module 5 Flashcards
qui peut faire partie d’une étude de cohorte
- sujets exempts de la mx/issue (sain au début de l’étude)
- sujets susceptibles de dev la mx/issue à tout moment du suivi (on ne pourrait pas prendre F avec hystérectomie si issue = cancer du col…)
quoi la grosse différence dans les critères de sélection des sujets dans une cohorte vs ECR
dans ECR on ne veut pas qu’ils aient été exposés avant l’étude (c’est nous qui dirige l’expo)
vs cohorte = on sélectionne sur la base de l’expo
mais dans les 2 cas on veut commencé avec gens sains susceptibles de dev la mx
2 façons majeures de choisir groupe de sujet en cohorte
- cohorte populationnelle: on connait pas encore l’expo d’intérêt, on prend juste un gros groupe et plus tard dans les analyses on va les séparer en expo vs non-expo (comme dans Framingham)
- groupe soumis à une expo particulière (travailleur amiante vs travailleur dans une mine autre pas expo à l’amiante) => on vise l’expo d’intérêt
en quel cas on préfère une cohorte soumise à une expo particulière
si expo est rare => permet d’évaluer les effets un peu plus rares
pcq cohorte populationnelle slm possible si l’exposition est commune (genre si tu es confiant qu’il y aura au moins 40% des femmes enceintes de ste-justine qui auront le VPH, tu peux utiliser cette cohorte popu parce que c’est sur que tu vas en avoir des exposées mais si tu prends cette pop pour mesurer l’expo à l’amiante ça marche pas du tout).
cohorte populationnelle permet quoi
étudier plusieurs expositions à la fois (comme framingham): on est pas limité à une seule expo
v ou f
en cohorte populationnelle, les non-exposés doivent provenir d’une autre population TRÈS comparable
f
doivent venir de la MÊME population source
on échantillonne une seule cohorte qu’on va diviser ensuite en expo vs non-expo => améliore la comparabilité
v ou f
en cohorte soumise à une expo particulière, les non-exposés doivent provenir d’une autre population comparable mais qui peut venir d’un autre milieu (non-exposés externes)
v
ex travailleur amiante comparé à travailleur aluminium => meilleure façon pour meilleure comparabilité
ou pop générale là où résident les mb du groupe exposé => mais peut ne pas être aussi comparable et info pas toujours dispo (pcq travailleurs sont généralement en meilleure santé que le reste de la population donc pas tant comparable)
v ou f
toute personne mise en contact avec l’expo est considérée comme exposée
F
doit tenir compte de la dose minimale requise et du temps d’incubation/induction de l’issue => sinon on pourrait masquer (sous-estimer) une asso
ex: si on inclut mini expo à l’amiante => sous-estime l’asso (effet de dose à considérer)
ex: si on inclut jeunes fumeurs qui ont commencé y’a 1 an: sous-estime l’asso fumer et cancer poumon pcq ça prend 10-20 ans avant de pouvoir induire cancer
avantages d’obtenir données d’expo à travers données administratives (RAMQ) / dossiers médicaux / archives de compagnies
pas cher
couvre grande partie pop
classe l’expo de façon objective
inconvéniants données administrative (dossiers/RAMQ..)
peu détaillé
pas d’infos sur FC
façon de documenter l’expo de façon la + détaillée et exhaustive
par entrevues et questionnaires
inconvéniants entrevues et questionnaires
+ subjetif
biais mémoire potentiel
meilleure façon de documenter l’expo de façon objective
données admin (moins cher)
exam médicaux et tests lab (plus cher)
durée du suivi dépend de quoi
lien bio entre expo et maladie (temps d’incubation, on doit être au courant de l’étiologie de la maladie)
avantage cohorte p/r à cas témoins par rapport à l’issue
en cohorte on peut mesurer l’impact d’une expo sur plusieurs maladies/issues en même temps
(ex tabagisme sur FA/MCAS… )
risques d’une étude historique
- biais de mémoire
- participants = gens qui ont été malades (surestime asso)
- difficile de documenter les FC à l’époque
- données moins précises
- on ne peut pas s’assurer de comment les données ont été recueillies dans le passé
- on ne peut pas s’assurer que l’expo a précédé la maladie
- on ne peut pas savoir si suivi identique pour tous
donc: mémoire, suivi, FC, participants, précision données, expo avant maladie
étude sur revue dossier médical => étude prospective ou rétrospective
prospective: les données sont collectées prospectivement sans savoir encore quelles données seront étudiées
en cohorte, on compare quoi au final
l’incidence de la maladie entre groupe exposé et non-exposé.
