Épidémio Flashcards
Définition conceptuelle
Concept théorique
Ex: la prématurité est définie comme un bébé de moins de 37 semaines de gestation
Définition opérationnelle
Instruments de mesure et leurs validités
Ex: comment on mesure l’âge gestationnelle pour la prématurité (écho T1? T2?)
Calcul pour étude cas-témoins
Odds ratio
odd de l’exposition des malades/ odd de l’exposition des non-malades
Calcul pour étude de cohorte
Risque relatif (risk ou rate ratio)
Calcul pour essai clinique randomisé
Risque relatif (risk ou rate ratio)
Taux d’incidence vs incidence cumulée
Incidence cumulée: Un risque. nombre de nouveaux cas/population à risque au début du suivi
Taux d’incidence: Une vitesse/force. Nombre de nouveaux cas/personne-durée
Quand distribution est uniforme, formule pour le nombre de personnes années =
(nbr de personnes au début + nbr personne à la fin sans la maladie)/2
Plus la maladie est fréquente, plus l’incidence cumulée et le taux d’incidence est différent
Risk ratio vs rate ratio
Risk ratio: ratio des incidences cumulées ( exposé / non exposé)
Rate ratio: Ratio des taux d’incidence ( exposé / non exposé)
Analyse par intention thérapeuthique vs per-protocole
Intention thérapeuthique: Inclus tous les patients randomisés dans l’étude.
Per-protocole: comprend seulement les patients fidèles (compliants) et qui fait donc perdre l’effet de la randomisation et introduit potentiellement des facteurs de confusion.
Analyse par intention thérapeuthique vs per-protocole
Intention thérapeuthique: Inclus tous les patients randomisés dans l’étude.
Per-protocole: comprend seulement les patients fidèles (compliants) et qui fait donc perdre l’effet de la randomisation et introduit potentiellement des facteurs de confusion.
Calcul pour étude transversale analytique
Ratio des cotes de prévalence (prevalence odds ratio) RCP = [(P expo/ (1 - P expo)] / [(P non expo/ (1 - P non expo)] = (a/b) / (c/d) = ad/bc
Type d’étude(s) influencé par un biais de sélection
Étude cas témoins
N’a pas d’impact sur étude de cohorte et ECR SAUF s’il y a des pertes au suivi et que cette perte est différentielle
Types de biais de sélection
- le biais d’échantillonnage
(sujets avec maladies au décours particulier (fatales ou autres) ont moins de chance d’être inclus dans l’étude) - le biais d’hospitalisation
(Les cas hospitalisés sont différents des cas populationnels) - le biais de diagnostic/surveillance/détection
( surveillance ou suivi plus grande d’un des deux groupes de comparaison (souvent celui des cas). ) - le biais protopathique
(quand c’est la maladie qui conduit à l’exposition plutôt que l’inverse. Seule façon de l’éviter: ECR) - le biais des perdus de vue (cohorte ou essai clinique)
(lorsque l’issue n’est pas déterminée pour une proportion de sujets (données manquantes). Si les pertes au suivi sont différentielles, il peut y avoir un biais.) - le biais par le recrutement de volontaires (ne s”applique pas au ECR)
(Les sujets « cas » d’une étude cas-témoins sont généralement plus enclins à participer (car malades et conscientisés) alors que le recrutement de témoins peut se faire plus sur une base de volontariat… les témoins peuvent ne pas être représentatifs des cas)
Biais d’échantillonnage
sujets avec maladies au décours particulier (fatales ou autres) ont moins de chance d’être inclus dans l’étude
Biais d’hospitalisation
Les cas hospitalisés sont différents des cas populationnels
biais de diagnostic/surveillance/détection
Surveillance ou suivi plus grande d’un des deux groupes de comparaison (souvent celui des cas)
Biais protopathique
Quand c’est la maladie qui conduit à l’exposition plutôt que l’inverse.
Seule façon de l’éviter: ECR
Biais des perdus de vue (cohorte ou essai clinique)
Lorsque l’issue n’est pas déterminée pour une proportion de sujets (données manquantes). Si les pertes au suivi sont différentielles, il peut y avoir un biais.
Biais par le recrutement de volontaires
Les sujets « cas » d’une étude cas-témoins sont généralement plus enclins à participer (car malades et conscientisés) alors que le recrutement de témoins peut se faire plus sur une base de volontariat… les témoins peuvent ne pas être représentatifs des cas
Biais d’information
Erreur dans l’estimation d’un effet résultant de la façon dont l’issue et/ou l’exposition sont mesurées
Ex: Biais de souvenir dans une étude cas-témoins
Ou Étude de cohorte si non réalisé à l’aveugle
Effet des
1. Erreurs de classification de l’exposition aléatoires (non différentielle)
vs
2. Erreurs de classification de l’exposition différentielle
Non différentiel:
Réduction de la force de la relation. Situation la plus courante. Le OR tend vers la valeur de nullité (OR=1)
Différentiel (ex si un test a une meilleure sensibilité pour les cas que les témoins):
Augmentation ou diminution de la force de la relation. Peut partir dans les deux sens.
Augmente si: les cas se rappellent mieux avoir été exposés et les témoins, ne pas avoir été exposés.
Diminue: Si les témoins se souvenaient mieux
Facteur de confusion
Brouille l’association entre l’exposition et l’issue. N’est pas une variable d’intérêt dans l’étude. Doit être associée à l’exposition ET à l’issue mais ne pas être située entre les deux.
On peut l’éliminer par
-Randomisation
-Restriction
-Appariement
-Stratification (OR des strates semblables entre eux mais différents du OR brut)
-analyse multivariée
Variable modératrice
Interaction. Variables qui influencent ou modifient l’effet d’une exposition sur une issue.
L’association entre la maladie et l’exposition étudiée prend un sens différent en présence d’un facteur x.
N’est PAS un biais, c’est un effet réel. Doit être rapporté et non pas éliminé
-Stratification: L’effet d’intéraction rend le RR des strates différentes l’une de l’autre (c’est un effet réel)
-Vs Analyse multivariée (régression)
Erreur de type 1
α
Détecter une association, alors qu’elle n’existe pas (Rejeter H0 alors que H0 est vrai)
Erreur de type 2
β
Ne pas détecter une association, alors qu’elle existe
Ne pas rejeter H0 alors que H0 est fausse
Puissance statistique
Probabilité de détecter une association, si elle existe vraiment.
1-β
Puissance statistique
Probabilité de détecter une association, si elle existe vraiment.
1-β
Intervalle de confiance
L’intervalle de confiance (IC) a la faveur en épidémiologie (vs. p-value), car l’IC a l’avantage de donner les bornes à l’intérieur desquelles se situe probablement notre estimé.
Nous dit que la relation est statistiquement significative (car exclut le 1)
INTERPRÉTATION: Si nous répétions l’expérience un grand nombre de fois, il y auraient 95% des IC calculés qui contiendraient le vrai paramètre
Biais de publication/accessibilité
Dans les méta analyses
Les articles publiés sont surtout des recherches qui ont un résultat positif, des grandes études (au détriment de petites recherches avec résultat négatif)
Peut être suspecté au funnel plot
