Module 3: Les mesures d'association et notions de causalité Flashcards

1
Q

Utilisation des mesures d’association:

A

Permet de vérifier s’il existe une relation entre ≥ 1 facteurs et la présence ou non d’un maladie/décès → permet de mesurer aussi la force de l’association

Comparer la fréquence d’une maladie donnée chez les individus exposés à un facteur de risque par rapport à la fréquence chez les non-exposés

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

Essai thérapeutique en double aveugle/double insu:

A

une façon d’éprouver l’efficacité d’un traitement ou d’une substance, dans laquelle un ou plusieurs groupe(s) de sujets bien recensés reçoivent le traitement à titre expérimental, sans que ces sujets ou que les investigateurs eux-mêmes n’aient connaissance du traitement reçu, pour supprimer tout jugement a priori.

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

Risque attribuable:

A

Permet de mesurer la différence entre les risques/incidences cumulées d’être atteint ou non d’un maladie/de décéder chez personnes exposées vs. non-exposées

C’est la différence de risque/IC entre les deux groupes

(Ex: T+ = 55%, T- = 65% → RA = 55-65 = -10%)

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

RA +, RA 0 et RA -

A

RA + = association causale → estimer # de cas attribuable au FDR

RA 0 = pas d’association

RA - = association protectrice → estimer # de cas de le facteur à réussi à prévenir

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

Risque relatif : (RR)

A

Rapport entre le risque d’être atteint de la maladie/décéder observé chez exposées vs. non-exposées

Mesuré à l’aide d’une mesure de fréquence (prévalence, taux d’incidence, incidence cumulée, taux de mortalité) dans les études à visée étiologique de cohorte

Rapport de taux et proportions → même chose!!!

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

Calcul du RR:

A

Rapport:

risque exposée/non-exposée

Ex: (55/100)/(65/100) = 0.85 → RR

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

RR = 1, > 1, < 1

A

RR = 1 → pas d’association, valeur nulle

RR < 1 → + impact, effet de protection

RR > 1 → - impact, effet de causalité

Plus la valeur du RR est éloignée de 1 (valeur nulle), plus forte est l’association

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

Rapport de cotes:

A

Uniquement utilisé pour les études à visée étiologique cas-témoins

Rapport entre cotes d’exposition des personnes atteintes de la maladie et celui des personnes qui ne sont pas atteintes

Estime assez correctement le RR car RR peut pas être utilisée quand un nombre particulier de cas et témoins est choisi

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

RC = 1, > 1, < 1

A

RC = 1 → pas d’association, valeur nulle

RC < 1 → + impact, effet de protection

RC > 1 → - impact, effet de causalité

Plus la valeur du RC est éloignée de 1 (valeur nulle), plus forte est l’association

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

Tableau croisé (de contingence)

A

Représentation des données qui servent au calcul des mesures d’association

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

Risque relatif à la population (RRP)

A

Compare le risque dans un groupe particulier au risque connu dans la population à laquelle appartient ce group

Utilise si on connaît risque d’un événement dans un groupe mais en absence d’un groupe de comparaison

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

Calcul du RRP:

A

En postulant que le taux de mortalité chez pop. générale est stable et que (IC = M x Δt) était faible →

décès attendus = 10 000 x 10.2/1000 = 102 décès

Si 217 décès dans pop. même taille mais avec FDR,

RRP = 217/102 = 2.13

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

Mesures d’association utilisées pour les types d’études

A

Transversale/longitudinale/de cohorte(s): RA, RR, rapport de proportions, rapport de taux

Cas-témoins: RC seulement!!!

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

Coefficient de corrélation linéaire: r

A

Association entre variables quantitatives continues

r = intensité de la relation linéaire entre deux variables quantitatives

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

r: faible vs. forte et + vs. -

A

Forte: près de ± 1 → demontre relation

Faible: près de 0 → faible/pas de relation, ou relation n’est pas linéaire → probablement pas de relation

+ → relation directement proportionnelle

- → relation inversement proportionnelle

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

Causalité:

A

Démontre que quelque chose n’est pas due au hasard mais qu’elle est significative sur le plan statistique

17
Q

Conséquence:

A

Implique obligatoirement une relation asymétrique et non réciproque → one causes the other, not either can cause the other

18
Q

Critères de la causalité: Bradford Hill (9)

A

Les critères ne sont pas absolus, chercheurs peuvent les adapter aux différents contextes/objets d’étude

  1. Temporalité: l’exposition est avant l’apparition de la maladie
  2. Force de l’association: mesure avec risque relatif, rapport de cotes et analyses de corrélation → + élevée valeur de la mesure, + forte est l’association
  3. Constance et validité des résultats: plusieurs études auprès différentes populations la confirment
  4. Spécificité: relation spécifique entre FDR et maladie
  5. Relation dose-réponse: aug. durée d’exposition/intensité → aug. fréquence/gravité de la maladie (gradient biologique)
  6. Vraisemblance: association présente une bonne concordance avec les connaissances générales du phénomène en cause
  7. Cohérence avec connaissances antérieures: corroborés par les études antérieurs
  8. Plausibilité biologique: explication associée aux connaissances de la biologie humaine
  9. Analogie: similitudes avec d’autres expositions/effets
19
Q

Fraction étiologique chez les exposés:

A

Rapport entre risque attribuable et risque chez les exposés, proportion des nouveaux cas (chez exposés) qui sont spécifiquement attribuable à l’exposition → impact of exposition

FE = (RR-1)/RR

20
Q

Fraction prévenue chez les exposés:

A

Fraction étiologique mais dans contexte d’effet protecteur → impact of protection

FP = RA / risque chez sujets non-exposés

21
Q

Fraction étiologique/prévenue totale:

A

Calcul à partir d’une population composée d’individus exposés au facteur de risque à l’étude et d’individus qui n’y sont pas exposés

Nécessaire de pondérer la fraction étiologique selon la proportion d’individus exposés et non exposés

22
Q

Calcul de la fraction étiologique/prévenue totale:

A
  • Étape 1: calcul risque totale
    • Rt = (proportion d’individus exposés x risque chez exposés) + (proportion d’individus non-exposés x risque chez non-exposés)
  • Étape 2: calcul FEt
    • FEt = Rt - Ro / Rt
23
Q

Calcul de la fraction étiologique totale pour études à visée étiologique cas-témoins (pas de RR)

A

FEt = pc1 x (RC - 1)/RC

pc1 → proportion des cas exposés parmi l’ensemble des cas

24
Q

Nombre de personnes à traiter (NPT)

A

Utilisé pour mesurer le # de patients qu’il faudrait traiter pour prévenir un nouveau cas de la maladie

NPT = -1/RA

Interprétable uniquement si on connaît durée du tx

25
Q

Calcul de l’indice cumulée:

A

Chez exposés → IC = malades/total exposés

Chez non-exposés → IC = malades/total non-exposés

26
Q

Rappel sur l’interprétation des mesures d’association:

A
27
Q

À partir de quelle valeur du RT/RR/RC peut-on considérer l’association forte, moyenne, ou faible?

A

< 2 → faible/peu convaincante

2-5 → moyenne et convaincante

5 → forte et très convaincante

28
Q

Fréquence d’exposition au FDR:

A

Fréquence de l’exposition est très élevée → pourra être responsable d’une proportion +++ élevée de cas

Exposition très rare → responsable que d’une faible proportion de cas même si importance +++

29
Q

Est-ce que l’observation d’une association statistique + entre FDR et maladie = toujours causalité?

A

NON!

Mais il est possible que le facteur est fotement associé à une cause de la maladie → statistiquement associé à la maladie mais n’est pas une cause