si IC exp > non-expo: probablement association
mesures d’effets en cohorte
RR (ratio IC)
Rate ratio (ratio TI) : HR => ce qui fait + de sens
si maladie rare: OR possible
pourquoi on préfère rate ratio plutôt que risk ratio
pcq rate ration = mesure de vitesse/densité qui prend en compte le temps et l’induction de l’issue p/r au temps.
si tx A guérit 20% des gens en 3 jours vs tx B guérit 20% des gens en 20 jours => tx A est meilleur que tx B mais si on regardait juste RR= 20/20 = 1 = pas de différence (masque l’association)
v ou f
risque de surestimer une association en utiliser un ratio de cotes (OR) ans une cohorte
v => donc + de danger
(HR = best, RR risque de sous-estimer et OR risque de surestimer)
pour être un FC, la variable doit:
- affecte risque de mx (asso à mx)
- inégalement distribuée entre groupes (asso à l’expo)
- pas intermédiaire/ dans physiopatho qui lie l’expo à l’issue
(on ne sait plus si la maladie survient à cause de l’ exposition d’intérêt ou d’un autre facteur présent qui n’est pas contrôlé)
comment on utilise la stratification pour déterminer la présence d’un FC
on forme des strates: si le RR brut est différent du RR d’une strates mais que les RR des strates sont les mêmes: FC
(si c’était différent entre les 2 strates: facteur modifiant)
v ou f
FC peut s’évaluer en regardant le p-value de la Table 1
F
pcq une très petite taille d’échantillon n’aura rien de significatif alors qu’il pourrait y avoir des débalancements qui causent de la confusion
et si très grand échantillon, toute minime différence entre les groupes semblera significatif (moyenne d’âge de 30,2 vs 30,4 semblera différent).
méthodes de prévention des FC
- restriction (exclusion de certains FC)
- appariement (jumelage exp et nexp)
- Analyse qui tient compte de la variable confondante: multivariée, stratification et standardisation
pourquoi restriction = pas la meilleure méthode pour éviter FC
si on exclu certains sujets selon les FC potentiels, ça nuit à la généralisabilité
comment ça marche l’appariement / jumelage
on match les exposés avec des non-exposés selon la sévérité
ex pour chaque exposé de 38 ans buveur d’alcool, on match un non-exposé 38 ans buveur d’alcool
comment peut-on avoir un biais d’observation dans une cohorte
- connaissance de l’expo par le patient ou par l’investigateur
- biais de détection
- utilisation d’outils de mesure différents exp vs non-exp
biais de détection
l’expo elle-même détermine l’intensité du suivi (ex framingham: pts dont parents fumaient ont p-ê + de prob respi; ils consultent +; multiplie les occasions de détecter la FA)
biais d’information prévenu par quoi principalement
aveugle
v ou f
info provenant d’un dossier médical est-elle à l’aveugle
oui
prévention biais d’observation en cohorte
- aveugle
- critères objectifs & explicites pour dx mx
- suivi & mesure de l’issue strictement identiques dans les 2 groupes
que se passerait-il à la force d’association si l’outil de mesure de la maladie était le même pour les exposés et non exposés mais pauvre sensibilité (ne trouve pas tous les malades) et pauvre spécificité (trouve la maladie là où il n’y en a pas)
diminue la force d’association car rapproche les 2 groupes (fait tendre l’association vers la valeur nulle)
v ou f
principale cause de biais de sélection en cohorte prospective est l’erreur de recrutement des participants dans l’échantillonage
f
peut arriver mais surtout par les pertes au suivi différentielle
biais de sélection = prob d’échantillonage
biais de sélection en cohorte rétrospective
- perdus de vue (#1 cause en prospective aussi)
- participation volontaire (chez les expo, ceux qui se portent volontaires ne sont pas au même risque que les autres)
volontariat associé à l’exposition et à l’issue: si je suis mx, + tendance à participer à l’étude de cohorte => surestime le lien entre expo et mx
pourquoi le volontariat ne cause pas de biais de sélection dans une cohorte prospective
pcq en prospectif, la maladie n’est toujours pas survenue => c’est un peu comme si on était à l’aveugle
donc très dur d’avoir un biais de sélection par le recrutement en cohorte prospective
v ou f
toutes les pertes au suivi causent un biais de sélection
f
si aléatoire et associé uniquement à l’exposition, même si pertes sont différentes dans les 2 branches: pas de biais (même RR qu’avant les pertes au suivi)
si déséquilibré et associé à l’expo et à la mx: là oui biais
v ou f
pertes au suivi aléatoires ne cause pas de biais mais diminue la puissance de l’étude
v
