Brainscape's Knowledge GenomeTM

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


See full index

RDP191 > Cours 7 - VI, VCS et VE (partie 1) > Flashcards

Cours 7 - VI, VCS et VE (partie 1) Flashcards

1
Q

3 types de validité qui sont importantes à évaluer lors de la lecture d’un article

A
  1. VCS
  2. VE
  3. VI
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

3 étapes de la recherche

A
  1. choix de la pop et de l’échantillon
  2. tester des hypothèses à priori
  3. construire la méthodologie de l’étude
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

validité externe

A

résultats d’une étude peuvent être appliqués à des personnes en dehors de l’échantillon (pop)

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

impact des conditions expérimentales sur VE

A

+ conditions expérimentales sont proches de la pratique réelle, + l’étude aura une bonne validité externe

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

nomme 2 biais pouvant interférer avec VE

A
  1. erreur d’échantillonnage
  2. validité écologique faible
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

échantillon représentatif de la pop

A

on considère un échantillon représentatif s’il possède les mêmes caractéristiques que la pop pour toutes les variables importantes pour l’étude

contexte idéal : échantillon devrait avoir en tout point mêmes caractéristiques que la pop

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

quoi regarder pour savoir si l’échantillon est représentatif

A
  • critères d’inclusion et d’exclusion des études
  • recrutement
  • données descriptives de l’échantillon
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

exemple erreur d’échantillonnage : mauvaise répartition des genres

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

nomme 4 stratégies pour réduire les erreurs d’échantillonnage

A
  1. randomisation
  2. utilisation d’un échantillon large
  3. sélectionner des participants de plusieurs sites
  4. réplication de l’étude dans de nouveaux échantillons
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

stratégies pour réduire les erreurs d’échantillonnage : randomisation

A

chaque individu de la pop a la même chance d’être sélectionné

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

échantillon de convenance

A

utilisation d’un échantillon de participants facilement disponibles

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

quel biais peut être engendré par échantillon de convenance

A

risque majeur d’erreur d’échantillonnage

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

stratégies pour réduire les erreurs d’échantillonnage : sélectionner participants de plusieurs sites

A

un même site peut amener participants + âgés, + atteints par maladie, utilisant un tx médicamenteux différent

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

stratégies pour réduire les erreurs d’échantillonnage : répliquer l’étude dans d’autres échantillons

A

utiliser la même méthodologie de recherche mais dans d’autres échantillons de la pop

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

validité écologique

A

on essaie d’avoir un environnement (dans lequel est réalisé l’étude) le + proche possible de la pratique réelle

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

ecq validité écologique est la même pour tous les thérapeutes

A

non! peut être faible pour un tx et forte pour un autre…

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

stratégies pour limiter les biais dans le cadre de la validité écologique

A
  1. considérer : endroit (patients hospitalisés ou non?) procédure d’intervention (ecq professionnel hyperspécialisés? besoin matériel spécifique?) et temps (fréquence des séances? durée du tx?)
  2. répliquer dans de nouvelles conditions ou avec d’autres thérapeutes
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

face à un article, qu’est-ce que tu dois faire en tant que clinicien face à un article pour prendre en compte VE

A
  1. regarder si l’échantillon est similaire à ta clientèle
  2. vérifier que conditions de l’étude soient similaires à nos conditions de pratiques
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

qu’entraîne une erreur d’échantillonnage

A

ø de généralisation possible

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

qu’entraîne une faible validité écologique

A

limite l’applicabilité des résultats

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

validité de conclusion statistique (VCS)

A

précision de la conclusion tirée de l’analyse statistique (selon p < ou > à 0,05)

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

nomme 2 biais pouvant interférer avec VCS

A
  1. fishing
  2. puissance statistique
23
Q

biais VCS : fishing

A

auteurs testent hypothèses a postériori (hypothèses qu’ils n’avaient pas prévu d’explorer) ==> prob car calcul de la taille de l’échantillon a été fait pour hypothèse a priori !!!!!!!!

24
Q

impact du fishing

A

augmentation du risque de voir une différence qui est due au hasard (erreur type 1)

25
Q

stratégies pour limiter le fishing

A
  1. vérifier si les résultats présentés répondent à l’hypothèse de recherche
  2. utiliser des procédures statistiques qui prennent compte des analyses multiples (ex. correction de Bonferroni)
  3. effectuer une autre étude pour tester cette nouvelle hypothèse
26
Q

correction de Bonferroni

A

permet d’ajuster le risque alpha en le divisant par le nombre d’analyses (si 5 analyse prévues, chacune sera effectuée au niveau alpha/5)

27
Q

fishing augmente chances de faire une erreur de type…

A

1!! car on trouve un effet qui n’existe pas ou qui est due à la chance

28
Q

biais VCS : puissance statistique

A

capacité d’une étude à détecter une différence

29
Q

puissance statistique s’appuie sur 3 paramètres :

A
  1. taille de l’échantillon (+ grand n augmente puissance)
  2. taille de l’effet (grande taille d’effet augmente la puissance)
  3. risque alpha
30
Q

que faire lorsqu’une étude ne trouve pas de différence (effet)

A

vérifier la puissance!

