois plus ou moins risques
ri = incidence

198
Q

que représente
- A1 et A0
- N1 et N0
- B1 et B0
- M1 et M0
- T1 et T0

A
  • A1 = cas exposé
  • A0 = cas non exposé
  • B1 = non cas exposé
  • B0 = non cas non exposé
  • N1 = total exposé
  • No = total non exposé
  • M1 = total cas
  • M0 = total non cas
  • T1 = temps exposé
  • T0 = temps non exposé
199
Q

comment diminuer erreur aléatoire soit améliorer la précision

A

augmenter échantillon + réduire variabilité des instruments

200
Q

quel impact sur la valeur prédictive négative a une stratégie de déploiement de tests pour un virus qu’on réserve seulement aux personnes ayant des sx compatibles avec infection au lieu de l’offrir à tous

A

diminue

201
Q

comment savoir si une étude est plus valide qu’une autre

A

avoir de l’informations sur les biais

202
Q

comment savoir si des études ont des résultats contradictoires

A

regardé les IC si elles se chevauchent se n’est pas contradictoire

203
Q

quelle valeur nous permet de savoir si le risque est élevé ou pas

A

valeur de notre mesure d’association ou de fréquence

204
Q

comment savoir s’il y a un biais de sélection dans une étude cas-témoin et de cohorte

A
  • cas-témoin = exposition varie selon maladie ou non maladie
  • cohorte = maladie varie selon exposition ou non
205
Q

si j’ai des valeurs brutes et non brutes comment savoir si les valeurs non brutes apportent un biais de confusion

A

regardé si la valeur brute est dans l’intervalle de mes valeurs non brutes ou faire moyenne de mes valeurs non brutes

206
Q

où se trouve la sensibilité et la spécificité dans mon tableau de contingence

A
  • sensibilité = malade et exposé (résultat positif)
  • spécificité = non malade non exposé (résultat neg)
207
Q

3 aspects dans exposition

A

dose
durée
relation temporelle

208
Q

biais d’information non différentiel est dit qu’il sous-estime que cela veux dire

A

valeur obtenue est plus proche de la valeur nulle que ce quelle devrait être

Automne 2024 (4 decks)

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