LCA Flashcards

Question

Quels sont les différents types d'études analytiques ? nb, vrai/faux: étude étiologique = étude descriptive ?

Answer 1

Il y en a trois: - cohorte exposé - non exposé - étude cas-témoins - étude transversale nb: faux: étude étiologique = étude analytique nb: les essais cliniques sont par définition analytiques

Answer 2

FAUX Une étude cas-témoin est toujours rétrospective.

Answer 3

FAUX: RV+ et RV- font partie des rapports **intrinsèques** d'un test diagnostique, c'est à dire qu'ils **ne varient pas selon la prévalence**.

Answer 4

Vrai et Vrai : Attention, on ne conclut que sur l’intégralité du critère composite !!!

Answer 5

60%: RRR = (1-RR) * 100.

Answer 6

Les principales limites d'une cohorte sont : - Inclusion d’un grand Nombre de personnes, suivi long et coûts plus élevés - Risque de perdus de vue ++ - Inadapté pour l’étude des maladies rares car de survenue peu fqtes - Difficile à mettre en oeuvre lorsqu’il existe un temps de latence important entre exposition et survenue de la maladie

Answer 7

FAUX. Ppour ca que RV+ et RV- ne dépendent pas non plus de la prévalence contrairement à la VPN et la VPP

Answer 8

 Indicateurs de validité indépendants de la prévalence de la maladie : o Sensibilité o Spécificité o Rapport de vraisemblance positif (RVP) (RV+) o Rapport de vraisemblance négatif (RVN) (RV-)

Answer 9

- Un test positif est RVP fois plus fréquent chez les malades que chez les non-malades. Par exemple, si le RVP =8 cela signifie qu’il y a 8 fois plus de chance d’avoir un test positif lorsque la personne est malade que lorsqu’elle n’est pas malade. - Un test négatif est 1/RVN plus fréquent chez les non-malades que chez les malades. Par exemple, si le RVN est=0.25, cela signifie qu’il y a 4 fois plus de chance de présenter un test négatif si la personne n’est pas malade que si la personne est malade. - Plus le RVP est élevé, plus on aura confiance dans le résultat d’un test positif pour confirmer le diagnostic. - Plus le RVN est faible, plus on aura confiance dans le résultat d’un test négatif pour éliminer le diagnostic.

Answer 10

- biais de spectre - biais de vérification - biais de classement

Answer 11

(un des principaux biais des études diagnostiques): - Il s’agit d’un **biais de sélection** Les patients étudiés ne reflètent pas l’ensemble des patients concernés - La population de l’étude doit être proche de la population à laquelle seront appliqués les résultats de l’étude.

Answer 12

- Seuls les individus avec un test à l’étude positif ont le test de référence Ca Surestime la performance diagnostique du test - Tous les individus doivent avoir les 2 tests : le test à l’étude et le test de référence

Answer 13

- Le même évaluateur évalue le résultat des 2 tests. Il est influencé par le résultat de la première évaluation - Les résultats du test à évaluer et du test de référence doivent être interprétés indépendamment l’un de l’autre

Answer 14

Les études étiologiques évaluent l’association entre l’exposition à un ou plusieurs facteurs de risque et la survenue d’une maladie. Les études étiologiques sont des études **observationnelles** qui font appel à 2 grands-types d’étude : les études de cohorte et les études cas-témoin.

Answer 15

- Adaptée aux maladies rares - Etude possible de plusieurs expositions - Rapidité - Adaptée aux maladies avec un long délai d’apparition depuis l’exposition (délai de latence important) - Parfois les seules réalisables

Answer 16

- Biais de classement (biais de mémoire lié au recueil de données rétrospectif) - Choix des témoins difficile (biais de sélection potentiel) - Peu adapté pour les expositions rares - On ne peut estimer la prévalence de la maladie* - On ne peut pas estimer de RR mesure de l'association: OR (rr impossible)

Answer 17

- Adaptée aux **expositions** rares (et non pas aux maladies rares) - Etude possible de plusieurs maladies - Estimation possible de l’incidence de la maladie - Calcul du risque relatif - La temporalité entre exposition et maladie peut être étudiée précisément - Risque de biais de sélection moindre

Answer 18

- Perdus de vue - Nécessite souvent un échantillon de grande taille - Durée de l’étude longue - Souvent impossibilité d’étudier plusieurs expositions - Peu adaptée aux maladies rares Mesure de l'association avec le RR principalement, OR possible

Answer 19

Dans les études cas-témoin, on recrute des malades et des témoins indemnes de la maladie et on recherche dans le passé des sujets s’ils ont été exposés à certains facteurs de risque. Une étude cas-témoin est rétrospective

Answer 20

FAUX une étude transversale est ... **transversale**

Answer 21

Un essai contrôlé est un essai dans lequel il existe un groupe témoin par rapport au groupe recevant un ttt. C'est un essai dans lequel il existe un groupe contrôle

Answer 22

La validité interne est le fait qu’un résultat observé soit un bon reflet de la réalité et qu’il n’est pas dû à un biais. L’évaluation de la validité interne passe par la la recherche des défauts méthodologiques de l’étude et des biais potentiels. Une étude avec une méthodologie adéquate, permettant de limiter le risque de biais pour les principaux biais évoqués, aura une bonne validité interne.

