Module 4 - Validité en recherche (biais méthodologiques) Flashcards
Quels sont les 3 types de biais méthodologiques en recherche?
Sélection, Information, Confusion
Quels sont les 2 types de validité pour une recherche?
Interne et externe
Pourquoi reconnaître les biais est-il particulièrement important pour un clinicien?
Permet de vérifier si l’étude est méthodologiquement valide et ses conclusions sont applicables à la pratique clinique
Quelles sont les 4 catégories qui influencent la qualité d’une étude? + expliquer chacune
- Validité exp : Qualité, standardisation protocole
- Échantillonnage : Représentativité, Tx appropriés à cette pop?, Semblables à ceux de la clinique?
- Échelles, outils de mesure : Qualités métrologiques, Bien capturer tous les chang importants
- Tests statistiques : Appropriés, Oublié d’analyser?, Analyses non-nécess?
déf : biais de sélection + conséquence
Sélection des participants : Non-représentatifs ou pas assez (généralisation difficile)
déf : biais d’information + conséquence
Lié à l’info collectée et sa qualité : aveuglement, outil de mesure, perte de sujets au suivi (mesures peuvent ne pas être la “vérité”)
Comment contrôle-t-on les biais d’information?
Planification du protocole, mais la perte de sujets est incontrôlable
déf : biais de confusion + conséquence
Perturbation de l’association entre les variables dép et indép. influence les 2 variables, mais ne fait pas partie de la chaine causale. association pourrait être faussée
Comment contrôle-t-on les biais de confusion?
Randomisation, Pendant l’expérience, Analyse statistique
Expliquer la validité interne. Comment l’augmente-t-on?
Organisation interne de l’étude, méthodologie, qui permet de poser des conclusions valides. Standardisation du devis et des étapes de l’étude.
Quels sont les avantages d’une bonne validité interne?
Conclusions valides, Objectivité de l’étude, Précision des mesures, Reproduction et Vérification des résultats
Quel est le désavantage d’une très haute validité interne?
Environnement + artificiel, nuit à la généralisation et l’applicabilité clinique
Biais pouvant influencer la validité interne (3 catégories, 9 éléments)
Sélection : Taille d’échantillon
Info : Familiarisation, Instrumentation, Mortalité exp, Biais évaluateurs
Confusion : Sélection/Assignation, Histoire, Maturation, Contamination
Quel peut être l’effet d’un biais de taille d’échantillon?
Il peut y avoir des faux négatifs (on ne trouve pas d’effet significatif, mais il y en aurait eu un si l’échantillon avait été + grand)
V/F : Une taille d’échantillon trop petite entraîne nécessairement un biais
Faux, s’il y a une différence significative malgré la taille des groupes, il n’y a pas de biais (on doit cependant noter le manque de puissance stat, car elle peut influencer la précision des estimés)
déf + effet : biais de familiarisation
Modification des résultats causée par l’apprentissage des techniques d’évaluation (pt a de “meilleurs résultats”, mais c’est pcq il sait + ce qu’il doit faire). On croit que c’est le tx, mais non, donc conclusions erronnées
Dans quel cas (2) y a-t-il un effet de familiarisation? Dans quel type d’instrument de mesure (1) n’y en a-t-il pas?
- Répétition des mesures dans le temps, Tx ressemble/est pareil à l’éval
- Questionnaires
Quels sont les 3 “sortes” de biais d’instrumentation?
- Appareillage défectueux
- Procédure exp varie (évaluateur, type d’appareil de mesure, séquence des évènements)
- Mauvais choix d’outils de mesures
déf : Mortalité expérimentale
Sujets qui quittent une étude, peu importe la raison (souvent à cause d’un protocole long et exigeant)
Quelle proportion de “quitters” est considérée comme acceptable (pertes au suivi)? Quelle est la particularité à ce sujet pour un ECR?
Max 20%
Il faut que la proportion soit similaire dans les 2 groupes
Quels peuvent être les effets de la trop grande mortalité exp (3)?
- Groupes comparables pourraient ne plus l’être (H/F, âge), conclusions affectées
- Si les sujets qui restent sont ceux avec le pronostic le + favorable, Surestimation de l’effet de traitement
- Taille de l’échantillon, manque de puissance statistique
V/F : La proportion au suivi à 80% et la puissance statistique à 80% sont des concepts différents, mais inter-reliés
Vrai
Comment peut-on limiter la mortalité exp et ses effets?
- Documenter les raisons des pertes (demander aux pts)
- Inclure des nouveaux participants pendant l’étude
- Vérifier si les pts qui quittent sont similaires à ceux qui restent
- Vérifier si les sujets ayant quitté sont répartis dans les 2 groupes
- Ajuster avec des méthodes statistiques (d’ajustement) (si les groupes ne sont plus comparables)
déf : analyse par intention de traiter
Les données de tous les participants qui commencent l’étude sont analysés. La dernière donnée recueillie d’un pt sera transposée à la fin et analysée comme une donnée finale.
pourquoi souhaite-t-on éviter l’analyse per protocole?
si seuls les gens qui ont un bon pronostic ont fini l’étude, l’effet de traitement pourrait être surestimé
V/F : Avec une analyse par intention de traiter, les effets du tx sont parfois surestimés
Faux, les résultats sont très conservateurs (mais c’est mieux que l’inverse)
V/F : Le biais d’évaluateur est considéré comme un biais d’information, mais peut être aussi considéré comme un biais de confusion
vrai
Quelle sont les principales solutions (2) pour éviter les biais d’évaluateurs?
- Aveuglement
- Standardisation des protocoles (intervention + évaluation)
déf : Biais de confusion, histoire
Situation de vie des sujets (hors de l’étude), qui a un effet sur le tx (stress, manque de temps), co-interventions (sous-estimation de l’effet du tx sur le sujet)
déf : biais de confusion, maturation
Processus de changement naturel (organique, psychologique) qui peut affecter les résultats d’une recherche (aussi, si les groupes ne sont pas comparables)
déf : biais de confusion, contamination
Transmission d’infos entre les 2 groupes, possible compensation ou changement d’attitude d’un pt du groupe CTL
Dans quel type de devis est-il le + probable de retrouver un biais de maturation?
Étude pré-post, il n’y a pas de groupe CTL pour comparer l’évolution naturelle au tx
Comment évite-t-on la contamination (6)?
Randomisation,
Aveuglement,
Explications aux sujets (buts de l’étude + conséquences du non-respect du protocole),
Séparation des groupes (physique/temporelle),
Vérifier l’aveuglement à la fin de l’étude,
Analyser les abandons et sujets perdus (répartis?)
déf : validité externe
Représentativité des résultats de l’étude vers la clinique. Généralisation et application à d’autres populations
V/F : si la validité interne est faible, la validité externe sera nécessairement faible
Vrai : s’il y a des biais a/n du protocole expérimental, l’applicabilité des résultats en clinique est non-pertinente
Biais pouvant influencer la validité externe (3 éléments)
Biais de sélection, Réaction au devis expérimental, Effet Hawthorne
Dans quel cas le biais de sélection affecte spécifiquement la validité externe?
Échantillon ne représente pas la population vue en clinique
déf : Réaction au devis expérimental
Situation artificielle (environnement, p.ex.) cause une modification du comportement du participant (positivement ou négativement)
déf : Effet Hawthorne
Le sujet a l’impression d’être observé, donc changement de comportement (favorable, + d’efforts dans les tx, p.ex.)
