Évaluation et mesure de l'état de santé à l'échelle de la population Flashcards

Question

étapes d'un essai clinique aléatoire (randomisé)? fig 5.2 p.18 chapitre 5

Answer 1

1. Énoncer l’hypothèse de manière quantitative et opérationnelle. Par exemple, en utilisant le format baptisé PICO par nos collègues anglophones : « Il y aura une réduction de 10 % des sueurs nocturnes auto-enregistrées chez les femmes périménopausées qui portent un bracelet de poignet magnétique, comparativement aux femmes du même âge qui ne portent pas d’aimant au poignet. » 2. Sélectionner les participants. Cette étape comprend le calcul de la taille de l’échantillon requis, l’établissement de critères d’inclusion et d’exclusion, et l’obtention d’un consentement libre et éclairé. 3. Répartir les participants au hasard dans le groupe expérimental ou le groupe témoin ; cela se fait normalement à l’aide d’une répartition aléatoire générée par ordinateur. Notons qu’il peut y avoir plus d’un groupe d’intervention, par exemple si l’on veut tester différents types d’aimants. Il convient également de noter que le groupe témoin reçoit souvent le traitement standard auquel le nouveau groupe est comparé. 19/56 4. Administrer l’intervention. Il vaut mieux que cela soit effectué à l’insu afin que le patient ne sache pas à quel groupe il a été affecté. Idéalement, le chercheur (et certainement l’intervenant qui surveille la réaction du patient) ne doit pas non plus savoir à quel groupe le patient est affecté (il s’agit alors d’une expérience à double insu). Cela aide à éliminer l’influence des attentes possibles du patient et du clinicien à l’égard du traitement, attentes qui pourraient biaiser l’évaluation des résultats. Parfois, on utilise une approche à triple insu dans laquelle ni le patient, ni le clinicien, ni ceux qui analysent et interprètent les données ne savent quel groupe a reçu le traitement (les groupes sont simplement étiquetés A ou B). Cela réduit encore plus les biais possibles. 5. Examiner les résultats (p. ex. les paramètres physiologiques ou biochimiques, la morbidité, la mortalité, les événements indésirables, l’état de santé fonctionnelle ou la qualité de vie) à un moment déterminé d’avance et comparer ceux du groupe d’intervention et du groupe témoin à l’aide d’analyses statistiques. Cela permet de déterminer si une différence dans les taux observés dans les deux groupes survient plus souvent que si seul le hasard était en cause.

Answer 2

l’impact potentiel d’un traitement dans les conditions | optimales typiques d’un milieu de recherche contrôlé

Answer 3

son impact dans les conditions normales de pratique.

Answer 4

L’essai à effectif unique est une adaptation de l’ECA qui peut s’avérer particulièrement utile pour tester l’application d’un traitement chez un patient unique de manière à exclure la plupart des sources de biais. porte sur un seul patient Le patient reçoit soit le traitement actif, soit un agent témoin (un placébo), attribué aléatoirement et administré à l’insu. Les résultats sont consignés après un délai approprié, puis on entame une période d’élimination pendant laquelle le patient ne reçoit pas le médicament afin d’en éliminer toute trace. Le patient reçoit ensuite l’autre traitement (placébo ou actif), et les résultats sont évalués. On peut répéter le cycle afin d’établir des estimations stables des résultats. L’avantage principal est que le résultat de l’étude s’applique spécifiquement à ce patient et permet une calibration précise pour optimiser la dose thérapeutique. Les résultats ne peuvent être généralisés;

Answer 5

Une tension peut surgir entre deux principes de base : les patients ont le droit de recevoir un traitement efficace (principe de bienfaisance), mais il est contraire à l’éthique d’adopter un nouveau traitement sans procéder à des tests rigoureux pour prouver l’efficacité (pour garantir la non-malfaisance).

Answer 6

Le principe éthique de la bienfaisance exige que les patients bénéficient d’un nouveau traitement dès qu’il s’avère efficace, mais le principe de non-malfaisance implique que cette preuve doit être définitive.

Answer 7

Phase I : Le nouveau médicament ou traitement est mis à l’essai pour la première fois dans un petit groupe de personnes afin d’en déterminer la posologie sécuritaire et les effets secondaires possibles. Phase II : Le médicament ou traitement est administré à un groupe plus nombreux, à la dose recommandée, pour déterminer son efficacité dans des conditions contrôlées et pour évaluer son innocuité. Il ne s’agit généralement pas d’une étude aléatoire. Phase III : Le médicament ou traitement est mis à l’essai dans des groupes de grande taille afin d’en confirmer l’efficacité, d’en surveiller les effets secondaires, de le comparer aux traitements couramment utilisés et de recueillir des renseignements en vue de son utilisation sécuritaire. Les études de phase III comprennent normalement une série d’essais randomisés. À la fin de cette phase, il est possible que l’utilisation publique du médicament soit approuvée. L’approbation peut limiter l’utilisation du médicament, par exemple à des maladies spécifiques ou à certains groupes d’âge. Phase IV : Après la mise sur le marché du traitement, on continue de recueillir de l’information pour décrire son efficacité sur différentes populations, mais surtout pour déceler les effets secondaires ou les effets indésirables possibles. Il ne s’agit pas d’un ECA, mais d’une surveillance post-commercialisation. L’information provient de plusieurs sources, comme les rapports des médecins (et des patients) sur les effets secondaires ou les données sur les résultats, comme les réadmissions à l’hôpital obtenues à partir de systèmes d’information informatisés. Un grand nombre peut être nécessaire pour détecter des effets secondaires rares ou à évolution lente.

