Évaluation et mesure de l'état de santé à l'échelle de la population Flashcards

1
Q

vrai ou faux?
Aucune étude n’est parfaite, mais l’idéal de la pratique
de la médecine fondée sur des données probantes exige que les cliniciens fondent leurs
décisions sur les meilleures preuves scientifiques

A

vrai

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

Quelles sont les normes HILoRRS?

A
honnêteté
intégralité
logique
réfutabilité
reproductibilité
suffisance
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

définition médecine factuelle?

A

« l’usage systématique dans le traitement des
patients des meilleures preuves tirées de recherches cliniques et épidémiologiques publiées,
en mettant en balance les risques et les avantages des épreuves diagnostiques et des options
thérapeutiques, et en tenant compte des circonstances particulières de chaque patient, y
compris le risque de base, les comorbidités et les préférences personnelles. »

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

processus de la médecine factuelle?

A

trouver l’information pertinente

application des règles simples de la sicence et du bon sens

application de cette information à une question clinique

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

modèle en 5 étapes de la médecine factuelle?

A
évaluer
s'interroger
acquérir
évaluer
appliquer

p.5 chapitre 5

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

comparaison recherches qualitatives vs quantitatives?

  • hypothèse
  • inductive vs déductive
  • renseignements vs estimations
  • ensemble d’idées vs de personnes
  • quoi vs pourquoi
A

p.6 chapitre 5
quali ; quanti

Génère des hypothèses ;Vérifie des hypothèses

Est généralement inductive (part d’un cas
précis pour arriver à une conclusion
générale);
Est généralement déductive (part d’une
théorie générale pour arriver à une
explication précise)

Capte des renseignements étoffés,
contextuels et détaillés auprès d’un petit
nombre de participants;
Obtient des estimations numériques de la
fréquence, de la gravité et des associations
à partir d’un grand nombre de participants

Examine un ensemble d’idées; l’approche
d’échantillonnage vise à fournir une
couverture représentative des idées ou des
concepts;
Examine un ensemble de personnes;
l’échantillonnage permet une couverture
représentative des personnes dans la
population

Explique « pourquoi » et « qu’est-ce que
cela veut dire »;
Explique « quoi », « combien » et « dans
quelle mesure »

Exemple de question d’étude : Quelle est
l’expérience des personnes traitées pour un
cancer du sein?;
Exemple de question d’étude : Ce
traitement du cancer du sein réduit-il la
mortalité et améliore-t-il la qualité de vie?

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

3 questions pour juger de la qualité de la recherche qualitative?

A
  1. le projet était-il sous-tendu d’un plan d’étude rigoureux?
  2. L’exécution de l’étude était-elle rigoureuse
  3. Puis-je transférer les résultats de cette étude à mon propre milieu? Dans quelle mesure cette étude en corrobore-t-elle d’autres
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

biais possible à la recherche qualitative?

A

La collecte de données observationnelles,
que l’observateur soit ou non à la vue des personnes observées, peut influencer leurs
comportements…

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

recherche quanti vs quali?

A

la
recherche qualitative décrit des cas précis de ces phénomènes. La recherche quantitative,
quant à elle, se fonde comme son nom l’indique sur la comptabilisation et l’analyse
mathématique

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

postulats de Koch pour les liens de cause à effet?

A

Ses critères (ou postulats) pour déterminer qu’une maladie est causée par un
microbe sont que le microbe doit être :
présent dans tous les cas examinés de la maladie;
susceptible d’être préparé et maintenu en culture pure;
9
11/56
capable de produire l’infection originale, même après plusieurs générations en culture;
récupérable d’un animal vacciné et cultivable de nouveau.

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

critères d’inférence d’une relation causale?

A

chapitre 5, p.11

relation chronologique
force de l'association
intensité ou durée de l'exposition
spécificité de l'association
constance des résultats
cohérence ou plausibilité des résultats
cessation de l'exposition
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Chaque étude doit réduire au minimum deux types d’erreur dans sa collecte et interprétation
de données : lesquels?

A

biais (ou déformations systématiques)

et les erreurs aléatoires

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

définition erreur?

A

résultat faux ou erroné obtenu dans une étude ou une expérience. On peut
distinguer les erreurs aléatoires et systématiques dans les études

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

définition erreur aléatoire?

A

écart par rapport à la réalité qui peut gonfler ou minimiser les
estimations découlant d’une mesure ou d’une étude. On suppose généralement que de telles
erreurs sont dues au hasard et, s’il s’agit d’un gros échantillon, qu’elles ne déforment pas les
résultats globaux de manière considérable. Des statistiques comme l’intervalle de confiance
servent à estimer l’ampleur d’erreurs aléatoires

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

définition erreur systématique ou biais?

A

écart systématique de résultats d’étude ou d’inférences
par rapport à la réalité; sous-estimation ou surestimation systématique. Ces erreurs peuvent
découler de failles dans le plan d’étude, y compris l’échantillonnage (« biais de sélection »),
ou dans les méthodes de mesure (« biais d’information »).

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

définition confusion?

A

difficulté, dans l’interprétation des résultats d’une étude, à distinguer lequel de
deux processus est à l’origine des effets.

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

figure 5.1, types d’études
p.14 chapitre 5

expérimentale vs observation
réapartition aléatoire des groupes?
vérifier une hypothèse?
échantillonnage selon exposition? résultat? ni l’un ni l’autre?

A

essai comparatif hasardisé
plan expérimental non hasardisé

étude analytique: de cohorte, cas-témoi, transversale

étude descriptive

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

Sous sa forme la plus simple, une étude expérimentale évalue l’effet d’un
traitement en suivant ces étapes : lesquelles?

A
  1. Le chercheur énonce officiellement l’hypothèse à tester.
  2. Le chercheur choisit des personnes admissibles au traitement.
  3. L’échantillon est divisé en deux groupes.
  4. Un groupe (le groupe expérimental ou d’intervention) reçoit l’intervention, alors que
    l’autre (le groupe témoin) ne la reçoit pas.
  5. Les résultats pertinents sont consignés sur une certaine période, puis on compare les
    résultats des deux groupes.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

définition les plans quasi expérimentaux?

A

Il existe de nombreux types d’études non aléatoires; comme le chercheur n’a pas
nécessairement le plein contrôle sur la répartition entre le groupe expérimental et le groupe
témoin, ces études sont perçues comme étant inférieures aux plans véritablement aléatoires

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

définition série chronologique?

A

type d’étude quasi expérimentale
Elle désigne un plan de
recherche à groupe unique où l’on compare une série de mesures réalisées avant et après une
intervention, ce qui permet de comparer des tendances pour déterminer l’impact de
l’intervention.

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

biais d’une étude quasi expérimentale?

A

Les possibilités de biais sont si importantes dans les études quasi expérimentales qu’on juge
que ces études sont considérablement inférieures aux expériences véritablement aléatoires.
Ainsi, leurs résultats sont rarement considérés comme définitifs.

