PPT : Synthèse module 1-4 Flashcards
Nommez les types de variables (4) et des exemples
- Indépendante
- Exposition
- Variables explicatives
- Variables prédictives
- Déterminants
- Facteurs de risque
- Etc.
- Dépendante
(celle dont on tente d’expliquer la distribution ou la fréquence avec les variables indépendantes)
* Maladie * Événement étudié
- Qualitative
- Nominales
- ex.: présence ou absence d’une maladie
- Catégorielles
- ex.: ethnie
- Ordinales
- ex.: niveau de scolarité
- Mesure de fréquence
- Nominales
- Quantitative
- Discrètes
- ex.: nombre de personnes
- Continues
- ex: tension artérielle, IMC
- Mesure de tendance centrale
- Mesure de fréquence
- Discrètes
Décrire : Mesures de tendance centrale et de dispersion
Résumer les données en quelques paramètres
Les mesures de tendance centrale et de dispersion servent à quoi?
Permet les comparaisons entre les distributions d’une variable dans deux ou plusieurs groupes
Nommez les mesures de tendance centrale (2)
- Moyenne
- Médiane
Nommez les mesures de dispersion (3)
- Étendue (min à max)
- Quantiles ou étendue interquartile
- Variance, écart-type
Décrire : Moyenne (2)
- Somme algébrique des valeurs observées divisée par le nombre de sujets
- Sensible au poids des valeurs extrêmes
Nommez des alternatives de la moyenne (2)
- utiliser la médiane
- transformer la variable
Décrire : Médiane
Valeur qui partage la série des individus, disposés en ordre croissant, en 2 groupes d’effectifs égaux
Décrire : Étendue (2)
- Différence entre la valeur maximale et la valeur minimale
- Subit l’influence des valeurs extrêmes
Décrire : Intervalle interquartile (3)
- Quartiles partagent la série des individus, disposés en ordre croissant, en 4 groupes d’effectifs égaux
- Q1 à Q3
- S’affranchit des valeurs extrêmes
Décrire : Variance et écart type (6)
- Reflète la manière dont toutes les observations s’écartent d’une valeur centrale
- Plus la valeur est élevée, plus la dispersion est grande
- Plus la valeur est basse, plus la dispersion est petite
Nommez les mesures de fréquence (4)
- Proportion
- Cote
- Indice
- Taux
Décrire : Proportion (4)
- Rapport entre deux entités provenant d’un même ensemble
- Le numérateur fait partie du dénominateur
- p = a/(a+b)
- Toujours comprise entre 0 et 1 ou entre 0% et 100% ¡ Pas d’unité de mesure
- Exemple: Couverture vaccinale
Décrire : Cote (Odds) (4)
- Rapport entre les effectifs de deux catégories d’une même variable
- Le numérateur et le dénominateur sont de même nature mais exclusifs l’un à l’autre
- Pas d’unités de mesure
- Exemple: Hommes/Femmes ou Malades/Non-malades ou Exposés/Non- exposés
Décrire : Indice (2)
- Rapport de deux effectifs de natures différentes
- Le numérateur n’est pas inclus dans le dénominateur
Nommez des exemples d’indice (4)
- Indice de mortalité maternelle
- Nombre de personnes/médecin
- Nombre d’individus/foyer
Décrire : Taux (4)
- Mesure la vitesse ou la force de survenue d’un événement dans le temps
- Numérateur: nombre d’événements survenus
- Dénominateur: cumul du temps d’observation de chaque personne à risque de présenter le phénomène
- Toujours exprimé en unités de temps
Nommez les mesures de fréquence en épidémiologie (4)
- Prévalence
- Proportion d’incidence (ou incidence cumulative ou risque)
- Taux (ou incidence ou densité d’incidence)
- Cote (odds)
Décrire : Prévalence (3)
- Proportion de personnes atteintes de la maladie (cas prévalents) à un moment donné dans une population
- P = m/N
- où m représente le nombre de cas prévalents (tous les cas, nouveaux et anciens confondus) à un moment donné; et N, la taille d’échantillon
- Varie de 0 à 1 (0 à 100%)
- Exemple : La prévalence de la maladie d’Alzheimer chez les personnes de ≥ 65 ans au Canada a été estimée à 6,8% lors d’une enquête descriptive effectuée en 1991
Décrire : Incidence cumulée (ou proporiton d’incidence ou risque) (5)
- Proportion de personnes qui développent la maladie (cas incidents) au cours d’une période donnée dans une population
- Ic = m/N
- où m représente le nombre de cas incidents (nouveaux cas) au cours de la période de temps donnée; et N, la taille de l’échantillon (constitué de personnes à risque au début de la période d’observation)
- Varie de 0 à 1 (0 à 100%
- L’Ic d’une maladie dans une population correspond au risque moyen de contracter la maladie pendant la période étudiée pour un individu appartenant à cette population
- Erreur de mesure si plusieurs perdus de vue au cours de la période donnée
- Exemple: Chez les femmes ayant eu une mastectomie pour cancer du sein, on observe un incidence cumulative de décès de 6,8% 5 ans après la chirurgie.
