Semaine 2 (évaluation qualité, force preuve et recommandations) Flashcards
Définition validité interne?
Degré de confiance que l’on peut avoir dans les conclusions d’une étude (valeur de la relation établie entre les variables indépendantes et dépendantes).
Définition validité externe?
- réfère à la possibilité de généraliser les résultats d’une étude à d’autres personnes ou contextes que ceux qui sont considérés dans l’étude
- la validité externe ne peut être appréciée que si les conditions assurant la validité interne ont été jugées satisfaisantes.
Quelles questions nous permettent de questionner la validité interne d’une étude?
- Force de la relation est-elle juste?
- Quelles données me montre que résultats sont probits?
- Peut-on s’y référer?
À quoi doit-on s’intéresser si on veut évaluer la validité interne d’une étude?
- sujets
- instrumentation (info et outils de mesure)
- chercheurs (objectivité / aveugle)
- interventions (contagion / contamination)
Au niveau des sujets, à quoi s’intéresse-t-on pour évaluer la validité interne?
- sélection / assignation des sujets
- histoire
- maturation
- prise de plus d’une mesure
- effet Hawthorne
- mortalité / attrition
À quoi doit-on s’intéresser si on veut évaluer la validité externe d’une étude?
- sujets (représentativité de la population cible, autre population)
- chercheurs
- contexte (lieux, milieu clinique, temps, types de pratique)
Distinction entre erreur systématique (biais) et erreur aléatoire (chance)?
Biais: affecte la validité des mesures d’association même si taille échantillon très nombreux.
Erreur aléatoire: augmenter la taille de l’échantillon diminue l’erreur aléatoire
À quels stades d’une étude surviennent les biais?
TOUS
Surtout:
- sélection sujets
- prise de mesure
- intervention
- analyse
- interprétation
- rédaction
Quels sont les principaux biais?
- sélection (qui, combien)
- pertes au suivi
- information
- confusion (confondance)
- taille échantillonnale et analyse
Qu’est ce que le biais de sélection?
- L’échantillon n’est pas représentatif de la population cible.
- Les personnes sélectionnées diffèrent de celles non sélectionnées.
- Le nombre de sujets ne permet pas de conclure.
Différents moments où le biais de sélection survient?
- éligibilité
- recrutement
- allocation
- suivi
Sélection des sujets non-probabiliste?
Gens qu’on approche n’ont pas tous la même probabilité d’être sélectionné
- intentionnel (groupe)
- de convenance (tous les gens qui consultent)
- volontariat (ex: sait que à risque de maladie, participe à études traitements)
Sélection des sujets probabiliste?
- simple
- systématique (tirer patients dans liste officielle ou dans banque de données)
- stratifié
- par grappes
Assignation des sujets dans les groupes non-probabiliste?
- systématique
- consécutif
- appariement
ex: ceux qui le désirent, ceux qui ont, etc. Pt pas randomisés
Assignation des sujets dans les groupes randomisé?
- simple (tirage)
- par bloc
Biais de sélection dans échantillonnage?
difficile d’accéder à un échantillon de convenance représentatif de la population de l’étude (lui-même doit représenter la population théorique)
Biais de sélection dans pertes au suivi?
- présent si l’exposition des perdus de vue affecte la mesure d’association calculée
- Les caractéristiques des personnes perdues au suivi doivent être documentées, car il y a souvent des différences significatives entre les gens qui continues et celles qui abandonnent.
Comment prévenir les biais de sélection?
- recension dans des registres exhaustifs
- assignation probabiliste
- contacts fréquents
Doit-on faire une assignation probabiliste dans un groupe de comparaison?
Non, car les caractéristiques des sujets sont différents d’un groupe à l’autre (groupe de normaux)
Questions à se poser pour diminuer biais de sélection dans étude?
- Les participants formant l’échantillon d’analyse sont-ils représentatifs de la population visée
comparaison entre 2 groupes:- sont-ils réellement similaires au départ
- sont-ils similaires en nombre et caractéristiques (sauf pour exposition et outcomes) en fin de suivi
Biais d’information si instrument de mesure?
- mauvais choix d’instrument, mauvaises propriétés métrologiques ou utilisation inadéquate, variables importantes négligées (ex. effets secondaires)
- chaque choix d’outil doit être réfléchi ++, ex: valider questionnaire maison
Biais d’information si évaluateur?
connait les objectifs du projet (non à l’aveugle), non formé, procédure non standardisée
Biais d’information au niveau du sujet?
changement de comportement (effet Hawtorne), inexactitude des informations (biais de rappel) Aveugles?
Prévention des biais d’information?
- Aveuglement
▪ desévaluateurs
▪ desinterviewers
▪ des participants eux-mêmes - Réalisation des mesures par instruments de mesure validés
- Réalisation des mesures et traitement des données selon un protocole rigoureux
- Obtenir informations de différentes sources
- Stratégies pour éviter les données manquantes
Facteurs confondants / biais de confusion ?
- lié au rappel, facteur de confusion
- Affecte la mesure d’association entre une exposition X et un événement Y
- Est un facteur de risque de la maladie Y
- Ne fait pas partie de la chaîne causale entre X et Y
- Est associé à X dans la population
Prévention biais de confusion?
- randomisation
- appariement (1 pour 1)
- assortiment (n pour 1)
Correction pour biais de confusion?
- standardisation
- analyses multivariées (ex: moyenne ajustée)
- analyses stratifiées (ex: analyse moyennes homme et femme séparées, puis les compare séparément)
Considérations pratiques de la taille échantillonnale?
- accessibilité et disponibilité
de la population - capacité de réaliser l’étude en fonction des ressources humaines, matérielles, financières
Considérations statistiques de la taille échantillonnale?
- niveaux d’erreur alpha et
bêta jugé acceptable - variabilité de la mesure principale
- grandeur de la différence que l’on veut détecter
Prévention de la taille échantillonnale, comment avoir le bon n?
- calcul de la taille d’échantillon réalise
- anticiper les pertes
- sur-échantillonner et prévoir le pire
Qu’est ce que le biais d’analyse?
- choix de méthode d’analyse statistique non-approprié peut mener à sur ou sous-estimation de l’effet
- ex: rapport de cote ne représente pas rapport de risque quand la fréquence de l’évèenement dépasse 10%
Échelle PEDro est utilisé avec quel devis?
Essais cliniques randomisés
Grille NIH est utilisée avec quel devis?
Études de cohortes
Utilité d’une grille pour analyser un article?
Permet de systématiser une démarche d’analyse, mais aucune n’est parfaitement exhaustive
Pyramide de la force des types d’études? du moins fort au plus fort
- études laboratoires
- études sur des animaux
- opinions d’experts
- histoire de cas
- série de cas
- étude cas-témoin
- étude cohorte
- essais cliniques randomisés
- revue systématique et méta-analyse
Définition qualité d’un ensemble de preuves?
Somme de la qualité des études individuelles et
du niveau d’évidence qu’elles fournissent
Quantité pour déterminer la force d’un ensemble de preuves?
- Taille de l’effet estimé (observé)
- Nombre d’études et leurs tailles échantillonnales
Qu’est ce qui détermine force ensemble de preuves?
- qualité
- quantité
- consistance / hétérogénéité
** important d’identifier le système que nous utilisons pour déterminer cela **
Niveaux de force de preuve d’Oxford?
1A: revue systématique homogène d’ECR
1b: ECR individuel avec résultats précis
1c: tout ou rien
2a: revue systématique homogène d’études de cohortes
2b: étude de cohorte individuelle, ECR de faible qualité (20% de perte au suivi)
2c: études écologiques
3a: cas témoin seul
4: série de cas
5: opinion d’expert
Comment se juge le niveau d’évidence?
Par variable / outcome
Définition qualité?
confiance que l’on a dans la justesse des estimés/ effets globaux de l’intervention
Définition force?
confiance dans le fait que les estimés (effets globaux) de l’intervention peuvent soutenir la recommandation/ prise de décision.
- confiance dans la justesse des estimés
De quoi tiennent compte les recommandations cliniques?
- tous les outcomes sont considérés
- effets secondaires sont considérés
- équilibre bénéfice / inconvénient
- préférences client
- coûts
Gradations niveau A des recommandations cliniques?
- étude de niveau 1 constant
- certitude élevé que bénéfice net élevé
Gradations niveau B des recommandations cliniques?
- étude niveau 2 ou 3 constant, étude 1 extrapolé
- certitude élevée que bénéfice net est modéré
Gradations niveau C des recommandations cliniques?
- niveau 4 ou extrapolation niveau 2 et 3
- peut offrir ce service à certains patients sélectionnés, peu de bénéfice pour la plupart
Gradations niveau D des recommandations cliniques?
- niveau 5 ou étude autre niveau inconsistant / non-concluant
- certitude modéré à élevé que intervention pas bénéfique
Gradation niveau I des recommendations cliniques?
manque d’évidence ou évidence de pauvre qualité ou qui se contredisent
Rang initial de ECR et études cohorte dans sytème GRADE?
ECR: élevé
Cohorte: bas
Facteurs pouvant diminuer niveau de qualité de preuve dans sytème GRADE?
- Limitations dans le devis et la réalisation des études disponibles suggérant une probabilité élevée de biais
- Preuves indirectes (population, intervention, contrôles, mesures de résultats) – pas de comparaison directe entre les traitements OU écart par rapport à la question PICO
- Hétérogénéité ou inconsistances des résultats inexpliquées (incluant des problèmes avec des analyses de sous- groupes).
- Imprécision des résultats (grands intervalles de confiance).
- Probabilité élevée de biais de publication.
Facteurs pouvant rehausser niveau de qualité de la preuve dans sytème GRADE?
- Grande taille d’effet.
- Tous les facteurs confondants probables
réduiraient l’effet démontré, ou entraînerait un “faux effet” quand les résultats ne montrent pas d’effet. - Gradient dose-réponse.
Force des recommandations cliniques dépend de quoi dans système GRADE?
1: force de la preuve
2: équilibre bénéfice / effets secondaires
3: préférence des patients
4:coûts
