Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

MMD 1048 > MODULE 7 > Flashcards

MODULE 7 Flashcards

1
Q

V ou F: lorsqu’on pose des hypothèses, il y a toujours la possibilité que la réponse qu’on obtienne ne corresponde pas à une des hypothèses

A

Faux: il n’y a pas de trous. les hypothèses sont complémentaires!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

pourquoi on ne définit pas les hypothèses en termes de supériorité? ex:
H0: le traitement n’est pas différent du contrôle
H1: le traitement est supérieur au contrôle

A

parce que comme pour les intervalles de confiance, il est possible qu’on obtienne une valeur inférieure au contrôle, malgré que le traitement expérimental soit réellement supérieur!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

quels sont les noms des hypothèses H0 et H1?

A

hypothèse nulle et hypothèse alternative

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

quelles sont les hypothèses pour un rapport d’incidences?

A

H0: Ia/Ib = 1
H1: Ia /Ib pas = 1

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

qu’est-ce que ça veut dire si on obtient l’hypothèse nulle?

A

c’est le statut quo: on n’a pas assez d’évidences pour rejeter l’hypothèse nulle, donc on revient au point de départ.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

si la différence entre 2 traitements est trop petite, que devront nous faire pour s’assurer de sa précision?

A

on devra utiliser un nombre infini de patients

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

pour des hypothèses de non infériorité, on définit les hypothèses comment si la marge de non infériorité est de 5% et que plus l’incidence est grande, plus c’est bénéfique?

A 
H0: Pb-Pa plus grand ou égal à 5%
H1: Pb - Pa plus petit que 5%
où Pa: exp
Pb: contrôle
et on fait Pb-Pa
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

qu’est-ce qu’il est nécessaire de savoir pour établir les hypothèses de non infériorité entre 2 traitements?

A
  1. la direction du bénéfice
  2. la différence est quoi
  3. la marge de non infériorité
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

quelles sont les hypothèses quand on cherche à démontrer l’équivalence de 2 traitements?

A

H0: |Pb - Pa| > ou égal à la marge de non inf.
H1: |Pb - Pa| < que la marge de non inf.
fais toi un dessin!! imagine le

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

qu’est-ce que la règle de décision, fondamentalement?

A

on décide si H1 est plausible

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

quelles sont les 2 erreurs possibles? explique les

A

alpha: erreur de type 1: P(rejeter H0| H0 vraie)

bêta: erreur de type 2: P(ne pas rejeter H0|H1 vraie)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

pourquoi on ne peut pas réduire alpha et bêta à 0?

A

parce que ça nécessiterait une taille d’échantillon infinie. cela est non éthique et non réalisable

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

en pratique, par quoi est souvent dicté le choix du bêta?

A

par le coût de l’étude (plus le B est petit, plus on doit recruter de participants et plus c’est cher!!)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Dans quel contexte peut-on se permettre un B plus grand?

A

Dans le cas où on a plusieurs traitements possibles pour une condition (plein d’options), on peut se permettre de ne pas détecter que le tx essayé fonctionne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Dans quel contexte ne peut-on pas se permettre un B plus grand?

A

dans le cas où le tx expérimental est le seul et on veut être sûrs de le détecter si il fonctionne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

qu’est-ce que la puissance de l’étude en termes de probabilités?

A

P(rejeter H0|H1 est vraie) (même chose que la sensibilité?)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

quelle est la mécanique d’un test statistique?

A

on calcule une réponse avec un ECR. on calcule la plausibilité sous l’hypothèse nulle d’obtenir cette réponse sous la condition qu’il n’y a pas de diff entre les tx. si la prob est très faible, on rejette l’hypothèse nulle. même mécanique que pour l’IC mais on ne calcule pas des bornes, on calcule la probabilité!!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

si le alpha est de 5%, quelle est la règle de décision?

A

de rejeter H0 si la valeur-p est plus petite que le alpha

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

V ou F: lorsqu’on fait un test d’hypothèses pour un rapport d’incidences, on doit faire une transformation inverse

A

F: on calcule une valeur -p (pourcentage, pas de rapport avec le rapport d’incidences). la transformation est à faire quand on calcule les bornes d’un intervalle.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

le test d’hypothèses est une approximation de quel test?

A

le test de Student pour variances égales

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

quel test-utilise-t-on pour vérifier si les variances sont égales ou non entre 2 groupes?