Nommez les conditions d’utilisation de l’incidence cumulée
À AJOUTER
Décrire : Taux d’incidence (ou incidence ou densité d’incidence) (3)
- Mesure de la vitesse de propagation d’une maladie dans une population
- I = m/T
- où m désigne le nombre de cas incidents (nouveaux cas survenus) pendant la période de l’étude; et T, le cumul du temps d’observation de chaque personne à risque de contracter la maladie (somme des personnes-temps à risque)
- Unité de mesure = Temps -1
- Pourquoi on utilise parfois une approximation et d’autres fois les temps exacts?
- On tentera d’utiliser l’information la plus précise disponible concernant le temps d’observation des individus étudiés
Incidence et prévalence sont liées par quoi?
- la durée (létalité) de la maladie
- Dans une population dynamique ouverte (si P petite, < 10%)
P≈Ixd
où I désigne le taux d’incidence; d, la durée de la maladie;
et P, la prévalence
C’est quoi le lien entre incidence et incidence cumulée? (2)
- Si I est constante sur la période d’étude
- Ic = 1 − e-I∆t
- où Ic désigne l’incidence cumulée; I, l’incidence (ou taux d’incidence); et Δt, la période de temps d’étude
- Si l’incidence est faible ou le temps considéré est court, alors IΔt est petit, et ainsi Ic ≈ IΔt
Décrire : Espérance de vie (5)
- Durée moyenne de vie de l’ensemble des personnes d’une population
- Excellent indicateur de l’état de santé d’une population
- Calculs basés sur les taux de mortalité spécifiques par groupe d’âge de la population
- Peut être estimée à des âges variés
- On s’intéressera aussi parfois plus précisément à l’espérance de vie en bonne santé ou sans incapacité
Décrire : Hypothèse nulle (H0)
Affirme que la différence observée entre 2 populations est purement due au hasard d’échantillonnage ou qu’il n’y pas d’association statistique entre 2 variables
Décrire : Test d’hypothèse
Probabilité d’observer une valeur aussi ou plus extrême que celle qui a été calculé par un test statistique
- calcul probabilité (valeur-p)
- détermine le degré de signification (risque d’erreur ⍺)
- mesure d’association entre l’exposition E et l’issue O
Test d’hypothèse
Remplir ce tableau
Décrire : Mesures d’association absolue (échelle additive) (2)
- Différences de moyennes ou fréquences
- S’il n’y a pas d’association, pas d’effet, pas de différence entre les groupes, la différence = 0
Décrire : Mesure d’association Relative (échelle multiplicative) (2)
- Rapport de moyennes ou fréquences
- S’il n’y a pas d’association, pas d’effet, pas de différence entre les groupes, le rapport = 1
Interprétez ce tableau : Différences de fréquences - Comparaison de proportion
- C’est quoi une fréquence comparable?
- Une différence <0?
- Une différence >0?
- Fréquences comparables, différence ~ 0 (valeur nulle)
- Exposition protectrice, différence < 0
- Exposition délétère, différence > 0
Interprétez ce tableau : Différences de fréquences - Comparaison de taux
- C’est quoi une fréquence comparable?
- Une différence <0?
- Une différence >0?
- Fréquences comparables, différence ~ 0 (valeur nulle)
- Exposition protectrice, différence < 0
- Exposition délétère, différence > 0
Interprétez ce tableau : Rapport de fréquences - Comparaison de proportion
- C’est quoi une fréquence comparable?
- Exposition protectrice?
- Exposition délétère?
- Fréquences comparables, rapport ~ 1 (valeur nulle)
- Exposition protectrice, rapport < 1
- Exposition délétère, rapport > 1
Interprétez ce tableau : Rapport de fréquences - Comparaison de taux
- C’est quoi une fréquence comparable?
- Exposition protectrice?
- Exposition délétère?
- Fréquences comparables, rapport ~ 1 (valeur nulle)
- Exposition protectrice, rapport < 1
- Exposition délétère, rapport > 1
Différence de risque vs risque relatif
- Est-ce que DR est influencé par le risque de base (P0)?
- Est-ce que RR est influencé par le risque de base (P0)?
