Épidémiologie + Formules Flashcards
Qu’est-ce une définition conceptuelle d’une variable/issue?
Concept théorique la décrivant. Peut être envisagée différemment dépendament du contexte.
Exemple : saignement anormal. Peut être anormal en quantité, durée, etc.
Qu’est-ce une définition opérationnelle d’une variable/issue?
Il s’agit des instruments de mesures et leur validités pour décrire une issue.
Une définition opérationnelle va décrire par exemple comment on mesurera l’âge gestationnelle si la prématurité est notre issue (DDM VS écho T1 VS écho T2?)
Les 2 types de devis de recherche
Descriptif
Analytique
Nommer les devis descriptifs
- Étude clinique (cas et série de cas)
- Étude transversale à visée descriptive
- Étude longitudinale à visée descriptive
- Étude écologique (un cas spéciial dans le devis descriptif)
Nommer les devis analytiques
- D’observation (non-expérimental)
a) Étude cas-témoins
b) Étude de cohorte
c) Étude transversale analytique (cross-sectionnal study) - D’intevention (expérimental) : essai clinique randomisé
Étude écologique
Synonyme, unité de comparaison, description, but, limites
- = Étude corrélationnelle
- Donne une répartition de la fréquence de la maladie en fonction d’un facteur de risque estimé au niveau populationnel
- Unité de comparaison = des populations ENTIÈRES
- But = suggérer des hypothèses de recherche qui sont récupérées par des devis de recherche capables d’ouvrir la voie à un traitement + rigoureux de l’info
- Limite : n’isolent pas les exposés/nonexposés et malades/non-malades, donc peuvent générer des bais et conclusions erronées
Pourquoi des chercheurs pourraient choisir de faire une étude écologique?
Fait car information facile à chercher et à faible coût
Définir et décrire les particularités/utilités d’un devis analytique
- Sert à vérifier des hypothèses (générées par devis descriptifs, données labos ou cliniques)
- Inclut un groupe de COMPARAISON
- Vise spécifiquement à mesurer une association statistique entre une exposition et une maladie
- Vise à déterminer les FR ou pronostiques d’une maladie ou évaluer ses traitements
Différence entre étude cas-témoins et étude de cohorte
- Cas-témoins : recrutement fait sur la base de la maladie (des cas!)
- Cohorte : recrutement fait sur la base de l’exposition
L’Odds ratio (OR) est surtout utilisé dans quel devis?
Étude cas-témoins
Les odds ratios sont le plus souvent utilisés dans les études cas-témoins, où l’issue (maladie ou condition) est déjà connue, et les chercheurs examinent rétrospectivement pour déterminer l’exposition. Étant donné que le risque réel ou l’incidence ne peuvent pas être calculés, l’odds ratio sert d’estimation du risque relatif.
OR formule
odds exposition des maladies / odds exposition des non-malades
Odds = nb d’exposés/nb non-exposés
OR interprétation
Quelle unité? (si applicable)
Selon les résultats possibles (en chiffre)
Synonymes?
OR = 1 ⇒ pas d’association exposition-issue, les 2 groupes ont les même chances d’avoir l’issue
OR > 1 ⇒ ex si 2, exposés ont 2 fois plus de chance d’avoir l’issue
Pas d’unité
Rapport de cotes
Peut-on calculer le RR (risque relatif) dans une étude cas-témoins?
NON. Cas on a pas accès au taux d’incidence!
Formule : Risque
Synonymes?
Quelle unité? (si applicable)
Nouveaux cas dans une période d’observation / Sujets à risque au début de la période
(%)
Incidence cumulée
Proportion incidente
Définition de l’incidence cumulée
Proportion (probabilité) = nombre de nouveaux cas sur la population à risque au début du suivi
MESURE LE RISQUE (synonymes!)
Le dénominateur n’a pas d’unité mais on doit mentionner combien de temps on a suivi ces gens
Définition du taux d’incidence
Synonymes?
