MODULE 8

Question 1

Qui suis-je? Résultat d’un manque de précision ou de l’effet du hasard dans l’échantillonnage qui tend à diminuer lorsqu’on augmente la taille de l’échantillon

Answer 1

Erreur aléatoire

Question 2

Lorsqu’un paramètre (à l’échelle d’une population) est estimé à partir d’un échantillon, l’estimation peut, par hasard, être erronée (imprécise). Quelles peuvent être les sources de variabilité “aléatoire” ou d’imprécisions?

Answer 2

• Variation biologique propre à chaque individu
• Variation entre 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 3

Qui suis-je? Variabilité résiduelle dans les données qu’on ne peut expliquer par la présence de biais.

Answer 3

Erreur aléatoire

Question 4

Comment prévenir l’imprécision (erreur aléatoire)?

Answer 4

• Utiliser des instruments de mesure fiables
• Équilibrer l’échantillon
• Accroître la taille de l’échantillon:
  .+ grand nb de mesures par individu
  .+ grand nb d’individus
  .+ les échantillons sont petits, + les estimations risquent d’être variables et de ne pas refléter l’expérience de la population entière

Question 5

Comment évaluer le rôle du hasard dans les études?

Answer 5

1. En faisant un test d’hypothèse; ou
2. En calculant un intervalle de confiance autour de l’estimation

Question 6

Que doit-on supposer pour faire le calcul de la valeur P?

Answer 6

• Que la prévalence est nulle; ou l’exposition n’a pas d’effet; ou les populations sont semblables; etc., … i.e. on doit supposer que:
• H0 tient et seul le hasard d’échantillonnage peut jouer un role

Question 7

Que peut-on conclure lorsque la valeur p est grande?

Answer 7

On conclut que la hasard d’échantillonnage peut, à lui seul, expliquer nos résultats.

Question 8

Que peut-on conclure si la valeur p est petite ?

Answer 8

Si la p-value est petite, nous concluons que le résultat est peu susceptible d’avoir été obtenu par hasard (rejet de H0)

*Attention: Aucune valeur-p, aussi petite soit-elle, ne peut complètement exclure le rôle du hasard : “P-value = 0,04”

Question 9

De quoi dépend la valeur P?

Answer 9

De la magnitude de l’effet et de '’n’‘

Question 10

Qu’est-ce qu’un intervalle de confiance?

Answer 10

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;

Question 11

Comment interpréter un intervalle de confiance?

Answer 11

Indique, par sa largeur, la variabilité inhérente (aléatoire) à l’estimation (ce que l’estimation ponctuelle ne peut pas faire)

• IC étroit indique une bonne précision et donc peu d’erreur aléatoire
• IC large indique peu de précision et donc: Indique, par ses valeurs, la magnitude de l’effet (association) et Reflète le fait que le résultat obtenu dans l’étude peut différer de la vérité en raison de la variabilité d’échantillonnage.

Question 12

Quelles sont les erreurs liées aux fluctuations aléatoires d’échantillonnage?

Answer 12

Erreur de type 1 et type 2

Question 13

Montrer une différence qui n’existe pas.
Quel type d’erreur ?

Answer 13

Type 1

Question 14

Ne pas montrer une différence qui existe.
Quel type d’erreur ?

Answer 14

Type 2

Question 15

La probabilité de trouver un effet “statistiquement significatif” simplement par mauvais hasard (erreur alpha) ____ avec le nombre de facteurs étudiées (ou de comparaisons effectuées)

Answer 15

Augmente
C’est pourquoi Il faut interpréter avec prudence toute association ”statistiquement significative” imprévue

Question 16

Quand on dit que c’est statistiquement significatif, qu’est-ce que ça veut dire?

Answer 16

• 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;
• Doit être interprétée avec prudence quand elle est inattendue (comparaisons multiples par exemple)

Question 17

Quand on dit que c’est non statistiquement significatif, qu’est-ce que ça veut dire?

Answer 17

• Ne signifie pas que les résultats sont nécessairement dû au hasard, mais bien que le rôle du hasard ne peut être écarté;
• Ne signifie pas nécessairement que l’association 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.

