Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

É > Module 4 > Flashcards

Module 4 Flashcards

1
Q

Vrai ou faux?
Un chiffre, aussi précis soit-il, peut être trompeur lorsqu’il est sorti de son contexte. C’est pourquoi il est crucial de prendre du recul et de s’interroger sur la fiabilité des résultats présentés.

A

Vrai

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

L’erreur aléatoire affecte quoi?

A

Affecte la précision de la mesure et résulte de fluctuations dues au hasard ou aux variations naturelles au sein de la population.

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

Vrai ou faux?
L’erreur aléatoire peut mener tout autant à une sous-estimation qu’à une surestimation de la vraie valeur.

A

Vrai

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

Quelles sont les sources d’erreur aléatoire?

A

1.Variabilité individuelle
2.Variabilité populationnelle
3.Taille limitée de l’échantillon
4.Imprécision des outils de mesure

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

Vrai ou faux?
L’erreur aléatoire est présente lorsque la mesure d’un paramètre présente des variations imprévisibles autour de la valeur réelle.

A

Vrai

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

Au niveau individuel, pourquoi une même mesure répétée plusieurs fois peut donner des résultats différents?

A

En raison de la nature dynamique des paramètres physiologiques, même si les conditions expérimentales restent constantes.

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

Comment peut-on expliquer les sources d’erreur aléatoire au niveau populationnel?

A

Variations naturelles entre les individus d’un groupe

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

Comment peut-on expliquer les sources d’erreur aléatoire dans un petit échantillon?

A

Influencé par des valeurs extrêmes ou des individus atypiques

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

Comment peut-on expliquer les sources d’erreur aléatoire en ce qui concerne l’imprécision des outils de mesure?

A

Valeurs arrondies qui se trouvent au-dessus ou en dessous de la valeur réelle

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

Vrai ou faux?
Il est impossible d’éliminer complètement l’erreur aléatoire. Cependant, en comprenant et en quantifiant son impact (par exemple, via des intervalles de confiance), il est possible de l’interpréter de manière appropriée et de limiter son influence sur les conclusions de l’étude.

A

Vrai

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

Pour réduire l’erreur aléatoire, quelles sont les stratégies qui peuvent être mises en œuvre?

A

1.Augmenter la taille de l’échantillon
2.Utiliser des outils de mesure plus précis
3.Répéter les mesures

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

Une erreur systématique introduit quoi?

A

Un biais

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

Une erreur systématique affecte quoi?

A

Affecte la validité de la mesure estimée ainsi que la validité interne de l’étude.

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

Vrai ou faux?
L’erreur systématique est due au hasard.

A

FAUX!
L’erreur systématique n’est pas due au hasard.

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

L’erreur systématique provient de quoi?

A

1)Erreurs méthodologiques
2)Biais : sélection, confusion ou information

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

Vrai ou faux?
Il existe des tests statistiques pour détecter la présence de biais ou pour s’assurer qu’il n’y en a pas.

A

Faux!
Il n’y a PAS de test statistique pour détecter la présence de biais ou au contraire, s’assurer qu’il n’y en a pas.

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

L’identification des biais potentiels repose sur quoi?

A

1.Connaissances dans le domaine
2.Connaissances en méthodologie
3.Esprit critique

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

Vrai ou faux?
Contrairement à l’erreur aléatoire, l’erreur systématique ne peut pas être réduite en augmentant la taille de l’échantillon ou en améliorant la précision des outils de mesure.

A

Vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Par quoi peut-on contrôler le biais de confusion?

A

Standardisation ou ajustement des mesures

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

Vrai ou faux?
La plupart du temps, l’effet d’un biais ne pourra pas être corrigé lors de l’analyse des résultats.

A

Vrai

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

Vrai ou faux?
Les biais limitent la portée et la validité des résultats d’une étude.

A

Vrai

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

Vrai ou faux?
Une mesure observée peut être influencée par les erreurs aléatoires et systématiques simultanément.

