Module 4 Flashcards
Validité interne
Capacité d’une étude à estimer correctement les mesures ou les liens recherchés
Validité externe
Capacité de généraliser un résultats à une population cible
Biais
Déviation systématique d’une mesure par rapport à la valeur réelle
Précision
Absence relative d’erreur aléatoire
Grandes familles de biais
Biais de sélection, d’information et de confusion
Biais de sélection
- Biais d’échantillonnage (de survie sélective)
- Biais d’admission (de Berkson)
- Biais de migration (des perdus de vue)
- Biais de volontariat
- Biais de bonne santé des travailleurs
- Biais de publication
Biais d’échantillonnage (de survie sélective)
Quand des personnes dans la population à l’étude sont moins susceptibles d’être admises à cause d’une caractéristique (asymptomatique, maladie mortelle de courte durée, etc.)
Biais d’admission (de Berkson)
Lorsque les gens sélectionnés pour l’étude sont différents de la population cible à cause de l’exposition étudiée
Biais de migration
Départ des participants durant l’étude
Biais de volontariat
Ceux qui se portent volontaire pour une étude ne représentent pas la population en général
Biais de bonne santé des travailleurs
Une étude faite sur des travailleurs ne représente pas la population en général, car ceux qui travaillent sont généralement en meilleure santé
Biais de publication
Tendance qui consiste à publier principalement des articles qui appuient des hypothèses de recherche établies
Biais d’information
Erreur de classification non-différentielle et différentielle
Erreur de classification non-différentielle
Mesure de l’observation incorrecte de l’exposition ou de la maladie, qui affecte les cas autant que les témoins
Erreur de classification différentielle
Mesure de l’observation incorrecte de l’exposition ou de la maladie, qui affecte de manière inégale les cas et les témoins
Biais de confusion
Erreur systématique induite par la présence d’un facteur associé de façon indépendante tant à la maladie qu’au facteur d’exposition.
Pour ne pas être source de biais de confusion, un facteur doit…
Être associé à la fois à la maladie et au facteur d’exposition ET être une cause de l’exposition.
Par exemple, la consommation de lipides n’est pas un facteur confondant dans la relation entre la cholestérolémie et les MCV, car elle est associée aux 2 et elle est le début de la chaîne causale entre la cholestérolémie et les MCV.
En revanche, l’âge est un facteur confondant dans la relation entre le tabagisme et le cancer du poumon. En effet, l’âge augmente le nombre d’années d’exposition à la cigarette de même que les chances d’avoir un cancer, mais il n’y a pas de lien causal entre l’âge et le tabagisme.
Contrôle du biais de confusion
- Restriction (exclure les gens exposés au facteur confondant)
- Assortiment (rendre les groupes étudiés comparables au regard du facteur à contrôler)