A

le test de Hartley

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

décris le test de Hartley

A

2 étapes:
1- vérifier avec le test de Hartley si les variances sont inégales
2- dépendamment de si elles sont égales ou non, utiliser le test de Student pour variances égales ou inégales

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

une différence dans les variances des groupes expérimental et contrôle durant le suivi et après le traitement peut être dûe à quoi?

A

un effet de l’intervention!! la randomisation devrait assurer des groupes homogènes en termes de variance et de moyenne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

V ou F: un traitement agit seulement sur les mesures de tendance centrale du CRP

A

Faux: un traitement peut agir également sur la variance, c’est à dire la dispersion des valeurs de CRP

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

dans le contexte d’un ECR, si on observe une différence importante de variances sur le CRP, que doit-on faire?

A

On doit revoir la question de recherche. les questions de recherche pour les ECRs sont souvent formulées en termes de différences de mesures de tendance centrale mais certains traitements peuvent modifier la variance et avoir un effet positif de cette façon.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

V ou F: dans un ECR avec un CRP dichotomique comparant un tx expérimental et un tx placebo, si on observe une différence de variances entre le début du suivi et la fin, on doit penser à revoir la question de recherche

A

Faux: la variance d’une variable dichotomique dépend de la proportion. les variances sont forcément différentes si les proportions sont différentes.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

quels éléments doit-on inclure dans la description des résultats d’un étude?

A
  1. résultats par groupe
  2. estimation ponctuelle de la réponse
  3. estimation par intervalle de la réponse
  4. valeur-p
  5. direction du bénéfice si non évident
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

qu’est-ce que signifie la terminologie «différence significative»?

A

le rejet de l’hypothèse nulle

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

que signifie la terminologie «différence non significative»

A

que nous n’avons pas assez d’évidences pour rejeter l’hypothèse nulle

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

V ou F : un intervalle de confiance donne bcp plus d’informations qu’un test statistique

A

V: un intervalle de confiance est quantitatif (amplitude de la réponse), qualitatif (oui/non à la question de recherche) et indicatif de la précision (largeur de l’intervalle). un test statistique ne procure qu’une réponse qualitative.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

qu’est-ce qu’une erreur d’interprétation de la valeur-p?

A

le chercheur conclut qu’il n’y a pas de différences entre les 2 tx parce que la différence observée n’est pas statistiquement significative. le problème vient du seuil significatif de 5%

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

qu’est-ce que la différence d’importance clinique?

A

la différence entre les importances cliniques des valeurs qu’on obtient. par exemple, si on cherche des valeurs de différences entre 2 traitements qui sont supérieures au seuil de 5% et que l’importance clinique représente une différence d’au moins 5mmHg, on peut obtenir 2 types de réponses avec des importances cliniques différentes mais qui sont supérieures au seuil.
ex: intervalle 1: [4,0 ; 36,0]
intervalle 2: [0,1 ; 6,0]
Dans les 2 cas, la différence est significative au seuil de 5%, mais les valeurs de l’intervalle 1 ont plus d’importance clinique que l’intervalle 2 car elles sont principalement supérieures au seuil d’importance clinique.

33
Q

V ou F: 2 intervalles de confiance qui se chevauchent veut dire qu’il n’y a pas de différence significative de niveau 5% entre les traitements.

A

Faux! le chevauchement peut être important mais avec une valeur-p pour la différence entre les 2 groupes plus petite que 5%. il y a donc une différence entre les 2 traitements!

34
Q

Si dans un ECR avec CRP continu où nous calculons la différence de moyennes entre un groupe expérimental et un groupe placebo, nous obtenons un intervalle de confiance incluant la valeur 0, peut-on accepter H0?

A

Non! on dit plutôt qu’on n’a pas assez d’évidences pour le rejeter, ce qui ne signifie pas que H0 est vraie!

35
Q

V ou F : montrer le caractère peu probable d’un évènement signifie la certitude d’une autre alternative en particulier

A

F: c’est le sophisme du procureur!!

36
Q

qu’est-ce que la valeur-p?

A

une estimation de la probabilité de commettre l’erreur de type 1 (faux +)

37
Q

pourquoi on ne peut pas calculer la probabilité de commettre l’erreur de type 2?

