module 6 Flashcards
définition étude cas témoin
étude d’observation de l’association entre une expo et la maladie dans laquelle l’expo ANTÉRIEURE est déterminée dans des groupes définis par l’état de santé
issue = maladie
on compose une population à partir de malades (cas) et de témoins (sains) (doivent être comparables donc proviennent de la même population de base) et on va rechercher leurs expositions antérieures pour essayer de faire des associations
v ou f
cas-témoins est un devis + efficace que l’étude de cohorte
v
parce que plutôt que d’avoir à suivre une population de base au complet pendant un certain temps, on peut simplement l’échantillonner pour avoir uniquement les mêmes infos que dans l’étude de cohorte
v ou f
plus facile de faire des biais en étude cas-témoin qu’en cohorte
v
surtout biais de sélection
avantages de l’étude cas-témoin
- mesure expo nuisible et bénéfique (pas juste bénéfique comme en ECR)
- facile de mesurer maladies rares ou qui se développent lentement (prendrait très grand échantillon en cohorte)
- trouver FDR en contexte d’urgence (expositions multiples peuvent être mesurer simultanément)
v ou f
cohorte et cas-témoins sont des bons exemples d’études expérimentales
f
études d’observation
v ou f
cas et témoins viennent de la même population de base
v
on start avec les cas et ensuite on échantillonne une partie de la population dont les cas proviennent pour aller former un groupe témoin
méthode d’appariement
appariement de GROUPE pour assurer une bonne comparabilité entre cas et témoins (réduire effet des FC):
ex si 10% cas sont H 50-54A, on va chercher 10% de témoins qui sont H 50-54A
mesure d’association à utiliser en étude cas-témoin
OR
pcq si on prend RR: résultat varie selon la taille d’échantillon
R = nombre mx / groupe total => groupe total dépend directement du nombre de témoins que je choisi pour mon étude
donc on ne peut pas calculer d’incidence ou de RR directement en cas-témoins
OR
rapport d’inégalités des expositions entre les cas et les témoins
(odds cas / odds témoins)
(#expo/#non-expo cas) / (#expo / #non-expo témoins) : (a/b)/(c/d)
odds d’exposition
probabilité d’être expo/ probabilité de ne pas être exposé
expo / # non-expo chez cas
interprétation OR 1.29 (odds d’exposition)
les odds d’avoir été exposés à l’amiante chez les travailleurs souffrant d’un cancer du rein sont 1.29x ceux des travailleurs n’en souffrant pas
OU
Odds du cancer du rein chez les exposés à l’amiante sont 1,29x ceux des non-exposés
v ou f
odds exposition = odds maladie mathématiquement équivalent en cas-témoins
v
v ou f
les OR sont mathématiquement équivalent aux RR ou HR seulement si la maladie est rare (<10%)
f
maladie n’a pas besoin d’être rare si bon échantillonnage (mais si mauvais échantillonnage: interpréter comme un OR)
mais c’est sur que si maladie est rare (n’importe quel cancer): peu importe l’échantillonnage, OR estime ou équivalent à RR ou HR dans une étude de cohorte
Dans les pays développés, jusqu’à 25% des personnes âgées prennent des BZD. Quels sont les odds qu’une PA de cette population prenne (soit exposée) aux BZD?
a) 25%
b) 75%
c) 33%
D) 0.33
25% = 1/4 en prennent (sont exposés) –> 3/4 n’en prennent pas (non-exposés)
odds = # expo / # non-expo = (1/4)/(3/4) = 0.33
donc D)
(on ne l’exprime pas en % parce que odds n’est pas une proportion mais bien un ratio, un rapport!!)
25% = proportion d’exposition
pourquoi on préfère choisir des cas incidents
- proche de la période d’expo (moins de biais de mémoire que qqun qui a la mx depuis 20A)
- chances que expo précèdent mx
- constituent l’ensemble des cas (pas juste les survivants, n’ont pas eu le temps de mourir de la mx yet)
problème de choisir des cas incidents
si mx rare: on doit attendre longtemps avant d’avoir suffisamment de cas
avantages de prendre cas prévalents
préférable pour une maladie rare ou qui se développe lentement:
- déjà dispo: pas besoin d’attendre: grand échantillon rapidement
inconvénients des cas prévalents
- représentent les survivants donc pas représentatif de l’ensemble des cas (mx + sévère pt + décédés)
- parfois loin de la période d’exposition (biais de mémoire)
- pas sur si expo av mx
- présence liée a durée et incidence de mx (vitesse de l’apparition de la mx) => cas à un moment précis pt pcq beaucoup de nouveaux cas formés ou pcq cas qui ont duré longtemps => on ne sait donc pas si notre asso = actually asso entre expo-durée ou expo-incidence.