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

Que permet la répartition aléatoire?

A

La répartition aléatoire exclut la possibilité d’un biais de répartition, augmente les chances
que les facteurs confusionnels soient répartis également entre les deux groupes et justifie
l’utilisation de tests statistiques. L’avantage principal de la répartition aléatoire des sujets est
que les autres facteurs qui pourraient influencer le résultat (p. ex. les facteurs confusionnels)
seront probablement également présents dans chaque groupe, y compris les facteurs
inconnus, comme les caractéristiques génétiques qui influent sur le pronostic.

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

que permet la sélection aléatoire?

A

La sélection
aléatoire des sujets est principalement pertinente dans la recherche descriptive et permet de
s’assurer que les résultats peuvent être généralisés à l’ensemble de la population, ce qui
renforce la validité externe de l’étude

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Qu’est-ce que l’attribution aléatoire?

A

L’attribution aléatoire aux groupes expérimentaux et témoins permet de s’assurer qu’ils sont
équivalents dans tous les domaines, à l’exception de l’intervention expérimentale, de sorte
que la comparaison n’est pas confondue par des différences inhérentes entre les groupes, ce
qui améliore la validité interne de l’étude.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

étapes d’un essai clinique aléatoire (randomisé)?

fig 5.2 p.18 chapitre 5

A
  1. Énoncer l’hypothèse de manière quantitative et opérationnelle. Par exemple, en
    utilisant le format baptisé PICO par nos collègues anglophones : « Il y aura une
    réduction de 10 % des sueurs nocturnes auto-enregistrées chez les femmes
    périménopausées qui portent un bracelet de poignet magnétique, comparativement aux
    femmes du même âge qui ne portent pas d’aimant au poignet. »
  2. Sélectionner les participants. Cette étape comprend le calcul de la taille de l’échantillon
    requis, l’établissement de critères d’inclusion et d’exclusion, et l’obtention d’un
    consentement libre et éclairé.
  3. Répartir les participants au hasard dans le groupe expérimental ou le groupe témoin ;
    cela se fait normalement à l’aide d’une répartition aléatoire générée par ordinateur.
    Notons qu’il peut y avoir plus d’un groupe d’intervention, par exemple si l’on veut tester
    différents types d’aimants. Il convient également de noter que le groupe témoin reçoit
    souvent le traitement standard auquel le nouveau groupe est comparé.
    19/56
  4. Administrer l’intervention. Il vaut mieux que cela soit effectué à l’insu afin que le
    patient ne sache pas à quel groupe il a été affecté. Idéalement, le chercheur (et
    certainement l’intervenant qui surveille la réaction du patient) ne doit pas non plus
    savoir à quel groupe le patient est affecté (il s’agit alors d’une expérience à double insu).
    Cela aide à éliminer l’influence des attentes possibles du patient et du clinicien à l’égard
    du traitement, attentes qui pourraient biaiser l’évaluation des résultats. Parfois, on
    utilise une approche à triple insu dans laquelle ni le patient, ni le clinicien, ni ceux qui
    analysent et interprètent les données ne savent quel groupe a reçu le traitement (les
    groupes sont simplement étiquetés A ou B). Cela réduit encore plus les biais possibles.
  5. Examiner les résultats (p. ex. les paramètres physiologiques ou biochimiques, la
    morbidité, la mortalité, les événements indésirables, l’état de santé fonctionnelle ou la
    qualité de vie) à un moment déterminé d’avance et comparer ceux du groupe
    d’intervention et du groupe témoin à l’aide d’analyses statistiques. Cela permet de
    déterminer si une différence dans les taux observés dans les deux groupes survient plus
    souvent que si seul le hasard était en cause.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

définition efficacité potentielle?

A

l’impact potentiel d’un traitement dans les conditions

optimales typiques d’un milieu de recherche contrôlé

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

définition efficacité réelle?

A

son impact dans les conditions normales de pratique.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

essai à effectif unique?

A

L’essai à effectif unique est une adaptation de l’ECA qui peut s’avérer particulièrement utile
pour tester l’application d’un traitement chez un patient unique de manière à exclure la
plupart des sources de biais.

porte sur un seul patient

Le patient reçoit soit
le traitement actif, soit un agent témoin (un placébo), attribué aléatoirement et administré à
l’insu. Les résultats sont consignés après un délai approprié, puis on entame une période
d’élimination pendant laquelle le patient ne reçoit pas le médicament afin d’en éliminer toute
trace. Le patient reçoit ensuite l’autre traitement (placébo ou actif), et les résultats sont
évalués. On peut répéter le cycle afin d’établir des estimations stables des résultats.
L’avantage principal est que le résultat de l’étude s’applique spécifiquement à ce patient et
permet une calibration précise pour optimiser la dose thérapeutique. Les résultats ne
peuvent être généralisés;

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

éthique et ECA?

A

Une tension peut surgir entre deux principes
de base : les patients ont le droit de recevoir un traitement efficace (principe de
bienfaisance), mais il est contraire à l’éthique d’adopter un nouveau traitement sans procéder
à des tests rigoureux pour prouver l’efficacité (pour garantir la non-malfaisance).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

qu’implique le principe éthique de bienfaisance?

A

Le principe éthique de la bienfaisance exige que les patients bénéficient d’un nouveau
traitement dès qu’il s’avère efficace, mais le principe de non-malfaisance implique que cette
preuve doit être définitive.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

les phases des études d’intervention?

A

Phase I : Le nouveau médicament ou traitement est mis à l’essai pour la première fois dans
un petit groupe de personnes afin d’en déterminer la posologie sécuritaire et les effets
secondaires possibles.

Phase II : Le médicament ou traitement est administré à un groupe plus nombreux, à la dose
recommandée, pour déterminer son efficacité dans des conditions contrôlées et pour évaluer
son innocuité. Il ne s’agit généralement pas d’une étude aléatoire.

Phase III : Le médicament ou traitement est mis à l’essai dans des groupes de grande taille
afin d’en confirmer l’efficacité, d’en surveiller les effets secondaires, de le comparer aux
traitements couramment utilisés et de recueillir des renseignements en vue de son utilisation
sécuritaire. Les études de phase III comprennent normalement une série d’essais
randomisés. À la fin de cette phase, il est possible que l’utilisation publique du médicament
soit approuvée. L’approbation peut limiter l’utilisation du médicament, par exemple à des
maladies spécifiques ou à certains groupes d’âge.

Phase IV : Après la mise sur le marché du traitement, on continue de recueillir de
l’information pour décrire son efficacité sur différentes populations, mais surtout pour
déceler les effets secondaires ou les effets indésirables possibles. Il ne s’agit pas d’un ECA,
mais d’une surveillance post-commercialisation. L’information provient de plusieurs sources,
comme les rapports des médecins (et des patients) sur les effets secondaires ou les données
sur les résultats, comme les réadmissions à l’hôpital obtenues à partir de systèmes
d’information informatisés. Un grand nombre peut être nécessaire pour détecter des effets
secondaires rares ou à évolution lente.