Answer 23

On ne peut conclure que si l’intervalle de confiance ne comprend pas 1 pour un Hazard ratio. Sinon on ne peut parler que de **"tendance"**.

Answer 24

Vrai, puisque il s'agit de ne pas révéler à un patient le médicament qu'il va recevoir **dans un essai thérapeutique**, et pour un médecin qui inclut un patient dans un essai, de ne pas savoir quel traitement ce patient va recevoir Mais elle est **toujours possible** dans les essais contrairement à l'aveugle

Answer 25

le risque relatif est le rapport de l'incidence chez les exposés / l'incidence chez les non-exposés

Answer 26

Il peut s'agir de fluctuations aléatoires d’échantillonnage qui représentant un défaut de précision de l’estimation lors de l’extrapolation statistique des résultats entre échantillon et population source Ce n'est pas un biais, il faut bien distingue les biais des fluctuations d'échantillonnage

Answer 27

Non, dans certaines études: **tolérance, non infériorité, équivalence** il faut compléter cette analyse par une analyse per protocole: ça paraît logique par exemple dans une étude de tolérance il faut savoir si les effets secondaires sont bien dus au traitement

Answer 28

Dans les études cas-témoin, on recrute des malades et des témoins indemnes de la maladie et on recherche dans le passé des sujets s’ils ont été exposés à certains facteurs de risque. Une étude cas-témoin est rétrospective

Answer 29

- Les cohortes en population : L’échantillon peut être plus ou moins représentatif de la population cible. Pour avoir un échantillon représentatif, l’idéal est de procéder par sondage à partir d’une population source correspondant à la population cible. - Les cohortes exposés-non-exposés où l’on recrute en fait deux cohortes : une cohorte d’individus exposés à un facteur de risque et une cohorte d’individus non exposés au facteur de risque. Ces deux cohortes vont être suivies dans le temps et doivent avoir un suivi similaire. Ce type d’étude ne permet pas d’évaluer simultanément plusieurs facteurs de risque. Ce type d’étude est à privilégier quand l’exposition est rare et l’évènement relativement fréquent. Les cohortes exposés non-exposés sont adaptées à l’étude de facteurs de risque professionnels (par exemple, l’exposition à l’amiante)

Answer 30

Biais protopathique : « biais retrouvé dans les études épidémiologiques lorsque la pathologie ou l'effet étudié a précédé le facteur d'exposition supposé, alors que celui-ci est interprété à tort comme le facteur causal de la pathologie » exemple: on a une forme légère d'une maladie, qu'on ne voit pas forcément, on traite la personne pour autre chose, la maladie se déclare: on a l'impression que le médicament cause la maladie (cause --> effet) alors que la maladie était déjà présente avant l'exposition au pseudo facteur de risque

Answer 31

MOT CLEF ODD RATIO Risque relatif

Answer 32

Cela est dû au fait que le risque relatif ne se calcule que **lorsque la prévalence usuelle de la maladie est respectée dans l'échantillon**, ce qui n'est pas le cas dans un cas-témoins. En effet, dans ce type d'étude, la prévalence de la maladie est de 1 / (1 + x) avec x le facteur d'appariement (si on recrute 2 témoins pour 1 cas, le facteur d'appariement est de 2 ; la prévalence de la maladie est donc ½).

Answer 33

mots clef odd ratio : OR = ad/bc (tableau de contingence)

Answer 34

Retenir que c'est au coeur des études cas-témoin, et que c'est généralement associés aux études observationnelles. Alternative à la randomisation dans les essais cliniques

Answer 35

le caractère mono ou multicentrique n'intervient pas dans le calcul du nombre de sujet nécessaire. On peut faire un multicentrique avec un nombre de participants plus faible qu'un monocentrique notamment.

Answer 36

En ITT *et* en per protocole

Answer 37

Faux ça permet d'augmenter la puissance mais **limite l'interprétation**.

Answer 38

Il ne faut pas confondre la notion de "survie sur x jours" avec celle de "survie à x jours". Si la première correspond bien à une analyse de survie, la seconde est une étude comparative avec un critère de jugement qualitatif binaire qui est évalué au terme des xjours.

Answer 39

C'est la date d'entrée dans l'étude pour le sujet. Celle-ci doit être clairement définie et **la plus précoce possible** (en effet, une date d'origine tardive aurait pour conséquence de sélectionner les patients ayant déjà survécu jusque-là provoquant un biais de sélection important)

Answer 40

La méthode de Kaplan-Meier est une méthode permettant de calculer une fonction de survie à partir de données de survie de patients. La fonction de survie indique la probabilité de survivre à la réalisation d'un événement, pour une durée donnée. U ne nouvelle fois, nous précisons que cet événement n'est pas nécessairement la mort. **En LCA, elle permet surtout de dresser la courbe de Kaplan-Meier** qui représente en ordonnée la probabilité cumulée de survivre à l'événement et en abscisse la durée de suivi. La méthode de Kaplan-Meier peut aussi dresser une courbe ascendante si la donnée représentée en ordonnée est la probabilité cumulée de réaliser l'événement (qui équivaut à 1-survie).

Answer 41

- les barres verticales sont des **sujets censurés** à cette date et qui ne génèrent pas de risque d'événement mais dont la prise en compte est nécessaire car ils affectent le calcul des risques instantanés (baisse du nombre de sujets suivis) ; - Il ne faut pas confondre ces barres verticales avec la représentation de **l'imprécision statistique** de la courbe. Sa représentation se fait sous la forme d'une zone colorée autour de la courbe

Answer 42

« No at risk » ou « number at risk » est une appellation courante et correspond au nombre de sujets encore suivis dans le groupe en question. On voit que ce nombre décroît plus vite que le nombre d'événements ne croît car les sorties d'étude (censure, retraits de consentement) font aussi baisser le nombre de sujets suivis.

Answer 43

Pck l'axe des ordonnées c'est une probabilité et non pas un effectif. La censure est marquée par une petite barre verticale.

Answer 44

Après construction de la courbe de Kaplan-Meier, l'étude prend toujours la même tournure : 1) Les auteurs comparent les **surfaces sous deux courbes de Kaplan-Meier via le test du Log-Rank** (correspondant à l'**analyse univariée des études de survie**). Celui-ci s'interprète de manière très simple et similaire aux autres tests : on compare la valeur de p au risque alpha de l'étude pour conclure ou non à une différence significative. 2) Il est ensuite classiquement réalisé un **ajustement sur les facteurs de confusion** (donc une **analyse multivariée**) dans un **modèle de Cox ayant pour résultat des Hazard Ratio**

Answer 45

Le hazard ratio (HR) est défini par le rapport des risques instantanés de réaliser l'événement dans un groupe par rapport au groupe de référence. Il concerne toute la période de suivi d'intérêt, et pas seulement une date précise, à l'inverse des RR et OR qui s'établissent au moment de la mesure des critères de jugement. Par exemple, un HR à 2 signifie que le risque instantané de présenter l'événement est deux fois plus grand dans le groupe à l'essai que dans le groupe contrôle, sur la durée du suivi. On ne peut pas vous demander de calculer un HR. C'est l' estimateur utilisé dans les études de survie où la mesure du critère de jugement est continue et qui permet d'établir des risques instantanés de présenter l'événement. Son interprétation numérique est identique à celle des OR et RR, qui est détaillée dans la partie « études épidémiologiques »

Answer 46

Un recrutement multicentrique permet : - un recrutement plus important, la puissance est donc augmentée (validité interne) ; - un recrutement plus large : ce phénomène augmente la validité externe en se rapprochant d'une population plus diverse afin d'augmenter la représentativité des résultats (cela augmente la capacité de l'étude à être généralisée à d'autres contextes ou populations) ; - permet un recrutement plus rapide dans le temps (diminue la période d'inclusion): ceci annihile un biais effet-temps et augmente donc la validité interne. Une étude multicentrique permet également de limiter le biais effet-centre car elle implique plusieurs centres de recherche, ce qui permet de diversifier les pratiques et les populations étudiées. Cela améliore la généralisation des résultats : c'est-à-dire la validité externe de l'étude.

Answer 47

Pour ajuster l'inflation du risque alpha, les deux méthodes à connaître sont les méthodes - méthode d'ajustement de **Bonferroni** - méthode d'ajustement d'**O'Brien-Fleming**

Answer 48

analyse en sous-groupe

Answer 49

biais de confusion

Answer 50

VOUS NE POUVEZ CONCLURE **QUE SUR LE CRITERE DE JUGEMENT PRINCIPAL** dans une étude. **Les critères secondaires sont réalisés uniquement à visée exploratoire**. Il y'a des auteurs dans les discussions qui s'amusent à conclure sur des critères de jugement secondaires, ils n'ont normalement pas le droit de faire ça, ou, en tout cas, ça n'a aucune valeur, donc ne vous laissez pas leurrer. De plus, le 2e piège est de conclure séparement sur un CdJ composite. **Lorsque vous avez une validation du CdJ principale, VOUS N'AVEZ LE DROIT DE CONCLURE QUE SUR LE CdJ PRINCIPALE et NON SUR LES COMPOSANTES DU CRITERE COMPOSITE.** **C'est un piège facile à faire +++++ et avec le stress on peut facilement tomber dedans.**

Answer 51

NST= 1/RAR. nst = nombre de sujets à traiter RAR = 30%-10% NST = 1/20% = 5.