Nombre de nouveaux cas/ personne-durée
Mesure la vitesse, la FORCE
Formule du taux d’incidence
Et unité si applicable
Nouveaux cas / Personnes-temps d’observation
Unité = Années ^-1 ou personnes- années
Comment calculer des personnes-anées?
Pour le calcul du dénominateur du TI, on additionne la contribution de chaque participant en terme de TEMPS dans l’étude
- Ex. 50 patients tous suivi pendant 2 ans = 100 personnes-années
- Ex. 1 patient suivi 3 mois, 1 suivi 6 mois et 1 pendant 1 an = 1,75 personnes-années
- Si groupe trop gros pour suivis individuels, nombre de personnes-années estimé :
TI = Population restante à mi période / Durée de la période
Lequel offre un résultat plus proche de la réalité/vérité? Le Risk ratio ou le Rate ratio?
Le Rate Ratio est souvent considéré comme plus précis dans des études où les événements se produisent à des moments différents ou où le suivi varie, tandis que le Risk Ratio est plus simple à utiliser et à interpréter dans des études où tous les participants sont suivis de manière similaire
Risk ratio (RR) : Formule
Unité? Synonyme?
R(exp) / R(non-exp)
Pas d’unité
Risk ratio (RR) : Interprétation selon le résultat
Si RR = 1,3 et si SS = 0,8
- Si RR = 1.3 → 1.3 fois plus ou 30 % plus de risque de développer la maladie chez les exposés que chez les non-exposés
- Si RR = 0.8 → 20% moins de risque
Rate ratio : Formule
Unité? Synonyme?
TI(exp) / TI(nexp)
Pas d’unité
Taux d’incidence relatif (TIR)
Hazard ratio (HR)
TIR : Interprétation
Renseigne sur la force de l’association entre une exposition et le développement de la maladie
Exemple : Le nombre de nouveaux cas de maladie cardiovasculaire parmi les fumeurs est 2,2 fois plus élevé que chez les non-fumeurs POUR chaque unité de TEMPS observée (comme par exemple, par année-personne)
Quel devis analytique est le plus près de l’essai clinique randomisé?
Étude de cohortes
Décire l’étude transversale analytique
Population étudiée, etc.
- Devis observationnelle
- On étudie les cas prévalents
- Participants inclus dans l’étude sont tous ceux qui sont présents au moment de l’échantillonnage
- Exposition et issue déterminés au même moment
Expliquer les types de risques relatifs selon les études : cas-témoins, cohorte, ECR, transverse analytique
- Cas-témoins : odds ratio (OR) ou rapports de cotes
- Cohorte et ECR :
a) Risk ratio (ratio des incidences cumulées)
b) Rate ratio (ratio de taux d’incidence) - Transversale : prevalence odds ratio (ratio des cotes de prévalence, RCP)
Le risk ratio est mathématiquement équivalent au rate ratio lorsque ….
Lorsque la maladie est RARE
Maladie rare = dans < 10% de la population
Mais pas de définition officielle
Éléments pouvant influencer la validité interne d’une étude
Biais de sélection
Biais d’information
Facteurs de confusion
Variables modératrices
Rôle de la chance (statistiques)
Biais de sélection : définition
Erreur dans l’estimation d’un effet résultant de la façpn lar laquelle les sujets ont été sélectionnés pour l’étude
Biais de sélection : types
- Biais d’échantillonage
- Biais d’hospitalisation
- Biais de diagnostic/surveillance/détection
- Biais protopathique
- Biais des perdus de vue (cohorte ou ECR)
- Biais par le recrutement de volontaires
Biais d’échantillonnage : description, et comment le prévenir
- Survient lorsque les sujets avec maladies au décours particulier (ex. fatales) ont moins de chance d’être inclus dans l’étude
- Ex. étudier le rôle d’un FR chez les survivants d’une maladie létale dans une étude cas-témoins
- Prévention en identifiant aléatoirement les cas parmi l’ensemble des cas incidents
Biais d’hospitalisation : description, et comment le prévenir
- Cas hospitalisés sont différents des cas populationnels (sont venus à l’attention du chercheur par un processus qui ne s’apparente nullement au hasard)
- Ne sont pas représentatifs de l’ensemble des cas!