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

définition étude par observation?

A

le chercheur observe ce qui arrive aux personnes
dans des conditions d’exposition choisies par la personne (comme l’exercice ou
l’alimentation) ou qui échappent à leur contrôle (comme la plupart des déterminants sociaux
de la santé). Il y a souvent un groupe témoin de personnes qui n’ont pas été exposées. La clé
est que le chercheur peut choisir les populations et les expositions à étudier, mais ne les
influence pas.

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

possible biais dans étude par observation?

A

facteurs de confusion

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

forme la plus simple d’une étude observationnelle?

A

plan descriptif

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

définition étude descriptive?

A

décrivent la situation : elles comptent le nombre de personnes
atteintes de diabète, ou qui fument, ou qui sont satisfaites de leurs soins hospitaliers. Une
telle étude utilise des statistiques descriptives pour résumer les résultats – pourcentages, une
valeur moyenne ou médiane, et peut-être la fourchette des valeurs ou l’écart-type.
*questionnaire, DMÉ
Lorsqu’une étude recueille de l’information sur plusieurs variables, elle
peut décrire les associations entre les variables
*utile pour générer des hypothèses

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

définition étude analytique?

A

La distinction critique entre une étude descriptive et une étude analytique est que cette
dernière est conçue pour tester une hypothèse, généralement dans le but d’identifier une
relation de cause à effet.

elles varient en termes de séquence temporelle et de
procédures d’échantillonnage utilisées pour recueillir des données, et peuvent être de trois
types : études transversales, études de cohortes ou études cas-témoins

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

définition étude transversale?

A

utilisent une seule référence temporelle pour les données recueillies

L’une des études transversales les plus courantes est l’enquête analytique, une extension de la
conception de l’enquête descriptive. La différence est que l’analyse enregistre les associations
entre les variables afin de tester formellement une hypothèse, plutôt que de simplement
rapporter la fréquence de leur occurrence.

Le chercheur est libre de décider comment les résultats
seront présentés; le plan d’étude permet les deux types d’analyse.

La seule chose que l’on
peut conclure est qu’il existe une association entre les deux variables.

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

principale faiblesse des études transversales?

A

est qu’elles ne peuvent pas montrer la séquence temporelle

: le facteur (stress) est-il antérieur au résultat (visite chez le médecin)?

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

définition étude écologique

A

mesurent les variables au niveau de populations entières (pays,
provinces) plutôt qu’au niveau individuel. Il s’agit du plan approprié pour étudier l’effet
d’une variable qui agit sur l’ensemble de la population, comme le climat, un ralentissement
économique ou une pénurie de médecins.

données: stats du gouv.

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

sophisme écologique?

A

difficulté de tirer des conclusions au sujet de personnes à partir de données
écologiques

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

définition étude de cohorte?

p.26 chapitre 5
fig 5.3

A

Une cohorte est un groupe de personnes faisant partie d’un échantillon quantifiable qui
partagent une certaine caractéristique et auprès desquelles on peut effectuer un suivi sur une
période déterminée.
Dans le domaine de la santé, les
études de cohortes portent souvent sur des facteurs causaux; la caractéristique d’intérêt est
habituellement un type d’exposition qui, selon l’hypothèse à tester, semble augmenter la
probabilité d’un résultat clinique. Typiquement, une étude de cohorte porte d’abord sur un
échantillon de personnes n’ayant pas la maladie d’intérêt; elle recueille des renseignements
sur l’exposition au facteur à l’étude, et effectue un suivi auprès de personnes exposées et non
exposées sur une certaine période (= étude longitudinale ou de suivi)

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

formule du calcul du RR (incidence)?

force association

A

risque exposé: a/(a+b)
risque non exposé: c/(c+d)

rapport de risque: :
risque exposé / risque non exposé

Un risque relatif de 1,0 indique que la probabilité de contracter la
maladie est la même chez les personnes exposées et non exposées : il n’existe aucune
association entre l’exposition et la maladie. Un risque relatif supérieur à 1,0 implique qu’il est
plus probable qu’une personne ayant été exposée au facteur devienne malade,
comparativement à une personne non exposée. Un risque relatif inférieur à 1,0 implique un
effet protecteur : il est moins probable que les personnes exposées tombent malades,
comparativement aux personnes non exposées.

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

avantage des études de cohortes?

A

l’exposition est consignée avant les
résultats; le critère causal d’une séquence temporelle entre l’exposition et le résultat peut être
clairement établi si les participants n’étaient pas atteints de la maladie au début de l’étude.

*les essais randomisés sont une version expérimentale d’une étude de cohorte

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

but d’une étude de cohorte?

A

démontrer un gradient dose-réponse

mais ne prouve pas de relation causale à 100%, car confusion pose problème

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
45
Q

définition étude cas-témoins?

figure 5.4
p.29, chapitre5

A

comparent un groupe de patients présentant un résultat particulier
(p. ex. des cas de cancer pancréatique confirmés par un pathologiste) à un groupe semblable
par ailleurs, mais n’ayant pas la maladie (les témoins).

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

calcul possible avec étude cas-témoins?

tableau p.30 chapitre 5

A

ne permet pas de calculer l’incidence ou le risque d’une
maladie, étant donné qu’elle commence avec un nombre prédéterminé de personnes atteintes
de la maladie et un nombre prédéterminé de personnes qui n’en sont pas atteintes. Il n’est
donc pas possible de calculer un rapport de risque. L’étude détermine plutôt l’exposition d’un
échantillon de cas et d’un autre de témoins. Ces renseignements permettent de calculer la
probabilité qu’une personne ait été exposée à la maladie — le rapport a:c
On peut la comparer à la probabilité qu’un témoin ait été exposé — le rapport
b:d. Le résultat de l’étude cas-témoin est ensuite exprimé comme étant le rapport de ces deux
probabilités, ou RAPPORT DE COTES (RC) : a/c divisé par b/d. Afin de simplifier le calcul,
on a habituellement recours à la formule algébrique ad/bc.

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

principale différence entre une étude de cohorte et une étude cas-témoin?

A

Dans une étude de cohorte, les groupes de participants sont classés en fonction de leur état
d’exposition (selon qu’ils présentent ou non le facteur de risque).
Dans une étude cas-témoins, les différents groupes sont sélectionnés en fonction de leurs
résultats cliniques (selon qu’ils ont ou non la maladie).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
48
Q

étude de cohorte prospective vs rétrospective?

A

effectuer un suivi
auprès de ces personnes sur une certaine période pour vérifier leur état de santé dans
plusieurs années. Il s’agirait d’une étude de cohorte prospective.

rétrospective = historique
consulter des relevés d’emploi pour choisir des personnes qui ont travaillé comme
soudeurs il y a 30 ans, et de comparer leur état de santé actuel en fonction de leur niveau
antérieur d’exposition.

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

probabilité?