Answer 52

- Tous les patients randomisés doivent être inclus dans l’analyse et - chacun dans le groupe dans lequel ils ont été randomisés. - Tous les perdus de vue doivent être pris en compte.

Answer 53

Sur **le patient** et sur **l'investigateur**: Voici une notion qui semble contre-intuitive mais qui peut faire l'objet de pièges. **L'investigateur a pour rôle de suivre le patient tout au long de l'étude, mais n'est pas toujours responsable del' évaluation du critère de jugement** (par exemple, il fait les pansements tout au long de l'étude mais ce n'est pas lui qui 1nesure la taille finale de l'escarre). Pourtant, c'est bien lui qui définit le type d'aveugle. Autrement dit, **l'individu responsable de valider le CJP peut être au courant du traitement reçu sans que cela n'enlève le double-aveugle, tant que l'investigateur était dans l'ignorance** (par exemple l'étude reste un double aveugle si le médecin qui fait les pansements et le patient ne savent pas quel type de pansement est utilisé, et ce même si le médecin qui mesure l'escarre connaît le type de pansement !).

Answer 54

Au cours d'une étude en cross-over, un même sujet va recevoir alternativement les deux traitements. Entre les deux traitements, une période de wash-out sera observée, au cours de laquelle les effets du traitement pris en premier seront en théorie annulés. **Les sujets seront donc leur propre contrôle.** * Exemple : dans la prise en charge des céphalées chroniques, les sujets reçoivent aléatoirement d'abord du paracétamol ou d'abord de l'aspirine. Le critère de jugement principal est mesuré, puis wash-out, puis l'autre traitement est pris et le critère de jugement principal est mesuré. * Avantages : - besoin de recruter moins de sujets ; - bonne comparabilité entre les groupes ! * Inconvénient : il faut s'assurer que le wash-out soit bien complet entre les deux procédures. Sinon, l'effet du deuxième traitement peut être modifié par un effet persistant du premier : **c'est l'effet carry-over.**

Answer 55

Une étude en design factoriel compare non pas un traitement par rapport à un autre, mais les différentes combinaisons de plusieurs traitements entre eux. L'intérêt est de pouvoir mesurer l'effet de différentes molécules en un seul essai et de mesurer aussi leur éventuelle synergie. On pourra conclure sur ces deux points : l' efficacité des différentes associations et une éventuelle interaction entre les traitements.

Answer 56

**Étude en corps divisé** * Une étude en corps divisé est une étude au cours de laquelle un sujet se verra administrer les différentes molécules à l'essai sur différentes parties de son corps. Les différentes molécules seront ensuite comparées. * Elle est très utilisée pour les traitements locaux en ophtalmologie ou dermatologie notamment. Par exemple, comparaison de deux collyres différents pour la conjonctivite. * Avantages : - besoin de recruter moins de sujets ; - bonne comparabilité entre les groupes ! **Schéma adaptatif** Un schéma adaptatif qualifie les études pour lesquelles le protocole est flexible selon des révisions effectuées en cours de conduite del' essai. Par exemple, des analyses pré-spécifiées des effets secondaires peuvent inviter à modifier les doses. Ce n'est pas très compliqué : **il faut juste savoir que si le protocole autorise des modifications en cours de route, il est dit adaptatif**.

Answer 57

Désigne le rapport entre les effectifs des différents groupes ( 1 : 1 , 1 : 2 etc.) . **Une randomisation équilibrée est en 1 : 1 , et toute autre randomisation est une randomisation déséquilibrée**

Answer 58

La randomisation équilibrée est la pratique standard dans les essais contrôlés randomisés. La randomisation déséquilibrée est parfois utilisée afin d'exposer plus de patients au traitement à l'essai, à deux fins principalement : * obtenir plus de données de sécurité sur le nouveau traitement * augmenter l'acceptabilité par le patient, en lui expliquant qu'il a plus de chance de recevoir le traitement à l'essai que le traitement standard

Answer 59

La liste de randomisation se trouve dans un lieu unique à distance du centre d'inclusion du patient. L'investigateur doit contacter un serveur pour savoir dans quel bras (qui peut être masqué ou non) sera inclus le patient. Cela concerne surtout les essais multicentriques Dans le texte, c'est souvent le mot **generated** qui vous orientera en cas de question à ce sujet. En effet, la randomisation centralisée est le plus souvent générée par un serveur accessible à distance, et les auteurs se doivent de le préciser.