- Prévention en identifiant aléatoirement les cas parmi l’ensemble des cas
Biais de surveillance : description, et comment le prévenir
- Surveillence/suivi plus grande d’un des deux groupes de comparaison
- Prévention = donner la même attention aux participants des deux groupes
Biais protopathique : description, et comment le prévenir
- Apparaît lorsque c’est la maladie qui conduit à l’exposition plutôt que l’inverse
- Ex. parents avec enfants autistes leurs refausaient vaccin donc là on avait l’impression de le vaccin protégeait de l’autisme
Biais des perdus de vue : description, et comment le prévenir
- Lorsque dans une étude cohorte ou ECR, l’issue n’est pas déterminée pour une proportion de sujets. Si la probabilité d’avoir l’issue est différente entre les 2 groupes comparés, il peut y avoir un biais
- Ex. étude cohorte étudiant lien entre obésité et cardiovasc. Les obèses ont + tendance à quitter l’étude car trop demandant en terme d’efforts
- Prévenir : motivation, suivi et contact fréquent, assurer les bons coordonnées,
- Gestion : analyse par imputation, analyse intention to treat, analyse de sensibilité
Biais de volontaires : description
- Volontaires = Volontaires en général sont - malades, meilleures habitudes de vie… non représentatifs de tous les témoins
Un ECR peut-il avoir un biais de sélection?
Oui. Mais surtout liés aux perdus de vue. Pour le autres, on est protégé de ce biais grâce à la randomisation
Biais d’information
Erreur dans l’estimation d’un effet par la façon dont l’issue et/ou l’exposition sont mesurées
Les cas risquent de se rappeler de leurs expositions + facilement que les témoins
Erreur de classification différencielle vs non différencielle
- Erreur de classification différencielle : La mauvaise classification varie en fonction du groupe, ce qui peut biaiser les résultats dans un sens imprévisible.
- Erreur de classification non différencielle : La mauvaise classification affecte tous les groupes de manière égale, ce qui tend à affaiblir ou à masquer une association réelle
Sensibilité
Capacité d’un test à identifier la maladie parmi des sujets rééllement malades
Spécificité
Capacité d’un test à identifier l’absence de la maladie parmi des sujets rééllement non-malades
Facteurs de confusion : définition et critères
Brouille l’association entre l’exposition et l’issue. N’est pas une variable d’intérêt dans l’étude.
Critères :
- Associée à l’exposition ET à l’issue
- Ne pas se situer entre l’exposition et l’issue, ne joue pas d’intermédiaire entre les deux
Comment savoir si on a un facteur de confusion? (Tips)
- Les RR par strate sont similaires, et le RR global est biaisé avant ajustement
- Après ajustement, le RR global devient similaire aux RR par strate
Comment éliminer l’effet d’une variable de confusion?
Au niveau du design :
- Restriction
- Appariement (individuel/ fréquentiel)
- Randomisation
Au niveau de l’analyse :
- Stratification
- Analyse multivariée (régression) = le + fréquent
- Standardisation
Variable modératrice (interaction) : définition
Variables influençant ou modifiant l’effet d’une exposition sur une issue
Comment savoir si on a une interaction? (Tips)
Les RR par strate sont différents, et le RR global ne représente pas bien l’effet dans chaque strate
donc RR diffèrent entre strates et diffèrent du RR global
Comment faire pour éliminer une variable modératrice?
PIÈGE. On ne l’élimine pas. Aucun intérêt à le faire. Si important, on rapporte l’issue séparément pour les 2 groupes.
Comment explorer l’effet d’une variable modératrice?
Méthode(s) possible(s)
Stratification
Analyse multivariée
La confusion a l’avantage de ______ contraitement aux biais de sélection et d’information
La confusion a l’avantage de se contrôler avec différentes méthodes contraitement aux biais de sélection et d’information
V/F : La modification d’effet est un biais
FAUX.
