Module 4: Validité, précision et sources d'erreur

Question 1

L’objet de la section discussion:

Answer 1

contester la validité des résultats observés et de ressortir s’il y a lieu la présence de bias/distorsions qui pourraient en affecter la validité

Question 2

Les deux types d’erreurs:

Answer 2

1. Aléatoires
2. Systématiques

Question 3

Absence d’erreur systématique =

Answer 3

Validité

Question 4

Absence d’erreurs aléatoires =

Answer 4

Précision

Question 5

Validité

Answer 5

Capacité d’évaluer correctement un phénomène/mesurer la valeur réelle

Question 6

Validité interne vs. externe:

Answer 6

Externe: capacité de généraliser un résultat à une pop. cible

Interne: capacité d’une étude d’estimer correctement les mesures

Question 7

Validité et bias

Answer 7

Apparaît lorsqu’une mesure écarte systématiquement de la valeur réelle

ex: instrument mal calibré

Question 8

Comment prévenir le bias?

Answer 8

Employer une démarche rigoureuse (recherche et clinique)

Question 9

Présicion:

Answer 9

Fait qu’une valeur fluctue peu → Ø d’erreur aléatoire

Question 10

Comment prévenir l’erreur aléatoire

Answer 10

Utilisation des instruments bien conçus et un échantillon de grande taille

Question 11

Les 3 types de biais:

Answer 11

1. Sélection
2. Information
3. Confusion

Question 12

Biais d’échantillonnage/survie élective

Answer 12

Survient quand membres de la population ont moins de chance d’être sélectionnés dans une étude

Ex: patients asx, maladie qui cause rapidement le décès (impact of car accidents on hospitalization rate, people who died on impact were injured +++ but weren’t hospitalized cause they’re dead)

Question 13

Biais d’admission/de Berkson

Answer 13

Quand les sujets sélectionnées sont différentes que la population cible en raison de l’exposition étudiée

(sample Ø taken from representative population, ex: blood pressure rates but taken from blood pressure clinic)

Question 14

Biais de migration/perdue de vue:

Answer 14

dans une étude où il y a eu des sujets perdus de vue, il est possible de surévaluer ou de sous-évaluer l’efficacité d’une intervention puisque l’on ne peut pas savoir si les gens perdus de vue ont été guéri ou non par le traitement

Question 15

Biais de volontariat :

Answer 15

lorsque le recrutement des sujets de l’étude se fait par volontariat

people who volunteer ø completely representative of population

Question 16

Biais de bonne santé des travailleurs:

Answer 16

travailleurs ont généralement un taux de morbidité et de mortalité moins élevé que la population générale → secondaire au fait que les personnes en bonne santé ont plus de chance de conserver un emploi

Question 17

Biais de publication:

Answer 17

Retrouvé dans les articles de synthèse:

Il est lié à la tendance des chercheurs de publier davantage les articles qui appuient les hypothèses de recherche plutôt que ceux qui les contredisent

Question 18

Réduction de biais de échantillonnages

Answer 18

S’assurer que tous les membres de la population ont la même probabilité d’être sélectionnés pour l’étude.

Par exemple, en effectuant un échantillonnage aléatoire stratifié

Question 19

Biais de admission

Answer 19

Vérifier que les caractéristiques des sujets à l’étude sont représentatives de la population cible

Question 20

Réduction de biais de migration

Answer 20

Employer des méthodes pour minimiser les perdus de vue

Question 21

Réduction de biais de volontariat

Answer 21

Utiliser un échantillonnage aléatoire

Question 22

Réduction de biais de “bonne santé des travailleurs”

Answer 22

Comparer les résultats obtenus dans un groupe de travailleurs uniquement à une population de travailleurs

Question 23

Réduction de biais de publication

Answer 23

Prendre des mesures pour retrouver les études qui n’ont pas été publiées

Question 24

Biais d’information:

Answer 24

mesure incorrecte de l’exposition ou de la maladie

Ex: instruments de mesure de mauvaise qualité, mauvaise méthode de récolte des données ou encore par de mauvaises pratiques de la part de l’observateur

Question 25

Trois types de biais d'information:

Answer 25

1. Erreur de classification non différentielle 2. Erreur de classification différentielle 3. Biais de rappel

Question 26

Erreur de classification non différentielle:

Answer 26

Survient lorsque les mesures sont prises par un même instrument imparfait dans les deux groupes comparés **Affecte de la même façon les deux groupes** Cause une **sous-estimation** de la vraie mesure d’association

Question 27

Erreur de classification différentielle:

Answer 27

Affecte **différemment** les deux groupes comparés dans l’étude Peut mener à une **surestimation** ou à une **sous-estimation** de la mesure d’association

Question 28

Biais de rappel

Answer 28

**Études cas-témoins et dans les études transversales** Les personnes souffrant d’un problème de santé ont tendance à se rappeler davantage de l’exposition antérieure à un facteur de risque que les individus en santé

Question 29

Comment réduire biais d'information?

Answer 29

1. Nécessaire de décrire convenablement les méthodes d’obtention des données ainsi que les instruments utilisés 2. Bien décrire les instruments qu’ils emploient et de décrire leurs limites 3. Études expérimentales: 1. Il est important que la répartition et la sélection des sujets soient **effectuées aléatoirement**. 2. Idéal que la personne qui analyse les résultats ignore quel traitement est administré à quel sujet

Question 30

Biais de confusion:

Answer 30

* Causé par la **présence** d’un **facteur influençant** de **façon** **indépendant** la **maladie** et le **facteur** d’exposition à l’étude * Ne doit donc **pas entrer dans la chaîne causale** de la maladie * Peut **provenir** des **caractéristiques** de la population à l’étude ou de la **façon** dont les sujets ont été **sélectionnés** * Traduira par le fait que la **mesure d’association brute** ne sera **pas** **comprise** entre la **mesure spécifique la plus élevée** et la mesure spécifique la **plus basse**

Question 31

Comment réduire biais de confusion:

Answer 31

1. Étudiant les mesures selon les strates du facteur de confusion 2. **Lors de l’échantillonnage:** 1. Procéder par **restriction** ou par **assortiment** 1. Individus qui sont semblables par rapport au facteur de confusion potentiel 2. Exclut de l’étude les gens exposés au facteur potentiellement confondant 3. **Répartition** des sujets par **hasardisation:** 1. Faut **vérifier** que la **distribution** des caractéristiques de personne est **semblable** **entre** les **deux** groupes étudié 4. Lors de l’analyse par stratification ou à l’aide de modèles mathématiques 5. L’ajustement de la mesure d’association