Answer 60

Par opposition à la randomisation à l'échelle du sujet (sujet 1 randomisé en groupe A ou B), ce sont des groupes de patients qui sont randomisés

Answer 61

AVANTAGES: - **Pas de contamination entre les bras** (une seule procédure étant réalisée par groupe, il y a très peu de chance qu'un individu isolé d'un groupe bénéficie de l'autre prise en charge) - **Simplicité logistique** (changement de pratique à l'échelle collective et non pour chaque nouveau patient) INCONVENIENTS: - **Perte de puissance** en raison de réponses homogènes au sein d'une même grappe - **Fort effet-centre** - **Conception et analyse plus complexe**

Answer 62

B-C-E **Concrètement l’essai croisé n’est utilisable que dans des situations particulières : maladie chronique évolution stable, critère de jugement intermédiaire, traitements dont les effets disparaissent rapidement à son arrêt, efficacité d’apparition rapide.**: Le crossover ne peut pas être utilisé dans toutes les situations. Pour être valable il nécessite que plusieurs conditions soient remplies. 1. le critère de jugement doit pouvoir être mesuré à plusieurs reprises chez le même sujet. Ce qui exclut la plupart des événements cliniques comme la mortalité : un patient décédé en première période ne peut évidemment plus présenter le critère de jugement en seconde période ! L’essai croisé est donc inutilisable avec un critère de jugement basé sur la survenue d’un événement clinique définitif (comme le décès, la survenue d’une hépatite, etc.). Par contre un critère binaire ou un événement clinique qui peut se répéter est utilisable dans un essai croisé comme la définition d’un critère succès/échec à partir de ce qui a été observé sur la période. Par exemple, avec un antihypertenseur, le succès peut être défini par le maintient de la pression artérielle en dessous d’un seuil durant le traitement. Ce critère est observable de manière indépendante sur les deux périodes. 2. L’effet des traitements ne doit pas être irréversible pour que les sujets se retrouvent en début de seconde période dans un état identique à celui qu’ils avaient en début de première période. Cela exclut par exemple les traitements qui guérissent. 3. Une période de lavage (« washing out ») doit être aménagée entre les deux périodes pour permettre au traitement administré en premier de disparaître ainsi que ses effets (lavage pharmacocinétique et pharmacodynamique). 4. La maladie de doit pas évoluer de façon notable entre les deux périodes. Par exemple, elle ne doit pas guérir spontanément avant la fin de la deuxième période. 5. Il ne doit pas y avoir d’interférence entre l’ordre d’administration des traitements et leur effet. L’effet d’un traitement doit être le même que celui-ci soit administré en premier ou en second. 6. Le nombre de perdus de vue doit être nul en première période. 7. La mesure répétée du critère de jugement doit être dépourvue d’effet de conditionnement, par exemple par apprentissage lorsque le patient doit remplir un questionnaire ou par accoutumance du sujet aux effets secondaires. Ces phénomènes introduisent un effet ordre qui rend la seconde période systématiquement non comparable à la première. L’égale répartition des traitements sur les deux périodes prévient la survenue d’un biais, mais cet effet ordre entraîne une augmentation de la variabilité des mesures.

Answer 63

Les analyses sur les critères secondaires manquent fréquemment de puissance et le NSN (nombre de sujets à inclure dans l’étude) dépend du critère de jugement principal et c’est là-dessus que repose la puissance a priori d’une étude. mot clef : minimisation

Answer 64

C'est beaucoup plus simple que pour la non-infériorité ! Le traitement est supérieur si l'estimation de l'effet et son intervalle de confiance **excluent la valeur neutre à savoir 1 pour les RR, OR et HR ; ou 0 pour les réductions absolues de risque (RAR)** ou les différences de moyenne des variables qualitatives. Inverser les valeurs est un piège tout trouvé pour le correcteur, qui l'utilise quasiment chaque année ! Si vraiment cette notion ne vous paraît pas claire, vous pouvez apprendre R1D0 (se lit « rido », et indique « Ratio 1 Différence 0 » c'est-à-dire que l'effet-nul correspond à la valeur 1 pour les ratios et 0 pour les différences).

Answer 65

Il s’agit d’un biais de sélection. Un biais de sélection est un biais lié à la constitution de l’échantillon ou des groupes de comparaison.