A

Vrai

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

Vrai ou faux?
On doit estimer l’impact réel des biais sur les résultats de l’étude de façon à
identifier les limites des résultats. On aura, la plupart du temps, pas d’autres choix que d’être conscient
de ces limites de façon à faire un usage pertinent des résultats de ces recherches.

A

Vrai

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

La précision d’une mesure se définit comment?

A

Absence relative d’erreur aléatoire

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

La précision d’une mesure reflète quoi?

A

Capacité à obtenir des résultats cohérents et stables lors de répétitions

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

La validité d’une mesure se définit comment?

A

Capacité de la mesure à appréhender correctement un phénomène ou à estimer la valeur réelle du paramètre étudié, en évitant les erreurs systématiques.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

La justesse d’une mesure intègre 2 dimensions. Quelles sont-elles?

A

1.Précision
2.Validité

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

Comment peut se définir une mesure?

A

1.ni précise ni valide, rendant les conclusions
difficilement interprétables et peu fiables.
2.précise mais non valide, donnant des
résultats cohérents mais biaisés
3.valide mais non précise, capturant
correctement le phénomène mais avec des
résultats très variables
4.précise et valide, fournissant des résultats
cohérents et représentatifs

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

Vrai ou faux?
La justesse d’une mesure intègre ces deux dimensions : une mesure est juste lorsqu’elle est à la fois
précise (peu influencée par l’erreur aléatoire) et valide (réellement représentative du phénomène
observé).

A

Vrai

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

Vrai ou faux?
Lorsqu’on compare
deux groupes, les différences observées peuvent résulter de fluctuations aléatoires inhérentes aux
échantillons choisis, et non d’une véritable différence d’efficacité entre les traitements. Le simple fait
qu’une mesure soit différente dans les deux groupes ne signifie pas automatiquement que cette
différence est réelle et reproductible dans l’ensemble de la population des patients atteints d’une certaine maladie.

A

Vrai

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

Que représente la valeur-p?

A

Probabilité d’obtenir des résultats aussi extrêmes que ceux observés, ou plus extrêmes, si l’hypothèse nulle est vraie.

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

Vrai ou faux?
La valeur-p est parfois utilisée dans
les tests d’hypothèse pour évaluer si les résultats observés dans une étude sont compatibles avec
l’hypothèse nulle, c’est-à-dire l’hypothèse selon laquelle il n’y a pas de différence ou d’effet réel entre les
groupes comparés.

A

Vrai

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

La valeur-p mesure-t-elle l’ampleur de l’effet et sa pertinence clinique?

A

NON!

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

Vrai ou faux?
La valeur-p ne doit pas être
interprétée comme la probabilité que l’hypothèse nulle soit vraie.

A

Vrai

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

Quels sont principes dictés par l’American statistician association en lien avec la valeur-p?

A

1.A mis en garde contre l’utilisation abusive de la signification statistique et des valeurs P
2.Appelle à l’arrêt de l’utilisation des valeurs P de manière classique et dichotomique pour
décider si un résultat réfute ou soutient une hypothèse scientifique
3.Conseille désormais d’utiliser une méthode pratique qui consiste à renommer les
intervalles de confiance en « intervalles de compatibilité » et à les interpréter de manière à
éviter toute confiance excessive

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

Que signifie un intervalle de confiance à 95%?

A

Signifie que si l’on répétait l’étude de nombreuses fois avec différents
échantillons de la même population, alors 95% des intervalles de confiance calculés contiendraient
la véritable valeur du paramètre. Ne garantit pas que cet intervalle spécifique contient la valeur vraie,
mais que 95% des intervalles construits de cette manière le feront.

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

Qu’est-ce que l’intervalle de confiance?

A

Outil statistique qui permet de prendre en compte l’erreur aléatoire

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

La valeur-p est sensible à quoi?

A

Sensible à la taille de l’échantillon : dans de grands échantillons, même des différences faibles peuvent donner une valeur-p
significative, tandis que dans de petits échantillons, des différences importantes peuvent ne pas
atteindre la significativité statistique.

