Module 5

Question 1

Qu’est-ce qu’une étude de cohorte?

Answer 1

Étude d’observation de l’association entre une exposition et une maladie, dans laquelle la fréquence de la maladie est déterminée dans des groupes définis par l’exposition des sujets

Peut être comparée à un essai clinique sans randomisation.

Question 2

Qui peuvent faire partis d’une étude de cohorte?

Answer 2

Individus à risque de développer la maladie

• Exempts de la maladie d’intérêt
• Susceptibles de la développer à tout moment du suivi
• (Et excluant les sujets répondant aux critères d’exclusion pratiques, éthiques, etc.)

Question 3

Quelle est la différence quant aux personnes pouvant participer aux études de cohorte vs essais cliniques randomisés?

Answer 3

Dans l’ECR, les gens n’ont pas encore été exposé (car ils devront être randomisés)

Question 4

Quels sont les 2 types de groupe lors d’étude de cohorte?

Answer 4

Groupe spécial soumis à une exposition particulière

• Pratique pour étudier les expositions rares
• Ex : mineurs de l’amiante

Groupe sélectionné à même un segment de la population générale, sans considération initiale de l’exposition

• Possible seulement quand l’exposition est commune, sinon inefficient
• Possibilité d’étudier plusieurs expositions
• Ex : adultes Framingham

Question 5

Quel est le principe du choix du groupe non-exposé?

Answer 5

Les groupes qui seront comparés doivent être aussi semblables que possible, sauf en ce qui concerne l’exposition

Dans une étude de cohorte populationnelle, le groupe non exposé provient de la même population que les exposés

Dans une étude de cohorte faisant appel à un groupe soumis à une exposition particulière, le groupe exposé est souvent externe

• La population générale là où les résident les membres du groupe exposé
• Une autre cohorte identique sauf pour l’exposition

On veut avoir plusieurs groupes de contrôle

Question 6

Répondez aux questions suivants concernant l’exposition.

1. Quels types d’expositions peuvent être étudiés?
2. Peut-on avoir différents degrés d’exposition?
3. Est-ce possible que l’exposition se modifie au cours de l’étude?
4. Toute personne mise en contact avec l’exposition doit-elle être considérée comme exposée?

Answer 6

1. N’importe lequel (nuisible, bénéfique, chimique)
2. Certainement (fumeur, fumeur modérée, non-fumeur)
3. Oui, mais ce n’est pas tjrs pris en compte
4. Non. La dose et la durée minimale d’exposition pouvant provoquer un effet (période d’induction) doivent être prise en compte

Question 7

Ne pas tenir compte de la période d’induction peut masquer quoi?

Answer 7

une association

Question 8

Comment peut-on documenter l’exposition?

Answer 8

Données administratives (RAMQ), dossier médicaux, archives de compagnies et autres archives préexistantes

• Peu coûteux, couvrent une grande partie de la population, classification objective de l’exposition
• Peu détaillés, pas d’info sur les facteurs de confusion

Entrevues et questionnaires

• Info plus détaillée et exhaustive
• Subjective
• Mémoire?

Examens médicaux et tests de labo

• Objectifs
• Plus coûteux

Question 9

Comment se fait le suivi d’une étude de cohorte?

Answer 9

• C’est l’aspect le plus coûteux
• Sa durée doit dépendre du lien biologique entre l’exposition et la maladie
• Son intensité et ses étapes doivent être comparables dans tous les groupes
• Les pertes au suivi doivent être minimisées : raison d’efficience et afin d’éviter d’introduire un biais de sélection

Question 10

Quels sont les 3 types de biais possibles dans les études de cohorte?

Answer 10

1. Facteur de confusion
2. Biais d’observation
3. Biais de sélection

Question 11

Pour être un facteur de confusion une variable doit…?

Answer 11

1. Doit affecter le risque de maladie (être associée à la maladie)
2. Doit être inégalement distribuée entre les groupes d’exposition (être associée à l’exposition)
3. Ne doit pas être un intermédiaire dans le lien de causalité entre l’exposition et l’issue

Question 12

Comment prévenir les facteurs de confusion dans l’étude de cohorte?

Answer 12

Restriction de l’étude à une seule catégorie de la variable confondante

• Ex : étude faite en excluant les individus souffrant de MCV, étude chez les hommes seulements, etc.

Appariement des exposés et non exposés

• Ex : pour chaque patent de 65 ans ayant un faible ICA, on pourrait recruter un sujet de 65 ans ayant un ICA normal

Analyse statistique tenant compte de la variable confondante

• Ex : standardisation, analyse stratifiée, analyse multivariée

Question 13

Quelles sont 3 situations pouvant causer un biais d’observation dans l’étude de cohorte?