A

(telles qu’elles sont utilisées dans les chiffres de prévalence et d’incidence)
expriment la proportion de personnes qui ont une certaine caractéristique (par exemple, être
exposé à un facteur causal).

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

cote?

A

Les cotes vont plus loin et expriment le rapport de deux
probabilités : la probabilité qu’un cas ait été exposé, divisée par la probabilité de ne pas être
exposé.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
51
Q

rapport de cote (formule)?

A

a/c et b/d

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
52
Q

rapport de cote et fréquence de la maladie?

A

rapport de cotes ne se rapproche du risque relatif que lorsque la maladie
est rare.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
53
Q

indiquent dans quelle mesure le risque de contracter une maladie augmente
en fonction de l’exposition à un facteur causal, en termes relatifs. Les deux statistiques
répondent à la question « Comparativement à une personne ne présentant pas ce facteur de
risque, dans quelle mesure suis-je plus susceptible de contracter la maladie? »

A

RR

RC

54
Q

risque attribuable? (formule et déf)

A

Risque attribuable = Incidence dans le groupe exposé − Incidence dans le groupe non exposé

indique le nombre de cas d’une maladie parmi les personnes exposées qui
peuvent être attribués à cette exposition

55
Q

fraction attribuable indique? formule?

A

La notion de risque attribuable est parfois exprimée en termes relatifs : la proportion de
l’incidence parmi les personnes exposées, ce qui donne la fraction attribuable du risque chez
les sujets exposés, FAR :
FAR = [Incidence sujets exposés – Incidence sujets non exposés ] / Incidence sujets exposés

*utile pour donner des conseils à un patient

56
Q

risque attribuable dans la pop?

A

Lorsqu’il est question de l’impact des programmes préventifs, le risque attribuable dans la
population indique le nombre de cas que l’on éviterait en éliminant un facteur de risque :
Incidence population – incidence des sujets non exposés

57
Q

fraction attribuable dans la population?

A

s’exprime en tant
que proportion de l’incidence dans l’ensemble de la population

(incidence pop - incidence sujets non exposés) / incidence pop

FAP = Pe (RRe-1) / [ 1 + Pe (RRe-1)]
où Pe est la prévalence de l’exposition (p. ex. la proportion de personnes obèses) et RR est le
risque relatif de la maladie lié à cette exposition.
La fraction évitée dans la population est la proportion du fardeau hypothétique total de la
maladie qui a été prévenue grâce à l’exposition au facteur protecteur, comme un programme
d’immunisation. Voici la formule :
Pe (1-RR).

58
Q

NNT?

A

Ce nombre résume l’efficacité d’un traitement ou d’une mesure préventive pour
obtenir un résultat souhaité.
Est calculé en tant que valeur réciproque de
l’amélioration absolue qui résulte de la thérapie

NNT= 1/RRA

59
Q

échantillonnage?

A

= paramètre

utilisé pour estimer une valeur plus générale
Pour fournir une estimation précise, un
échantillon devrait évidemment être représentatif de la population –> un échantillon aléatoire
… garantit seulement une moyenne

60
Q

2 paramètres statistiques utiles?

A

moyenne

écart-type

61
Q

moyen de mesurer la probabilité qu’un résultat d’étude ait pu se
produire simplement par hasard dans cette étude particulière, en raison de la variation de
36/56
l’échantillonnage aléatoire.?

A

valeur p

62
Q

valeur p?

A

Une valeur p < .05 signifie que la probabilité de
trouver une différence au moins aussi grande que celle dans l’étude est inférieure à 5 % si, en
réalité, il n’existe pas de différence entre les groupes dans la population (c’est à dire que l’ «
hypothèse nulle » est vraie). La différence serait alors qualifiée de statistiquement
significative. Le seuil de 5 % est arbitraire, mais il est couramment utilisé. La formule
statistique utilisée pour calculer la valeur p dépend de divers éléments de la conception de
l’étude. Les différents tests et les conditions de leur utilisation se trouvent dans un manuel de
biostatistiques. Si les résultats d’un test statistique suggèrent que la différence est plus
susceptible de s’être produite par hasard (par exemple, p = 0,06 ou p = 0,10), le chercheur
devrait conclure qu’il n’a pas trouvé suffisamment de preuves que le traitement a réduit la
tension artérielle. Mais même si p < .05, gardez à l’esprit qu’il reste 5% de chances que cette
conclusion soit erronée.

63
Q

intervalle de confiance?

A

est une statistique qui sert à indiquer le degré probable
d’erreur dans l’estimation d’un paramètre d’après un échantillon

présent pour exprimer: valeurs moyennes, rapports de cotres, RR

Si l’intervalle de confiance des rapports de cotes ou des risques relatifs inclut 1,0, on présume
qu’il n’existe aucune différence statistiquement significative entre les deux groupes, étant
donné qu’un rapport de cotes ou un risque relatif de 1,0 indique qu’il n’existe aucune
différence entre les deux groupes.

64
Q

cliniquement significatif

A

Afin qu’un résultat d’une étude modifie votre pratique, le résultat doit être à la fois
statistiquement et cliniquement significatif.

65
Q

limites de la signification statistique?

A

Si un test statistique ne montre aucune différence significative entre deux groupes, cela veut
dire soit qu’il n’existe réellement pas de différence dans la population, soit qu’il pourrait y
avoir une différence, mais que l’échantillon n’a pas permis de la révéler. –> puissance statistique

On sait intuitivement que plus l’échantillon est grand, plus l’estimation sera
précise. Si votre étude porte sur l’ensemble de la population, les intervalles de confiance ou la
signification statistique ne sont pas nécessaires, étant donné que vous avez mesuré le
véritable paramètre.

Plus la différence réelle est petite, plus
l’échantillon doit être grand pour la détecter avec confiance. Inversement, si un échantillon
doit être de très grande taille pour démontrer une différence statistiquement significative, la
différence doit être très petite. Il y a donc tout lieu de vous demander si une différence aussi
petite est cliniquement importante.

66
Q

2 catégories de biais?

A

d’échantillonnage (dus à la manière dont on a sélectionné les participants à l’étude) et
les biais de mesure (dus aux erreurs dans la mesure des expositions ou des résultats).

67
Q

quel type de biais principalement dans les études descriptives?

A

biais d’échantillonnage (ou de sélection)
[survient surtout lorsque l’échantillon n’est pas choisi
aléatoirement (que tous les membres de la population n’ont pas la même probabilité d’être
sélectionnés).]

68
Q

biais de non-réponse?

A

Même si la méthode d’échantillonnage n’est pas biaisée, on ne peut prendre pour acquis que
toutes les personnes sélectionnées participeront à l’étude. Si certains types de personnes ont
choisi de ne pas participer, cette non-réponse pourrait biaiser les résultats.

69
Q

biais d’information? –> erreur de mesure?
biais de désirabilité sociale?
biais de rappel?