pourquoi utilisation d’un proxy peut causer un biais
pcq associé à la maladie: on utilise un proxy si on est trop malade ou décédé de la maladie et qu’on ne peut pas répondre => probablement des gens + scrap donc pas représentatif de tous les cas
avantage de recruter les cas dans la pop générale
éviter biais de sélection qui peuvent se produire en recrutant à l’hôpital
inconvénient de tirer les cas de la population générale
coûteux, complexe
avantages d’un recrutement d’hospitalisés
ce qu’on fait le + en cas-témoin!
facile et rapidement dispo
pas trop cher
on veut idéalement cibler que tous les cas de la maladie d’intérêt vont finir à l’hôpital et ne vont pas représenter un échantillon sélectionné par le niveau de sévérité qui n’est pas représentatif de tous les cas dans la population générale
en gros, qui chosit-on comme cas vs comme témoins
cas: ensemble des cas qu’on peut délimiter au moins théoriquement dans une population de base
témoins: viennent de la même population de base que cas => s’ils avaient développer la maladie, ecq je les aurait eu dans mon groupe de cas? (peuvent venir de l’hôpital, pop générale ou famille/amis)
v ou f
on applique des critères d’exclusion différents aux cas qu’aux témoins
f
les mêmes: on veut que les témoins soient représentatifs
conditions importantes dans le choix des témoins
- doivent être représentatif de tous les individus qui auraient été sélectionnés comme cas s’ils avaient eu la maladie (même critères inc/exc)
- choisis indépendemment de l’exposition (échantillonner le + au hasard pour que l’importance de l’exposition dans la population de base soit maintenue dans l’échantillon) => si 25% expo dans la pop de base => on veut aléatoirement 25% expo dans les témoins (on ne privilégie pas les témoins expo ou non-expo)
- témoins exempts de mx
v ou f
avantages à avoir > 4 témoins:1cas
f
au-delà de 4 = pas d’avantages
v ou f
prendre témoins hospitalisés = meilleure façon d’être comparable en terme d’exposition
f
ex si expo au tabac: les fumeurs seront sureprésentés dans un hôpital p/r à la population générale où ont été pris les cas => donc pas la meilleure estimation de l’exposition dans la population
comme ils sont malades, leur expo n’est pas nécessairement comparable à celle de la pop de base qui a fourni les cas
avantages de prendre les témoins à l’hôpital
- recrutement facile, peu coûteux, coopératifs (sont captifs, n’ont rien à faire)
- souvenirs des expo passées comparables à celui des cas
- possiblement soumis au même processus de sélection que les cas
quelles maladies on choisit pour former le groupes de témoins à partir d’hospitalisés
ensemble de maladies (plutôt qu’une seule) qui à priori n’ont aucun rapport avec l’exposition qu’on investigue
avantage témoins provenant de la pop générale
- représentatifs en terme d’expo de la pop de base qui fourni les cas
inconvénient témoins qui viennent de la pop de base
- dur des les ID et de faire entrevue
- souvenirs des expo affaiblie
- moins enthousiaste: moins participation
avantages de témoins conjoints, amis, voisins
- représentatifs en terme d’expo à la pop de base qui fourni les cas
- coopératifs que es inconnus: meilleure participation
- contrôle naturel de certains FC
inconvénient des témoins parents, conjoints, amis…
sujets reliés au cas peuvent être TROP SEMBLABLES en terme d’expo: sous-estime l’effet réel (OR tend vers nulle)
étape + difficile de l’étude cas-témoins
choix des témoins => donc on choisit plusieurs groupes de témoins
sources de données sur l’expo
- sujets (entrevue, examens, questionnaires postaux)
- proches
- dossier médical / base de données
bien d’obtenir l’expo d’une source qui a eu cette info avant la maladie (donc ne dépend pas de l’état de santé)
risques de documenter l’expo par les sujets eux-même
entrevue: biais mémoire & imprécision
questionnaires postaux (biais mémoire, ecq questionnaires bien remplis?)