Answer 66

La randomisation par stratification est une technique utilisée dans les essais cliniques pour s'assurer que certains facteurs de pronostic importants sont équilibrés entre les groupes (par exemple traitement vs placebo). Voici une explication simple et structurée : 🎯 Objectif de la randomisation stratifiée Garantir une répartition équilibrée des patients en fonction de variables clés (appelées strates), avant l’attribution aléatoire au traitement. Éviter que des facteurs comme l’âge, le sexe, ou la sévérité de la maladie biaisent les résultats en étant surreprésentés dans un groupe. ⚙️ Comment ça fonctionne ? 1. Définir les strates : Avant de randomiser les patients, on choisit un ou plusieurs facteurs de stratification : Exemple : âge (<65 / ≥65 ans), sexe, stade de la maladie... 2. Créer des sous-groupes (strates) : Les patients sont d’abord classés dans des sous-groupes homogènes selon ces facteurs. Par exemple, deux strates si on stratifie uniquement sur l’âge : Strate 1 : < 65 ans Strate 2 : ≥ 65 ans 3. Randomisation dans chaque strate : Ensuite, la randomisation est faite séparément dans chaque strate. Cela garantit que chaque groupe de traitement (ex. traitement vs placebo) aura à peu près le même nombre de patients dans chaque strate. 📦 Exemple concret : Tu fais un essai avec 100 patients. Tu stratifie selon : Sexe : Homme / Femme Âge : < 65 / ≥ 65 ans Tu obtiens 4 strates : Hommes < 65 Hommes ≥ 65 Femmes < 65 Femmes ≥ 65 Tu randomises ensuite les patients séparément dans chaque groupe, **de sorte qu’il y ait une répartition équilibrée (traitement/placebo) dans chacune des 4 catégories**. ✅ Avantages : Améliore la comparabilité entre groupes. Réduit la variabilité et augmente la puissance statistique. Prévient les déséquilibres fortuits sur des variables pronostiques importantes. ⚠️ Limites : Devient compliqué si tu as trop de strates (ex. si tu combines plusieurs variables avec plusieurs modalités). Nécessite une bonne connaissance a priori des facteurs pronostiques.

Answer 67

La randomisation par minimisation est une méthode adaptative de répartition des participants dans les groupes d’un essai clinique, utilisée pour mieux équilibrer les caractéristiques importantes entre les groupes, surtout lorsque le nombre de participants est limité. 🎯 Objectif de la randomisation par minimisation Obtenir un meilleur équilibre global entre les groupes sur plusieurs facteurs de stratification à la fois. C’est une alternative à la randomisation stratifiée, surtout utile quand il y a beaucoup de variables à équilibrer ou peu de patients. ⚙️ Comment ça fonctionne ? (étape par étape) Choix des variables importantes : Comme dans la stratification, on choisit à l’avance des facteurs de pronostic à équilibrer : âge, sexe, score de gravité, centre hospitalier, etc. Évaluation de l’impact de l’allocation : Pour chaque nouveau patient, on calcule le déséquilibre que créerait son attribution dans chaque groupe possible (traitement ou contrôle). On additionne les déséquilibres générés sur chaque variable. Affectation au groupe qui minimise le déséquilibre : Le patient est attribué au groupe où son inclusion créerait le plus faible déséquilibre global. Un élément aléatoire (ex. tirage à 80 % vs 20 %) peut être introduit pour préserver une part de hasard. 📦 Exemple concret : Tu veux équilibrer 3 facteurs : âge (<65/≥65), sexe (H/F) et centre (A/B). Tu as déjà 20 patients répartis. Le 21e patient est une femme de 70 ans venant du centre B. Tu regardes : Si tu la mets dans le groupe traitement, combien y aurait-il de femmes, de patients ≥65 ans et de patients du centre B ? Même chose si tu la mets dans le groupe contrôle. **Tu choisis l’option qui minimise le déséquilibre cumulé**. ✅ Avantages : Très souple : **peut gérer de nombreux facteurs** sans créer trop de strates. Fournit un très bon équilibre entre groupes, **surtout dans les petits échantillons**. Plus performant que la randomisation stratifiée si beaucoup de facteurs doivent être équilibrés. ⚠️ Inconvénients : Moins aléatoire (même s’il y a souvent une composante de hasard), donc **peut théoriquement être moins robuste aux biais si la méthode est mal appliquée ou si les allocations deviennent prévisibles**. Plus complexe à mettre en œuvre manuellement, **nécessite souvent un algorithme informatique**.

Answer 68

Le triple aveugle (ou triple insu) signifie que trois parties distinctes ne savent pas à quel groupe appartient chaque patient (traitement actif ou placebo). Voici les trois parties concernées : - Le patient – ne sait pas s’il reçoit le traitement actif ou le placebo. - Le médecin/investigateur – ne sait pas quel traitement il administre ou évalue. - L’analyste/statisticien – ne sait pas quels codes correspondent au traitement ou au placebo lors de l’analyse des données. 🎯 À quoi ça sert ? Le triple aveugle vise à réduire les biais au maximum pour garantir la validité scientifique des résultats. **Il est utilisé surtout dans les essais cliniques à fort enjeu méthodologique, comme ceux évaluant l’efficacité de nouveaux traitements.** 🧪 Exemple : Dans un essai de médicament contre la douleur : Le patient ne sait pas s’il reçoit l’analgésique ou un placebo. Le médecin qui évalue l'intensité de la douleur ne sait pas non plus. Le statisticien qui analyse les scores de douleur par groupe ne sait pas quel groupe est A ou B. Tout cela limite le risque d’interprétation subjective ou d’influence inconsciente.

