Statistiques +VR+Valid/vérif Flashcards

Question 1

Q

Qu’est-ce que la variance?

Answer

A

Écart type au carré

Question 2

Q

Qu’est-ce que l’intervalle interquartile et comment on le calcule?

Answer

A

Mesure de dispersion pour distribution non gaussienne, intervalle entre 25e centile et 75e centile (représente le 50% du milieu de la distribution)
EI = Q3-Q1

Question 3

Q

À quoi sert un test de normalité et nomme une test pour calculer la normalité?

Answer

A

-Test permettant de savoir si tes résultats forme une cloche gaussienne (distribution symétrique autour de la moyenne).
-Test de Kolmogorov-Smirnov

Question 4

Q

J’ai des données qui ne semblent pas avoir une distribution normale, qu’est-ce que je peux faire?

Answer

A

Faire un graph en transformant les données (les mettre au carré ou faire le log)

Question 5

Q

Dans une distribution normale, quels sont les % des données dans +/-1, +/-2 et +/-3 écart-type?

Answer

A

+/- 1 écart type = 68.26% de la population
+/- 2 écart type = 95.44% de la population
+/- 3 écart type = 99.72% de la population
**on a environ 0.3% de chance d’être à plus de 3 écart-type de la moyenne, donc souvent on va refaire la mesure ou l’analyse avant de rejeter la données.

Question 6

Q

Qu’est-ce que l’erreur standard de la moyenne (SEM) et comment on la calcule?

Answer

A

Déterminer l’intervalle de confiance autour de la moyenne calculée (donne une idée si la moyenne est bonne ou pas)
SEM = écart type/ (racine carré de N)

Question 7

Q

Comment déterminer une vraie moyenne?
Exercice: en évaluant 31 contrôles de qualité, vous avez obtenu une moyenne de 210umol/L et un écart-type est de 4.2umol/L. Quel est le CV et entre quelles valeurs se situent la vrai moyenne?

Answer

A

Vraie moyenne = moyenne échantillon ± t* SEM (puisque pas possible de savoir la vraie moyenne d’une population)
CV = 4.2/210*100 = 2%
SEM = 4.2/√31 = 0,75 umol/L
Dans tableau de référence: t pour 95% de probabilité, bilatéral, avec 30 degrés de liberté (N-1) = 2,04
Donc: vrai moyenne = 210 umol/L ± (2,04 * 0,75 umol/L) = entre 208,5 à 211,8 umol/L, avec 95% de probabilité

Question 8

Q

Quand on compare 2 échantillons provenant de 2 populations, on observe des différences entre les moyennes et les écarts-types des 2 échantillons. Quelles sont les différentes hypothèses à tester pour savoir si la différence est réelle?

Answer

A

Hypothèse nulle ou alternative
Hypothèse nulle (Moyenne 1 = Moyenne 2, Variance 1 = Variance 2)
Hypothèse alternative (moyenne et variance différente)
-bilatérale (Moyenne 1 ≠ Moyenne 2)
-unilatérale: Moyenne 1 > Moyenne 2 ou Moyenne 1 < Moyenne 2

Question 9

Q

Dans quelle situation peut-on utiliser un test de T et quelles sont les 2 prérequis?

Answer

A

-utilisé pour comparer la moyenne de deux groupes
-les données doivent être distribuées de façon normale et avoir des variances similaires (tester avec test F)

Question 10

Q

Comment peut-on savoir si nos deux moyennes de tests différents ont des variances similaires?

Answer

A

Grâce au test de F qui compare Fcalculé (variance 1 / variance 2) avec une table de valeur de Fcritique. Si Fcrit>Fcalc, accepte l’hypothèse nulle (variance 1 = 2).

Question 11

Q

Exercice (Test de F): Vous avez 2 groupes
A) n=33, moy 2260 mg/L, ET 582 mg/L
B) n=29, moy 2650 mg/L, ET 473 mg/L
Est-ce que les variances des deux groupes sont similaires et pourriez-vous procéder au test de T?

Answer

A

1) Fcalc = (variance 1/variance2) = (ET1)^2/ (ET2)^2 = (582)^2/ (473)^2= 1,52
2) Fcrit selon le tableau = 1.84
Degrés de liberté:
Numérateur N=33, df= 32
Dénominateur N=29, df= 28
3) Fcalc (1.52) < Fcrit (1.84) → j’accepte l’hypothèse nulle et je suppose que les variance son égale
4) possible de faire test de T (Si valeur absolue T < Tcritique → accepter hypothèse nulle)

Question 12

Q

EXAM. Qu’est-ce que la sensibilité et la spécificité, et comment les calculer?