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

Vrai ou faux?
L’intervalle de confiance n’inclut PAS les erreurs systématiques : il ne concerne que l’incertitude due au hasard.

A

Vrai

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

L’intervalle de confiance dépend de quoi?

A

1.Taille de l’échantillon
2.Variabilité des données

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

Vrai ou faux?
L’intervalle de confiance peut être utilisé lors du test d’hypothèse pour vérifier si la mesure est compatible
avec l’hypothèse nulle, en tenant compte de l’erreur aléatoire.

A

Vrai

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

Un intervalle de confiance large indique quoi?

A

Plus grande incertitude sur l’estimation du paramètre

37
Q

Un intervalle de confiance étroit indique quoi?

A

Plus grande précision

38
Q

Le pourcentage qui caractérise l’intervalle de confiance découle de quoi?

A

Du seuil de tolérance d’erreur alpha, celle-ci référant au risque de rejeter l’hypothèse nulle alors qu’elle est vraie.

39
Q

On visera à ce que la probabilité de compatibilité entre
nos observations et l’hypothèse nulle soit généralement inférieure à X% pour conclure que l’hypothèse
nulle est rejetée.

A

5%

40
Q

Dans la pratique, pourquoi les intervalles de confiance sont souvent préférés à la valeur-p seule?

A

Car ils fournissent des informations supplémentaires sur la magnitude et la précision de l’effet estimé.

41
Q

Vrai ou faux?
L’intervalle de confiance quantifie la précision de l’estimation en tenant compte de l’erreur
aléatoire, et la valeur-p évalue la compatibilité des observations avec l’hypothèse nulle.

A

Vrai

42
Q

Au-delà de la significativité statistique, qu’est-il toujours important d’évaluer?

A

Pertinence clinique des résultats

42
Q

Quelle question est-elle essentielle de se poser?

A

La différence observée dans l’étude est-elle suffisamment
grande et précise pour être pertinente ?

43
Q

La validité interne correspond à quoi?

A

Capacité d’une étude à estimer avec précision les mesures ou les
associations recherchées.

44
Q

Quels sont les 3 types de biais?

A

1.Biais de sélection
2.Biais d’informations
3.Biais de confusion

45
Q

Qu’est-ce qu’un biais de sélection?

A

Erreur systématique qui provient de la méthode de sélection ou de suivi des
sujets.

46
Q

Vrai ou faux?
Si le fait d’être exposé ou d’être malade vient influencer la sélection ou la participation à l’étude,
alors, la distribution de la maladie ou l’association entre l’exposition et la maladie ne sera pas la
même chez les participants et les non-participants.

A

Vrai

47
Q

Ne pas confonde une erreur aléatoire au moment de l’échantillonnage et une erreur systématique liée à un biais de
sélection : dans le cas de l’erreur aléatoire, les fluctuations sont uniquement dues au 1 alors
que dans le cas de l’erreur systématique, les fluctuations sont liées à 2.

A

1.Hasard
2.L’exposition ou la maladie

47
Q

On parle de risque de biais de sélection quand dans une étude à visée descriptive, la méthode de recrutement fait que l’échantillon constitué est différent de quoi?

A

Population cible

48
Q

Vrai ou faux?
Un biais de sélection peut aussi bien mener à une sous-estimation qu’à une surestimation des mesures
de fréquence ou d’association

A

Vrai

49
Q

On parle de risque de biais de sélection quand dans une étude à visée étiologique, les groupes de comparaison ne sont pas comment?

A

Comparable

50
Q

Quels sont les différents types de biais de sélection?

A

1.Biais de survie sélective (ou biais d’échantillonnage)
2.Biais de volontariat
3.Biais d’attrition (ou de perte au suivi)
4.Biais d’admission (ou biais de Berkson)
5.Biais de bonne santé du travailleur (Healthy worker effect)
6.Biais de publication (propre aux articles de synthèse)

50
Q

Qu’est-ce que le biais de survie sélective (ou biais d’échantillonnage)?
(Voir exemple dans les notes de cours)

A

On étudie des individus qui ont survécu à une maladie ou une exposition particulière,
sans inclure ceux qui en sont morts ou qui n’ont pas survécu jusqu’à l’inclusion.