C’est que l’association entre la maladie et l’exposition étudiée prend un sens différent en présence d’un facteur modifiant
Quels sont les types d’erreurs?
Et définitions
- Erreur α, de type I : rejeter à tort l’hypothèse nulle, on dit qu’il y a une association statistiquement significative dans l’étude alors qu’il n’y en a pas (faux positif)
- Erreur β, de type II : accepter à tort l’hypothèse nulle, on conclut qu’il n’y a pas de différence significative (pas d’effet), mais en réalité, il y en a une
C’est des PROBABILITÉS
β = P(ne pas rejeter H0 | Ha vraie)
α = P(rejeter H0 | H0 vraie)
La puissance affecte la probabilité de commettre l’erreur de type I ou II?
Type II (β)
Puissance = 1 - β
Plus la puissance est grande, moins la probabilité de β est faible
Quelle est la définition de la puissance statistique?
Probabilité de détecter une aossiciation, si elle existe vraiment
Comment faire pour savoir si une association qu’on a trouvé dans une étude n’est pas une différence due au hasard? On préfère quelle méthode?
Deux méthodes :
- Calculer un intervalle de confiance (IC) autour de l’estimation
- Test d’hypothèse (p-value)
En général, on préfère l’IC car il a l’avantage de donner les bornes à l’intérieur desquelles se situe probablement notre estimé, en plus de nous dire si la relation est statistiquement significative!
Quelles valeurs de p-value sont considérés comme statistiquement significatives?
p < 0.05
Pourcentage < 5%
Quelle est la bonne interprétation d’un IC
Si nous répétons l’expérience un grand nombre de fois, il y aurait 95% des IC calculés qui contiendrait le vrai paramètre (la vraie valeur)
Définition de la validité externe et interne. Lequel a préséance sur l’autre
- Interne : “Est-ce que je crois aux résultats de l’étude?”, absence de biais non controlés, hasard a été contrôlé par des tests statistiques
- Externe : capacité de généraliser les résultats
Validité interne a préséance car si les résultats sont erronés, on ne peut même pas songer à les généraliser
À quoi sert une méta-analyse? On l’utilise surtout pour quel type d’étude?
Regrouper plusieurs études passées sur un même thème pour augmenter la taille de l’échantillon
Utilisé souvent dans les ECR
On utilise quoi pour représenter graphiquement un résultat de méta-analyse?
Un graphique forest-plot
À quoi servent les indicateurs de santé. Ils sont dérivés à partir de quelles données?
- Servent à faire de la surveillance
- Dérivés des mesures d’incidence et prévalence
Mortalité infantile : formule, définition, reflète quoi?
C’est un indicateur de santé
- # annuel de décès chez enfants < 1 an / # annuel de naissances vivantes
- C’est la mortalité dans la 1ère année de vie
- Indicateur de choix du niveau de santé d’un pays
- Reflète : conditions économiques, malnutrition, éducation, hygiène, soins médicaux
Létalité : formule
décès / # malades
Taux de mortalité : formule
TM = # Décès / Personnes-temps de suivi
TM =TI x L
Unité = personnes-année
L = Létalité
Sensibilité : Formule
VP / (VP + FN)
Capacité du test à identifier les sujets MALADES
Spécificité : Formule
VN / (FP + VN)
Capacité du test à identifier les personnes non malades
VPP : définition et formule
VPP = VP / (VP + FP)
- PROBABILITÉ POST-TEST DE PRÉSENCE DE MALADIE AVEC TEST POSITIF
- Proportion de tous les tests positifs qui représentent des individus vraiment malades (probabilité qu’un test positif soit vraiment positif)
VPN : définition et formule
VPN = VN / (VN + FN)
- PROBABILITÉ POST-TEST DE L’ABSENCE DE MALADIE AVEC TEST NÉGATIF
- Proportion de tous les tests négatifs qui représente des individus vraiment sains (probabilité qu’un test négatif soit vraiment négatif)
VPP faible = fréquent dans quel contexte?