Answer 8

le chercheur observe ce qui arrive aux personnes dans des conditions d’exposition choisies par la personne (comme l’exercice ou l’alimentation) ou qui échappent à leur contrôle (comme la plupart des déterminants sociaux de la santé). Il y a souvent un groupe témoin de personnes qui n’ont pas été exposées. La clé est que le chercheur peut choisir les populations et les expositions à étudier, mais ne les influence pas.

Answer 9

facteurs de confusion

Answer 10

plan descriptif

Answer 11

décrivent la situation : elles comptent le nombre de personnes atteintes de diabète, ou qui fument, ou qui sont satisfaites de leurs soins hospitaliers. Une telle étude utilise des statistiques descriptives pour résumer les résultats – pourcentages, une valeur moyenne ou médiane, et peut-être la fourchette des valeurs ou l’écart-type. *questionnaire, DMÉ Lorsqu’une étude recueille de l’information sur plusieurs variables, elle peut décrire les associations entre les variables *utile pour générer des hypothèses

Answer 12

La distinction critique entre une étude descriptive et une étude analytique est que cette dernière est conçue pour tester une hypothèse, généralement dans le but d’identifier une relation de cause à effet. elles varient en termes de séquence temporelle et de procédures d’échantillonnage utilisées pour recueillir des données, et peuvent être de trois types : études transversales, études de cohortes ou études cas-témoins

Answer 13

utilisent une seule référence temporelle pour les données recueillies L’une des études transversales les plus courantes est l’enquête analytique, une extension de la conception de l’enquête descriptive. La différence est que l’analyse enregistre les associations entre les variables afin de tester formellement une hypothèse, plutôt que de simplement rapporter la fréquence de leur occurrence. Le chercheur est libre de décider comment les résultats seront présentés; le plan d’étude permet les deux types d’analyse. La seule chose que l’on peut conclure est qu’il existe une association entre les deux variables.

Answer 14

est qu’elles ne peuvent pas montrer la séquence temporelle | : le facteur (stress) est-il antérieur au résultat (visite chez le médecin)?

Answer 15

mesurent les variables au niveau de populations entières (pays, provinces) plutôt qu’au niveau individuel. Il s’agit du plan approprié pour étudier l’effet d’une variable qui agit sur l’ensemble de la population, comme le climat, un ralentissement économique ou une pénurie de médecins. données: stats du gouv.

Answer 16

difficulté de tirer des conclusions au sujet de personnes à partir de données écologiques

Answer 17

Une cohorte est un groupe de personnes faisant partie d’un échantillon quantifiable qui partagent une certaine caractéristique et auprès desquelles on peut effectuer un suivi sur une période déterminée. Dans le domaine de la santé, les études de cohortes portent souvent sur des facteurs causaux; la caractéristique d’intérêt est habituellement un type d’exposition qui, selon l’hypothèse à tester, semble augmenter la probabilité d’un résultat clinique. Typiquement, une étude de cohorte porte d’abord sur un échantillon de personnes n’ayant pas la maladie d’intérêt; elle recueille des renseignements sur l’exposition au facteur à l’étude, et effectue un suivi auprès de personnes exposées et non exposées sur une certaine période (= étude longitudinale ou de suivi)

Answer 18

risque exposé: a/(a+b) risque non exposé: c/(c+d) rapport de risque: : risque exposé / risque non exposé Un risque relatif de 1,0 indique que la probabilité de contracter la maladie est la même chez les personnes exposées et non exposées : il n’existe aucune association entre l’exposition et la maladie. Un risque relatif supérieur à 1,0 implique qu’il est plus probable qu’une personne ayant été exposée au facteur devienne malade, comparativement à une personne non exposée. Un risque relatif inférieur à 1,0 implique un effet protecteur : il est moins probable que les personnes exposées tombent malades, comparativement aux personnes non exposées.

Answer 19

l’exposition est consignée avant les résultats; le critère causal d’une séquence temporelle entre l’exposition et le résultat peut être clairement établi si les participants n’étaient pas atteints de la maladie au début de l’étude. *les essais randomisés sont une version expérimentale d'une étude de cohorte

Answer 20

démontrer un gradient dose-réponse | mais ne prouve pas de relation causale à 100%, car confusion pose problème

Answer 21

comparent un groupe de patients présentant un résultat particulier (p. ex. des cas de cancer pancréatique confirmés par un pathologiste) à un groupe semblable par ailleurs, mais n’ayant pas la maladie (les témoins).