51
Q

Qu’est-ce qu’un biais d’admission (ou biais de Berkson)?
(Voir exemple dans les notes de cours)

A

Les participants sont recrutés à partir d’un centre spécifique, comme un hôpital, et ne
représentent pas la population générale.

51
Q

Qu’est-ce qu’un biais de bonne santé du travailleur (Healthy worker effect)?
(Voir exemple dans les notes de cours)

A

En conséquence, les études comparant la santé des travailleurs à celle de la
population générale risquent de sous-estimer l’impact négatif des expositions
professionnelles sur la santé, car les travailleurs d’une population active sont en
meilleure santé que la population générale (les personnes en mauvaise santé ou avec
des incapacités sont moins susceptibles de faire partie de la population active).

51
Q

Qu’est-ce qu’un biais de volontariat?
(Voir exemple dans les notes de cours)

A

Les personnes qui choisissent de participer à une étude diffèrent systématiquement
de celles qui refusent.

51
Q

Qu’est-ce qu’un biais d’attrition (ou de perte au suivi)?
(Voir exemple dans les notes de cours)

A

Certains participants abandonnent l’étude avant la fin, et que ceux qui restent
diffèrent systématiquement de ceux qui partent.

52
Q

Qu’est-ce qu’un biais de publication (propre aux articles de synthèse)?
(Voir exemple dans les notes de cours)

A

Les résultats des études influencent leur probabilité d’être publiées. Cela conduit à
une surreprésentation des résultats positifs dans la littérature scientifique, alors que
les études n’ayant pas trouvé d’association (résultats négatifs ou non significatifs)
restent souvent non publiées.

53
Q

Quels sont les moyens de prévention ou de contrôle des biais de sélection?

A

1.Tirage au sort
2.Randomisation
3.Maintien d’un contact fréquent avec les participants pour éviter les pertes au suivi
4.Éviter les données manquantes
o Registre exhaustif des événements
o Privilégier les événements inévitables

54
Q

Quel est le synonyme de biais d’information?

A

Erreur de classification

55
Q

Le biais d’information survient quand?

A

Survient lorsque la
mesure ou l’observation de l’exposition ou de la maladie est incorrecte.

55
Q

Quels sont les 2 types de biais d’information?

A

1.Non différentiel
2.Différentiel

56
Q

Qu’est-ce qu’un biais d’information non différentiel?

A

Biais qui affecte de manière égale les deux groupes
comparés (exposés/non exposés ou cas/témoins). Dans ce cas, il tend à atténuer l’association
observée, en rapprochant la mesure d’association de la valeur nulle.

57
Q

Qu’est-ce qu’un biais d’information différentiel?

A

Biais qui touche davantage un groupe qu’un autre, ce qui peut
entraîner soit une sous-estimation, soit une surestimation de l’association mesurée.

58
Q

Qu’est-ce qu’un biais de rappel?

A

Les participants d’une étude (en particulier dans les études cas-témoins) se souviennent
différemment de leurs expositions passées en fonction de leur état de santé actuel. Les
personnes atteintes d’une maladie (cas) peuvent mieux se souvenir ou exagérer leurs
expositions par rapport aux personnes non atteintes (témoins). On étudie des individus qui
ont survécu à une maladie ou une exposition particulière, sans inclure ceux qui en sont
morts ou qui n’ont pas survécu jusqu’à l’inclusion.

58
Q

Quels sont les différents types de biais d’information?

A

1.Biais de rappel
2.Biais de désirabilité sociale
3.Biais de suivi différentiel
4.Utilisation d’un outil de mesure inadapté
5.Non-respect de l’aveuglement

59
Q

Qu’est-ce qu’un biais de désirabilité sociale?

A

Les participants à une étude modifient leurs réponses ou comportements pour se
conformer aux normes sociales ou pour être perçus de manière favorable par les
chercheurs ou l’entourage. Ils peuvent minimiser des comportements jugés socialement
inacceptables ou exagérer des comportements perçus comme positifs.