diminue le N, IC augmente, p-value augmente et moins statistiquement significatif et plus de risque de faire une erreur B (ne pas rejeter H0 alors qu’il est vrai)
effet de pertes + nombreuses chez les exposés malades que chez les non-exposés (pertes non-aléatoires)
sous-estime la force d’association
effet de pertes + nombreuses chez les non-exposés malades (pertes non-aléatoires)
surestime la force d’association
v ou f
surdiagnostique de la maladie (faible spécificité) cause un biais d’observation dans un cas-témoin mais un biais de sélection dans une cohorte
f
contraire:
- cohorte: erreur de classification (biais d’observation)
- cas-témoin: biais de sélection (on échantillonne sur le statut de maladie)
prévention du biais de sélection en cohorte
- limiter les pertes au suivi
- choisir sujets représentatifs plutôt que volontaires & maximiser participation (surtout pour étude rétrospective)
on fait quoi si impossible de prévenir un biais de sélection
on essaie d’estimer l’étendue du biais des perdus avec une analyse de sensibilité (on compare leurs caractéristiques de base)
v ou f
meilleur devis pour une exposition rare (amiante) est cas-témoin
f
cohorte = best pour ça
avantages étude de cohorte
- efficiente quand l’expo est rare
- mesure directe de l’incidence de mx dans groupes expo vs non-expo
- asso entre expo et ensemble de ses conséquences (++ mx simultanément)
- ID + facilement la relation chronologique expo-mx (s’assure que expo avant mx, + dur en cas-témoin ou transversale)
v ou f
cohorte est top pour une maladie rare
f
désavantages cohorte
- inefficiente si mx rare
- nécessite ++ taille échantillon (pour avoir des chances de voir mx survenir)
- peut être très longue (qd prospective)
- coûteuse
- besoin de contrôler les biais de confusion
calcul rate ratio (HR)
HR = (#expo avec issue + / pers-années expo) / (#non-expo avec issue + / pers-années non-expo)
test d’hypothèse sert à quoi
vérifier l’hypothèse nulle (absence d’association)
on valide le rôle du hasard dans notre résultat
+ taille échantillon est grande + risque d’erreur aléatoire est ___
petit => le résultat est MOINS causé par l’effet simple du hasard
p-value
probabilité d’obtenir un résultat comme celui observé (RR, HR, DR, OR…) ou un encore plus extrême si on suppose que l’hypothèse nulle (H0) est vraie
(probabilité d’observer une différence aussi grande ou encore plus grande que celle observée dans les échantillons de l’étude si, en fait, il n’y a pas de différence entre les populations sous-jacentes)
=> quand on contrôle pour les FC, le p-value nous donne la probabilité d’obtenir notre HR que par l’effet du hasard
+ p-value est PETIT + on tend à dire que l’hypothèse ____ semble plausible
hypothèse alternative (soit une différence entre les traitements)
v ou f
l’hypothèse nulle concerne une/des populations mais est vérifiée dans un/des échantillons
v
on fait quoi dans un test d’hypothèse
calcule la probabilité de notre résultat (ou + extrême) si le seul effet possible est celui du hasard d’échantillonnage
cette probabilité = p-value (faible means H0 ne peut être rejetée vs élevé means rejet de H0)
formule d’un TH est basée sur quoi
résultat de l’étude & variabilité des échantillons
3 parties de l’interprétation d’une p-value de 0.04 pour un HR de 1,24
- si on suppose que H0 est vraie (ex tabagisme du père n’a aucun effet sur le risque de développer la FA)
- on a une probabilité de 4%
- d’observer un HR = ou > 1,24
donc on conclu que le résultat obtenu (HR = 1,24) est peu plausible par le simple effet du hasard (sous H0) => on rejette H0 et on conclu à un résultat stat sign
niveau / seuil a
value p-value qui permet de rejeter H0
< ou = 0.05
v ou f
on peut utiliser un TH ou un IC pour expliquer les résultats par des biais ou des FC potentiels
f
ne nous informe que sur le rôle du hasard d’échantillonnage
v ou f
IC plus informatif que TH (p-value)
v
pcq on veut un intervalle de valeurs plausibles pour l’effet réel du traitement ou de l’exposition (pour le paramètre)
courbes pour documenter l’IC dans une cohorte
courbes de survie de Kaplan-Meier
avantage/but d’utiliser une courbe kaplan meier
tient compte des pertes au suivi/censures
on s’intéresse au TEMPS nécessaire à l’apparition d’un événement (pas slm l’apparition oui/non de cet événement)
patients censurés et courbe kaplan-meier
dans courbe, => on calcule le temps entre début suivi et dev d’un événement
=> mais certains patients ne développent jamais l’événement, soit décès, perdus de vue, fin de l’étude: ce sont les censures! on va donc mesurer le temps de suivi avant la censure.