Dépistage cancer
Car prévalence faible chez les personnes asymptomatiques dans la population générale
Rapport de vraisemblance positif : définition et formule, et interprétation
RV + = sensibilité / (1 - spécificité)
RV + = % vrais positifs / % faux positifs
- Probabilité qu’une personne ayant la maladie teste positif divisée par la probabilité qu’une personne qui n’a pas la maladie teste positif
- Exprimé : X (valeur X>1). Un patient malade a X fois plus de chances d’avoir un résultat positif qu’une personne saine
- Bon test > 10
Rapport de vraisemblance négatif : définition et formule, et interprétation
RV - = 1- Sensibilité / Spécificité
RV - = % FP / % VN
- Probabilité qu’une personne ayant la maladie teste négatif divisée par la probabilité qu’une personne qui n’a pas la maladie teste négatif
- Exprimé : X (valeur 0<X<1)
- Un patient sain a 1/X fois plus de chances d’avoir un résultat négatif qu’une personne malade
- Bon test < 0,1
Ça prend un bon RV+ pour ___ un diagnostic, et un bon RV- pour ___ un diagnostic
Ça prend un bon RV+ pour CONFIRMER un diagnostic, et un bon RV- pour ÉLIMINER un diagnostic
Rapport de cotes diagnostique : définition
Paramatère employé par certains chercheurs comme indice de fiabilité d’un test évalué dans une méta-analyse
Rapport de cotes diagnostiques : formule
Diagnostic odds ratio
= (VP/FP) / (FN/VN)
= RV+ / RV-
= likelihood positif / likelihood négatif (LR+/LR-)
Interprétation du rapport de cotes diagnostique selon le résultat
Bonus dire le synonyme
- 1 = Test absolument pas discriminant
- Entre 1-25 = Test peu utile
- 25-100 = Valeur intermédiaire
- > 100 = Performance excellente du test
Diagnostic odds ratio
Valeur globale : définition, synonymes
= Efficience = exactitude diagnostique = global value = efficency
- Test qui désigne la proportion des résultats qui sont vrais (vrais positifs et vrais négatifs)
- Probabilité que le résultat du test soit conforme à celui de l’étalon d’or
- Désigne la proportion des résultats qui sont vrais (VP et VN)
Valeur globale : formule
= (VP + VN) / (VP + FN + FP + VN)
Nommer les indices stables (ne varient pas avec la prévalence)
- Sensibilité
- Spécificité
- Valeur globale
- RV+
- RV-
- Rapport de cotes diagnostiques
Nommer les indices dépendant de la prévalence
VPP
VPN
Que permet une courbe ROC?
ROC = Receiver operating characteristics
La sensibilité, spécificité et valeur changent selon le seuil choisi du test
Le ROC permet de choisir le meilleur seuil
ROC : expliquer l’AUC et son interprétation selon la valeur
- AUC = area under the curve
- Plus elle est grande, meilleur est le test
- AUC ≥ 0.7 = test acceptable
- AUC ≥ 0.8 = test bon
- AUC ≥ 0.9 = test excellent
Le test est + fiable si le seuil est situé ____ de la courbe ROC
Coin supérieur gauche
Quels indices sont les plus employés par les cliniciens en pratique?
VPP et VPN
Nommer et définir les 3 biais possibles dans les études sur les programmes de dépistage
- Lead-time bias : lorsque la maladie est détectée avant le développement des symptomes mais le traitement ne fait pas vivre le patient plus longtemps, donne l’impression à tort que l’espérance de vie a augmenté avec le dépistage
- Lenght-biased sampling : la maladie avec un début + insidieux a tendence à avoir un stade symptomatique + long sont + suceptibles d’être détectés dans un programme de dépistage ce qui peut sembler encore une fois allonger le temps de survie
- Biais de vérification : le résultat affecte l’intensité des investigations subséquentes