60
Q

Qu’est-ce qu’un biais de suivi différentiel?

A

Les informations sont recueillies différemment entre les groupes comparés en raison de la
connaissance du statut d’exposition ou de la maladie par les observateurs ou les
enquêteurs. Cela peut conduire à des différences dans la détection ou la déclaration des
résultats.

61
Q

Qu’est-ce qu’une utilisation d’un outil de mesure inadaptée?

A

L’étude utilise un instrument ou un questionnaire qui n’a pas été validé, c’est-à-dire qui n’a
pas été rigoureusement testé pour s’assurer qu’il mesure bien ce qu’il est censé mesurer
de manière fiable et précise. Cela peut inclure des questionnaires mal conçus, des tests
de diagnostic non validés ou des appareils de mesure inappropriés.

62
Q

Qu’est-ce que le non-respect de l’aveuglement?

A

Lorsque les chercheurs, les évaluateurs ou les participants connaissent les détails du
traitement ou du groupe auquel ces derniers ont été assignés (par exemple, groupe
intervention ou groupe placebo), cela peut influencer leurs comportements, attentes ou
évaluations.

63
Q

Quand parle-t-on d’une biais de confusion?

A

Quand on a une erreur systématique liée à la présence d’un facteur associé
de façon indépendante tant à l’exposition qu’à la maladie, et que ce facteur n’appartient pas à la chaîne
causale.

63
Q

Vrai ou faux?
Le biais de confusion peut entraîner une sous-estimation ou une surestimation des mesures, et faire apparaitre ou
disparaitre artificiellement une relation entre l’exposition et la maladie.

A

Vrai

63
Q

Quels sont les moyens de prévention ou de contrôle des biais d’information?

A

1.Utilisation d’un outil de mesure valide
2.Standardisation des procédures
3.Techniques en triple aveugle
4.Multiplication et combinaison de sources de données

64
Q

Quel est le principe de la restriction (moyen de prévention ou de contrôle au moment de l’échantillonnage)?

A

Limiter l’inclusion des participants à un certaine catégorie (un certain niveau)
de la variable confondante, afin d’éliminer sa variabilité.

64
Q

Quels sont les moyens de prévention et de contrôle des biais de confusion au moment de l’échantillonnage?

A

1.Restriction
2.Assortiment (ou appariement)

65
Q

Quel est l’avantage de la restriction (moyen de prévention ou de contrôle au moment de l’échantillonnage)?

A

Simple à mettre en place

66
Q

Quels sont les inconvénients de la restriction (moyen de prévention ou de contrôle au moment de l’échantillonnage)?

A

Réduit la taille de l’échantillon, limite la généralisation des résultats à la
population générale.

67
Q

Quel est le principe de l’assortiment (moyen de prévention ou de contrôle au moment de l’échantillonnage)?

A

Sélectionner, pour chaque participant d’un groupe, un ou plusieurs
participants d’un autre groupe ayant les mêmes caractéristiques sur la variable
confondante.

68
Q

Quel est l’avantage de l’assortiment (moyen de prévention ou de contrôle au moment de l’échantillonnage)?

A

Permet de contrôler efficacement les variables confondantes, notamment
dans les études de petite taille.

69
Q

Quels sont les inconvénients de l’assortiment (moyen de prévention ou de contrôle au moment de l’échantillonnage)?

A

Complexe à mettre en place, ne permet de contrôler que les variables
utilisées pour l’appariement, et peut réduire la taille de l’échantillon disponible.

70
Q

Quel est le moyen de prévention ou de contrôle des biais de confusion au moment de l’expérimentation (pour les études expérimentales seulement)?

A

Randomisation

71
Q

Quel est le principe de la randomisation (moyen de prévention ou de contrôle au moment de l’expérimentation)?

A

Attribuer les participants de manière aléatoire aux groupes de comparaison
(groupe exposé et groupe non exposé), garantissant ainsi que toutes les variables
(connues ou inconnues) sont distribuées de manière équivalente entre les groupes.

