Module 7

Question 1

Quelles sont les 2 sources d’erreur pouvant engendrer des écarts entre une estimation et le paramètre réel?

Answer 1

Erreur aléatoire (variation due au hasard)
* Fluctuations “aléatoires” de la mesure liées à l’échantillonage

Erreur systématique (ou biais)

Question 2

Différencier précision et validité

Answer 2

Précision : c’est l’absence d’erreur aléatoire. Elle s’accroit au fur et à mesure que la taille de l’échantillon augmente

Validité : c’est l’absence d’erreur systématique. Elle n’est pas modifiée par la taille de l’échantillon

Question 3

Quand on demande si l’étude est valide, on demande de regarder s’il y a des …

Answer 3

biais

Question 4

Quand une seule mesure est obtenue (ex d’1 seule fléchette lancée = 1 seul individu à l’étude), on ne peut pas savoir si l’écart entre la mesure et la vraie valeur est due à la chance ou à un biais. Comment est-il possible alors de faire la distinction?

Answer 4

En répétant la mesure (donc de lancer plusieurs fléchettes ou accroître la taille de l’échantillon) :

• Si la moyenne des mesures correspond au paramètre, l’erreur est aléatoire
• Si la moyenne des mesures est erronée, un biais en est l’explication

Question 5

Comment savoir si une estimation est exacte?

Answer 5

Elle est exacte seulement si elle est valide et précise

• Valide : biais d’observation? de sélection? facteurs de confusion?
• Précise : le hasard peut-il, à lui seul, expliquer le résultat? (voire les erreurs de type I et II)

Pour pouvoir dire que notre résultat est exact, on doit pouvoir éliminer tous les biais et éliminer la présence d’imprécision. La validité interne est bcp plus importate que la généralisabilité de notre résultat

Question 6

Quelles sont les erreurs de classification non-différentielles?

Answer 6

Si la mesure de l’exposition (ou maladie) est imparfaite, mais que cette imperfection ne dépend pas de l’autre axe de classification

• Ex : qualité de la classification de la maladie ne dépend pas de l’exposition (mesure “indépendante de l’exposition”)
• Ex : la qualité de la classification de l’exposition ne dépend pas de l’état de santé (mesure “indépendante de l’état de santé”)

Est +/- présente dans toute étude

Question 7

Quelles sont les erreurs de classification différentielles?

Answer 7

• Si la “qualité” de la mesure de la maladie est différente entre exposés et non exposés (mesure “dépendante de l’exposition”) ou
• Si la “qualité” de la mesure de l’exposition est différente entre malades et non malades (mesure “dépendante de l’état de santé”)

Question 8

Quels sont les impacts des erreurs de classification non-différentielles?

Answer 8

• Augmentent la ressemblance entre les groupes quand la variable (exposition ou maladie) est dichotomique
• Contribuent à sous-estimer les associations mesurées en rapprochant la mesure d’association de la valeur 1,0
• Si aucune association n’existe, ce biais n’en créera pas (“biais conservateur”)
• Ont différentes conséquences selon que les résultats de l’étude révèlent ou non la présence d’une association

Question 9

Peut-on avoir une erreur de classification non-différentielle de l’issue dans un essai randomisé?

Answer 9

Oui c’est possible. Ex si on a un problème avec les outils de mesure

Question 10

Peut-on avoir une erreur de classification non-différentielle de l’exposition dans un essai randomisé?

Answer 10

À priori, non, car on ne mesure pas vraiment l’exposition, on l’assigne. Sauf que, dans chacun des 2 groupes, il y a des non-observants.

Si c’est unpeu dû au hasard (même proportion de gens non compliants dans les 2 groupes), on pourrait dire que ceux-ci sont mal classé, donc il pourrait y avoir une erreur de classification non-différentielle. Quand on a bcp de non-observants, ça rend les 2 groupes plus semblables, donc ça a exactement le même effet qu’une erreur de classification non-différentielle

Question 11

Peut-on avoir une erreur de classification différentielle sur l’issue dans un essai randomisé?

Answer 11

Si l’étude n’est pas à l’aveugle et si ceux qui documentent la maladie savent qui a quoi, ils von peut-être être plus enclins à vérifier ceux du groupe placebo

Question 12

Dans l’étude de cohorte, un biais d’observation (ou erreur de classification) peut se produire quand quoi?

Answer 12

• L’évaluateur sait qui est exposé et qui ne l’est pas (l’observation n’est pas faite à l’aveugle)
• L’exposition, par sa nature, affecte l’intensité du suivi
• Un problème de classification de l’exposition ou de la maladie survient pour quelqu’autre raison (ex instruments de mesure)

Question 13

Dans l’étude cas-témoins, un biais d’observation (ou erreur de classification) peut se produire quand quoi?

Answer 13

• L’évaluation des expositions antérieures n’est pas faite à l’aveugle
• On fait appel à la mémoire des individus pour mesurer l’exposition
• L’étude s’intéresse à une exposition “délicate”
• Quand un outil utilisé pour mesurer soit l’exposition, soit la maladie, est peu précis (non-différentiel)

Question 14

Quand on parle de biais d’observation dans une étude analytique, de quoi parle-t-on?

Answer 14

On fait généralement référence aux erreurs de classifications différentielles

Pourtant, dans une comparaison de groupe (contexte analytique), les erreurs de classification non-différentielles tendent aussi à causer un biais (mais la direction de biais est prévisible = biais conservateur)

Question 15

Par rapport aux erreurs systématiques due à la façon dont les sujets sont sélectionnés (ou perdus de vue), comment ça se poduit dans l’étude de cohorte?

Answer 15

Se produit quand la sélection (ou les pertes au suivi) des exposés et des non-exposés dépend de la susceptibilité à (ou de la présence de) la maladie
* “Quand la sélection n’est pas indépendante de la susceptibilité à la maladie”

Question 16

Par rapport aux erreurs systématiques due à la façon dont les sujets sont sélectionnés (ou perdus de vue), comment ça se poduit dans l’étude cas-témoins?

Answer 16

Se produit quand la sélection des cas et des témoins dépend de facteurs liés à la présence (ou absence) de l’exposition
* “Quand la sélection n’est pas indépendante de l’exposition”

Question 17

Quelles sont les conséquences des erreurs systématiques due à la façon dont les sujets sont sélectionnés (ou perdus de vue)?

Answer 17

• L’association observée chez les sujets étudiés est différentes de celle des sujets éligibles, mais non étudiés
• L’association mesurée dans l’échantillon est différente du paramètre qu’elle tente d’estimer (l’association réelle telle qu’elle existe dans la population)

Question 18

Dans l’essai randomisé, le plus important biais de sélection est celui lié à quoi?

Answer 18

Aux pertes au suivi

Question 19

Par rapport aux pertes au suivi, quels sont les 2 éléments auxquels on doit faire attention?

Answer 19

• Trop grand nombre de perdus de vue
• Proportions différentes de perdus de vue entre les exposés et les non exposés

Question 20

Dans quelles circonstances peut-on avoir un biais de sélection dans l’étude de cohorte et l’ECR?

Answer 20

Refus de participer (population de base -> échantillon)
* Problème de généralisabilité au mieux
* Au pire, dans l’étude de cohorte, si la participation est liée à l’exposition ET à la susceptibilité de développer la maladie : problème de validité interne (= biais)

Pertes au suivi (échantillon initial -> échantillon final)

Toute autre raison faisant que les groupes (exp/non-exp) ne sont pas choisi indépendamment de la susceptibilité à la malade (ou de l’état de santé)

Question 21

À quel moment peuvent survenir les biais de sélection dans l’étude cas-témoins?

Answer 21

Peut survenir si…
* La surveillance (et donc la détection des cas asymptomatiques) ne se fait pas à la même intensité selon l’exposition
* Le diagnostic de la maladie est lié à l’exposition
* La participation des cas et/ou de témoins est liée à leur exposition
* Toute autre raison faisant que les cas et/ou les témoins ne sont pas choisis indépendamment de l’exposition

Question 22

Qu’est-ce que le facteur de confusion?

Answer 22

Une variable externe dont l’effet est de modifier la mesure d’association qui nous intéresse
* En présence d’un tel facteur, l’association observée est due, partiellement ou totalement, à une différence entre les groupes comparés quant à ce facteur (plutôt qu’à une différence d’exposition)

Est donc un biais qui peut altérer, masquer ou renverser une association

Contrairement aux autres biais causés par des défauts dans le devis de l’étude, l’effet confondant est causé par les interrelations complexes qui existent entre une maladie et ses facteurs de risque

Question 23

Pour être un facteur de convusion, une variable externe doit être quoi?

Answer 23

• Un facteur de risque pour la maladie (chez les exposés et non-exposés)
• Associée à l’exposition, mais…
• Sans être sur le chemin causal liant exposition et maladie

Question 24

Différencier facteur de confusion, effet confondant et effet modifiant.