Answer 69

🔍 1. Analyse en intention de traiter (ITT) – la règle stricte 🧩 Définition : Tous les participants randomisés sont analysés dans le groupe auquel ils ont été assignés, qu’ils aient reçu ou non le traitement, et qu’ils aient terminé l’étude ou non. 🎯 Objectif : Préserver l’effet de la randomisation. Refléter l’efficacité en conditions réelles (« real-life »). Éviter les biais liés à l’exclusion de certains patients. 🔄 Exemple : Un patient randomisé dans le groupe traitement mais qui n’a jamais pris le médicament est quand même analysé dans le groupe traitement. 🧩 2. Analyse en intention de traiter modifiée (mITT) – une version assouplie 🧩 Définition : Semblable à l’ITT, mais certains patients sont exclus de l’analyse selon des critères définis à l’avance (a priori). 💬 Les exclusions les plus fréquentes : Patients randomisés mais n’ayant jamais reçu la première dose de traitement. Patients sans donnée post-randomisation. Patients ayant retiré leur consentement immédiatement. ⚠️ Important : La mITT n’est pas standardisée : chaque étude peut définir ses propres critères d’exclusion. Il faut vérifier dans le protocole comment elle est définie. ** l'ITT est la seule méthode d'analyse qui ne modifie pas le groupe des patients après leur randomisation**, ce qui diminue fortement le risque d'avoir une répartition inégale de certains facteurs entre les bras.

Answer 70

🔍 Définition simple : Une analyse de sensibilité consiste à réanalyser les données de différentes façons (en changeant certaines hypothèses ou méthodes) pour vérifier si les résultats principaux restent valables. 🎯 Objectif principal : Répondre à la question : "Si on change un peu les règles du jeu, est-ce que les conclusions tiennent quand même ?" 🧪 Exemples concrets d’analyse de sensibilité : ✅ 1. ITT vs per-protocole Analyse principale : ITT (tous les patients randomisés). Analyse de sensibilité : per-protocole (seulement ceux qui ont bien suivi le protocole). But : voir si les résultats changent beaucoup selon la population analysée. ✅ 2. Différentes gestions des données manquantes Exemple : Analyse principale : on impute les données manquantes par la dernière observation portée en avant (LOCF). Analyse de sensibilité : on impute par la moyenne, imputation multiple, ou on les exclut complètement. But : tester si les choix d’imputation influencent les résultats. ✅ 3. Suppression de cas extrêmes ou particuliers Exclure les patients avec des événements très inhabituels (outliers). But : vérifier si les résultats sont tirés par un petit nombre de cas atypiques. ✅ 4. Changement de modèle statistique Exemple : Analyse principale avec modèle linéaire. Analyse de sensibilité avec modèle non paramétrique. But : s’assurer que les conclusions ne dépendent pas uniquement de la méthode statistique choisie. ⚠️ Pourquoi c’est important ? Renforce la crédibilité des résultats. Identifie les scénarios où les conclusions pourraient ne pas tenir. Permet de convaincre les relecteurs, autorités de santé et lecteurs que les résultats sont fiables et reproductibles. ✅ En résumé : L’analyse de sensibilité est une réanalyse volontaire et méthodique qui teste la solidité des résultats principaux en modifiant certains paramètres de l’analyse. Elle ne vise pas à remplacer l’analyse principale, mais à vérifier qu’elle ne repose pas sur des choix fragiles.

Answer 71

... classement ..... sélection

Answer 72

Biais de confusion : Un facteur pré-existant qui est à la fois associé à l'exposition et au critère de jugement peut provoquer un biais de confusion.

Answer 73

On souhaite comparer la survenue d’une maladie (à développement lent) en fonction de l’exposition ou non à un facteur de risque non maitrisable : cas-témoins (rétrospectivement).

Answer 74

- Population **Source** : elle est **théorique**. C’est la population définie a priori par les critères d’inclusion, de non-inclusion et d’exclusion. --> **bien retenir qu'elle est théorique** - Population **Eligible** : population réelle qui présente l’ensemble des critères d’éligibilité et qui sera présente sur le lieu de recrutement pendant la période de recrutement - Population **Etudiée** : population réelle : c’est la population recrutée qu’on analyse - Population **Cible** : population théorique à laquelle les résultats de l’étude pourront a priori être généralisés.

Answer 75

Une randomisation déséquilibrée (ou unbalanced randomization en anglais) est une méthode de répartition des participants dans les groupes d’un essai clinique (ou d'une étude expérimentale) où les groupes ne reçoivent pas le même nombre de participants. C'est une randomisation qui ne se fait pas en 1:1