en quel cas on peut utiliser des examens médicaux pour mesurer données d’exposition
si expo est constante dans le temps (si elle laisse des traces bio longtemps après l’expo)
risque de documenter expo par proches
biais mémoire
questionnaires incomplets
avantage/risque de documenter expo par dossier médical ou base de données
sources indépendantes de la mémoire: + complètes
mais au dossier, parfois incomplet, manque d’info sur FC potentiels, plusieurs expo ne s’y trouvent pas
comment surviennent les biais de sélection en étude cas-témoins
pas la mm association que si on avait été capable d’avoir tous les sujets potentiels de la pop de base dans l’étude
si la sélection des cas ou témoins n’a pas été indépendant du risque d’expo dans chaque groupe (besoin de maintenir la proportion d’exposés parmi les cas et les témoins)
si taux de participation n’est pas indépendant du risque d’expo (ex. + participants qui ne sont pas des travailleurs exposés à l’amiante si recrutement par téléphones se fait sur les heures de travail où les travailleurs ne sont pas à la maison)
v ou f
on échantillonne JAMAIS les cas mais toujours les témoins
f
plupart du temps vrai: témoins sont un échantillon de la pop mais on prend TOUS les cas de cette population de base
mais si vrm grosse étude là oui on peut faire un échantillon des cas
résultat d’avoir 50% des témoins exposés par mauvais échantillonnage vs 66% des cas exposés (alors qu’on était sensée avoir 66% d’exposés parmi les témoins)
sous-estimation de l’exposition chez les témoins => surestime l’association maladie/exposition
(OR=2 plutôt que 1)
types de prob de sélection de témoins qui cause biais de sélection
- biais asso au choix du groupe de témoin (expo des témoins n’est pas représentation de l’ensemble des témoins potentiels)
- biais de non-participation des témoins
ex biais du choix du groupe témoins
si expo = café / issue = cancer pancréas
MD gastro prennent témoins patients en gastro => ont arrêté de boire café à cause tr. GI => moins d’expo parmi les témoins: surestime asso café-cancer
ex biais de non-participation des témoins
ex. expo = sédentarité / issue = MCAS
si participants = ceux qui répondent au tel dont à la maison donc probablement + sédentaires que ceux qui ne participent pas => + d’expo dans les participants témoins => sous-estime asso
causes de biais de sélection par sélection des cas
- biais de survie sélective
- biais de berkson
biais de survie sélective
survivants ne sont pas représentatifs de tous les cas => possible que le décès + rapide soit associé à + intense exposition
se produit quand l’issue est une mx si les cas dont la mx est courte et fatale sont moins susceptibles d’être sélectionnés
+ introduit par cas prévalents
v ou f
on peut avoir biais de survie si issue est le décès
f
doit être la maladie
biais de Berkson
biais d’admission
quand cas sélectionnés à l’hôpital et que l’expo elle-même affecte la probabilité d’hospitalisation
(expo à CO mène à thrombophlébite: F consulte avec présentation de TVP, MD s’informe de l’utilisation de CO, si CO MD réfère à l’hôpital, donc cas hospitalisés ont un excès d’exposition )
prévention des biais de sélection
- maximiser taux de participation
- comparer expo des participants vs non-participants
- connaître mécanisme de référence et dx des pts (surtout biais de Berkson)
v ou f
biais d’observation = erreur de classification non-différentielle de l’exposition
f
erreur de classification DIFFÉRENTIELLE!
évaluation de l’exposition antérieure est faite différemment chez les cas et les témoins
biais d’observation en cas-témoins
- biais de mémoire
- biais de connaissance de l’état de santé par l’évaluateur
biais de mémoire en cas-témoins
les cas ont tendance à mieux se remémorer les expo antérieure que les témoins
v ou f
oublis par témoins et cas causent des biais d’observation de mémoire
f
si oublis non-différentiels: effet prévisible => qualité d’info sur l’expo n’est pas différente entre les 2 groupes
prévention des biais d’observation
- info sur l’expo obtenue de sources indépendante de la mémoier (RAMQ)
- témoins malades (moins de biais mémoire pcq ont + réfléchis à leurs expo)
- AVEUGLE
- questionnaires std et valides
- étude cas-témoins dans une cohorte
prévention FC en cas-témoins
- restriction
- analyse stratifiée
- analyse multivariée (régression logistique: variable dépendante dichotomique)
- appariement AVEC analyse stat appropriée
v ou f
pour se débarrasser d’un FC, on peut juste faire de l’appariement de cas et de témoins
f
FC est associé à l’exposition par définition donc si les cas et les témoins deviennent semblables par rapport à leur FC, on les rapproche artificiellement quant à leur exposition => on SOUS-ESTIME l’association
avantages d’utiliser cas-témoins rather than cohorte
- étudie plusieurs effets de plusieurs expo sur une maladie (intéressant en urgence)
- utile quand maladie RARE
- besoin de moins gros échantillon: moins coûteuse
- rapide