Answer 24

Facteur de confusion
* Variable qui confond/distortionne l’association entre une exposition (E) et une maladie (M). Cette variable exerce un effet confondant
* Vient donc biaiser la mesure de l’association entre E et M

Effet confondant
* Peut être éviter en prenant des mesures appropriées au moment de planifier l’étude
* Peut être éliminé au moment de l’analyse des données

Effet modifiant
* Est exercé par une variable qui, quand elle change de valeurs, modifie la force de l’association entre E et M. On parlera d’une variable modificatrice d’effet
* Fait en sorte que dans différents sous-groupes de la population, l’effet de E sur M n’est pas le même
* Doit donc être rapporté tel quel : ce n’est pas un biais à éviter

Question 25

Quelles sont 3 méthodes pour savoir si une variable externe est un facteur de confusion (FC)?

Answer 25

Démonstration formelle des liens FC-M (exp), FC-M (nexp), FC-E
* Si tous les liens existent et que FC n’est pas une variable intermédiaire, alors FC exerce un effet de confusion

Comparer la mesure d’association brute (ex RR) à la mesure d’association ajustée pour le FC (comme dans une analyse multivariée)
* Si elles diffèrent, on conclut que FC exerce un effet de confusion

Comparer la mesure d’association brute et les mesures d’association pour chaque strate (méthode approximative)
* Si le RR brut n’est pas compris entre les RR stratifiés pour FC, on conclut que FC exerce un effet de confusion

Question 26

Quelles sont des sources de variabilité “aléatoire” ou d’imprécisions?

Answer 26

Variations biologiques propre à chaque individu
Variation entre les individus d’un groupe
Imprécision de l’instrument de mesure
Imprécision de l’observateur utilisant l’instrument
Imprécision du sujet mesuré (si collaboration requise)

Question 27

Comment réduire l’erreur aléatoire?

Answer 27

Utiliser des instruments de mesure fiables (et valides)

Accroitre la taille de l’échantillon : plus grand nombre de mesures par individu, plus grand nombre d’individus
* Plus les échantillons sont petits, plus les estimations risquent d’être variables et de ne pas réfléter l’expérience de la population entière

Équilibrer l’échantillon

Question 28

Quelles sont les 2 façons d’évaluer le rôle joué par le hasard?

Answer 28

En faisant un test d’hypothèse et/ou
En calculant un intervalle de confiance autour de l’estimation

Question 29

Un test d’hypothèse implique quoi?

Answer 29

Le calcul, à partir du résultat de nos échantillons, d’une “statistique” et de sa plausibilité (p-value), si on suppose que :
* La prévalence est nulle; ou l’exposition n’a pas d’effet; ou les population sont semblables, etc. i.e. si on suppose que : H0 est vraie et que seul le hasard d’échantillonnage peut jouer un rôle

La décision quant au rôle du hasard :
* Si la plausibilité est grande, nous concluons que le hasard d’échantillonnage peut, à lui seul, expliquer nos résultats
* Si la plausibilité est petite, on conclut que le résultat est peu susceptible d’avoir été obtenu par hasard (donc rejet de H0)

La p-value dépend de la magnitude de l’effet ET de la taille d’étude

Question 30

Vrai ou faux?
Aucune valeur-p, aussi petite soit-elle, ne peut complètement exclure le rôle du hasard.

Answer 30

Vrai

Question 31

Qu’est-ce que l’intervalle de confiance (IC)?

Answer 31

Représente un intervalle de valeurs qui, à un certain niveau de confiance, est susceptible de contenir la valeur du paramètre que nous avons voulu estimer dans l’étude

Indique, par sa largeur, la variabilité inhérente (aléatoire) à l’estimé (ce que l’estimation ponctuelle ne peut pas faire)
* Un IC étroit indique une bonne précision et donc peu d’erreur aléatoire
* Un IC large indique peu de précision et donc particulièrement utile quand on ne trouve pas d’association

Indique par ses valeurs, la magnitude de l’effet (association)

Reflète le fait que le résultat obtenu dans l’étude peut différer de la vérité en raison de la variabilité d’échantillonnage

Question 32

Vrai ou faux?
Aucun intervalle de confiance, aussi étroit soit-il, ne peut complètement exclure le rôle du hasard.

Answer 32

Vrai

Question 33

Que signifie la “signification statistique”?

Answer 33

• N’élimine pas complètement le rôle du hasard, mais signifie qu’il est peu probable
• N’élimine pas la possibilité que les résultats puissent être la conséquence de biais ou d’effet de confusion
• Ne signifie pas que la relation entre l’exposition et la maladie en est une de cause à effet
• Ne signifie pas que les différences observées ont une “signification clinique” ou biologique

Question 34

Que signifie la “non-signification statistique”?

Answer 34

• Ne signifie pas que les résultats sont nécessairement dus au hasard, mais bien que le rôle du hasard ne peut être écarté
• Ne signifie pas nécessairement que l’associaiton n’en est pas une de cause à effet
• Ne signifie pas non plus que l’association n’a aucune signification clinique
• Peut signifier que la taille de l’échantillon était insuffisante