Answer

A

Sensibilité: Capacité à identifier correctement les vrais positifs (vrais malades)
-sensibilité = VP/ (VP+FN) = VP/total des malades
-ex: sensibilité de 80% = 8 patients malades sur 10 auront un résultat positif
Spécificité: Capacité du test à identifier les vrais négatif (non malades)
-spécificité = VN / (VN+FP) = VN/non malades
-spécificité 90% = 9 sujets non malades sur 10 auront un résultat négatif

Question 13

Q

Qu’est-ce que le seuil et comment il affecte la sensibilité et la spécificité?

Answer

A

-seuil : cutoff, détermine sensibilité et spécifique
-la sensibilité et la spécificité sont toujours réciproques
-seuil plus bas → sensibilité augmentée et spécificité diminuée
-seuil plus haut → sensibilité diminuée et spécificité augmentée

Question 14

Q

EXAM. Qu’est-ce que le VPP et VPN, et comment les calculer?

Answer

A

Valeur prédictive positive (VPP) : proportion de patients avec résultat positif qui ont effectivement la maladie
-VPP = VP / (VP + FP) = VP / (tous les +)
Valeur prédictive négative (VPN) : Proportion des patients avec résultat négatif qui ne sont effectivement pas malade
-VPN = VN / (VN+FN) = VN / (tous les -)

Question 15

Q

Comment calculer l’exactitude diagnostique?

Answer

A

exactitude diagnostique = (VP + VN) / total
*c’est comme un % de fois qu’on teste les bons dans les deux sens

Question 16

Q

Est-ce que la sensibilité, la spécificité, la VPP et la VPN sont affectés par la prévalence d’une maladie?

Answer

A

Seulement les VPP et VPN sont fortement influencé par la prévalence
Ex: pour une même sensibilité (seuil), un test performe mieux quand il y a une haute prévalence de la maladie que quand il y a une plus faible prévalence (trop de faux négatifs)

Question 17

Q

EXAM. À quoi sert la courbe ROC et comment est-elle construite?

Answer

A

-Permet de choisir le seuil optimal et de comparer deux tests entre eux
-elle est construite en mettant sur un graph le taux de vrais positifs (sensibilité) en fonction du taux de faux positifs (1- spécificité) pour différents seuils choisis
-plus la surface sous la courbe ROC est grande, plus le test est performant (donc courbe ROC linéaire = pourri)

Question 18

Q

Dans quelles situations il faut préférer la sensibilité vs la spécificité?

Answer

A

-Si on veut exclure = mieux d’avoir un seuil qui favorise la sensibilité
-Si on veut catégoriser/diagnostiquer = favoriser spécificité au détriment de la sensibilité

Question 19

Q

Exercice de performance diagnostique d’un test:
-Le test a 71% de sensibilité et 85% de spécificité
-La prévalence est de 30% dans cohorte de 1000 patients

Answer

A

1) total des malades = 0.3x1000 = 300
2) total des non-malades = 1000-300 = 700
3) Sensibilité = 71% donc =.71x300 = 213 VP
4) Spécificité = 85% donc 0.85x700 = 595 VN
5) on peut compléter le nombre de FN (300-213=87) et de FP (700-595=105)
6) Le total des + = 213+105=318 et le total des - = 87+595=682
7) VPP = VP / (VP + FP) = 213 / 318 = 67% et VPN = VN / (VN + FN) = 595 / 682 = 87%
*possible qu’à l’exam il faut calculer la spécificité et la sensibilité à partir de ca

Question 20

Q

Interprète ces résultats avec les informations suivantes pour un test urinaire : prévalence est de 30%, VPP = 67% et VPN = 87%.

Answer

A

-si je trempe une bandelette urinaire dans l’urine d’une population avec une prévalence de 30% et que j’obtiens un résultats positif, j’ai 67% des chances que cette personne ait une infection urinaire (ou présence de leucocyte dans l’urine)
-si je trempe une bandelette urinaire dans l’urine d’une population avec une prévalence de 30% et que j’obtiens un résultats négatif, j’ai 87% des chances que cette personne ait pas une infection urinaire (ou présence de leucocyte dans l’urine), mais 13% de chance que oui

Question 21

Q

EXAM. À quoi servent les likehood ratios et comment les calculer?

Answer

A

Peut être utilisé pour regarder la probabilité post-test en utilisant la probabilité pré-test sous forme de cote. Grâce à ces résultats, il est possible de savoir qu’elle prévalence est nécessaire pour que le test soit utile
LR+ =(sensibilité) / (1-spécificité) = (fréq. VP / fréq. FP)
LR- : (1-sensibilité)/ (spécificité) = (fréq. FN / fréq. VN)

Question 22

Q

Est-ce que les likehood ratios dépendent de la prévalence?

Question 23

Q

Nous avons un likehood ratio+ de 4.73 et une prévalence de 30%, quelle est la probabilité que le patient aille la maladie?