kaplan meier nous donne quelles mesures pour chaque sujet
- mesure de temps de suivi (T)
- mesure dichotomique d’issue: événement (É) ou censure (C)
x = temps
y = incidence cumulée (probabilité de développer l’issue X)
comment on interprète une courbe kaplan-meier
chaque marche d’escalier = 1 événement
à chaque événement on se réajuste pour la censure (pour avoir une IC ajustée ou considérée pour les pertes au suivi)
Log-Rank P-value = 0.05
probabilité que la différence entre les 2 courbes soit similaire ou encore + extrême
(si 2 courbes superposées: suggère aucune différence entre issue des 2 groupes)
analyse multivariée permet quoi
estime l’asso en contrôlant pour plusieurs autres variables en même temps (FC)
=> modèle statistique liant > 2 variables à la fois
si on a une régression logistique, on sait que le outcome est ____
dichotomique (ex AVC, oui/non)
si on a une régression linéaire, on sait que le outcome est ____
quantitative continue (ex VEMS)
Régression utilisée pour une variable “de survie” à 2 dimensions (ex durée suivi avant FA)
régression de Cox
différents modèles de régression
régression linéaire (simple)
régression de cox (multivariée)
régression logistique
Y = B0 + B1X1
régression linéaire simple:
effet d’UN SEUL facteur sur une issue CONTINUE
x= variable dépendante = continue
Y = B0 + B1X1 + B2X2 + B3X3
régression linéaire (multivariée): on prend en compte plusieurs facteurs pour expliquer une issue CONTINUE
B s’ajuste en ajoutant plusieurs facteurs
Ln(q/1-q)
régression logistique: variable dépendante DICHOTOMIQUE (binaire ex oui/non ou 0/1)
v ou f
en régression logistique, on s’en fout de quand c’est arrivé vs cox on prend en compte le temps
v
comment sait-on s’il y avait de la confusion en interprétant une analyse multivariée
si HR de univariée à multivariée change de 10% ou +
(vrai HR est celui trouvé en analyse multivariée)
Quelle caractéristique, parmi les suivante, ne s’applique pas à l’étude de cohorte
A. Le niveau d’exposition doit être évalué
B. On peut étudier des expositions protectrices ou nuisibles
C. Les sujets sont suivis pour le développement de la maladie
D. Le ratio des incidences cumulées peut être utilisé comme
mesure d’association
E. L’exposition est déterminée par randomisation
E. L’exposition est déterminée par randomisation
Une équipe de recherche étudie l’impact d’un traumatisme crânien (TCC) léger sur le développement cognitif des enfants âgés de 0 à 5 ans. Ils recrutent des enfants ayant subi un TCC léger à l’urgence d’un hôpital et un groupe d’enfants n’ayant pas eu de TCC à l’urgence de ce même hôpital. À l’aide d’une échelle validée, ils comparent ensuite le développement cognitif des deux groupes d’enfants 6 et 12 mois après le traumatisme. De quel type d’étude s’agit-il ?
1. Une étude cas-témoins
2. Une étude de cohorte prospective
3. Une étude de cohorte rétrospective
4. Une étude longitudinale
5. Un essai clinique randomisé
6. Une étude écologique (corrélationnelle)
7. Une étude transversale analytique
- Une étude de cohorte prospective
Le concept de validité interne d’un article scientifique réfère à:
1. L’importance du problème étudié
2. La réputation du journal publiant les résultats
3. La ressemblance entre la population à l’étude et celle que je soigne
4. L’absence de biais
- L’absence de biais
quel modèle de régression nous donne une estimation du ratio de taux d’incidence dans une cohorte
régression de Cox (donne HR)
si la vraie réponse est le HR d’une analyse multivariée, pourquoi présente-t-on aussi la valeur brut?
pour déterminer l’ampleur du facteur de confusion (de combien ça a amplifier la mesure d’association)
issues possiblement censurées dans une analyse statistique (courbe kaplan meier)
- patient décédé
- patient ayant quitter l’étude
- patient encore suivi à la fin de l’étude qui n’a pas eu l’issue d’intérêt encore