A

parce que l’hyppthèse alternative n’est pas spécifique! l’erreur de type 2 est P(ne pas rejeter H0|H1 vraie) or si H/ est vraie, il y a une infinité de valeurs possibles!! on a une estimation de la valeur avec l’étude, mais il est hasardeux de l’utiliser à cause de l’erreur aléatoire justement.

38
Q

est-ce que la valeur-p et la puissance sont liées?

A

Oui: la valeur p est le alpha et la puissance est 1-bêta. plus alpha est grand, plus la puissance de l’étude est petite et vice versa. on peut donc dire que le alpha et le bêta sont proportionnels.
–> l’estimation de l’erreur de type 2 est une reformulation de l’estimation de l’erreur de type 1

39
Q

2 exemples de méthodes paramétriques qui permettent d’estimer les paramètres d’une distribution?

A
  1. intervalles de confiance

2. tests statistiques

40
Q

qu’est-ce qu’une méthode non paramétrique? exemple!

A

une méthode non paramétrique ne présuppose pas de distribution sous-jacente particulière. les mesures de CRP sont remplacées par des rangs. on classe les patients en ordre selon la mesure de CRP qu’ils ont obtenue.

41
Q

V ou F : les méthodes paramétriques sont moins sensibles aux valeurs aberrantes

A

F: les méthodes non paramétriques le sont

42
Q

quel est le principal désavantage des méthodes non paramétriques dans le contexte d’ECRs?

A

Ils ne permettent pas d’obtenir une estimation ponctuelle et une estimation par intervalle de la réponse. on obtient une valeur-p seulement.

43
Q

quels tests non paramétriques sont utilisés pour le design 1?

A
  1. test de fisher
  2. test de Mann-Whitney
  3. test de log rank
44
Q

V ou F: les intervalles de confiance permettent de réduire les biais

A

F: ils améliorent la précision, pas les biais!!! (ils n’en tiennent pas compte)

45
Q

V ou F: pour s’assurer de la puissance de l’étude, on doit recruter un maximum de participants et faire durer l’étude le plus longtemps possible

A

F: ce n’est pas éthique!! on doit recruter un minimum de participants et limiter la durée de l’étude

46
Q

Quel est le problème avec une étude de faible puissance statistique?

A

ce n’est pas éthique! cette étude ne permet pas de répondre à la question de recherche et est donc inutile. elle est non valable et donc automatiquement non éthique.

47
Q

quand est déterminée la puissance de l’étude?

A

elle est fixée lors du design de l’étude

48
Q

le paramètre bêta détermine quoi?

A

le nombre de participants de l’étude

49
Q

quels sont les paramètres nécessaires pour déterminer le nombre de participants nécessaires à une étude?

A

le bêta, la différence clinique minimale (DCM), le alpha et l’hypothèse alternative

50
Q

qu’est-ce que la DCM?

A

la différence qui est cliniquement importante, celle qu’on ne veut pas manquer!! c’est le seuil qui a le potentiel de modifier le statut quo

51
Q

V ou F: si la DCM est grande, il faut un grand nombre de participants pour s’assurer de la précision

A

F: plus la DCM est grande, moins il faut de participants (plus c’est rare d’obtenir cette différence et donc moins de chances de faux positif)

52
Q

quelle est la différence entre la DCM et la différence attendue?

A

La DCM est la différence qu’on cherche à observer pour pouvoir modifier le statut quo. la différence attendue est la différence qu’un chercheur croit pouvoir obtenir avec son traitement.

53
Q

DCM ou Différence attendue?

–> À quoi vous attendez-vous comme efficacité de votre intervention expérimentale?

A

Différence attendue

54
Q

DCM ou Différence attendue?

–> Quelle efficacité minimum est nécessaire afin de générer un changement dans la pratique clinique?

A

DCM

55
Q

pourquoi est-il hasardeux d’utiliser un résultat d’une étude précédente comme DCM?

A

À cause de l’erreur aléatoire! les résultats sont différents d’une étude à l’autre

56
Q

quel est le F1 pour une puissance de 80% et un alpha de 5%?

A

7.8

57
Q

quel est le F1 pour une puissance de 90% et un alpha de 5%?

A

10.5

58
Q

quel est le F1 pour une puissance de 95% et un alpha de 5%?

A

13.0

59
Q

quel est le F1 pour une puissance de 80% et un alpha de 1%?

