Révision épidémio 1 Flashcards
quelles sont les variables dépendantes?
celles dont on tente d’expliquer la distribution ou la fréquence avec les variables indépendantes
- maladie
- évènement étudié
types de variables qualitatives et quantitatives
qualitatives
- nominale (oui/non)
- catégorielles
- ordinales
quantitative
- discrète (nombre de personnes)
- continues (TA)
quelles mesures peut-on faire des variables qualitatives et quantitatives?
qualitative
- mesure de fréquence
quantitative
- mesure de tendance centrale
- mesure de fréquence
quelles sont les mesures de tendance centrale et de dispersion?
mesure de tendance centrale
- moyenne
- médiane
mesure de dispersion
- étendue (min à max)
- quantiles ou étendue interquartile
- variance, écart-type
alternative à la moyenne qui est sensible au poids des valeurs extrêmes
- utiliser la médiane
- transformer la variable
médiane
valeur qui partage la série des individus disposés en ordre croissant en 2 groupes d’effectifs égaux (valeur du milieu)
quelle valeur représente la différence entre la valeur max et min
étendue
quelle valeur divise la série d’individus en ordre croissant en 4 groupes égaux
intervalle interquartile
Q1 à Q3
que permettent les intervalles interquartiles
s’affranchir des valeurs extrêmes
variance
moyenne des carrés des écarts à la moyenne de chacune des valeurs
écart-type
la racine carrée de la variance!
mode
valeur la plus fréquente dans la série
cote
cote :
- le numérateur et le dénominateur sont de même nature mais exclusifs l’un à l’autre
- pas d’unité de mesure
ex : H/F ou Malades/ømalades
indice
- rapport de deux effectifs de nature différente
- numérateur pas inclus dans dénominateur
ex : décès maternel/ nb naissances vivanvtes
taux
- mesure la vitesse ou la force de survenue d’un événement dans le temps
- exprimé en unités de temps
nb événements survenus / cumul du temps d’observation de chaque personne à risque
quelles sont les mesures de fréquences
- prévalence
- proportion d’incidence
- taux
- cote
quelle valeur est :
- un rapport entre les effectifs de deux catégories d’une même variable mais exclusifs l’un à l’autre
cote
quelle valeur :
- H/F
- Malades / ø malades
cote
quelle valeur
nombre d’individus / foyer
indice
quelle est la différence entre une côte et un indice
cote
- rapport entre deux éléments de même nature
indice
- rapport entre deux effectifs de nature différente
dénominateur du taux?
cumul du temps d’observation de chaque personne à risque de présenter le phénomène
représente la proportion de personne atteinte de la maladie à un moment donné
prévalence
incidence cumulée
proportion de personnes qui développent la maladie au cours d’une période donnée dans une population à risque
m/N
m: cas incidents au cours de la période donnée
N : taille échantillon de personnes à risque au début de la période
quelle valeur correspond au risque moyen de contracter la maladie pendant la période étudiée pour un individu à risque
incidence cumulée / proportion d’incidence / risque
les perdus de vue ont-ils un impact sur la mesure de l’incidence cumulée?
oui, il faut donc une population fermée et non dynamique
taux d’incidence
mesure la vitesse de propagation d’une maladie dans une population
I = m/T
m : nb cas incidents dans la période
T : cumul du temps d’observation de chaque personne à risque (somme des personnes-temps à risque)
quelle est l’unité de mesure du taux d’incidence
1 / T
quelle valeur est calculée avec la somme des personnes-temps à risque
le taux d’incidence
le taux d’incidence est-il influencé/biaisé par les perdus de vue
non, donc la population peut être stable. le calcule d’une personne-temps à risque s’arrête lorsque la personne ne devient plus à risque
- car elle meurt
- car elle contracte la maladie
- elle quitte l’étude
synonyme de taux d’incidence
taux d’incidence = incidence = densité d’incidence
comment calculer les personnes-temps à risque?
on fait la somme de la période de temps où chaque individu était à risque, soit la période de temps avant
- de contracter la mx
- de mourir/quitter l’étude
- la fin de la période
lien entre prévalence, durée de la maladie et taux d’incidence
P = I x d
hypothèse nulle (H0)
affirme que la différence entre 2 populations est purement due au hasard d’échantillonage, ø d’association statistique
hypothèse alternative (H1)
- le groupe A et B sont différents
- l’exposition E est associée à un effet sur l’issue O
valeur p?
la probabilité qu’un résultat se produise essentiellement par hasard. Les valeurs p varient entre un (absolument certain) et zéro (absolument impossible).
La valeur p indique les risques encourus de commettre une erreur de type I (alpha) en acceptant la différence entre les traitements, lorsqu’en réalité, il n’y avait aucune différence. The level at which you set your p value (e.g., 0.05, or 5%) is called the alpha level, and indicates the risk of a Type I error you are willing to accept when you design the study.
risque d’erreur alpha
détermine le degré de signification de l’hypothèse
erreur alpha
on conclut qu’il y a une différence entre les deux groupes alors qu’il n’y en a pas
erreur beta
on conclut qu’il n’y a pas de différence entre les deux groupes alors qu’il sont différents
lorsque le test statistique de l’hypothèse mène à rejeter une hypothèse nulle alors qu’elle est vraie.
Erreur de type I : « ou erreur alpha »
hypothèse nulle
affirmer que deux groupes ne sont pas différents, que la différence est due au hasard
si on accepte à tort l’hypothèse nulle, on…
on pense à tort que les deux groupes ne sont pas différents, que la différence observée est due au hasard
erreur beta
si on rejette à tort l’hypothèse nulle
on conclut que les groupes sont différents alors que la différence était due au hasard
mesures d’association
- absolue (échelle additive)
- différence de moyennes ou fréquences - relative (échelle multiplicative)
- rapport de moyenne ou fréquences
si la différence = 0, la mesure d’association absolue (différence) signifie…
qu’il n’y a pas d’association entre les groupes
dans une mesure d’association relative, quelle valeur signifie qu’il n’y a pas de différences/associations entre les groupes?
si le rapport entre les groupes = 1
exemples de mesures d’association de fréquences absolue (échelle additive)
- différence de prévalence
- différence d’incidence cumulée
- différence de taux
exemples de mesures d’association de fréquences relative (échelle multiplicative)
- rapport de prévalence (RP)
- rapport d’incidence cumulée (RPI ou RIc)
- rapport de taux (RT ou RI ou RDI)
- rapport de cotes (RC)
comment peut-on déterminer si l’exposition est protectrice ou délétère avec des différences de fréquences?
- différences de fréquences, comparaison de proportion
le % des exposés malades / le % des non exposés malades
- différences de fréquences, comparaison de taux
délétère si différence > 0
protecteur si différence < 0
comment peut-on déterminer si l’exposition est protectrice ou délétère avec des rapports de fréquences
- comparaison de proportions
- comparaison de taux
- comparaison de cotes
protecteur si rapport < 1
délétère si rapport > 1
risque relatif / rapport de risque
risque de maladie chez les exposées / le risque chez les ø exposés
taux d’incidence cumulative chez les exposées / le taux chez les non exposées.
un RR de 1,0…
les deux taux d’incidences de la maladie sont égaux chez les personnes exposées et les non- exposées au FDR
un RR de 2,0
les personnes exposées ont 2 fois plus de chances d’être malades que les non exposées
DÉLÉTÈRE
RR de 0,5…
les personnes exposées ont deux fois moins de chances d’être malades que les non exposées
PROTECTEUR
l’incidence cumulée de db-2 chez les gens sportif est 0,62 fois celle des gens inactifs = les personnes sportifs ont __% moins de risque de développer un db-2
38% moins de chances
comment calculer un rapport de taux d’incidence
taux d’incidence : cas incidents / personnes-temps à risques
faire le rapport des taux d’incidence des exposés / taux d’incidence des o exposés
v ou f : l’observation d’une association statistiquement significative signifie qu’elle est causale
faux, pas nécessairement!
comment l’intervalle de confiance peut déterminer s’il y a une différence statistiquement significative entre deux groupes?
différence : l’intervalle de confiance inclut la valeur 0
rapport : l’intervalle de confiance inclut la valeur 1
l’intervalle de confiance à 95% découle de…
la valeur 95% découle du seuil d’erreur alpha (rejet de l’hypothèse nulle alors qu’elle est vraie).
quelle valeur accorde-t-on généralement à l’erreur alpha?
5%, donc intervalle de confiance de 95%
si RT = 1,89 (IC à 95% 1,08 à 2,70)
est-ce statistiquement significatif?
oui, car l’intervalle de confiance du rapport de taux n’inclut pas la valeur nulle, soit 1
si RT = 1,06 (IC 0,96 à 1,16)
l’intervalle de confiance comprend la valeur nulle, soit 0, donc c’est pas statistiquement significatif
que conclure?
RIc = 1,30 (IC à 95% de 1,09 à 1,55)
l’incidence cumulée de la maladie est 30% plus élevée chez les exposés que les ø exposés
différence entre validité et précision
précision : absence d’erreur aléatoires
validité : absence d’erreur systématique
un appareil mal calibré et précis
validité faible
précision élevée
un biais / erreur systématique entraîne une faible validité ou précision?
faible validité
une erreur non systématique due au hasard donne une forte précision ou validité?
validité élevée
validité interne vs externe
interne : capacité d’une étude à estimer correctement les mesures ou les associations étudiées
externe : capacité de généraliser les résultats à une population cible
3 types d’erreurs systématiques (biais)
- biais de sélection
- biais d’information
- biais de confusion
biais de sélection
- sujets non représentatifs
- perdus de vue
- biais d’admission
- biais d’échantillonnage
- biais de survie sélective
- biais de volontariat
- biais de publication
différence entre étude de cohorte et cas-témoin
cohorte :
cas-témoin :
biais d’information
- mesures subjectives
- mesures de comportements
biais de confusion
erreur systématique induite par la présence d’un facteur associé à la fois à la maladie (#1) et au facteur d’exposition (#2)
comment éviter biais de confusion
- hasardisation (répartition aléatoire)
- ajustement
- appariement
comment éviter biais d’information
- calibration outils
- usage critères clairs
- simple ou double insu
comment éviter biais de sélection
- sélection adéquate de participants
- mise en place de mesure réduisant pertes de vue