A

L’erreur de mesure désigne les écarts entre les valeurs consignées à l’aide d’une mesure et les
valeurs réelles chez les participants de l’étude. Comme pour les erreurs d’échantillonnage, les
erreurs de mesure peuvent être aléatoires ou systématiques. Le biais de désirabilité sociale
désigne les erreurs systématiques dans la réponse qui semblent rendre le répondant plus
acceptable sur le plan social.

Le biais de rappel survient
souvent dans les sondages, notamment dans les études cas-témoins. La mémoire des gens est
peu fiable.

70
Q

vrai ou faux
L’augmentation de la taille de l’échantillon peut réduire les erreurs aléatoires de mesure et
d’échantillonnage, mais n’aura aucun effet sur les erreurs systématiques; les résultats seront
toujours biaisés, peu importe le nombre de participants.

A

vrai

71
Q

liste de tout les biais possibles…

p.43 chapitre 5

A

Analyse documentaire
– Sélection non représenta tive d’articles à citer

Plan d’étude
– Biais de sélec tion
– Biais de cadre d’échantillonnage
– Biais d’échantillonnage non aléatoire
– Biais de non-couverture
– Biais de non-comparabilité
Exécution de l’étude : Collecte de données
– Biais lié à l’instrument de mesure
– Biais lié à la source de données
– Biais lié aux sujets
– Biais de rappel
– Biais de traitement des données

Analyse
– Biais de confusion
– Biais de stratégie d’analyse
– Biais d’analyse post-hoc

Interprétation biaisée des résultats
– Actualiser les résultats qui ne correspondent pas à l’hypothèse du chercheur.

Publication
– Non-publication des résultats négatifs

72
Q

biais de confusion?

comment y faire face?

A

La confusion survient lorsqu’une troisième variable (ou une quatrième, cinquième, etc.) dans
un réseau de causes est associée à l’exposition et au résultat à l’étude (voir la figure 5.7).

la répartition aléatoire entre les groupes
d’intervention et les groupes témoins est la façon la plus élégante d’éviter la confusion.

L’appariement est une autre stratégie
de conception : il s’agit de la sélection délibérée des sujets pour que le niveau de variables
confusionnelles soit égal dans les groupes à comparer.

À l’étape de l’analyse de l’étude, on peut avoir recours à la stratification pour évaluer la
confusion. (strates. analyse Mantel-Haenszel); modélisation multivariée

73
Q

vrai ou faux: les biais de sélection et de mesure ne peuvent pas être corrigés à l’étape de
l’analyse. Ici, seule une sélection minutieuse de l’échantillon et l’utilisation de procédures de
mesure normalisées peuvent minimiser ces biais.

A

vrai

74
Q

hiérarchies (des sources) de preuves?

A

I revue systématique ou méta-analyse

II essai contrôlé bien conçu

III études de cohortes bien conçues, dans plus d’un centre ou groupe de recherche

IV études cas-témoins bien-conçue,dans plus d’un centre ou groupe de recherche

V multiples études en séries chronologiques, +/- intervention. inclus les résultats marquants découlant d’expériences non contrôlées

VI opinions d’autorités respectées fondées sur l’expérience clinique, études descriptives, rapports de comités d’experts, conférences consensuelles

75
Q

4 axes du système GRADE?

4 catégories?

A

la
conception d’une étude, la qualité de l’étude, la cohérence entre les études, et le caractère «direct » ou la comparabilité des échantillons étudiés avec les patients auxquels ils seront
appliqués.

Élevée (il est peu
probable que d’autres recherches modifient l’estimation de l’effet); Modérée (d’autres
recherches sont susceptibles de modifier notre confiance dans l’estimation actuelle de l’effet
et peuvent modifier l’estimation elle-même); Faible (d’autres preuves sont susceptibles de
modifier l’estimation); Très faible (une estimation de l’effet est très incertaine)

76
Q

vrai ou faux? les conclusions devraient être fondées sur
l’ensemble de la littérature, y compris souvent la littérature « grise » des rapports publiés
sous forme de documents de travail ou de rapports internes

A

vrai

77
Q

objectifs revues systématiques?

A

Les objectifs d’une revue systématique
sont d’identifier toutes les études pertinentes liées à un traitement ou à une intervention
donnée, d’en évaluer la qualité et de résumer l’ensemble des résultats. Un élément clé est
l’exhaustivité de l’analyse documentaire;

78
Q

méta-analyse?

A

synthèse statistique de données d’études différentes, mais
comparables. On accepte généralement qu’une méta-analyse de plusieurs essais comparatifs
aléatoires offre de meilleures preuves qu’un seul essai.

L’estimation est normalement pondérée en fonction de la taille relative
des études, et parfois aussi par un jugement sur leur qualité. Les essais comparatifs aléatoires
ou d’autres plans d’étude, y compris les études cas-témoins et les études de cohortes, peuvent
faire l’objet de méta-analyses. S’il est impossible de rassembler des données en raison de
contrastes entre les plans d’étude, on peut résumer les résultats de différentes études dans un
examen narratif ou les présenter à l’aide d’un graphique en forêt

79
Q

subdivision du premier niveau de la hiérarchie (méta-analyse)?

A
  1. 1 Examens de la Collaboration Cochrane;
  2. 2 Examens systématiques;
  3. 3 Directives fondées sur les preuves;
  4. 4 Résumés de preuves.
80
Q

liste de vérification pour évaluer la qualité d’une étude sur l’efficacité d’un traitement?

chapitre 5, p.51

A

Les résultats sont-ils valides?
Les patients ont-ils été répartis aléatoirement?
La répartition aléatoire a-t-elle été réalisée à l’insu?
Les patients savaient-ils dans quel groupe ils étaient? (La répartition a-t-elle été réalisée à
l’insu des patients?)
Les cliniciens traitant les patients étaient-ils au courant de la répartition des groupes?
Les évaluateurs des résultats étaient-ils au courant de la répartition des groupes? (La
répartition a-t-elle été réalisée à l’insu des évaluateurs?)
Les patients dans le groupe de traitement et le groupe témoin étaient-ils semblables quant
aux variables connues du pronostic? (Par exemple, le nombre de fumeurs était-il
semblable dans chaque groupe d’une étude sur un traitement contre l’asthme?)
Le suivi incluait-il tous les patients?
Les patients ont-ils été analysés dans les groupes auxquels ils ont été affectés?
Quels sont les résultats?
Quelle était l’ampleur de l’effet du traitement?
Quel était le degré de précision de l’estimation de l’efficacité du traitement?
Comment puis-je appliquer les résultats aux soins des patients?
Les patients de l’étude ressemblent-ils aux miens?
Les bienfaits probables du traitement l’emportent-ils sur ses risques et ses coûts
potentiels?
Comment dois-je traiter ce patient-ci?
Quels sont les résultats probables dans son cas?
Ce traitement est-il voulu par le patient?
Le traitement est-il offert ici?
Le patient est-il disposé et apte à recevoir le traitement?

81
Q

lors de l’application des résultats d’une étude à notre pratique, il faut tenir compte de..?

A
la population cible
la réalisabilité de l'intervention 
coût
intervention dans le groupe témoin
préférence du patient
les limites de la médecine factuelle
82
Q

5 D? (mesures de santé)

A
death
disease
disability
discomfort 
distress

exemples de stats :
Certaines des statistiques les plus courantes à ces fins sont le
TAUX DE DÉCÈS P. 1 000 HABITANTS, le TAUX DE MORTALITÉ INFANTILE, l’ESPÉRANCE DE VIE
moyenne et divers indicateurs de la morbidité, comme le taux de MALADIE À DÉCLARATION
OBLIGATOIRE.

83
Q

interprétation des taux de morbidité?

A

ces statistiques

reflètent souvent les services offerts, plutôt que le besoin de services des patients.

84
Q

types d’indicateurs de santé?

A

personnel
populationnel
écologique et environnementaux

85
Q

incidence?

A

(le nombre de nouveaux cas au cours d’une période

de temps) s’avère pertinente lorsqu’il est question d’affections aiguës

86
Q

prévalence?

A

(le nombre
total de cas dans une population) touche plutôt à la maladie chronique. L’analyse des causes étudie les
cas incidents, tandis que la prévalence est utile pour estimer les besoins en services de santé.

87
Q

vrai ou faux:

Comme l’incidence, la mortalité est un événement pouvant être présenté en tant que taux ou proportion.

A

vrai

88
Q

formule taux mortalité infantile
…TM périnatale
… TM néonat

A

TMI= [ décès d’enfants < 1 an / nb de naissance vivante au cours de la même année ] x 1000

89
Q

formule taux brut de mortalité tous âges confondus

(chapitre 6 p.7)

A

TBM = [nb de décès sur une période / nb de personnes multiplié par la durée d’observation] x 10 à la n

90
Q

standardisation directe?

A

L’approche directe offre plus d’information mais exige un plus grand nombre de données. La
standardisation directe est exprimée comme un taux standardisé en fonction de l’âge : x nombre de
décès pour y nombre de personnes.

91
Q

standardisation indirecte?

A

La standardisation indirecte est généralement utilisée lorsque la taille des strates dans la population à
l’étude est petite, menant à des taux par strate instables. Ici, seule la valeur de mortalité globale pour la
population à l’étude est requise; les taux par strate sont tirés de la population de référence dont la taille
est beaucoup plus importante.

raccourci lorsque les taux de mortalité par strate d’âge de la
population à l’étude ne sont pas connus ou lorsque la taille de la population est trop petite pour calculer
les taux par strates stables,

92
Q

étape d’une standardisation indirecte?

A

Les taux de mortalité standardisés (TMS) sont calculés en trois étapes :
1. Calculez les taux de mortalité standardisés pour chaque groupe d’âge dans la population de référence
(ici, le Canada en 2011), soit décès / population * 100 000 dans chaque groupe d’âge.
2. Multipliez ces taux par le nombre de personnes dans les populations à l’étude de ch aque groupe d’âge
pour calculer les décès prévus. Ces valeurs indiquent le nombre de décès qui auraient lieu au sein de la
population à l’étude si chaque strate d’âge avait le même taux de mortalité que la population de
référence, c.-à-d. le taux de mortalité selon l’âge au Canada * population de ce groupe d’âge dans la
population à l’étude / 100 000.
3. Calculez le rapport entre les d écès observés et les décès prévus dans la population à l’étude : décès
observés / décès prévus * 100.

93
Q

déf espérance de vie

A

L’espérance de vie est l’âge moyen des individus au décès.

94
Q

vrai ou faux
Une façon d’étudier l’impact des maladies sur une société consiste à les
classer en fonction des ANNÉES POTENTIELLES DE VIE PERDUES (APVP) attribuables à chacune.
(On utilise aussi l’abréviation AVPP, ou années de vie potentielle perdues.)
Les priorités basées sur les APVP ne seront pas les mêmes que les priorités basées sur de simples taux de
mortalité.

A

vrai

95
Q

Les applications des mesures de la santé entrent dans trois grandes catégories: lesquelles?

A

les instruments diagnostiques

les mesures pronostiques

les mesures évaluatives

Les instruments
diagnostiques recueillent de renseignements provenant d’auto-évaluations et d’évaluations cliniques,
puis les traitent à l’aide d’algorithmes pour suggérer un diagnostic. Le domaine de la psychiatrie en
compte plusieurs, dont l’Entretien diagnostique international global. Les mesures pronostiques
comprennent les tests de dépistage et, parfois, des renseignements sur les facteurs de risque, lesquels
peuvent être combinés pour estimer les états futurs de santé; plusieurs outils numérisées évaluent les
risques pour la santé. Les mesures évaluatives tiennent compte des changements dans l’état de santé au
fil du temps et sont utilisées pour déterminer les résultats des soins. Cette catégorie est le groupe
d’instruments le plus important; elle comprend des mesures spécifiques à des maladies particulières,
ainsi que des mesures génériques qui s’appliquent à toute forme de maladie.

96
Q

indicateurs objectifs vs subjectifs?

A

objectifs: consigné mécaniquement

autodéclaration = subjectif

97
Q

lorsqu’on pense faire une intervention pour un patient, il peut être intéressant de connaitre…

A

la survie ajustée

La survie ajustée pour la qualité de vie (SAQV) approfondit l’idée de l’espérance de vie en y ajoutant un
indicateur de la qualité de vie des survivants. Plutôt que de considérer chaque année de survie comme
étant équivalente, cette statistique ajuste à la baisse la valeur des années vécues en mauvaise santé.

98
Q

pondérations possibles de la SAQV

A

pari standard et
marchandage-temps

voir chapitre 6 p.19

99
Q

sources d’erreur de mesure?

A

la chose mesurée (« mon poids oscille, il est
difficile d’en obtenir un aperçu exact »); la personne qui mesure (« si vous me demandez mon poids un
lundi, il se peut que j’enlève un kilo si je me suis gavé de la cuisine de ma belle-mère au cours de la fin de
semaine ― le kilo supplémentaire ne reflète certainement pas mon véritable poids! »); et l’instrument de
mesure (« le pèse-personne de la clinique est imprécis, il faudrait vraiment le faire réparer »).

Les erreurs aléatoires sont détectées par les tests
de fiabilité d’une mesure.
Les erreurs systématiques vont toutes dans le même sens, et il est probable qu’elles sont liées à une cause
précise. Les sous-estimations ou les surestimations systématiques (« j’ai tendance à exagérer mes
prouesses d’athlète ») faussent une mesure et nuisent à sa validité.

100
Q

fiabilité?

A

se rapporte à la cohérence
Une mesure fiable peut être très reproductible, mais peut
tout de même être erronée.

101
Q

validité?