A

11.7

60
Q

quel est le F1 pour une puissance de 90% et un alpha de 5%?

A

14,9

61
Q

quel est le F1 pour une puissance de 95% et un alpha de 5%?

A

17,8

62
Q

quelle est la formule de taille d’échantillon pour une différence de moyennes?

A

celle avec le 4s2

63
Q

quelle est la formule de taille d’échantillon pour une différence de proportions?

A

celle avec des p

64
Q

quelle est la formule de taille d’échantillon pour un ln(rapport d’incidences)?

A

celle avec 4 en haut (pas de s)

65
Q

comment on définit le DCM en fonction de E?

A

DCM = ln(1-E)

66
Q

dans le cas d’un ECR avec un CRP d’incidence, que signifie le n obtenu avec la formule?

A

c’est le nombre de cas incidents nécessaires pour avoir la puissance recherchée

67
Q

V ou F: un recrutement de 1000 personnes suivies pendant 2 ans est l’équivalent d’un recrutement de 2000 personnes pendant 1an

A

V

68
Q

que signifie 4% d’incidence?

A

4 infections par 100 personnes-année. autrement dit, si on suit 100 personnes pendant 1 an, 4 d’entre elles vont être infectées.

69
Q

soit un ECR d’incidence comparant un vaccin contre le VIH à un placebo pour lequel on recrute 200 patients (100 dans chaque groupe). le suivi est sur 1 an. si on a une incidence de 4% dans l’échantillon recruté et que le vaccin a une efficacité de 30% dans le groupe expérimental, à combien d’infections on s’attend dans chacun des groupes?

A

groupe placebo: 4 infections.
groupe expérimental: 30% d’efficacité (30% de réduction des infections) –> 4% x 0,7 = 2,8%
on s’attend donc à 2,8 infections dans le gr. expérimental

70
Q

soit un ECR d’incidence comparant un vaccin contre le VIH à un placebo pour lequel on recrute 1000 patients (500 dans chaque groupe). le suivi est sur 1 an. si on a une incidence de 4% dans l’échantillon recruté et que le vaccin a une efficacité de 30% dans le groupe expérimental, à combien d’infections on s’attend après 1 an de suivi?

A

groupe placebo: 20 infections
groupe expérimental: 14 infections
rép: 34 infections au total

71
Q

soit un ECR suivant 1000 participants pour tester un vaccin de prévention de l’infection au VIH. si après 1 an on obtient un total de 34 infections, de combien de patients au total avons nous besoin si 331 infections sont nécessaires pour maintenir la puissance de l’ECR?

A

9735 patients

72
Q

soit un ECR d’incidence suivant 1000 patients pendant 1 an pour obtenir un certain nombre d’infections. si on allonge le suivi à 2 ans, de combien de patients auront-nous besoin en supposant que l’incidence reste constante dans le temps?

A

500 patients

73
Q

quelle sera la puissance d’un ECR d’incidence effectué dans une région où l’incidence est nulle? (0%)

A

la puissance sera nulle

74
Q

V ou F: les allocations K:1 ont un impact sur la puissance des études

A

Vrai!la puissance est directement liée au nombre de patients recrutés. si on recrute quelques participants dans un groupe et bcp dans un autre, ça augmente l’erreur-type.

75
Q

V ou F: les allocations K:1 ont un grand impact lorsque K est relativement faible

A

Faux! plus K est grand, plus l’impact est important

76
Q

que doit-on faire pour calculer la taille d’échantillon d’un ECR avec une allocation 2:1?

A
  1. on calcule la taille d’échantillon avec la formule pour l’allocation 1:1
  2. on ajoute 15% à la taille d’échantillon obtenue
77
Q

que doit-on faire pour calculer la taille d’échantillon d’un ECR avec une allocation 3:1?

A
  1. on calcule la taille d’échantillon avec la formule pour l’allocation 1:1
  2. on ajoute 40% à la taille d’échantillon obtenue
78
Q

V ou F: il est dangereux de surestimer la taille d’échantillon car cela peut avoir un impact sur la précision

A

F: il est toujours préférable de surestimer la taille d’échantillon pour s’assurer de ne pas avoir d’erreur dans l’erreur-type, ce qui ferait en sorte que l’étude a une puissance beaucoup plus faible.

MMD 1048 (4 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions