Études de cohortes : Principales caractéristiques et sujets reliés Flashcards

1
Q

Étude longitudinale de cohorte : Rappel

A

Étude qui consiste à observer, souvent sur de longues périodes, une population ou un échantillon donné;
- Il y a présence d’un suivi, de mesures répétées dans le temps (par opposition aux études transversales qui n’en ont pas);

Elle permet de mesurer l’incidence de maladies ou de conditions de santé (visée descriptive) et de déterminer les facteurs associés à leur survenue (visée étiologique);
- Synonymes: étude de cohorte, étude d’incidence;
- Cohorte: tout groupe de personnes ayant une caractéristique en commun (p.ex.: âge, hospitalisation, exposition) et qui sont suivies ou étudiées sur une période de temps donnée.

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

Incidence

A

nombre de nouveaux cas pendant une période donnée

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

Études longitudinales de cohorte

A

Les membres d’une cohorte sont généralement sélectionnés parce qu’ils ont une caractéristique quelconque en commun.

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

Études longitudinales

A

Font partie de la famille des études observationnelles;
- Tout ce qu’on fait, c’est observer ce qui arrive naturellement à un groupe d’individus sur une période de temps donnée;
- Aucune intervention de la part du chercheur/clinicien;

Meilleure alternative lorsque l’intervention (étude expérimentale) est impossible pour des raisons:
- Éthiques: on ne peut pas «forcer» les gens à adopter un comportement de santé X ou à s’exposer à un facteur de risque;
- Pratiques: car peu de gens sont prêts à modifier volontairement leurs comportements sur de longues périodes de temps;
- Financières: très coûteux et difficile de faire une étude expérimentale sur une longue période

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

Trois critères d’une bonne étude de cohorte

A
  1. Les patients ne doivent pas avoir la maladie (condition) d’intérêt au début de l’étude (mais être à risque de l’avoir);
    - Par exemple: Ne pas avoir de cancer d’utérus, mais avoir un utérus.
  2. Ils doivent être suivis sur une période suffisamment longue pour que le facteur de risque d’intérêt puisse produire ses effets (période biologiquement ou cliniquement plausible);
  3. Tous les patients devraient être observés durant la période entière de suivi déterminée en 2.
    - Car les perdus de vue (drop out) impliquent que le groupe qui termine l’étude peut être différent du groupe du début (biais de migration), ce qui peut biaiser les résultats de l’étude.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Étude longitudinale de cohorte

A

Choisit les sujets selon leur exposition et on évalue si les sujets développent la maladie dans le temps

Pour ce faire on observe le groupe exposé et le groupe non exposé dans le temps et on voit si la maladie apparait ou non

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

Études longitudinales de cohorte***

A

On choisit toujours des candidats qui n’ont pas la maladie au départ mais qui sont à risque de la développer

On choisit un moment dans le temps où il est cliniquement plausible de commencer à contracter cette maladie

On compare ensuite l’incidence l’incidence de la maladie chez les exposés et les non-exposés. Si elle est plus grande chez les exposés, nous avons alors un facteur de risque de la maladie. Si elle est plus petite, on parle d’un facteur de protection

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

Études longitudinales de cohorte
Rétrospective spécificité

A

Souvent des études sur banques de données ou sur dossiers médicaux pour les cohortes qui font partie de l’étude en rétrospective

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

Étude longitudinales de cohortes
Avantages et désavantages

A

Avantages
- Seul moyen d’établir l’incidence d’une condition directement;
- Permet d’établir la prévalence de conditions à des moments précis dans le temps;
- Les expositions sont recherchées avant la survenue de la maladie; ce qui réduit le risque de biais (prospective);
- Permet d’étudier l’association entre une exposition et plusieurs maladies (les patients ne sont pas choisis sur la base de maladies);