Answer 13

Connaissance de l’exposition

• Ex : le médecin diagnostiquant la démence sait qu’il a un faible IC. Pourrait influencer l’intesntité de ses recherches de démence s’il soupçonne une association, surtout si pas de protocole systématique

Biais de détection : l’exposition elle-même détermine l’intensité du suivi

• Ex : les patietns avec index cardiaque faible ont toutes sortes d’autres problèmes de santé et consultent peut-être plus souvent leur MD, ce qui multiplie le nombre d’occasions de détecter la démence

Utilisation d’outils de mesure différents pour exposés et non exposés

• Ex : groupe exposé : examen médicaux vs groupe non-exposé : entrevues téléphoniques

Question 14

Que se passera-t-il si les outils de mesure sont les mêmes pour exposés et non exposés, mais sont imparfaits (ex : ne trouvent pas tous les malades)?

Answer 14

La mesure de l’issue sera moins précise dans chaque groupe, ce qui va faire que les groupes vont se ressembler un peu plus. Il va entrainer un petit biais conservateur, ce qui fait qu’on aura moins de chance de trouver une différence entre les groupes (sous-estime)

Question 15

Comment prévenir les biais d’observation dans l’étude de cohorte?

Answer 15

Maladies déterminées à l’aveugle
Critères objectifs et explicites pour diagnostiquer la maladie
Suivi et mesure de l’issue strictement identique dans les deux groupes

Question 16

Le biais des volontaires est un biais de …

Answer 16

sélection

Question 17

Quels sont des exemples de biais de sélection dans l’étude de cohorte?

Answer 17

Participation volontaire : ceux qui se portent volontaires ne sont pas au même risque que les autres

Perdus de vue : les individus abandonnent l’étude de façon différentielle selon qu’ils sont exp-mal, exp-nmol, nexp-mal, nexp-nmal

À noter que le biais des perdus de vue est le plus important dans les études de cohorte

Question 18

Comment prévenir les biais de sélection dans l’étude de cohorte?

Answer 18

Minimiser les pertes au suivi
Choisir des sujets représentatifs plutôt que volontaires
Maximiser le taux de participation (historique surtout)
Si impossible à prévenir : tenter d’estimer l’étendue du biais des perdus de vue

Question 19

Quels sont les avantages de l’étude de cohorte?

Answer 19

• Est efficiente, comparativement à d’autres devis, quand l’exposition est rare
• Permet d’obtenir une mesure directe de l’incidence de maladie dans des groupes exposés et non-exposés
• Permet d’étudier l’association entre une exposition et l’ensemble de ses conséquences (i.e. plusieurs maladies à la fois)
• Permet d’identifier plus facilement la relation chronologique expositon-maladie

Question 20

Quels sont les désavantages de l’étude de cohorte?

Answer 20

• Est inefficiente quand la maladie est rare
• Nécessite souvent de grandes tailles d’échantillons
• Peut être très longue (quand prospective)
• Parce qu’elle implique de longs suivis, est particulièrement susceptible au biais des perdus de vue
• Est coûteuse

Question 21

Qu’est-ce que le test d’hypothèse?

Answer 21

Sert à vérifier l’hypothèse nulle (H0), qui est l’hypothèse qui stipule l’absence d’effet, d’association, etc.

Question 22

Qu’est-ce que la valeur p?

Answer 22

Probabilité d’obtenir le résultat que nous avons eu dans l’étude, ou un résultat encore plus extrême, si on suppose que l’hypothèse nulle est vraie.

i.e.

La probabilit d’observer une différence aussi grande ou encore plus grande que celle observée si, en fait, il n’y a pas de différence entre les populations.

Question 23

Une fois l’hypothèse énoncée et qu’on consulte le résultat de notre étude (ex : DR ou RR estimé), que permet le test d’hypothèse et valeur p?

Answer 23

Le TH nous mène à calculer la probabilité de notre résultat (ou d’un résultat encore plus extrême) si le seul effet possible est celui du hasard d’échantillonnage (= si H0 est bonne = “sous H0”)

La probabilité que fournit le TH se nomme “p-value”

• Valeur p faible? Le résultat obtenu dans l’étude est peu probable par hasard. On rejettera H0
• Valeur p élevée? On ne rejettera pas H0

Question 24

Dans une étude qu’on veut faire l’association entre le tabagisme paternel et le risque de développer la FA, si on a un HR de 1.24 et une valeur p de 0.04, comment interprétez vous cette valeur p en 3 parties?

Answer 24

(1) Si on suppose que le tabagisme du père n’a aucun effet sur le risque de développer la FA, (2) on a une probabilité de 4% (3) d’observer un HR >= 1.24

Nous concluons que le résultat obtenu (HR = 1.24) est peu plausible (4%) sous H0 (= par le simple effet du hasard). Nous rejetons alors l’hypothèse nulle et concluons que le résultat est “statistiquement significatif”.