Answer 76

🔹 Critère de jugement final (ou principal, ou « hard endpoint ») Définition : C’est le critère principal d’évaluation de l’efficacité d’un traitement. Il mesure directement le bénéfice clinique réel pour le patient. Exemples : Survie globale (dans les cancers) Taux de mortalité (toutes causes ou spécifique) Événements cardiovasculaires majeurs (infarctus, AVC, décès) Guérison complète, rémission durable, etc. Caractéristiques : Clinique, concret, observable Mesure un événement important pour la santé du patient Arrive souvent plus tard dans le suivi 🔹 Critère de jugement intermédiaire (ou substitutif, ou « surrogate endpoint ») Définition : C’est un indicateur précoce ou indirect censé prédire l’effet sur le critère final, mais qui n’en est pas un reflet direct. Exemples : Tension artérielle (comme indicateur de risque d’AVC) Charge virale (comme prédicteur de progression du VIH) Taille de la tumeur (comme indicateur de réponse au traitement anticancéreux) HbA1c (dans le diabète) Caractéristiques : Plus rapide à mesurer Peut réduire le coût ou la durée de l’étude Ne garantit pas un bénéfice clinique si l’association avec le critère final n’est pas bien validée

Answer 77

Qu’est-ce que l’ajustement ? C’est une technique qui permet de tenir compte de variables dites "confondantes" (par exemple : l’âge, le sexe, les comorbidités) pour isoler l’effet réel du traitement ou de l’exposition étudiée. 🔍 Pourquoi faire un ajustement ? Même dans un essai randomisé, des déséquilibres accidentels peuvent survenir entre les groupes sur certaines caractéristiques. Ces différences peuvent : influencer le critère de jugement, fausser l'estimation de l'effet du traitement. L’ajustement permet donc de : neutraliser l’effet de ces variables confondantes, améliorer la précision de l’estimation, rendre les résultats plus fiables et interprétables. ⚙️ Comment fait-on un ajustement ? Méthodes statistiques courantes : Régression linéaire (si la variable dépendante est continue), Régression logistique (si le critère est binaire), Modèle de Cox (pour les données de survie), ANCOVA (analyse de covariance). Dans ces modèles, on inclut les variables de confusion comme covariables pour ajuster l’effet du traitement. **Ajustement = analyse multivariée** (modèle de régression logistique multivarié prenant en compte les facteurs de confusion). C’est une technique statistique qui vise à prendre en compte A POSTERIORI un facteur de confusion. **Attention on peut parler d’analyse bivariée quand l’ajustement porte sur une seule variable** --> et on ne parlera donc jamais d'analyse univariée

Answer 78

Recommandations internationales concernant l’écriture d’un article scientifique : - STAR**D** : étude **d**iagnostiques - CONSOR**T** : étude **t**hérapeutique - STROB**E** : étude **é**pidémiologique - PRIS**MA** : **m**éta-**a**nalyse Pour s’en souvenir, *la dernière lettre de l’acronyme est un bon mnémotechnique*. La grille AMSTAR est une un outil pour évaluer la qualité méthodo d’une méta-analyse

Answer 79

le biais effet-centre désigne une différence pouvant **apparaître dans les études multicentriques** lorsque l'un des centres investigateurs se comporte de manière significativement différente des autres (par exemple, dans l’évaluation d’un critère de jugement, le recrutement ou la prise en charge des patients). Cette disparité peut influencer les résultats globaux de l’étude et limiter leur généralisabilité. **Le biais effet-centre est diminué par la randomisation stratifiée sur le centre** : on aura alors le même nombre de patients de chaque bras dans chaque centre.

Answer 80

Le biais de survie sélective (ou **biais des survivants**) est un biais de sélection qui survient lorsqu’on n’analyse que les individus qui ont "survécu" à une certaine étape ou qui sont encore présents dans l’étude, en ignorant ceux qui ne le sont plus, ce qui fausse les conclusions. Le biais de survie sélective survient lors des recrutements prévalents : en effet, si le sujet a déjà la maladie, c'est qu'il n'en est pas (encore) mort, donc cela sélectionne les malades les moins graves en quelque sorte. C'est donc un biais de sélection.

Answer 81

✅ Comment choisir l’ordre des lignes dans un tableau de contingence ? 🔹 Règle générale : Place l’exposition (ou le facteur de risque présumé) en ligne, et le statut de cas/témoin (malade/non malade) en colonne. Dans ton exemple : Variable en ligne (exposition) : consommation de kébab (oui / non) Variable en colonne (issue) : malade (syndrome cholériforme) / pas malade 🧠 Pourquoi ça compte ? L’odds ratio est une mesure asymétrique, ce qui veut dire que : OR = 2 (malade + kébab) ↔ kébab augmente le risque OR = 0,5 (malade + pas kébab) ↔ ne pas manger de kébab protège Ce sont les inverses l’un de l’autre, mais expriment des relations opposées. 📌 Astuce pour éviter l’erreur : Pose-toi la question suivante : "Je veux savoir si l’exposition (ex. kébab) augmente le risque de maladie ?" Alors mets : En ligne : Exposition (Oui/Non) En colonne : Maladie (Oui/Non) Et calcule l’OR dans ce sens ➡️ Tu auras une valeur d’OR > 1 si l’exposition est facteur de risque, et < 1 si l’exposition est protectrice.

LCA Flashcards

(116 cards)