Answer

A

-Prévalence de 30%:
Cote = probabilité/(1–probabilité) = 0.3/(1-0.3) = 0.43
-Si test positif : cote*LR+ = 0.43x4,73(LR+) = 2.03
-En probabilité = cote/(cote+1) = 2,03 / (2.03+1) = 0.67 donc 67% qu’on aille vraiment la maladie

Question 24

Q

Au laboratoire on peut établir les cibles de performances désirables pour l’imprécision analytique, le biais analytique et l’erreur totale. Comment on les calcule?

Answer

A

-Imprécision désirable : CVanalytique doit être plus petit ou égale à 0.5xCVbiologique intra
-Biais désirable : biais doit être plus petit ou égal à 0.250x√[(CVbiol.intra)^2+(CVbiol.inter)^2]
-Erreur totale = Biais désirable + 1,65ximprécision désirable

Question 25

Q

Qu’est que le RCV (Reference Change Value)?

Answer

A

-% variation requis pour obtenir une différence significative entre deux résultats avec un niveau de probabilité donné
-ex: est-ce que le traitement marche?
-Calculé avec CVanalytique et CVbiologique intra-individuel

Question 26

Q

Comment calculer le RCV?

Answer

A

RCV = CVtotal = Z * √2 * √[ (CVanalytique^2) + (CVbiol intra^2)]
-Z=dans table de référence (ex: 95% = 1.96 pour test bilatéral)
-Pour être significatif (avec une probabilité donnée), le changement entre deux résultats doit être plus grand que le RCV

Question 27

Q

Qu’est-ce qui peut affecter les variations biologiques intra-individuelles?

Answer

A

Instabilité de l’état du patient (médicaments, détérioration d’un état pré-existant ou apparition d’une pathologie)

Question 28

Q

Quand s’occuper des valeurs de référence ?

Answer

A

-nouvelle analyse
-nouvelle méthode analytique
-appels des équipes soignantes (ex: analytes tjrs haut)
-dérive d’une méthode

Question 29

Q

Nomme moi certaines lacunes dans les intervalles de références dans les laboratoires?

Answer

A

-déterminées il y a longtemps avec instruments plus vieux et méthodes moins justes
-sont disponibles seulement pour population caucasienne
-référence pédiatrique sont incomplets et/ou pas à jour
-pas de valeurs de référence chez la femme enceinte.

Question 30

Q

Nomme moi les types d’échantillonnage pour sélectionner des individus de référence

Answer

A

-Direct
-Indirect
-À priori
-À postériori

Question 31

Q

Qu’est-ce que l’échantillonnage direct et quels sont les avantages inconvénients?

Answer

A

-Échantillonnage direct : Sélectionner individus dans une population en se basant sur des critères d’inclusion
-Avantages : rigoureux, recommandé par IFCC et CLSI
-Inconvénients: très couteux, très difficile pour les laboratoires individuels et possible comme projet multicentrique

Question 32

Q

Qu’est-ce que l’échantillonnage (direct) à priori et à postériori?

Answer

A

-À priori : Les données n’existent pas encore (recrute des individus pour prélever échantillons et faisable pour études plus modestes)
-À postériori : Il y a déjà des données (sélectionner individus déjà dans une base de données avec résultats, préférable si base de données déjà établis comme une étude épidémiologique)

Question 33

Q

Comment choisir et trouver des individus de référence pour l’échantillonnage direct? Quels sont les facteurs d’exclusion?

Answer

A

Choix des individus de référence :
-population similaire aux patients
-sélectionner aléatoire
-état de santé défini
-conditions de prélèvements contrôlés
-analyse effectuées avec même méthodes analytiques que les patients

Comment en trouver :
-Employés de l’hôpital, université
-publicité
-se greffer sur des études de recherche
-Cependant, échantillonnage n’est pas nécessairement aléatoire (tjrs biais de sélection)

Critères d’évaluation et d’exclusion :
-maladies, facteurs de risque, médicaments
-état physiologique
-Utilisation d’outils (questionnaire ou examen physique)

Question 34

Q

Qu’est-ce que l’échantillonnage indirect et quels sont les avantages et inconvénients?

Answer

A

Échantillonnage indirect :
-utilise une base de données de patients déjà existants (SIL)
-sur la base que la plupart des résultats du lab sont dans les limites de références
-épuration de données fournis un estimé des valeurs de la population en santé
-toujours à postériori

Avantages :
-moins coûteux
-basé sur la population du laboratoire
-basé sur les méthodes du laboratoire
-relativement rapide
-acceptable par CLSI si combiné avec données cliniques de d’autres bases de données

Inconvénient :
-Contraire au concept de population de référence par CLSI/IFCC
-dépend des calculs math choisi
-traitement math exigent
-méthodes maison
-seulement pour vérifier/corriger valeurs de références en utilisation

Question 35

Q

Quels sont les conditions de prélèvement pour déterminer des valeurs de référence?