31
Q

stratégies pour éviter une puissance statistique faible

A
  1. augmenter la taille de l’échantillon
  2. mise en place de stratégies pour le recrutement et pour éviter de perdre des patients au suivi
  3. augmenter la taille de l’effet que l’on souhaite détecter (???????)
  4. dans analyse exploratoire, on peut utiliser risque alpha + grand
32
Q

validité interne

A

avec quel niveau de confiance je peux considérer les résultats de l’étude comme non biaisés (en lien avec qlté méthodologique de l’étude)

33
Q

question qui faut se poser pour vérifier VI de l’étude

A

existe-t-il une autre explication pour les résultats de cette étude?

34
Q

nomme 11 biais pouvant interférer avec la VI

A
  1. biais de maturation
  2. biais de sélection
  3. facteurs historiques
  4. régression à la moyenne
  5. biais d’attrition
  6. effet hawthorne
  7. effet de test
  8. outils de mesure
  9. effet pygmalion
  10. égalisation compensatoire de traitement
  11. démoralisation compensatoire
35
Q

biais VI : biais de maturation

A

des changements se produisent au fil du temps chez les participants en raison du développement (ex. chez enfant) ou de la guérison

36
Q

biais VI : biais de sélection

A

groupes comparés dans l’étude ne sont pas similaires sur les caractéristiques importantes

37
Q

biais VI : facteurs historiques

A

événements qui se produisent entre le pré-test et post-test

38
Q

biais VI : régression à la moyenne

A

scores extrêmes changent et se rapprochent de la moyenne grâce à des tests répétés

39
Q

biais VI : effet test

A

un test antérieur affecte le résultat du test ultérieur (plus le test a été effectué, moins les résultats sont valides –> qqun qui s’entraîne avant de refaire le test d’équilibre)

40
Q

biais VI : biais de mesure

A

des outils de mesure non valides ou peu fiables, une erreur de test ou un mauvais état de l’instrument entraînent des résultats inexacts

41
Q

biais VI : biais d’attrition

A

participants qui abandonnent affectent les résultats de l’étude

42
Q

biais VI : effet Pygmalion/Rosenthal

A

chercheurs s’attendent à ce que les participants du groupe expérimental s’améliorent, ou les participants du groupe expérimental s’attendent à ce qu’ils s’améliorent (ex. prof qui sait qu’il a une classe forte)

43
Q

biais VI : égalisation compensatoire de traitement

A

groupe témoin est motivé par les chercheurs à rivaliser avec le groupe d’intervention

44
Q

biais VI : démoralisation compensatoire

A

comportement des chercheurs décourage le groupe contrôle, ou les participants sont découragés parce qu’ils font partie du groupe contrôle

45
Q

biais VI : effet Hawthorne

A

participants modifient leurs comportements car ils sont conscients d’être observés

46
Q

biais VI : effet Hawthorne

A

participants modifient leurs comportements car ils sont conscients d’être observés

47
Q

biais VI pouvant être détectés/supposés lors de la lecture d’un article

A
  1. facteurs historiques
  2. biais de mesure
  3. effet Hawthorne
48
Q

stratégies pour limiter les biais dans le cadre de la VI

A
  1. groupe contrôle
  2. randomisation ou appariement des participants
  3. mise en place d’une insu
  4. utilisation de méthode statistique
49
Q

groupe contrôle permet de réduire quels biais de la VI

A
  1. biais de maturation
  2. biais de régression à la moyenne
  3. facteurs historiques
  4. effet test
50
Q

randomisation permet de réduire quels biais de la VI

A
  1. biais de sélection
  2. biais de maturation
51
Q

appariement des participants permet de réduire quels biais de la VI

A
  1. biais de sélection
  2. biais de maturation
52
Q

insu permet de réduire quels biais de la VI

A
  1. biais de mesure
  2. effet Pygmalion
  3. égalisation compensatoire
  4. démoralisation compensatoire
  5. effet Hawthorne
53
Q

utilisation de méthode statistique permet de réduire quels biais de la VI

A

** analyse en ITT (permet de se rapprocher des conditions réelles de pratique)

  1. biais d’attrition

RDP191 (8 decks)

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