Question 18

Si un biais, un facteur de confusion ou le hasard ne semblent pas expliquer une association observée, pouvons-nous conclure que l’exposition étudiée cause la maladie?

Answer 18

Non
On ne peut jamais dire qu’il y a une causalité, on peut seulement associer

Question 19

Que sont les critères de Bradford Hill?

Answer 19

• Temporalité: Pour être la cause d’une maladie, une exposition doit en précéder le développement (Condition sine qua non et Parfois difficile à déterminer)
• Force de l’association: Plus une association est forte (p.ex. RR↑), moins elle est susceptible d’être entièrement expliquée par un biais
  Plusieurs associations faibles sont causales
  Plusieurs associations fortes sont non-causales
• Constance ou stabilité: Une association retrouvée dans des études de différents types ou dans différentes populations est plus susceptible d’être causale
• Effet dose-réponse: Si la force de l’association est d’autant + grande que l’exposition est ↑, la probabilité d’un lien causal est ↑(Ne serait pas observé dans le cas d’un effet de seuil)
• Plausibilité biologique: Il existe un mécanisme biologique connu pouvant expliquer comment l’exposition pourrait causer la maladie.
• Spécificité: Une exposition particulière ↑/↓ le risque d’une maladie mais pas des autres, renforce le lien de causalité. (une cause peut avoir de nombreux effets)
• Expérimentation: Des études expérimentales montrent que le retrait/prévention de l’exposition ↓ la fréquence de maladie

Question 20

Vrai ou faux? L’absence de constance exclut un lien de cause à effet.

Answer 20

Faux, n’exclut pas

Question 21

Quel est le bémol du critère de plausibilité biologique dans les critères de bradford Hill?

Answer 21

• Très subjectif
• Une absence de plausibilité peut simplement refléter l’état des connaissances

Question 22

H. pylori cause-t-elle le cancer de l’estomac?

Answer 22

Oui

Question 23

Comment ‘‘compter les cas de maladies’’?

Answer 23

Question 24

Comment ‘‘compter les décès’’?

Answer 24

Question 25

La prévalence d’une maladie mortelle M est plus faible chez les ♀ que chez les ♂. Pourtant, il y a 6 mois, elle était identique et on sait que sa létalité est la même pour tous.
Comment est-ce possible?
1. M dure plus longtemps chez ♂
2. M dure plus longtemps chez ♀
3. L’incidence cumulée de M est plus élevée chez ♂
4. L’incidence cumulée de M est plus élevée chez ♀
5. Les facteurs de risque de M sont plus fréquents chez ♀

Answer 25

L’incidence cumulée de M est plus élevée chez ♂
Si on dit que la létalité est la même, on dit que la durée de la maladie est la même

Question 26

On dit que le taux ajusté de mortalité d’un pays n’est pas réel mais plutôt « fictif »
Quelle partie de son calcul le rend fictif?
1. Le taux brut de mortalité
2. Les taux de mortalité spécifiques aux groupes d’âge
3. Le nombre de décès observés dans chaque groupe d’âge
4. La taille de la population de ce pays
5. La distribution par groupes d’âge

Answer 26

5. La distribution par groupes d’âge

Question 27

Une cohorte de 1000 femmes est suivie du 01 janvier 1998 au 31 décembre 1998 pour mesurer l’incidence de l’infection VPH; 365 (réparties de façon uniforme dans l’année) ont été infectées par le VPH (aucune n’était infectée au départ).
Quel est le taux d’incidence ?

Answer 27

Pour calculer, au dénominateur, il faut faire la moyenne si on dit que la répartition est uniforme

Question 28

Une cohorte de 1000 femmes est suivie du 01 janvier 1998 au 31 décembre 1998 pour mesurer l’incidence de l’infection VPH; 365 (réparties de façon uniforme dans l’année) ont été infectées par le VPH (aucune n’était infectée au départ).
Quelle est l’incidence cumulée ?

Answer 28

Tout le monde est à risque au départ
incidence cumulée = 365/1000 = 36,5%

Question 29

Résumez ce que c’est la sensibilité, spécificité, prévalence et valeurs prédictives

Answer 29