Answer

A

-conditions prélèvements = mêmes que ceux des patients
-méthode = même que pour les patients
-méthode bien calibrée et contrôlée
-s’assurer que les résultats puissent être transférés (SIL)
-documenter les paramètres (lot calibrateurs, réactifs, contrôles internes et externes, # produit, etc…)

Question 36

Q

Comment doit-on doser les échantillons pour faire une intervalle de référence?

Answer

A

-Les échantillons doivent être dosés à ce qu’ils soient représentatifs de la routine du laboratoire.
-prendre TOUTES les mesures pour éviter les biais
-minimiser biais intra-essais en analysant sur plusieurs essais

Question 37

Q

Comment identifier des valeurs abberantes?

Answer

A

-Test de Dixon (valeurs ordre croissant, calculer intervalle entre les deux valeurs à l’extrémité des distributions – diviser valeur par 3 – si distinction entre valeur suspecte et valeur suivante est plus grande, rejetée
-Si gaussienne : plus grand que 3 ou 4 ET
-Si non gaussiennne, transformer en gaussienne puis rejeter les extrêmes (test Horn)
-Toujours utilisé critères bien définis

Question 38

Q

Si on retrouve une courbe multimondale, que faire?

Answer

A

-partitionner les échantillons en fonction de certains paramètres comme le sexe, âge, par période développement, état psychologique
-Partitionner et comparer les groupes + faire tests de significativité entre les groupes

Question 39

Q

Nomme 3 méthodes de traitement statistiques des données.

Answer

A

-méthode non-paramétrique
-méthode paramétrique
-boostrap

Question 40

Q

Comment trouver une intervalle de référence avec une méthode non-paramétrique et y a-t-il des conditions préalable?

Answer

A

Aucune condition préalable
1)Ranger les données
2)numéroter les valeurs
3)déterminer le rang des centiles de l’intervalle de référence (2.5e=0.025(N+1) et 97.5e=0.975(N+1)
4)trouver les valeurs correspondantes
5)Déterminer l’intervalle de confiance des centiles

Question 41

Q

Comment trouver une intervalle de références avec une méthode paramétrique et y a-t-il des conditions préalable?

Answer

A

Condition: la distribution doit être gaussienne (ex: Kolmogorov-Smirnov, Cramer-von Mises, Anderson-Darling)

Si courbe gaussienne :
1)calculer moyenne et écart-type
2a)valeurs de référence = 95% au centre des résultats, donc = moyenne +/- 1.96xET
2b)à 90% c’est = centile +/- 2.81x(ET/√n)

Si non gaussienne:
-transformer les valeurs (distribution logarithmique, racine carré) ou sinon transformation en deux étape (enlever asymétrie et ensuite aplatissement)

Question 42

Q

Qu’est-ce que le boostrap et comment le faire?

Answer

A

-méthode itérative qui améliore les intervalles de confiance. Fait par ordinateur

-Choisir au hasard Z échantillons de la population n de valeurs
-estimer 2.5 et 97.5 centile avec méthode non paramétrique
-répéter 500 fois
-calculer la médiane pour 500 valeurs = valeurs de référence finale
-calculer intervalle de confiance (90%) à partir des centiles

Question 43

Q

Combien de sujets nécessaires pour faire une intervalle de confiance?

Answer

A

-Minimum 40 (car 2.5%=1 personne), mais plus de sujet et mieux c’est
-recommandé 120 CLSI
-si partitionne, chaque sous groupe nécessite 40 ou 120

Question 44

Q

EXAM. Comment déterminer et interpréter l’index d’individualité?

Answer

A

-II = variabilité intra/ variabilité inter
-si >1.4: valeur de référence utile
-si <0.6: valeur de référence moins utile et mieux de se baser sur les valeurs de références intra

Question 45

Q

Quelles peuvent être les conséquences d’utiliser une intervalle de confiance inadéquate (ex : utiliser intervalle adulte pour pédiatrie)

Answer

A

-Prélèvements sanguins inutiles
-risque accrue d’infection
-douleur et anxiété chez le patient
-séjour prolongés
-procédures diagnostiques inutiles
-coût élevé
-diagnostique erroné ou retardé durant l’enfance ou l’adolescence

Question 46

Q

Quelle est la hiérarchie à faire pour choisir des données à utiliser pour faire une intervalle de référence?

Answer

A

-appliquer lignes directrices du CLSI
-appliquer critères avec sélection moins exigente
-utilisation données de la littérature avec la même méthode ± vérification
-utiliser des données spécifiques d’un autre laboratoire avec la même méthode ± vérification
-utiliser données du manufacturier ± vérification
-utiliser données générales de la littérature ± vérification

Question 47

Q

Est-ce possible de remplacer des valeurs de référence par autre chose? Dans qu’elle situation?

Answer

A

-Possible de remplacer valeurs de références par des critères diagnostiques et cibles thérapeutiques
-doit être une méthode standardisée ; comme lignes directrices de l’Association canadienne du diabète (glucose, HbA1c) ou la Société canadienne de cardiologie (cholestérol)

Question 48

Q

Que faire en tant que biochimiste clinique avec des valeurs de référence?

Answer

A

-Toujours s’assurer de regarder le biais lors de nouveau réactif
-analyse régulière de pool de patient peut être une bonne idée
-après analyse statistique, impliquer les cliniciens (statuer ensemble sur les intervalles de référence)
-éduquer sur le concept d’intervalle de référence pour qu’il soit mieux compris et utilisé

Question 49

Q

Quels sont les principaux éléments à regarder lors du processus d’évaluation de méthodes (paramètres de performance analytique)?

Answer

A

-Imprécision
-Exactitude (biais)
-Intervalle de mesure et linéarité
-Détermination sensibilité analytique
-Erreur totale et incertitude de mesure
(+spécificité analytique, susceptibilité aux interférences, objectifs de performance analytique, valeurs de référence)

Question 50

Q

Nomme et décrit les 3 paramètres à calculer pour déterminer l’imprécision.

Answer

A

-Répétabilité : intra-série (within-run), capacité d’obtenir même résultat lors de mesures successives du même échantillon par la même méthode dans les mêmes conditions

-Fidélité intermédiaire : intra-lab (within-lab), capacité d’obtenir même résultat lors de mesures successives sur plusieurs jours du même échantillon par la même méthode dans les mêmes conditions

-Reproductibilité : capacité d’obtenir même résultat lors de mesures successives du même échantillon par la même méthode dans des conditions différentes

Question 51

Q

Comment déterminer une imprécision lors de validation?

Answer

A

20x2x2:
-20 jours
-2 séries d’analyse par jour en duplicata
-2 niveaux de concentration dont 1 proche du seuil de décision clinique
-modifier ordre d’analyse des échantillons entre série
-CLSI EP05-A3

Question 52

Q

Comment déterminer une imprécision lors de vérification?

Answer

A

5x5:
-5 jours
-1 séries d’analyse par jour avec 5 réplicats
-2 niveaux de concentration dont 1 proche du seuil de décision clinique
-modifier ordre d’analyse des échantillons entre série
-CLSI EP15-A3

Question 53

Q

Qu’est-ce que l’évaluation de l’exactitude?

Answer

A

-Comparaison résultats de la méthode en évaluation avec méthode de référence pour plusieurs échantillons de concentrations variées
-Analyse de matériels pour les valeurs sont certifiées

Question 54

Q

Nomme les étapes pour faire une étude de récupération/vérification.

Answer

A

2 pool de sérum avec conc différente (échantillons base)
préparation d’une solution concentrée de l’analyte
à chacun des pools de base, on ajoute solution concentrée
dose différentes solutions et calcul % récupération (moy 4 par solution)
calcul de la récupération moyenne de tous les niveaux de concentration pour déterminer biais et nature de l’erreur systématique (constante ou proportionnelle)

Question 55

Q

Quels sont les étapes pour déterminer une exactitude avec une méthode reconnue.

Answer

A

1- minimum 40 échantillons au total analysés en duplicata sur au moins 5 jours
2- inverser ordre analyse des échantillons entre chaque série
3- analyse avec nouvelle et ancienne méthode (délai max 4 heures entre les 2 méthodes)
4- distribution homogène des niveaux de concentration idéalement 50% à l’extérieur des valeurs de référence
5- déterminer coefficient de corrélation de la droite de régression et des paramètres de la droite (pente, ordonnée à l’origine, écart-type)

Question 56

Q

À quoi sert chacun des paramètre de la droite de régression dans la détermination de l’exactitude avec une méthode reconnue?

Answer

A

-Coefficient de corrélation (r): doit servir qu’à valider l’analyse par régression linéaire (r ≥ 0,975 est correct)

-Pente: donne une estimation du biais systématique proportionnelle

-Ordonnée à l’origine: donne un estimé du biais systématique constant

-Droite de régression (y=ax+b): peut être utilisé pour déterminer biais systématique à un niveau donné de concentration

Question 57

Q

Qu’est-ce qu’une étude de corrélation?

Answer

A

-Régression linéaire où x= mesures de référence et y = mesures de la méthode en évaluation
-Donne un graphique de corrélation avec pente, ordonnée à l’origine, droite de régression et coefficient de corrélation.

Question 58

Q

Quelles sont les faiblesses de la droite de régression et comment faire pour pallier à ces problèmes?

Answer

A

-Coefficient de corrélation très sensible à l’intervalle des valeurs étudiées
-Plus intervalle grand et plus r sera élevée
-Pour palier ont fait graphique de différences (Bland-Altman)

Question 59

Q

Qu’est-ce que l’écart-type résiduel et comment le calculer ?

Answer

A

-ET entre valeurs mesurées et valeurs prédites par la droite de régression (décrit distribution/dispersion des points autour de la droite)
-plus résiduel élevé = plus on varie autour de la droite
-Ex : 68,3% des points seront localisée à l’intérieur de Ŷ ± SYX

Syx= √ ( ( ∑〖(MoyY-Yp)〗^2 ) / (N-2) )
MoyY = moyenne des résultats mesurées en duplicata
Yp= valeur prédite selon la régression linéaire

Question 60

Q

Nomme les différents types de régression linéaires et les décrire.

Answer

A

-Régression linéaire simple : assume qu’il n’y a pas d’erreur de mesure en x et que l’erreur en y est constante sur l’ensemble de l’intervalle de mesure.

-Régression Deming : méthodes x et y assujetties aux erreurs, méthodes comparées sont semblables et sans données aberrantes (outlier), méthodes de choix

-Régression Passing-Bablok : méthode x et y sont sujettes aux erreurs, régression non-paramétrique plus résistante aux outiliers

Question 61

Q

Qu’est-ce que le graphique de différences Bland-Altman et comment peut-il être fait?

Answer

A

-Met en évidence la différence qui existe entre chacune des paires de données x et y

-Différence peut être en absolue ou relative

-Calculée par rapport à x ou par rapport à la moyenne obtenue par les deux méthodes (si aucune des deux n’est la méthode de référence)

Question 62

Q

Que permet de déterminer les études de comparaison/corrélation?

Answer

A

-Permet de déterminer biais moyen analytique entre deux méthodes que l’on peut ensuite comparer à des cibles de performance déjà établies (littérature, maufacturier, biais acceptable selon variabilité biologique)

Question 63

Q

Qu’est-ce que l’intervalle de mesure et linéarité? Comment est-ce déterminé?

Answer

A

-Intervalle de concentration ou il y a une relation directement proportionnelle entre signaux mesurées par une méthode et sa concentration
-Déterminé par dilutions sériées d’un échantillon de concentration très élevé ou par mélange en diverses proportions d’un pool haut et bas (en duplicata).

Question 64

Q

Comment techniquement faire une intervalle de mesure et comment détecter la linéarité?

Answer

A

-Pour vérification : 5-7 concentration à l’intérieur de l’intervalle de mesure connu

-Pour validation : 7-11 concentrations dépassant 20-30% l’intervalle de mesure anticipée

-Faire graphique concentration en fonction du signal (absorbance) et déterminer la linéarité par inspection visuelle

Answer 64

A

-Concentration statistiquement la + élevée que peut être observé par le blanc

-20 mesures du blanc (60 pour valid) et pas plus de 5% des résultats ne devraient excéder la limite du blanc connue.
-Si gaussienne = limite blanc = moyennebl + 1,65 x ETbl.
-Si pas gaussienne, place valeurs en ordre croissant et on prend la valeur qui correspond au 95e percentile.

Answer 65

A

-+ petite concentration qui peut être détectée de manière fiable (max 5% des mesures en bas de la limite du blanc)

-Analyse échantillons (vérif=20 et valid=60) avec concentration au plus 4 fois la limite du blanc
-95% devraient être plus élevé que la limite de blanc connue
- Si gaussien = limite de détection = limite de blanc + 1,65 / (1-1/4F) x ET
(ou F= nombre de résultats-nombre d’échantillons)
-Si pas gaussienne, place valeurs en ordre croissant et on prend la valeur qui correspond au 95e percentile

Answer 66

A

-+ petite concentration qui peut être détectée de manière fiable et que l’erreur totale rencontre l’exactitude requise

-Analyse quelques échantillons (vérif = 25 et valid =40) ayant concentration similaire à limite de quantification proposée.
-95% devraient être dans la limite de l’erreur totale

Answer 67

A

-+ petite concentration pour laquelle la répétabilité ne dépasse pas les normes établis
-Habituellement: CV ≤ 15-20% (≤10% pour troponine)

Answer 68

A

-Attribuable aux erreurs systématiques ET erreurs aléatoires
-Combinaison de l’erreur de biais et de l’erreur d’imprécision
-Assume qu’on peut mesurer l’erreur entre la mesure et la vraie valeur

TE = %biais + Z x CV = biais + 1,65 x imprécision
TE = (Z x √[(CVbiol.intra)^2+(CVbiol.inter)^2]) + 1.65 x (0,5 x CVbiologique intra)
ensuite, comparer valeur avec un objectif de performance analytique

Answer 69

A

-Quantification du degré de doute ou d’incertitude qui accompagne un résultat
-Définie l’étendue requise pour avoir un degré de confiance de 95% autour d’une mesure (ex : 40+-2 = résultat réel entre 38 et 42)

-Approche CQI/CQE
u(c) = √ (u^2(CIQ) + u^2(EEQ) )
u^2(CIQ) = variance liée aux contrôles internes
u^2(EEQ) = variance liée aux contrôles externes

Answer 70

A

Aptitude à représenter l’état physiologique du patient et à déceler une variation, que celle-ci soit normale ou pathologique

Qualité analytique =
-précision (capacité à obtenir les mêmes résultats sur le même échantillon)
-exactitude (capacité à atteindre valeur réelle)

(Précision = prérequis de l’exactitude)

Answer 71

A

-grossière
-aléatoire
-systématique
-totale

Answer 72

A

Provient de l’inattention, de la négligence ou de la non-observation des procédures de travail (erreur humaine). Erreurs évitables.

Answer 73

A

Syn: fortuite, inhérente
-Si on analyse 100 fois même échantillon, aucun système ne va donner 100 fois le même résultat.
-Résultat imprégné d’un degré d’incertitude, mène à des divergences dans la répétition des résultats, et entraîne une dispersion des résultats autour d’une valeur centrale moyenne.
-Porte atteinte à la PRÉCISION.

Answer 74

A

-ET permet de mesurer l’imprécision (grand ET = grande imprécision).

-Mieux de mettre l’ET en coefficient de variation (CV) puisque mesure plus intuitive et comparable de l’imprécision (avantage) mais peut causer un faux sentiment de sécurité (désavantage).

Answer 75

A

Moyenne (μ) = μ = (∑ n) / N
Écart-type (s) = s = [ ∑ (n - μ)2 ] / (N-1)
Coefficient de variation (CV) = s/μ * 100
μ ± 1s = 68,3% de la distribution
μ ± 1,65s = 90,0% de la distribution
μ ± 2s = 95,4% de la distribution
μ ± 2,58s = 99,0% de la distribution
μ ± 3s = 99,7% de la distribution

Answer 76

A

-Déviation de tous les résultats dans une même direction = biais entre la valeur réelle et valeur mesurée
-Porte donc atteinte à l’EXACTITUDE.

Answer 77

A

-A. analyse de récupération

-B.validation des résultats par méthode de référence (valeur indépendante instruments + réactifs, non-accessible aux labo cliniques, pas de méthodes de références pour tous les paramètres)

-C.comparaison inter-laboratoire (plus accessible, valable que si plusieurs labo participe et compare à un matériel de contrôle à valeur consensus)

Answer 78

A

-Biais ne reflète pas toujours qualité des résultats (5% glucose = ok mais 5% sodium = pas ok)

-utilisation de l’indice d’écart-type (SDI)

Answer 79

A

SDI = (x - MOYgroupe) / (ETgroupe)

En divisant le biais par l’écart-type du groupe, on corrige pour la difficulté de la méthode:
-l’ET du sodium est très similaire entre labo donc, pour avoir un bon SDI, notre moyenne doit être proche de la moyenne du groupe.
-Pour bilirubine, exactitude est moins bonne donc ET du groupe plus élevé. Notre moyenne pourra s’éloigner de celle du groupe sans que notre SDI en souffre.

Answer 80

A

-1 < SDI < +1 (68% des labos) = bonne exactitude

± 1 < SDI < ± 1,5 (18% des labos) = exactitude acceptable

SDI > ± 1,5 = inexactitude est inacceptable

Answer 81

A

Nécessite 3 mois.
Paramètres:
-Différents lots de réactif
-Différents lots d’étalons
-Entretien des appareils
-Changements de pièces (pigeurs, lampes)

Answer 82

A

Essais d’aptitude :
-analyse occasionnelle d’échantillons inconnus provenant d’un organisme de contrôle
-évaluation du résultat par rapport au groupe ou à une norme pré-établie
-appréciation de l’exactitude

Proficiency testing :
-assistance technique, formation ou prise de sanctions si performance jugée insuffisante. Fait au Québec par LSPQ

Answer 83

A

-idéal = 100%
-long terme : > 97% si référence existe
-court terme : SDI < 1,5
-essentielle pour paramètres avec des seuils de décision médicale (ex : glucose, cholestérol, calcium, médicaments).
-moins importants pour paramètres dont valeurs de références dépendent de la méthode et ne sont pas universelles.

Answer 84

A

Variation biologique autour d’une valeur moyenne. Tout dosage chez un individu varie au hasard autour d’un point homéostatique proche à ce sujet. Peut être exprimée statistiquement.

Permet de fixer des objectifs de précision analytiques puisqu’un paramètre qui varie beaucoup exige peu de précision pour que 2 valeurs successives soit significative (l’imprécision analytique acceptable doit être inférieure à la moitié de la variabilité biologique)
CVanal ≤ 0,5 x CVbiol.intra

Avantage :
-faible nombre de sujets requis
-court laps de temps nécessaire
-indépendance des méthodes/instruments
-pas affecté par l’âge
-peu affectée par plusieurs maladies

Answer 85

A

CVt = √ [ CVanal^2 + CVbiol.intra^2 ]
si CVa = 0,5 x CVb ⇒ CVt = 1,12 x CVb = 1,12 x CVbiol.intra

Answer 86

A

degré de variation entre deux prélèvement successifs pour avoir différence significative (on retire le biais ici)

= K √ [ CVa^2 + CVb^2 ] = 2.77 x √ [ CVa^2 + CVb^2 ]
ou
= Z x √2 x √ [ (CVanal)^2 + (CVbiol.intra)^2 ]
*K = 1,96 x √2 = 2,77 pour p ≤ 0,05
= 2.77 x √ [ (CVanal)^2 + (CVbiol.intra)^2 ]

Answer 87

A

f x CVbiol.intra

f = 0,25 = 3% variabilité (optimale)
f= 0,5 = 12% variabilité (désirable)
f= 0,75 = 25% variabilité (minimale)

Answer 88

A

= f x √ [ CVb^2 + CVg^2 ]
= f x √[ (CVbiol.intra)^2+(CVbiol.inter)^2]

f = 0,125 =optimale
f = 0,250 = désirable
f = 0,375 = minimale

Answer 89

A

Erreur totale acceptable = 1,65 x imprécision acceptable + inexactitude acceptable

Cours stats:
TEa = biais + 1,65 * imprécision
TEa = (facteur x √[(CVbiol.intra)^2+(CVbiol.inter)^2]) + 1.65 * (0,5 x CVbiol.intra)

Answer 90

A

1.2s : Alarme face à une possible perte de contrôle, nécessite l’examen des données de contrôles à l’aide d’autres règles pour valider ou rejeter la série

1.3s : Symbolise la règle selon laquelle une série d’essai est rejetée parce que 1 contrôle plus grand que 3ET. Règles particulièrement sensible à l’erreur ALÉATOIRE mais dépiste aussi les erreurs SYSTÉMATIQUES importantes. Puisque probabilité qu’un résultats excède 3SD = 0,3% donc, 99,7% que le système analytique soit problématique.

2.2s : Symbolise règle selon laquelle une série d’essai est rejetée parce que 2 résultats consécutifs de contrôle excèdent la même limite de moy +/- 2ET. 1 Série d’essai inter-niveau ou 2 série d’essai intra-niveau. Sensible aux erreurs SYSTÉMATIQUES qui touchent un niveau de concentration ou l’ensemble de l’intervalle de concentration entre les 2 niveaux.

R.4s : Règle selon laquelle une série d’essai est rejetée par ce que l’écart des contrôles bas et élevé d’une même série excède 4ET. Sensible aux erreurs ALÉATOIRES.

4.1s : Règle série rejetée parce que 4 résultats consécutifs excèdent 1ET. Intra-niveau ou inter-niveau. Sensible aux erreurs SYSTÉMATIQUES.

10.x : Règle série rejetée parce que 10 résultats consécutifs se situent du même côté de la moyenne. Intra-niveau ou inter-niveau. Sensible aux erreurs SYSTÉMATIQUES.

Answer 91

A

Non, ça dépend de la situation.

Answer 92

A

1- Mise en quarantaine des résultats
2- Déterminer type d’erreur selon la règle (aléatoire: 13S et R4S et systématique: 22S, 4S, 10X et 13S)
3- Identifier et corriger la cause d’erreur selon le type d’erreur (aléatoire: pipetages, mélange ou systématique: calibrateurs, réactif, température)
4- Ré-analyser contrôles pour vérifier la normalisation de la situation
5- Déterminer si résultats de patients doivent être repris ou s’ils peuvent être rapportés
6- Certaines situations justifient de rapporter des résultats de série rejetée (problème dû au contrôle, interversion contrôles, problème limité à un niveau de concentration et reprise sélective, erreur analytique petite relativement à l’utilisation clinique du résultat)

Answer 93

A

-Une règle de CQ devrait toujours donner un signal de rejet si présence d’erreurs ou donner un signal d’acceptation si absence d’erreurs.
-En pratique, on utilise les probabilité pour caractériser la performance d’une règle de CQ (Ped et Pfr)

Answer 94

A

Ped : probabilité de détection d’erreurs (idéal = 1)
Pfr : probabilité de faux rejet (idéal = 0)

Si règle 1.3s:
-Pfr = 3/1000 = 0,3% puisque 99,7% des échantillons sont à l’intérieur de 3ET

Answer 95

A

TEa ≥ Esystématique + (6s)

Answer 96

A

Plus il est élevé, meilleure sera la qualité de l’analyse. Si 5 à 6 atteint, indique que de petits changements de la qualité du processus peuvent être tolérés sans augmenter le taux d’erreur de façon significative.

Calcul du nombre de Sigma :
= (TEa –biais) / s
= (%TEa – %biais) / %CV

Brainscape's Knowledge GenomeTM

Statistiques +VR+Valid/vérif Flashcards

Brainscape's Knowledge Genome^TM