- DR n’est pas influencé par risque de base (P0)
- RR est influencé par risque de base (P0)
Comparaison de cotes (rapport de fréquences)
Comment calculer une cote d’exposition?
Comparaison de cotes (rapport de fréquences)
Comment calculer le rapport de cotes?
RC = cm/cn-m
Interprétez ce tableau : Rapport de fréquences - Comparaison de cotes
- C’est quoi une fréquence comparable?
- Exposition protectrice?
- Exposition délétère?
- Fréquences comparables, rapport ~ 1 (valeur nulle)
- Exposition protectrice, rapport < 1
- Exposition délétère, rapport > 1
Vrai ou Faux
L’observation d’une association statistiquement significative signifie que celle-ci est nécessairement causale.
Faux
- L’observation d’une association statistiquement significative ne signifie pas que celle-ci est nécessairement causale.
- Il faut prendre en considération l’ensemble des connaissances sur un sujet pour être en mesure de déterminer si les données probantes supportent ou non une association de nature causale.
- Critères de Hill servent de guide, mais ne constitue pas une garantie qu’une association est causale
Un intervalle de confiance (IC) à 95% nous donne de l’information sur quoi? (2)
la précision de notre estimation et sur sa concordance entre les données observées et le modèle.
Si un intervalle de confiance comprend la valeur nulle, i.e. 0 pour une différence ou 1 pour un rapport, ça nous indique quoi?
qu’il n’y a pas de différence statistiquement significative entre 2 groupes (la différence observée peut relever du hasard) si l’ensemble des postulats du modèle sont respectés.
La valeur « 95% » (d’intervalle de confiance) découle de quoi?
du seuil d’erreur alpha.
Déctrire : Erreur alpha (3)
- Une erreur alpha désigne le rejet de l’hypothèse nulle alors qu’elle est vraie.
- Une erreur alpha de 5% sera le plus souvent tolérée dans la littérature médicale.
- Ce seuil servira aussi à l’interprétation de la valeur-p.
La précision d’une étude réfère à quoi?
l’erreur due au hasard inhérente à l’estimation de la réalité d’une population cible à partir d’un échantillon
Décrire : Biostatistique
la science qui estime les probabilités d’erreurs aléatoires lors d’inférence à la population cible à partir d’un échantillon
Décrire : Précision
Absence d’erreur aléatoire
Décrire : Validité (5)
- Capacité d’appréhender correctement un phénomène
- Le résultat d’une mesure sera valide s’il correspond à la valeur réelle
- Les résultats d’une étude seront valides s’ils correspondent à la situation réelle (non-biaisés)
- Réfère à la qualité des outils de mesure et de la méthodologie de recherche
- Notion de validité interne et externe
Décrire : Validité interne
Capacité d’une étude à estimer correctement les mesures ou les associations étudiées
Décrire : Validité externe
Capacité de généraliser les résultats à une population cible
Nommez les types d’erreurs systématiques (3)
- Biais de sélection
- Biais d’information
- Biais de confusion
Décrire : Biais de sélection (4)
- Biais systématique relié aux procédures de sélection des participants dans l’étude ou dans les analyses
- Il y a biais de sélection lorsque la relation exposition-maladie n’est pas la même chez les participants sélectionnés pour l’étude (ou les analyses) et les sujets aptes à y participer
- Mauvaise représentation des cas ou personnes-temps ou sujets non représentatifs
- Peut entraîner une sous-estimation ou une surestimation d’une association
Nommez les types de bias de sélection (6)
- Biais d’échantillonnage (ex. patients hospitalisés)
- Biais de survie sélective (ex. études cas-témoins)
- Biais d’admission (Berkson)
- Biais de volontariat
- Perdus de vue
- Biais de publication (revue systématique)
Décrire : Biais d’information (ou de classement) (3)
- Erreur systématique reliée à la mesure incorrecte d’un facteur
- Mesures subjectives telles que la douleur
- Mesures des comportements (alimentation, alcool, etc…)
- Etc.
- Différentiel ou non différentiel
- Peut sous-estimer ou surestimer une association
Décrire : Biais de confusion (2)
- Erreur systématique induite par la présence d’un facteur associé à la fois à la maladie (#1) et au facteur d’exposition (#2)
- Ne doit pas faire partie de la chaine causale (#3) entre l’exposition et la maladie
Nommez les moyens de contrôle des biais de sélection (2)
- Sélection adéquate des participants
- Mise en place de mesure réduisant les pertes de vue
Nommez les moyens de contrôle des biais de d’information (3)
- Simple ou double insu
- Calibration des outils de mesure
- Usage de critères clairs
Nommez les moyens de contrôle des biais de confusion (3)
- Hasardisation (répartition aléatoire)
- Ajustement
- Appariement