A

La définition de base de la validité est la suivante : Le test mesure-t-il ce que nous voulons mesurer? En
voici une définition un peu plus académique : Les résultats d’une mesure s’approchent-ils de l’état réel
du phénomène à l’étude? Et une autre encore plus abstraite : Que signifie tel ou tel résultat à ce test?
Cette dernière interprétation de la validité s’inscrit dans une conception plus générale qui cherche à
répondre à la question suivante : Comment pouvons-nous interpréter les résultats de ce test?

En médecine, la manière la
plus courante d’évaluer la validité est de comparer la mesure à celle d’un examen clinique ou
pathologique approfondi du patient. On appelle cela la VALIDITÉ DE CRITÈRE, étant donné que l’on
compare la mesure à une analyse complète dont l’excellence est reconnue.

102
Q

sensibilité?

formule?

A

SENSIBILITÉ indique sommairement si un test détecte bien la maladie. Il s’agit de la probabilité que
le test détecte la maladie chez une personne qui en est atteinte (l’expression est logique : le test est
sensible à la maladie, donc il peut la détecter). À l’aide de la notation dans le tableau précédent, la
sensibilité se calcule comme ceci :
a/(a+c), ou VP/(VP + FN).
L’inverse de la sensibilité est la proportion de faux négatifs (c/a+c), qui exprime la proportion de cas de
la maladie manqués par le test. Un test à faible sensibilité produira une grande quantité de résultats faux
négatifs.

103
Q

Voici un petit truc mnémotechnique : la sensibilité est inversement associée à la proportion de faux
négatifs d’un test (sensibilité élevée → peu de faux négatifs). Et, question sur laquelle on reviendra plus
tard, plus la sensibilité est faible, plus la valeur prédictive négative est faible.

A

Merci!

104
Q

spécificité?

formule?

A

La spécificité mesure la capacité d’un test à reconnaître correctement les personnes qui ne sont pas
atteintes de la maladie :
d/(b+d), ou VN/(VN + FP).
La spécificité est l’inverse de la proportion de faux positifs (b/b+d), laquelle est la proportion des
personnes bien portantes reconnues comme étant malades. Un test spécifique produit peu de résultats
faux positifs, ne détectant que cette maladie spécifiquement.
La spécificité est importante cliniquement, car un résultat faux positif peut causer des inquiétudes et
entraîner un examen approfondi inutilement coûteux, voire même un traitement inutile.

105
Q

Petit truc mnémotechnique : la spécificité est inversement associée à la proportion de faux positifs. Une
fois de plus, l’expression est intuitive : un test de dépistage spécifique est un test qui ne détecte que la
maladie qu’il est spécifiquement conçu pour détecter; les personnes atteintes d’autres maladies n’auront
donc pas de résultats faussement positifs. Si la spécificité est faible, la valeur prédictive positive est
faible.

A

merci!

106
Q

balance entre sensibilité et spécificité?

A

Un point
crucial dont il faut se rappeler est qu’en présence d’une validité imparfaite il y aura un chevauchement
entre les scores de tests chez les personnes qui souffrent et celles qui ne souffrent pas de
l’affection, comme illustré à la figure 6.8. Il est extrêmement rare qu’un test soit à la fois très sensible et
très spécifique.

107
Q

VPP?

A

La VALEUR PRÉDICTIVE POSITIVE (VPP) est la proportion de personnes dont le résultat est positif
qui sont véritablement atteintes de la maladie :
a/(a+b), ou VP/(VP + FP).
Comme l’indique le tableau 6.2, si la spécificité d’un test est faible (c.-à-d., s’il produit beaucoup de faux
positifs et que la case b est grande), sa VPP sera faible. (Faible spécificité → faible valeur prédictive
positive).

108
Q

VPN?

A

De même, la VALEUR PRÉDICTIVE NÉGATIVE (VPN) est la proportion de personnes dont le résultat
est négatif qui ne sont vraiment pas atteintes de la maladie :
d/(c+d), or VN/(VN + FN).
Si la sensibilité du test est faible, les résultats FN seront élevés et la VPN sera réduite (faible sensibilité
→ faible VPN.

109
Q

pour confirmer ou exclure un dx?

A

Pour confirmer un
diagnostic, la spécificité du test utilisé doit être élevée; pour exclure un diagnostic, c’est la sensibilité du
test qui doit être élevée.

110
Q

séquence d’administration des tests?

A

en série ou en parallèle

chapitre 6 p.26

111
Q

vrai ou faux:
vous avez besoin d’un test sensible pour confirmer
un diagnostic

A

faux
Un test sensible reconnaîtra effectivement la plupart des cas
réels de la maladie, mais un test très sensible aura souvent une faible spécificité. Cela veut dire qu’un
nombre de faux positifs pourraient faire partie de vos résultats. Le test sensible ne peut donc pas
confirmer la présence de la maladie.

112
Q

rapport de vraisemblance +?

A

Un rapport de vraisemblance positif (RV+) indique dans quelle mesure il est plus probable qu’une
personne atteinte de la maladie obtienne un résultat positif, comparativement à une personne qui n’en
est pas atteinte.
RV+ = sensibilité / (1 – spécificité),
ou le rapport entre les vrais positifs et les faux positifs. Voici la formule selon le tableau 6.2 :
a/(a + c) / b/(b + d).

113
Q

rapport de vraisemblance négatif?

A

Un rapport de vraisemblance négatif (RV-) indique dans quelle mesure il est plus probable qu’une
personne qui n’est pas atteinte de la maladie obtienne un résultat négatif, comparativement à une
personne atteinte.
RV– = (1 – sensibilité) / spécificité,
ou le rapport entre les faux négatifs et les vrais négatifs. Voici la formule selon le tableau 6.2 :
c/(a + c) / d/(b + d).

114
Q

vrai ou faux:
le RV+ exprime le degré auquel un test positif augmente la probabilité qu’une personne
soit atteint de la maladie; le RV- exprime le degré auquel un test négatif diminue la probabilité elle soit
atteint de la maladie.

A

vrai

115
Q

estimation de la probabilité prétest tient compte …

A

des déterminants de la santé et des FDR

Les déterminants sont responsables
du taux d’incidence dans une population, et l’incidence fournit une première approximation de la
probabilité prétest d’une maladie pour une personne dans cette population. Toutefois, on ne peut
appliquer des données en population directement à une personne (qui est unique et ne se situe
probablement pas exactement dans la moyenne de la population). On peut donc modifier l’estimation
brute de la probabilité prétest à la hausse ou à la baisse à l’aide des facteurs de risque individuels.

116
Q

rôle de la surveillance?

A

la collecte et
l’analyse continues et systématiques d’information sur la santé d’une population afin de
guider l’élaboration d’interventions de santé publique et de prévention.
on connaît mieux les profils de la santé et
de la maladie et leur évolution. Ces renseignements peuvent guider les efforts de prévention
et de contrôle, ainsi que contribuer à la planification des services de santé et, ultérieurement,
à l’évaluation de leur impact.

117
Q

sources de la surveillance de la santé?