Inconvénients
- Vulnérable aux biais de confusion (comme toutes les études observationnelles) et aux autres biais (mesure, sélection);
- Ne permet pas d’établir avec certitude des liens de cause à effet entre une exposition et l’incidence d’une maladie;
- Entre autres à cause des risques de biais de confusion;
- Permet toutefois d’en présumer fortement l’existence;

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Prévalence : définition + deux types

A

Définition: C’est la fraction (proportion ou pourcentage) d’une population atteinte d’une maladie ou possédant un attribut à un moment donné (cas connus);

Mesurée lors d’études transversales (cours 4) ou à des moments précis dans une étude de cohorte (cours 3);

Deux types:
- Prévalence instantanée: C’est la prévalence d’une maladie ou d’un attribut à un moment précis;
Par exemple : Dans la classe, le 28 septembre 2024, il y a actuellement 21/40 (52,5%) personnes atteintes de myopie.
- Prévalence sur une période: C’est la prévalence d’une maladie, telle qu’observée sur une période spécifique (mois, années, à vie, etc.);
Par exemple: 3,0 millions de Canadiens (8,1%) étaient atteints d’un diabète diagnostiqué en 2013–2014.

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

Incidence (cumulée) définition

A

Définition: C’est la fraction (proportion ou pourcentage) d’une population, initialement saine de la condition d’intérêt, qui développe cette condition au cours d’une période de temps donnée (nouveaux cas);

C’est aussi une mesure de la probabilité (du risque) de survenue d’une condition (maladie, décès, autre) au cours d’une période de temps quelconque:
- Par exemple 1: Le risque (incidence cumulée) de récidive de cancer de la prostate sur 5 ans est de 21%;
- Par exemple 2: L’incidence cumulée de douleur sévère, 24 heures après une chirurgie cardiaque, est de 10%;

Mesurée lors d’études de cohorte;

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

Différence entre prévalence et incidence

A

Cas incident est un cas nouveau alors qu’un cas prévalent est déjà connu

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

Taux d’incidence

A

Définition: Mesure de la vitesse, de la force ou de l’intensité de survenue ou de propagation d’une maladie dans la population;
- Permet de savoir si les gens tombent malade rapidement ou lentement à l’intérieur d’une période de temps;

C’est le nombre d’événements qui sont survenus pendant la somme des temps de suivi de chacune des personnes à risque de présenter le phénomène étudié

Exprimé en unité de phénomène-temps;

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

Incidence cumulée = risque en pourcentage sur une période de temps
ex : 30% en 2 ans

Taux d’incidence = nombre cas/unité de temps % nombre cas total

A

C’est une erreur, pouvant survenir durant n’importe quelle phase d’une étude, qui produit des résultats ou des conclusions qui sont systématiquement différents de la réalité;
Les phases d’une étude sont:
- la conception (devis),
- la collecte,
- l’analyse et l’interprétation des données,
- la diffusion et la révision des résultats et des conclusions de l’étude

Note: il y a des biais dans toutes les études (pas seulement dans les études de cohorte), mais certains biais sont plus propices dans certains devis que d’autres

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

Devis

A

Type d’étude en question
ex: longitudinale

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

Biais de séléction

A

Définition: Survient lorsque l’on compare des groupes qui sont systématiquement différents sur une ou plusieurs caractéristiques (p.ex.: âge, sexe, sévérité de la maladie, comorbidité) autres que celle qui est d’intérêt pour l’étude (p.ex.: une exposition, un traitement);

En conséquence, il est impossible de :
- Savoir si c’est la variable d’intérêt (exposition/traitement) qui produit les résultats observés ou si c’est parce que les patients sont systématiquement différents (↓ validité interne);
- Généraliser les résultats de l’étude à la population-cible (↓ validité externe);

Les méthodes d’échantillonnage aléatoire permettent de minimiser les risques de bais de sélection;

Ex : séparer les groupes en fonction de ceux qui auront une chirurgie par laparo ou une chirurgie ouverte pour une hernie inguinale. mais les gens qui sont choisis pour une laparo sont plus offertes à des patients plus jeunes, en meilleur santé donc est-ce vraiment parce que la chirurgie est meilleure ou parce que les patients sont différents

17
Q

Deux types de biais de séléction

A

Biais d’échantillonnage : les gens échantillonnés pour participer à une étude sont différents de la population-cible (↓ validité externe) OU la méthode d’échantillonnage produit des groupes non-équivalents (↓ validité interne);

Biais de migration (ou des perdus de vue): En raison d’abandons ou de «perdus de vue», les gens qui terminent une étude sont différents de ceux qui l’ont débuté (ce qui induit un biais d’échantillonnage, mais à la fin de l’étude);
Note: C’est pour cela que dans les exercices je vous demande de noter la taille de l’échantillon au début et à la fin de l’étude. Cette question est pertinente pour les études longitudinales seulement (c.-à-d., études de cohorte, études expérimentales).

18
Q

Comment voir un biais de sélection en lisant un texte

A

Est-ce que les patients de cette étude ont été sélectionnés de manière aléatoire

Est-ce que les groupes qui sont comparés ont été constitués au hasard? Semblent-il équivalents (age, sexe, sévérité de la maladie, comorbidités)

Est-ce que les patients de cette étude ressemblent à ceux de la population initialement ciblée dans l’article

Est-ce que le nombre de patients qui terminent l’étude est très différent du nombre qui l’ont commencé? (juste pour les étude longitudinales)

19
Q

Biais de mesure

A

Définition: Biais qui survient lorsque les méthodes de mesure et de collecte de données produisent des résultats qui sont systématiquement incorrects;
En conséquence, impossible de savoir si c’est la variable d’intérêt (exposition/traitement) qui produit les résultats observés ou si c’est relié à des erreurs de mesure;

20
Q

Comment voir un biais de mesure en lisant un texte

A

Est-ce que les auteurs semblent avoir utilisé de bons instruments de mesure (des instruments valides, fiables)?

Est-ce que les procédés ont été standardisés (uniformisés)?

21
Q

Biais de confusion

A

Définition: Distorsion de l’effet d’une exposition / traitement (variable indépendante) sur un résultat (variable dépendante) causé par un autre facteur, appelé variable confondante (VC), qui est associé à la fois à la l’exposition et au résultat;

En conséquence, impossible de savoir si c’est l’exposition / traitement d’intérêt qui produit les résultats observés sur la VD ou si c’est cet autre facteur;

Est-ce vraiment les antioxydants qui préviennent les maladies cardiovasculaires ou n’est-ce pas plutôt les caractéristiques des gens qui en consomment?

22
Q

Comment voir un biais de confusion en lisant un texte

A

Est-ce que les auteurs ont mesuré les principaux facteurs de confusion potentiels (p.ex.: âge, sexe, comorbidité, sévérité de la maladie, état fonctionnel, etc.)?

Est-ce que les auteurs en ont tenu compte lors des analyses?

Le biais de confusion peut être évalué en regardant les variables mesurées par les auteurs durant l’étude, et les stratégies employées pour le contrôler lors des analyses (nous y reviendrons).

23
Q

Biais de sélection (échantillonnage):

Est-ce que les patients dans la cohorte ressemblent à ceux de la population cible? Comment ont-ils été sélectionnés (au hasard ou pas)?
Est-ce que les deux groupes (exposés, non exposés) sont équivalents?

Biais de sélection (migration):

Est-ce que les patients qui terminent l’étude sont similaires à ceux qui l’ont débuté?
Biais de mesure:
A-t-on utilisé de bons instruments de mesure?
A-t-on utilisé la même approche pour tous (standardisation)?

Biais de confusion:

A-t-on mesuré la plupart des variables associées au phénomène d’intérêt? En a-t-on tenu compte dans les analyses?

A