Question 25

Quel est le seuil de valeur p pour conclure en un effet statistiquement significatif?

Answer 25

Par convention, p-value ≤ 0,05 (ou parfois ,01) est suffisamment petit pour rejeter H0 et conclure en un effet statistiquement significatif
* Le “seuil” fixé à .05 (ou .01) est appelé “niveau alpha” ou “seuil alpha”

fixé aléatoirement, seuil historique

Question 26

Vrai ou faux?
Les TH nous renseignent sur les biais et facteurs de confusion.

Answer 26

Faux. Comme les IC, les TH n’évaluent que le rôle du hasard. Ils ne nous renseignent pas sur les autres raisons pouvant expliquer nos résultats (biais, facteurs de confusion, etc.)

Question 27

Quelle est la différence entre TH et IC?

Answer 27

La valeur p du TH ne fournit pas l’information la plus importante pour le médecin et son patient, i.e. un intervalle de valeurs plausibles pour l’effet réel du traitement (ou de l’exposition)

L’IC est donc plus informatif

Question 28

Qu’est-ce que la courbe de survie de Kaplan-Meier?

Answer 28

• Lorsqu’on s’intéresse au temps nécessaire à l’apparition d’un évènement et non seulement à l’apparition (oui/non) de cet événement (É)
• On veut calculer, pour tous les sujets, le temps entre le début du suivi et le développement de l’événement, mais certains patients : décès, perdus de vue, fin de l’étude
• On dit que ces patients, qui ne développeront jamais l’évènement, sont “censurés” (C). Pour eux, on mesure alors le temps de suivi avant la censure (les courbes sont constamment réajustées)

On a donc, pour tous :

• Une mesure de temps de suivi (T)
• Une mesure dichotomique d’issue : É ou C

Ces infos permettent de calculer des courbes de survie

Calcul de la probabilité de développer l’événement, IC

Question 29

Que permet l’analyse multivariée?

Answer 29

Permet d’estimer efficacement l’association entre 2 variables (ex : exposition et issue), en contrôlant simultanément pour plusieurs autres variables (ex : facteurs de confusion)

Le terme “analyse multivariée” fait référence à toute forme d’analyse qui implique la construction d’un modèle mathématique liant plus de 2 variables à la fois

Question 30

Quels sont les 3 modèles multivariés en fonction de l’issue d’intérêt?

Answer 30

Régression linéaire
Régression logistique
Régression de Cox

Question 31

Si l’issue d’intérêt est une variable continue, je vais devoir utiliser un modèle de …
Si l’issue d’intérêt est une variable dichotomique, je vais devoir utiliser un modèle de …
Si l’issue d’intérêt est une variable de survie (à 2 aspects : une durée jusqu’à l’atteinte (oui ou non) d’un modèle d’intérêt), je vais devoir utiliser un modèle de …

Answer 31

régression linéaire
régression logistique
régression de Cox

Question 32

Vrai ou faux?
Le modèle de régression linéaire simple n’est pas une analyse multivariée

Answer 32

Vrai, car il y a seulement 2 variables. Il considère l’effet seul d’un facteur sur une issue continue

Question 33

Que permet le modèle de régression linéaire multivariée?

Answer 33

Permet la prise en compte simultanée de plusieurs facteurs pour expliquer une issue continue

Question 34

Si on a…
Y = taux d’incidence “instantané” de la FA
X1 = tabagisme paternel (variable continue : 0, 1, 2… pqts/jour)
X2 = âge
X3 = sexe
X4 = IMC
etc…
Et qu’on obtient HR du tabagisme paternel = 1.24 avec un IC à 95% de (1.01;1.51), que peut-on conclure?

Answer 34

Lorsque l’exposition paternelle au tabagisme augmente d’1 paquet/jour, l’incidence de FA est multipliée par 1.24 et ce, en contrôlant pour l’âge, le sexe, l’IMC, etc.

ou

À âge, sexe, IMC, etc. constants, l’incidence de FA augmente de 24% pour chaque paquet/jour additionnel fumé par le père.

On peut aussi conclure que l’IC ne contient pas la valeur nulle 1, donc le tabagisme paternel a un effet statistiquement significatif sur le risque de développer une FA

Question 35

V ou F
La confusion s’évalue à l’aide de la p-value

Answer 35

FAUX!!!

évalue juste le rôle du hasard d’échnatillonnage

Question 36

voir questions fin pp

Question 37

L’hypothèse nulle concerne une (ou des) …, mais est vérifiée dans un (ou des) …

Answer 37

population(s)
échantillon(s)