Module 4 Flashcards
Qu’est-ce qu’un PAS ?
Plan d’Analyse Statistique : document qui définit les principales analyses statistiques d’une étude. Il assure une certaine objectivité dans l’analyse et prévient la subjectivité dans le choix des analyses et donc dans l’impact de ce choix sur les résultats.
- Le PAS est généralement écrit et défini avant l’exécution de l’étude et donc avant d’avoir vu les résultats.
Quelles sont les 6 sections d’un PAS ?
1- Détails administratifs
2- Résumé de l’étude et de la question de recherche
3- Design et méthode de l’étude
4- Principes statistiques utilisés
5- Population de l’étude
6- Description des analyses statistiques prévues
Quel est l’impact de la multiplicité ?
Si on refait un test des milliers/des millions de fois, on va toujours finir par trouver une association entre deux phénomènes = multiplicité
Définir “variable”
Caractéristique socio-démographique ou clinique mesurée sur chaque patient/participant de l’étude. Peut être mesurée une seule fois (ex. homme/femme) ou plusieurs fois (si ça varie)
Nommer les variables mesurées au recrutement (baseline)
- Socio-démographiques
- Variable d’exposition
- Variable clinique (IMC, tension artérielle, etc)
- Autre variable associée au CRP
- Facteur de confusion connus
Nommer les variables mesurées durant l’ECR
- CRP
- Variable d’exposition
- Critères secondaires (variables sur lesquelles l’intervention pourrait avoir un impact)
- Variables d’innocuité
- Variables de mécanisme (ex. taille de la tumeur, pharmacodynamique, etc)
- Variable d’adhérence au traitement
- Autres, selon le contexte
À quoi sert un diagramme CONSORT ?
Permet d’identifier rapidement le nombre de participants qui ont été approchés, qui ont participé à l’étude, qui ont été perdus au suivi et qui ont été inclus dans l’analyse
CONSORT : CONsolidated Standards Of Reporting Trials
Distinguer ITT vs ITP
ITT : intention to treat
- Ne permet aucune exclusion de patient dans l’analyse principale
- Préserve l’intégrité de la randomisation = prévient les biais de confusion
- Désavantages : pas facile à réaliser en pratique, car ne permet aucune valeur manquante de CRP
- Tendance à sous-estimer le bénéfice et sur-évaluer l’innocuité
ITP : Intention du Protocole
- Exclusion de certaines conditions et types de patients dans l’analyse principale
- Les exclusions ont été définies au préalable dans le PAS
- Inclut seulement le patient “parfait” = expose l’étude aux biais de confusion
À quoi sert typiquement la première table dans un ECR ?
Présente généralement les statistiques descriptives des variables mesurées à la visite de recrutement (statistiques socio-démographiques et cliniques).
- Typiquement, on doit inclure quelques variables socio-démographiques (âge, genre, etc.)
- Autres variables à inclure : celles qui décrivent la présentation clinique des participants/patients + celles qui sont associées avec le CRP (afin de déterminer le risque de biais de confusion)
Distinguer donnée brute VS variable dérivée
- Donnée brute : mesurée à l’aide d’un instrument de mesure (ex. poids)
- Variable dérivée : calculée à partir de données brutes (ex. IMC)
Quelles sont les deux manières de résumer les infos d’une variable (dans un ECR, par exemple)
- Mesure de tendance centrale avec sa mesure de dispersion (une mesure de tendance centrale tout seul ça veut pas dire grand chose)
- Distribution à l’aide d’une figure (ex. histogramme)
Vrai ou faux ? Un diagramme en boîte permet de mieux représenter les données qu’un histogramme
Faux… en général, un histogramme est plus représentatif, car il nous démontre visuellement toutes les données (alors que diagramme en boite donne seulement les quartiles + minimum et maximum)
Vrai ou faux ? On peut utiliser une proportion avec tous les types de CRP
Faux, on ne l’utilisera pas si CRP est continu
La moyenne+écart-type permet d’évaluer quel type de CRP ?
CRP continu
La médiane/intervalle interquartile permet d’évaluer quel(s) type(s) de CRP ?
Ordinale ou continue
Qui suis-je ? Valeur la plus fréquente dans une distribution de valeurs
Mode
Comment se calcule la moyenne ?
Somme de toutes les données / nombre de données
Comment se calcule la médiane ?
- Si nombre impair de données : chiffre du milieu quand les données sont placées en ordre croissant
- Si nombre pair de données : moyenne des deux chiffres du milieu quand les données sont placées en ordre croissant
Qui suis-je ? Écart moyen par rapport à la moyenne
Écart-type
Si on met l’écart-type au carré, qu’est-ce qu’on obtient ?
La variance
À quoi sert un tableau de contigence ?
Permet de représenter des variables dichotomiques, catégoriques ou ordinales (avec peu de valeurs possibles)
Comment démontre-t-on l’indépendance (ou non) entre le CRP et les groupes grâce à un tableau de contigence
1- On calcule la distribution du CRP, peu importe les groupes (Total réussite du traitement/Total participants)
2- On calcule la proportion des gens chez qui on a donné l’intervention cible (Total groupe A/Total participants)
3- On fait le produit des marginales pour obtenir une proportion qui correspond aux “chances” qu’une personne qui a reçu le traitement expériemental ait un CRP concluant
Si la proportion obtenue à l’étape 3 est égale au nombre correspondant dans le tableau de contigence (personne qui a reçu le traitement et qui a un CRP concluant), alors il y a une indépendance (pas de différence entre les traitements)
Par contre, si la proportion obtenue à l’étape 3 est différente que le nombre dans la cellule du tableau de contigence, alors le CRP dépend du traitement
C’est quoi un rapport de cote ?
Un RC décrit l’association entre l’exposition et le CRP.
- Calculé en faisant le produit croisé des 4 cellules d’un tableau de contigence
- RC=1 si la différence de proportions est nulle (donc indépendance)