A

les statistiques démographiques, comme les naissances et les décès;
les données environnementales sur la qualité de l’air et de l’eau;
les indicateurs des services de santé, comme les sorties des hôpitaux, tandis que
le Recensement fournit de l’information sur la population, comme le revenu, la langue
et le groupe ethnique.
La surveillance représente une bonne partie du travail des autorités régionales et provinciales
de santé publique et de l’Agence de la santé publique du Canada.

118
Q

rôle des md cliniciens dans la surveillance?

A

signaler l’apparition de certaines
maladies contagieuses chez ses patients.

MADO

119
Q

surveillance passive?

A

Le terme « passive » dans l’expression « surveillance passive » désigne la nature du rôle de
l’agence responsable. Cette dernière ne fait que recevoir les déclarations : les données
recueillies systématiquement, comme les registres des sorties des hôpitaux, les données
relatives à la mortalité ou les factures médicales, et les données sur les maladies à déclaration
obligatoire.

120
Q

surveillance active?

A

La surveillance active ou à court terme recherche les maladies
émergentes ou les éclosions comme le SRAS ou la grippe pandémique A (H1N1) et aide la
société à réagir rapidement aux nouvelles menaces.

donc habituellement réalisée à une fin précise

121
Q

vrai ou faux?L’enregistrement des naissances et des décès est obligatoire dans la plupart des pays et
fournit des statistiques démographiques de base.

A

vrai
l’exactitude de ces
renseignements dépend de l’exactitude avec laquelle le médecin responsable de la déclaration
a consigné la cause du décès, étant donné qu’elle est rarement confirmée par autopsie.

122
Q

quoi inscrire dans une déclaration de décès?

A

le médecin
responsable de la déclaration doit faire la distinction entre la cause initiale de décès et son ou
ses déclencheurs

La cause initiale de décès est « la maladie ou le traumatisme qui a
déclenché l’évolution morbide conduisant directement au décès, ou les circonstances qui ont
entraîné le traumatisme mortel

123
Q

existe-t-il toujours un recensement?

A

oui, 2 fois par 10 ans (année en 6 et année en 1)

124
Q

surveillance sentinelle?

A

La notion de sentinelle fait référence aux cliniciens qui surveillent des maladies d’intérêt
particulières.

Ce système peut servir à signaler des événements rares (comme
les effets secondaires des vaccins contre la grippe) et contribue à améliorer la qualité des
soins. Si l’échantillon de médecins est bien choisi, on peut faire des estimations de l’incidence
de l’événement d’intérêt dans la population sans avoir à sonder toute la population.

125
Q

Si, selon la surveillance, il y a des changements au profil d’une maladie, il faut se poser les
questions suivantes : lesquelles?

A
  1. S’agit-il d’un véritable changement
  2. Est-il possible que le changement découle d’une modification des pratiques de déclaration? la précision des données varient-elles?
  3. A-t-on modifié la définition de la maladie, ce qui a pu causer le changement?
126
Q

Qu’est-ce qu’une courbe épidémique?

A

S’il y a éclosion, elles tracent ainsi l’évolution de l’éclosion dans la population, ce qui
correspond à l’histoire naturelle de la maladie pour un cas individuel. L’histoire naturelle
d’une éclosion dans une population est la plus évidente lorsqu’il s’agit d’une maladie
infectieuse, mais on peut également la suivre dans des situations comme un déversement de
produits chimiques menant à des cas de maladie respiratoire ou, sur un intervalle beaucoup
plus long, à des cas de maladies chroniques non transmissibles. On peut se baser sur la forme
de la courbe épidémique pour avancer des hypothèses sur la nature de la maladie et son
mode de transmission. En plus de montrer le profil temporel, la courbe montre l’ampleur de
l’éclosion (le nombre de cas), la période d’incubation probable de l’affection et peut révéler
des valeurs aberrantes (par rapport au temps et parfois au lieu).
#aplatir la courbe

127
Q

distribution temporelle d’une courbe épidémique si source persistante ?
chapitre 7 p.9

A

Les cas surviennent alors au cours
d’une période prolongée, mais toujours d’une source commune ou unique. La courbe
épidémique qui en résulte est plus longue et étendue, indiquant la durée prolongée de la
contamination et les variations individuelles des périodes d’incubation (voir la figure 7.2). La
10/22
courbe se termine lorsque la source de contamination est corrigée ou lorsque toutes les
personnes susceptibles deviennent immunisées. L’aspect relativement plat de la courbe
suggère que l’infection provient d’une source commune et qu’il n’y a pas de transmission de
personne à personne; sinon, le nombre de cas augmenterait au fur et à mesure que le temps
avance et qu’une personne en infecte d’autres.

128
Q

distribution temporelle d’une courbe épidémique si exposition intermittente?
chapitre 7 p.10

A

La figure 7.3 montre un profil irrégulier de cas qui reflète la date
d’apparition et la durée d’expositions répétées. A priori, il est difficile de déterminer si la
source est commune (par exemple un contaminant industriel émis à certains intervalles) ou
si les sources sont variées (comme une série d’éclosions de toxi-infections alimentaires
survenant dans différents camps d’été pour enfants). L’écart entre les éclosions pourrait
suggérer une transmission de personne à personne suivie d’une période d’incubation, mais
les pics successifs n’augmentent pas de taille et ne fusionnent pas, comme ce serait le cas si
les éclosions résultaient d’une propagation infectieuse où une personne en infecte plusieurs.
Ainsi, la courbe épidémique de la figure 7.3 semble représenter une affection non
transmissible.

129
Q

distribution temporelle d’une courbe épidémique si cas index à transmission limitée?
chapitre 7 p.11

A

La figure 7.4 illustre une transmission de personne à
personne qui présente un profil typique survenant lorsqu’un seul cas, qu’on appelle le cas
index (par exemple, un voyageur qui revient de l’étranger), infecte d’autres personnes après
une période d’incubation. Il s’agit d’une origine ponctuelle à transmission secondaire.
L’éclosion diminue lorsque les personnes infectées cessent de transmettre l’infection à
d’autres personnes susceptibles, possiblement en raison de mesures de lutte efficaces
(isolement ou quarantaine).

130
Q

distribution temporelle d’une courbe épidémique si cas index à transmission disséminée?
chapitre 7 p.12

A

Elle débute comme une infection découlant d’un cas index (figure
7.4), mais les cas secondaires de la maladie agissent ensuite comme des sources qui infectent
de nouvelles personnes, lesquelles en infectent d’autres à leur tour. Comme on le voit à la
figure 7.5, cela produit des pics de plus en plus hauts à chaque génération (c.-à-d., les cas
secondaires et tertiaires). Les pics sont d’abord séparés par une période d’incubation. Par la
suite, les pics ont tendance à se joindre et à former une seule vague et l’épidémie persiste
jusqu’à ce que le nombre de personnes susceptibles diminue ou que les mesures
d’intervention donnent des résultats. C’est le profil des maladies comme la rougeole, qui se
transmettent d’une personne à l’autre.