avantages d’utiliser étude de cohorte rather than cas-témoin
- utile si expo RARE
- étudie l’effet d’une expo sur plusieurs mx en même temps
- mesure directe de l’incidence de mx dans groupes
- relation chronologique (expo av mx) facilement identifiable
inconvénients étude cas-témoins
- pas d’estimation directe du risque de maladie dans groupes (IC pas calculable directement)
- peu utile si expo rare
- chronologie expo-maladie parfois ambuguë
- biais de sélection (choix témoin ++ difficile)
inconvénients étude de cohorte
- peu utile si maladie rare
- besoin de grand échantillon: cher
- peut être ++ longue (si évol lente)
- biais de perdus de vue ++ (long)
analyse statistique de choix pour cas-témoins
régression logistique
les témoins sont nécessaires dans une étude cas-témoins pour:
a) mesurer incidence de mx chez les n-expo
b) augmenter taille échantillon pour atteindre la signification statistique
c) fournir estimation de l’expo dans pop base
d) être jumelés aux cas pour éliminer les FC potentiels
c) fournir estimation de l’expo dans pop base
régression logistique
permet de mesurer l’association entre plusieurs variables de prédiction (expo, FC..) et une issue DICHOTOMIQUE (oui/non)
ex. mesurer l’effet d’un tx (dichotomique oui/non) et l’âge (variable continue) sur la survie en 30 jours (oui/non)
régression linéaire
mesurer l’association entre plusieurs variables et une issue CONTINUE
ex. effet d’un tx (dichotomique oui/non) et de l’âge (continue) sur la durée de maladie (jours => continue)
issue dichotomique means régression ___
logistique
v ou f
en cas-témoins, on peut faire des test d’hypothèse (p-value) à partir du table 1 pour déterminer la présence de FC
v
pour regarder différences de caractéristiques entre cas et témoins
on peut aussi calculer OR avec un IC pour chaque variable (entre facteur et le fait d’être malade) => bcp + informatif
si on a un OR comme mesure d’association dans l’analyse des résultats, on sait qu’on a utilisé une la ____ comme méthode d’analyse multivariée
régression logistique => donnent toujours OR
ce modèle prédit l’issue en fonction d’une série de coefficients de régression (B) => chacun de ces B est directement transformable en OR
OR du cancer du rein en relation à l’exposition à l’amiante ajusté 1.2 (1.0-1.4)
on sait que c’est un modèle multivariée avec régression logistique (OR)
Quand on contrôle pour l’âge et tous les FC inclus dans l’analyse multivariée, on est sûrs à 95% que les odds des sujets avec un cancer du rein d’avoir été exposés à l’amiante se trouve entre 1.0 et 1.4x ceux des travailleurs sans cancer du rein => la meilleure estimation ponctuelle pour cette augmentation est de 1.2 (soit 20% d’augmentation)
il s’agit d’un résultat marginalement statistiquement significatif impliquant un effet modeste de l’amiante sur le risque de cancer du rein => pertinence clinique pauvre
on est assez certains qu’il y a un petit effet de l’amiante sur le cancer du rein mais pas une immense
« … a statistically significant 40% increased odds of kidney cancer was found among workers with self-reported ever-exposure to asbestos … ».
À quel OR comparant travailleurs exposés et non exposés à l’amiante correspond cet énoncé? Expliquez votre réponse.
OR de maladie de 1.40.
effet d’une erreur de classification non-différentielle
sous-estime la mesure d’association en la faisant tendre vers le nulle (2 groupes deviennent + similaires)
v ou f
proxy = FC
f
asso à l’expo oui mais pas à la mx (n’influence pas le dx ou la survenue de la mx)
biais de mémoire, manque de précision/détails quant à l’expo => influence les données relatives à l’expo
v ou f
en cohorte, l’issue = maladie vs en cas-témoins, l’issue = exposition
f
dans les 2 cas l’issue = maladie
en cohorte, on part des expo et on avance chronologiquement pour atteindre issue (maladie)
en cas-témoins, on part de l’issue (maladie) et on recule chronologiquement pour trouver les expositions qui auraient pu la causer
interprétation d’un OR d’exposition de 1.83 (asso infections multiples à survenue de covid longue)
les odds d’infections multiples chez les cas de covid longues sont 1.83x ceux des sujets sans covid longue
interprétation d’un OR de maladie de 1.83 (asso infections multiples à survenue de covid longue)
les odds de covid longue chez les sujets exposés à des infections multiples sont 1.83x ceux des sujets non-exposés
en quel cas on préfère utiliser les odds d’exposition vs maladie
odds d’exposition en santé publique
odds de maladie en clinique (+ intuitif d’avoir les odds de maladie en fonction de l’exposition)
comment on fait pour vérifier si un facteur de confusion confond l’association mesurée (association entièrement due aux FC)
compare les intervalles de confiance entre l’analyse univariée et multivariée
entièrement due au FC si valeur nulle inclue dans l’IC & valeur-p > 0.05 multivariée (statistiquement non significatif) alors qu’elle ne l’était pas dans l’IC univariée (statistiquement significatif).
comment on sait qu’une association est partiellement masquée par un FC
si l’association statistiquement significative en univariée devient encore + forte en multivariée
donc que l’IC s’éloigne davantage de la valeur nulle (1) et que le p-value soit encore plus petit (sous <0.05)
masquer = se rapprocher de la valeur nulle donc si on s’en éloigne en multivariée, on sait que le FC le masquait avant en univarié
différence nécessaire entre les OR d’une analyse univariée et multivariée pour considérer l’effet d’un FC
10% et +
grande différence entre une étude cas-témoins dans une cohorte par rapport à un format plus traditionnel
méthode de recrutement
méthode de recrutement cas-témoin traditionnelle
on prend tous les cas d’une pop de base et on échantillonne la même pop pour former un groupe de témoins sains: on a 2 groupes distincts par leur issue de santé dès le début de l’étude et ensuite on mesure leurs expositions
méthode de recrutement dans un cas-témoin dans une cohorte
on part d’une cohorte qu’on observe pendant une période de temps X sans établir qui fait partie du groupe témoin et cas au préalable.
on mesure l’expo au début de la période d’observation avant la survenue du premier cas
dès qu’on a un malade, on le met dans le groupe cas et on prend un sujet encore sain et on le met dans le groupe témoin pour garder le même ratio
Avantages de l’étude cas témoins dans une cohorte par rapport à une traditionnelle
- Mesure toutes les variables d’exposition et de potentiels FC dès le début: étude à l’aveugle: évite biais d’observation.
- S’assure que expo précède maladie
- meilleure comparabilité entre les groupes pcq viennent d’une même cohorte d’origine
- permet de mesurer les taux d’incidence de la maladie (vitesse d’apparition des cas)
v ou f
cas-témoin dans une cohorte peut souffrir d’un biais d’observation
généralement non pcq on ne note pas l’exposition selon l’état de santé puisqu’on ne le connait pas encore au début de l’étude quand on prend en note les expositions et FC potentiels
expo récoltée de façon indépendante de la maladie
et moins possible d’avoir biais de mémoire pcq on prend l’info avant la survenue de la maladie (donc ça ne peut pas être différentiel et influencé par le fait d’être malade donc de mieux se rappeler de nos expo: si on ne prend pas l’info de registre, les oublis sont non-différentiels donc pas trop d’inquiétude de biais)
manque de compliance entraîne-t-elle un biais d’observation dans un cas-témoin où l’exposition est tirée de registre
dans registre: on a la quantité de tx prescrite mais pas celle réellement prise (ou prise de façon adéquate)
donc on peut considérer des non-compliants comme des exposés alors qu’ils ne le sont pas réellement: sous-estime l’association car non-différentielle (oublis autant chez témoins que cas)
mais si ex cas = alzheimer, probablement + d’oublis donc là erreur différentielle qui sous-estime l’asso
Dans une étude semblable réalisée à partir des données de la RAMQ 2, des chercheurs ont mis à jour un OR ajusté de 1,5. Ils ont toutefois reconnu ne pas avoir pu mesurer et tenir compte de la consommation de vin, un comportement pouvant avoir un effet protecteur sur le risque de développer la maladie d’Alzheimer. Les auteurs ont également cité certains travaux indiquant que les utilisateurs de benzodiazépines étaient plus susceptibles d’être consommateurs de vin. Quel impact le fait de ne pas avoir contrôlé pour la consommation de vin pourrait-il avoir eu sur les résultats que ces chercheurs ont obtenus ?
vin = FC qui sous-estime l’association
Si vin est protecteur, ne pas en avoir contrôlé la consommation chez les utilisateurs de BZD entraînera une sous-estimation du OR. En effet, si on augmente le nombre de témoins exposés (augmente le nombre de sujets qui consomme des benzo et prennent du vin mais qui ne développent pas l’Alzheimer), on augmente une des variables du dénominateur du calcul du OR ce qui affecte à la baisse sa valeur.