Answer 22

ne permet pas de calculer l’incidence ou le risque d’une maladie, étant donné qu’elle commence avec un nombre prédéterminé de personnes atteintes de la maladie et un nombre prédéterminé de personnes qui n’en sont pas atteintes. Il n’est donc pas possible de calculer un rapport de risque. L’étude détermine plutôt l’exposition d’un échantillon de cas et d’un autre de témoins. Ces renseignements permettent de calculer la probabilité qu’une personne ait été exposée à la maladie — le rapport a:c On peut la comparer à la probabilité qu’un témoin ait été exposé — le rapport b:d. Le résultat de l’étude cas-témoin est ensuite exprimé comme étant le rapport de ces deux probabilités, ou RAPPORT DE COTES (RC) : a/c divisé par b/d. Afin de simplifier le calcul, on a habituellement recours à la formule algébrique ad/bc.

Answer 23

Dans une étude de cohorte, les groupes de participants sont classés en fonction de leur état d’exposition (selon qu’ils présentent ou non le facteur de risque). Dans une étude cas-témoins, les différents groupes sont sélectionnés en fonction de leurs résultats cliniques (selon qu’ils ont ou non la maladie).

Answer 24

effectuer un suivi auprès de ces personnes sur une certaine période pour vérifier leur état de santé dans plusieurs années. Il s’agirait d’une étude de cohorte prospective. rétrospective = historique consulter des relevés d’emploi pour choisir des personnes qui ont travaillé comme soudeurs il y a 30 ans, et de comparer leur état de santé actuel en fonction de leur niveau antérieur d’exposition.

Answer 25

(telles qu’elles sont utilisées dans les chiffres de prévalence et d’incidence) expriment la proportion de personnes qui ont une certaine caractéristique (par exemple, être exposé à un facteur causal).

Answer 26

Les cotes vont plus loin et expriment le rapport de deux probabilités : la probabilité qu’un cas ait été exposé, divisée par la probabilité de ne pas être exposé.

Answer 27

a/c et b/d

Answer 28

rapport de cotes ne se rapproche du risque relatif que lorsque la maladie est rare.

Answer 29

Risque attribuable = Incidence dans le groupe exposé − Incidence dans le groupe non exposé indique le nombre de cas d’une maladie parmi les personnes exposées qui peuvent être attribués à cette exposition

Answer 30

La notion de risque attribuable est parfois exprimée en termes relatifs : la proportion de l’incidence parmi les personnes exposées, ce qui donne la fraction attribuable du risque chez les sujets exposés, FAR : FAR = [Incidence sujets exposés – Incidence sujets non exposés ] / Incidence sujets exposés *utile pour donner des conseils à un patient

Answer 31

Lorsqu’il est question de l’impact des programmes préventifs, le risque attribuable dans la population indique le nombre de cas que l’on éviterait en éliminant un facteur de risque : Incidence population – incidence des sujets non exposés

Answer 32

s’exprime en tant que proportion de l’incidence dans l’ensemble de la population (incidence pop - incidence sujets non exposés) / incidence pop FAP = Pe (RRe-1) / [ 1 + Pe (RRe-1)] où Pe est la prévalence de l’exposition (p. ex. la proportion de personnes obèses) et RR est le risque relatif de la maladie lié à cette exposition. La fraction évitée dans la population est la proportion du fardeau hypothétique total de la maladie qui a été prévenue grâce à l’exposition au facteur protecteur, comme un programme d’immunisation. Voici la formule : Pe (1-RR).

Answer 33

Ce nombre résume l’efficacité d’un traitement ou d’une mesure préventive pour obtenir un résultat souhaité. Est calculé en tant que valeur réciproque de l’amélioration absolue qui résulte de la thérapie NNT= 1/RRA

Answer 34

= paramètre utilisé pour estimer une valeur plus générale Pour fournir une estimation précise, un échantillon devrait évidemment être représentatif de la population --> un échantillon aléatoire ... garantit seulement une moyenne

Answer 35

moyenne | écart-type

Answer 36

Une valeur p < .05 signifie que la probabilité de trouver une différence au moins aussi grande que celle dans l’étude est inférieure à 5 % si, en réalité, il n’existe pas de différence entre les groupes dans la population (c’est à dire que l’ « hypothèse nulle » est vraie). La différence serait alors qualifiée de statistiquement significative. Le seuil de 5 % est arbitraire, mais il est couramment utilisé. La formule statistique utilisée pour calculer la valeur p dépend de divers éléments de la conception de l’étude. Les différents tests et les conditions de leur utilisation se trouvent dans un manuel de biostatistiques. Si les résultats d’un test statistique suggèrent que la différence est plus susceptible de s’être produite par hasard (par exemple, p = 0,06 ou p = 0,10), le chercheur devrait conclure qu’il n’a pas trouvé suffisamment de preuves que le traitement a réduit la tension artérielle. Mais même si p < .05, gardez à l’esprit qu’il reste 5% de chances que cette conclusion soit erronée.

Answer 37

est une statistique qui sert à indiquer le degré probable d’erreur dans l’estimation d’un paramètre d’après un échantillon présent pour exprimer: valeurs moyennes, rapports de cotres, RR Si l’intervalle de confiance des rapports de cotes ou des risques relatifs inclut 1,0, on présume qu’il n’existe aucune différence statistiquement significative entre les deux groupes, étant donné qu’un rapport de cotes ou un risque relatif de 1,0 indique qu’il n’existe aucune différence entre les deux groupes.

Answer 38

Afin qu’un résultat d’une étude modifie votre pratique, le résultat doit être à la fois statistiquement et cliniquement significatif.

Answer 39

Si un test statistique ne montre aucune différence significative entre deux groupes, cela veut dire soit qu’il n’existe réellement pas de différence dans la population, soit qu’il pourrait y avoir une différence, mais que l’échantillon n’a pas permis de la révéler. --> puissance statistique On sait intuitivement que plus l’échantillon est grand, plus l’estimation sera précise. Si votre étude porte sur l’ensemble de la population, les intervalles de confiance ou la signification statistique ne sont pas nécessaires, étant donné que vous avez mesuré le véritable paramètre. Plus la différence réelle est petite, plus l’échantillon doit être grand pour la détecter avec confiance. Inversement, si un échantillon doit être de très grande taille pour démontrer une différence statistiquement significative, la différence doit être très petite. Il y a donc tout lieu de vous demander si une différence aussi petite est cliniquement importante.

Answer 40

d'échantillonnage (dus à la manière dont on a sélectionné les participants à l’étude) et les biais de mesure (dus aux erreurs dans la mesure des expositions ou des résultats).

Answer 41

biais d'échantillonnage (ou de sélection) [survient surtout lorsque l’échantillon n’est pas choisi aléatoirement (que tous les membres de la population n’ont pas la même probabilité d’être sélectionnés).]

Answer 42

Même si la méthode d’échantillonnage n’est pas biaisée, on ne peut prendre pour acquis que toutes les personnes sélectionnées participeront à l’étude. Si certains types de personnes ont choisi de ne pas participer, cette non-réponse pourrait biaiser les résultats.

Answer 43

L’erreur de mesure désigne les écarts entre les valeurs consignées à l’aide d’une mesure et les valeurs réelles chez les participants de l’étude. Comme pour les erreurs d’échantillonnage, les erreurs de mesure peuvent être aléatoires ou systématiques. Le biais de désirabilité sociale désigne les erreurs systématiques dans la réponse qui semblent rendre le répondant plus acceptable sur le plan social. Le biais de rappel survient souvent dans les sondages, notamment dans les études cas-témoins. La mémoire des gens est peu fiable.

Answer 44

Analyse documentaire – Sélection non représenta tive d’articles à citer ``` Plan d’étude – Biais de sélec tion – Biais de cadre d’échantillonnage – Biais d’échantillonnage non aléatoire – Biais de non-couverture – Biais de non-comparabilité ``` ``` Exécution de l’étude : Collecte de données – Biais lié à l’instrument de mesure – Biais lié à la source de données – Biais lié aux sujets – Biais de rappel – Biais de traitement des données ``` Analyse – Biais de confusion – Biais de stratégie d’analyse – Biais d’analyse post-hoc Interprétation biaisée des résultats – Actualiser les résultats qui ne correspondent pas à l’hypothèse du chercheur. Publication – Non-publication des résultats négatifs

Answer 45

La confusion survient lorsqu’une troisième variable (ou une quatrième, cinquième, etc.) dans un réseau de causes est associée à l’exposition et au résultat à l’étude (voir la figure 5.7). la répartition aléatoire entre les groupes d’intervention et les groupes témoins est la façon la plus élégante d’éviter la confusion. L’appariement est une autre stratégie de conception : il s’agit de la sélection délibérée des sujets pour que le niveau de variables confusionnelles soit égal dans les groupes à comparer. À l’étape de l’analyse de l’étude, on peut avoir recours à la stratification pour évaluer la confusion. (strates. analyse Mantel-Haenszel); modélisation multivariée

Answer 46

I revue systématique ou méta-analyse II essai contrôlé bien conçu III études de cohortes bien conçues, dans plus d'un centre ou groupe de recherche IV études cas-témoins bien-conçue,dans plus d'un centre ou groupe de recherche V multiples études en séries chronologiques, +/- intervention. inclus les résultats marquants découlant d'expériences non contrôlées VI opinions d'autorités respectées fondées sur l'expérience clinique, études descriptives, rapports de comités d'experts, conférences consensuelles

Answer 47

la conception d’une étude, la qualité de l’étude, la cohérence entre les études, et le caractère «direct » ou la comparabilité des échantillons étudiés avec les patients auxquels ils seront appliqués. Élevée (il est peu probable que d’autres recherches modifient l’estimation de l’effet); Modérée (d’autres recherches sont susceptibles de modifier notre confiance dans l’estimation actuelle de l’effet et peuvent modifier l’estimation elle-même); Faible (d’autres preuves sont susceptibles de modifier l’estimation); Très faible (une estimation de l’effet est très incertaine)

Answer 48

Les objectifs d’une revue systématique sont d’identifier toutes les études pertinentes liées à un traitement ou à une intervention donnée, d’en évaluer la qualité et de résumer l’ensemble des résultats. Un élément clé est l’exhaustivité de l’analyse documentaire;

Answer 49

synthèse statistique de données d’études différentes, mais comparables. On accepte généralement qu’une méta-analyse de plusieurs essais comparatifs aléatoires offre de meilleures preuves qu’un seul essai. L’estimation est normalement pondérée en fonction de la taille relative des études, et parfois aussi par un jugement sur leur qualité. Les essais comparatifs aléatoires ou d’autres plans d’étude, y compris les études cas-témoins et les études de cohortes, peuvent faire l’objet de méta-analyses. S’il est impossible de rassembler des données en raison de contrastes entre les plans d’étude, on peut résumer les résultats de différentes études dans un examen narratif ou les présenter à l’aide d’un graphique en forêt

Answer 50

1. 1 Examens de la Collaboration Cochrane; 1. 2 Examens systématiques; 1. 3 Directives fondées sur les preuves; 1. 4 Résumés de preuves.

Answer 51

Les résultats sont-ils valides? Les patients ont-ils été répartis aléatoirement? La répartition aléatoire a-t-elle été réalisée à l’insu? Les patients savaient-ils dans quel groupe ils étaient? (La répartition a-t-elle été réalisée à l’insu des patients?) Les cliniciens traitant les patients étaient-ils au courant de la répartition des groupes? Les évaluateurs des résultats étaient-ils au courant de la répartition des groupes? (La répartition a-t-elle été réalisée à l’insu des évaluateurs?) Les patients dans le groupe de traitement et le groupe témoin étaient-ils semblables quant aux variables connues du pronostic? (Par exemple, le nombre de fumeurs était-il semblable dans chaque groupe d’une étude sur un traitement contre l’asthme?) Le suivi incluait-il tous les patients? Les patients ont-ils été analysés dans les groupes auxquels ils ont été affectés? Quels sont les résultats? Quelle était l’ampleur de l’effet du traitement? Quel était le degré de précision de l’estimation de l’efficacité du traitement? Comment puis-je appliquer les résultats aux soins des patients? Les patients de l’étude ressemblent-ils aux miens? Les bienfaits probables du traitement l’emportent-ils sur ses risques et ses coûts potentiels? Comment dois-je traiter ce patient-ci? Quels sont les résultats probables dans son cas? Ce traitement est-il voulu par le patient? Le traitement est-il offert ici? Le patient est-il disposé et apte à recevoir le traitement?

Answer 52

``` la population cible la réalisabilité de l'intervention coût intervention dans le groupe témoin préférence du patient les limites de la médecine factuelle ```

Answer 53

``` death disease disability discomfort distress ``` exemples de stats : Certaines des statistiques les plus courantes à ces fins sont le TAUX DE DÉCÈS P. 1 000 HABITANTS, le TAUX DE MORTALITÉ INFANTILE, l’ESPÉRANCE DE VIE moyenne et divers indicateurs de la morbidité, comme le taux de MALADIE À DÉCLARATION OBLIGATOIRE.

Answer 54

ces statistiques | reflètent souvent les services offerts, plutôt que le besoin de services des patients.

Answer 55

personnel populationnel écologique et environnementaux

Answer 56

(le nombre de nouveaux cas au cours d’une période | de temps) s’avère pertinente lorsqu’il est question d’affections aiguës

Answer 57

(le nombre total de cas dans une population) touche plutôt à la maladie chronique. L’analyse des causes étudie les cas incidents, tandis que la prévalence est utile pour estimer les besoins en services de santé.

Answer 58

TMI= [ décès d'enfants < 1 an / nb de naissance vivante au cours de la même année ] x 1000

Answer 59

TBM = [nb de décès sur une période / nb de personnes multiplié par la durée d'observation] x 10 à la n

Answer 60

L’approche directe offre plus d’information mais exige un plus grand nombre de données. La standardisation directe est exprimée comme un taux standardisé en fonction de l’âge : x nombre de décès pour y nombre de personnes.

Answer 61

La standardisation indirecte est généralement utilisée lorsque la taille des strates dans la population à l’étude est petite, menant à des taux par strate instables. Ici, seule la valeur de mortalité globale pour la population à l’étude est requise; les taux par strate sont tirés de la population de référence dont la taille est beaucoup plus importante. raccourci lorsque les taux de mortalité par strate d’âge de la population à l’étude ne sont pas connus ou lorsque la taille de la population est trop petite pour calculer les taux par strates stables,

Answer 62

Les taux de mortalité standardisés (TMS) sont calculés en trois étapes : 1. Calculez les taux de mortalité standardisés pour chaque groupe d’âge dans la population de référence (ici, le Canada en 2011), soit décès / population * 100 000 dans chaque groupe d’âge. 2. Multipliez ces taux par le nombre de personnes dans les populations à l’étude de ch aque groupe d’âge pour calculer les décès prévus. Ces valeurs indiquent le nombre de décès qui auraient lieu au sein de la population à l’étude si chaque strate d’âge avait le même taux de mortalité que la population de référence, c.-à-d. le taux de mortalité selon l’âge au Canada * population de ce groupe d’âge dans la population à l’étude / 100 000. 3. Calculez le rapport entre les d écès observés et les décès prévus dans la population à l’étude : décès observés / décès prévus * 100.

Answer 63

L’espérance de vie est l’âge moyen des individus au décès.

Answer 64

les instruments diagnostiques les mesures pronostiques les mesures évaluatives Les instruments diagnostiques recueillent de renseignements provenant d’auto-évaluations et d’évaluations cliniques, puis les traitent à l’aide d’algorithmes pour suggérer un diagnostic. Le domaine de la psychiatrie en compte plusieurs, dont l’Entretien diagnostique international global. Les mesures pronostiques comprennent les tests de dépistage et, parfois, des renseignements sur les facteurs de risque, lesquels peuvent être combinés pour estimer les états futurs de santé; plusieurs outils numérisées évaluent les risques pour la santé. Les mesures évaluatives tiennent compte des changements dans l’état de santé au fil du temps et sont utilisées pour déterminer les résultats des soins. Cette catégorie est le groupe d’instruments le plus important; elle comprend des mesures spécifiques à des maladies particulières, ainsi que des mesures génériques qui s’appliquent à toute forme de maladie.

Answer 65

objectifs: consigné mécaniquement autodéclaration = subjectif

Answer 66

la survie ajustée La survie ajustée pour la qualité de vie (SAQV) approfondit l’idée de l’espérance de vie en y ajoutant un indicateur de la qualité de vie des survivants. Plutôt que de considérer chaque année de survie comme étant équivalente, cette statistique ajuste à la baisse la valeur des années vécues en mauvaise santé.

Answer 67

pari standard et marchandage-temps voir chapitre 6 p.19

Answer 68

la chose mesurée (« mon poids oscille, il est difficile d’en obtenir un aperçu exact »); la personne qui mesure (« si vous me demandez mon poids un lundi, il se peut que j’enlève un kilo si je me suis gavé de la cuisine de ma belle-mère au cours de la fin de semaine ― le kilo supplémentaire ne reflète certainement pas mon véritable poids! »); et l’instrument de mesure (« le pèse-personne de la clinique est imprécis, il faudrait vraiment le faire réparer »). Les erreurs aléatoires sont détectées par les tests de fiabilité d’une mesure. Les erreurs systématiques vont toutes dans le même sens, et il est probable qu’elles sont liées à une cause précise. Les sous-estimations ou les surestimations systématiques (« j’ai tendance à exagérer mes prouesses d’athlète ») faussent une mesure et nuisent à sa validité.

Answer 69

se rapporte à la cohérence Une mesure fiable peut être très reproductible, mais peut tout de même être erronée.

Answer 70

La définition de base de la validité est la suivante : Le test mesure-t-il ce que nous voulons mesurer? En voici une définition un peu plus académique : Les résultats d’une mesure s’approchent-ils de l’état réel du phénomène à l’étude? Et une autre encore plus abstraite : Que signifie tel ou tel résultat à ce test? Cette dernière interprétation de la validité s’inscrit dans une conception plus générale qui cherche à répondre à la question suivante : Comment pouvons-nous interpréter les résultats de ce test? En médecine, la manière la plus courante d’évaluer la validité est de comparer la mesure à celle d’un examen clinique ou pathologique approfondi du patient. On appelle cela la VALIDITÉ DE CRITÈRE, étant donné que l’on compare la mesure à une analyse complète dont l’excellence est reconnue.

Answer 71

SENSIBILITÉ indique sommairement si un test détecte bien la maladie. Il s’agit de la probabilité que le test détecte la maladie chez une personne qui en est atteinte (l’expression est logique : le test est sensible à la maladie, donc il peut la détecter). À l’aide de la notation dans le tableau précédent, la sensibilité se calcule comme ceci : a/(a+c), ou VP/(VP + FN). L’inverse de la sensibilité est la proportion de faux négatifs (c/a+c), qui exprime la proportion de cas de la maladie manqués par le test. Un test à faible sensibilité produira une grande quantité de résultats faux négatifs.

Answer 72

La spécificité mesure la capacité d’un test à reconnaître correctement les personnes qui ne sont pas atteintes de la maladie : d/(b+d), ou VN/(VN + FP). La spécificité est l’inverse de la proportion de faux positifs (b/b+d), laquelle est la proportion des personnes bien portantes reconnues comme étant malades. Un test spécifique produit peu de résultats faux positifs, ne détectant que cette maladie spécifiquement. La spécificité est importante cliniquement, car un résultat faux positif peut causer des inquiétudes et entraîner un examen approfondi inutilement coûteux, voire même un traitement inutile.

Answer 73

Un point crucial dont il faut se rappeler est qu’en présence d’une validité imparfaite il y aura un chevauchement entre les scores de tests chez les personnes qui souffrent et celles qui ne souffrent pas de l’affection, comme illustré à la figure 6.8. Il est extrêmement rare qu’un test soit à la fois très sensible et très spécifique.

Answer 74

La VALEUR PRÉDICTIVE POSITIVE (VPP) est la proportion de personnes dont le résultat est positif qui sont véritablement atteintes de la maladie : a/(a+b), ou VP/(VP + FP). Comme l’indique le tableau 6.2, si la spécificité d’un test est faible (c.-à-d., s’il produit beaucoup de faux positifs et que la case b est grande), sa VPP sera faible. (Faible spécificité → faible valeur prédictive positive).

Answer 75

De même, la VALEUR PRÉDICTIVE NÉGATIVE (VPN) est la proportion de personnes dont le résultat est négatif qui ne sont vraiment pas atteintes de la maladie : d/(c+d), or VN/(VN + FN). Si la sensibilité du test est faible, les résultats FN seront élevés et la VPN sera réduite (faible sensibilité → faible VPN.

Answer 76

Pour confirmer un diagnostic, la spécificité du test utilisé doit être élevée; pour exclure un diagnostic, c’est la sensibilité du test qui doit être élevée.

Answer 77

en série ou en parallèle | chapitre 6 p.26

Answer 78

faux Un test sensible reconnaîtra effectivement la plupart des cas réels de la maladie, mais un test très sensible aura souvent une faible spécificité. Cela veut dire qu’un nombre de faux positifs pourraient faire partie de vos résultats. Le test sensible ne peut donc pas confirmer la présence de la maladie.

Answer 79

Un rapport de vraisemblance positif (RV+) indique dans quelle mesure il est plus probable qu’une personne atteinte de la maladie obtienne un résultat positif, comparativement à une personne qui n’en est pas atteinte. RV+ = sensibilité / (1 – spécificité), ou le rapport entre les vrais positifs et les faux positifs. Voici la formule selon le tableau 6.2 : a/(a + c) / b/(b + d).

Answer 80

Un rapport de vraisemblance négatif (RV-) indique dans quelle mesure il est plus probable qu’une personne qui n’est pas atteinte de la maladie obtienne un résultat négatif, comparativement à une personne atteinte. RV– = (1 – sensibilité) / spécificité, ou le rapport entre les faux négatifs et les vrais négatifs. Voici la formule selon le tableau 6.2 : c/(a + c) / d/(b + d).

Answer 81

des déterminants de la santé et des FDR Les déterminants sont responsables du taux d’incidence dans une population, et l’incidence fournit une première approximation de la probabilité prétest d’une maladie pour une personne dans cette population. Toutefois, on ne peut appliquer des données en population directement à une personne (qui est unique et ne se situe probablement pas exactement dans la moyenne de la population). On peut donc modifier l’estimation brute de la probabilité prétest à la hausse ou à la baisse à l’aide des facteurs de risque individuels.

Answer 82

la collecte et l’analyse continues et systématiques d’information sur la santé d’une population afin de guider l’élaboration d’interventions de santé publique et de prévention. on connaît mieux les profils de la santé et de la maladie et leur évolution. Ces renseignements peuvent guider les efforts de prévention et de contrôle, ainsi que contribuer à la planification des services de santé et, ultérieurement, à l’évaluation de leur impact.

Answer 83

les statistiques démographiques, comme les naissances et les décès; les données environnementales sur la qualité de l’air et de l’eau; les indicateurs des services de santé, comme les sorties des hôpitaux, tandis que le Recensement fournit de l’information sur la population, comme le revenu, la langue et le groupe ethnique. La surveillance représente une bonne partie du travail des autorités régionales et provinciales de santé publique et de l’Agence de la santé publique du Canada.

Answer 84

signaler l’apparition de certaines maladies contagieuses chez ses patients. MADO

Answer 85

Le terme « passive » dans l’expression « surveillance passive » désigne la nature du rôle de l’agence responsable. Cette dernière ne fait que recevoir les déclarations : les données recueillies systématiquement, comme les registres des sorties des hôpitaux, les données relatives à la mortalité ou les factures médicales, et les données sur les maladies à déclaration obligatoire.

Answer 86

La surveillance active ou à court terme recherche les maladies émergentes ou les éclosions comme le SRAS ou la grippe pandémique A (H1N1) et aide la société à réagir rapidement aux nouvelles menaces. donc habituellement réalisée à une fin précise

Answer 87

vrai l’exactitude de ces renseignements dépend de l’exactitude avec laquelle le médecin responsable de la déclaration a consigné la cause du décès, étant donné qu’elle est rarement confirmée par autopsie.

Answer 88

le médecin responsable de la déclaration doit faire la distinction entre la cause initiale de décès et son ou ses déclencheurs La cause initiale de décès est « la maladie ou le traumatisme qui a déclenché l’évolution morbide conduisant directement au décès, ou les circonstances qui ont entraîné le traumatisme mortel

Answer 89

oui, 2 fois par 10 ans (année en 6 et année en 1)

Answer 90

La notion de sentinelle fait référence aux cliniciens qui surveillent des maladies d’intérêt particulières. Ce système peut servir à signaler des événements rares (comme les effets secondaires des vaccins contre la grippe) et contribue à améliorer la qualité des soins. Si l’échantillon de médecins est bien choisi, on peut faire des estimations de l’incidence de l’événement d’intérêt dans la population sans avoir à sonder toute la population.

Answer 91

1. S'agit-il d'un véritable changement 2. Est-il possible que le changement découle d'une modification des pratiques de déclaration? la précision des données varient-elles? 3. A-t-on modifié la définition de la maladie, ce qui a pu causer le changement?

Answer 92

S'il y a éclosion, elles tracent ainsi l’évolution de l’éclosion dans la population, ce qui correspond à l’histoire naturelle de la maladie pour un cas individuel. L’histoire naturelle d’une éclosion dans une population est la plus évidente lorsqu’il s’agit d’une maladie infectieuse, mais on peut également la suivre dans des situations comme un déversement de produits chimiques menant à des cas de maladie respiratoire ou, sur un intervalle beaucoup plus long, à des cas de maladies chroniques non transmissibles. On peut se baser sur la forme de la courbe épidémique pour avancer des hypothèses sur la nature de la maladie et son mode de transmission. En plus de montrer le profil temporel, la courbe montre l’ampleur de l’éclosion (le nombre de cas), la période d’incubation probable de l’affection et peut révéler des valeurs aberrantes (par rapport au temps et parfois au lieu). #aplatir la courbe

Answer 93

Les cas surviennent alors au cours d’une période prolongée, mais toujours d’une source commune ou unique. La courbe épidémique qui en résulte est plus longue et étendue, indiquant la durée prolongée de la contamination et les variations individuelles des périodes d’incubation (voir la figure 7.2). La 10/22 courbe se termine lorsque la source de contamination est corrigée ou lorsque toutes les personnes susceptibles deviennent immunisées. L’aspect relativement plat de la courbe suggère que l’infection provient d’une source commune et qu’il n’y a pas de transmission de personne à personne; sinon, le nombre de cas augmenterait au fur et à mesure que le temps avance et qu’une personne en infecte d’autres.

Answer 94

La figure 7.3 montre un profil irrégulier de cas qui reflète la date d’apparition et la durée d’expositions répétées. A priori, il est difficile de déterminer si la source est commune (par exemple un contaminant industriel émis à certains intervalles) ou si les sources sont variées (comme une série d’éclosions de toxi-infections alimentaires survenant dans différents camps d’été pour enfants). L’écart entre les éclosions pourrait suggérer une transmission de personne à personne suivie d’une période d’incubation, mais les pics successifs n’augmentent pas de taille et ne fusionnent pas, comme ce serait le cas si les éclosions résultaient d’une propagation infectieuse où une personne en infecte plusieurs. Ainsi, la courbe épidémique de la figure 7.3 semble représenter une affection non transmissible.

Answer 95

La figure 7.4 illustre une transmission de personne à personne qui présente un profil typique survenant lorsqu’un seul cas, qu’on appelle le cas index (par exemple, un voyageur qui revient de l’étranger), infecte d’autres personnes après une période d’incubation. Il s’agit d’une origine ponctuelle à transmission secondaire. L’éclosion diminue lorsque les personnes infectées cessent de transmettre l’infection à d’autres personnes susceptibles, possiblement en raison de mesures de lutte efficaces (isolement ou quarantaine).

Answer 96

Elle débute comme une infection découlant d’un cas index (figure 7.4), mais les cas secondaires de la maladie agissent ensuite comme des sources qui infectent de nouvelles personnes, lesquelles en infectent d’autres à leur tour. Comme on le voit à la figure 7.5, cela produit des pics de plus en plus hauts à chaque génération (c.-à-d., les cas secondaires et tertiaires). Les pics sont d’abord séparés par une période d’incubation. Par la suite, les pics ont tendance à se joindre et à former une seule vague et l’épidémie persiste jusqu’à ce que le nombre de personnes susceptibles diminue ou que les mesures d’intervention donnent des résultats. C’est le profil des maladies comme la rougeole, qui se transmettent d’une personne à l’autre.

Évaluation et mesure de l'état de santé à l'échelle de la population Flashcards

(130 cards)