72
Q

Quels sont les avantages de la randomisation (moyen de prévention ou de contrôle au moment de l’expérimentation)?

A

Méthode la plus efficace pour éliminer les biais de confusion. Elle assure que
toute différence observée entre les groupes est due à l’exposition étudiée et non à une
autre variable.

73
Q

Quels sont les inconvénients de la randomisation (moyen de prévention ou de contrôle au moment de l’expérimentation)?

A

Nécessite un échantillon de taille suffisante et n’est applicable qu’aux
études expérimentales (essais cliniques randomisés), pas aux études observationnelles.

74
Q

Quel est le principe de l’ajustement (moyen de contrôle ou de prévention au moment de l’analyse des données)?

A

Tout comme il est possible d’ajuster les mesures de fréquence de la maladie et
des décès, l’ajustement statistique permet de tenir compte de l’influence des variables
confondantes sur les mesures d’association.

74
Q

Quels sont les moyens de prévention ou de contrôle des biais de confusion au moment de l’analyse des données?

A

1.Ajustement
2.Stratification

75
Q

Quels sont les avantages de l’ajustement (moyen de contrôle ou de prévention au moment de l’analyse des données)?

A

Permet de contrôler plusieurs variables confondantes simultanément, tout
en conservant une grande partie de l’échantillon.

76
Q

Quel est le principe de la stratification (moyen de contrôle ou de prévention au moment de l’analyse des données)?

A

Faire des sous-groupes d’échantillon homogènes selon les catégories de la
variable confondante (ex. : par tranche d’âge, par statut fumeur/non-fumeur) et analyser
séparément les associations dans chaque sous-groupe.

77
Q

Quels sont les inconvénients de l’ajustement (moyen de contrôle ou de prévention au moment de l’analyse des données)?

A

Nécessite de bien identifier et mesurer toutes les variables
confondantes potentielles ; des variables confondantes non mesurées ou mal mesurées
peuvent toujours biaiser les résultats.

78
Q

La validité externe d’une étude désigne quoi?

A

Désigne la capacité à généraliser les résultats à une population cible.

78
Q

Quels sont les avantages de la stratification (moyen de contrôle ou de prévention au moment de l’analyse des données)?

A

Simple et efficace pour vérifier l’existence d’un biais de confusion et observer
si l’effet de l’exposition varie selon les niveaux de la variable confondante.

79
Q

Quels sont les inconvénients de la stratification (moyen de contrôle ou de prévention au moment de l’analyse des données)?

A

Ne permet de contrôler qu’un petit nombre de variables confondantes
simultanément ; peut réduire la puissance statistique si le nombre de strates est élevé ou
si les effectifs dans chaque strate sont faibles.

80
Q

Vrai ou faux?
Il est important de ne pas confondre un biais de sélection et un manque de validité externe (même s’ils sont liés!).

A

Vrai

81
Q

Vrai ou faux?
En présence d’un biais de sélection (validité interne), il y a une distorsion entre les résultats
observés dans la population à l’étude et ceux qu’on observerait dans la population source. Il y a une
atteinte à la validité externe quand les résultats de l’étude ne s’appliquent pas, ou mal, à la
population cible.

A

Vrai

82
Q

Vrai ou faux?
En présence de biais de sélection, la validité externe est forcément atteinte. En revanche, l’absence
de biais de sélection n’est pas garant d’une bonne validité externe

A

Vrai

83
Q

Qu’est-ce qu’une population cible?

A

Population pour laquelle
l’information est pertinente, à
laquelle on voudrait à priori
pouvoir étendre les résultats
(qui a motivé l’organisation de
l’étude). Elle est définie
indépendamment des
observations

84
Q

Qu’est-ce qu’une population source?

A

Population à laquelle les
chercheurs ont accès pour
réaliser l’étude.

85
Q

Qu’est-ce qu’une population à l’étude?

A

Sous-groupe de la population
source dont l’expérience est
incluse dans la mesure de la
fréquence de la maladie.

É (3 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions