C’est quoi la validité expérimentale ?
Qualité et standardisation du protocole de recherche pour étudier, par exemple, l’efficacité d’une intervention.
Quel critère doivent pris en compte pour choisir l’échantillonnage ?
Représentativité de l’échantillon par rapport à la population cible. A-t-on recruté les bons participants? Est-ce que le traitement à l’étude est pertinent pour cet échantillon? Est-ce que ces participants sont semblables à ceux que nous rencontrons en clinique?
Comment choisir les échelles et outils de mesure ?
Leur choix est relié aux caractéristiques métrologiques de ces outils (validité, fidélité, sensibilité aux changements) et aussi en lien avec tous les aspects de la problématique à l’étude. Est-ce que les outils de mesures sélectionnés permettent de bien capturer les changements dans l’état des participants et de capturer tous les changements importants, tant au niveau, par exemple, de la douleur, d’un gain d’amplitude articulaire, d’une amélioration de la fonction ou encore de la qualité de vie d’un patient?
Quelles questions se poser par apport au test statistique approprie dans une étude ?
Est-ce que les auteurs ont analysé les résultats en utilisant les tests statistiques appropriés? A-t-on oublié de faire des analyses ou encore a-t-on fait des analyses qui n’étaient pas nécessaires?
Quels sont les 3 types de biais?
Biais de sélection
Biais d’information
Biais de confusion
À quel moment des étapes de la mythologie les biais sont-ils susceptibles de survenir ?
- Recrutement des participant (B. De sélection)
- Assignation des sujets aux groupe comparés (B. De confusion)
- Mesure des variable (B. D’information)
- Implantation du devis (B. de confusion)
- Analyse des données (B. de confusion)
C’est quoi un biais de sélection ?
Un biais de sélection est une erreur méthodique commise lors des procédures de recrutement des participants, faisant en sorte que l’échantillon obtenu soit non représentatif de la population à l’étude
Si l’échantillon a des caractéristiques (âge, genre, stade de la pathologie ….) différentes de celles de la population étudiée ET que ces caractéristiques influencent les résultats à l’étude, ces derniers risquent d’être faussés.
Cause de biais de sélection
y a 3 étapes qui peuvent mener à des biais de sélection au niveau du recrutement des sujets:
Définition des critères d’inclusion et d’exclusion:
Les critères d’inclusion et d’exclusion définissent les caractéristiques requises pour faire partie de la population à l’étude. S’ils sont mal définis ou mal mesurés, des sujets non représentatifs peuvent être inclus, ce qui empêche les résultats de refléter la réalité de la population étudiée.
Échantillonnage (localisation des sujets):
L’échantillonnage est la méthode utilisée pour recruter des participants et doit permettre d’obtenir un échantillon représentatif de la population étudiée. Les méthodes probabilistes (aléatoires) donnent à tous les individus une probabilité égale d’être recrutés et augmentent la représentativité. Les méthodes non probabilistes font dépendre la participation de certaines caractéristiques ou du médium de recrutement, ce qui peut produire un échantillon non représentatif (ex. plus jeune, plus éduqué, mieux nanti) et biaiser les résultats si ceux-ci dépendent de ces facteurs.
Participation des sujets:
Être éligible ne garantit pas la participation ni le maintien jusqu’à la fin de l’étude. La non-participation ou l’abandon peut être lié à divers facteurs (manque d’intérêt ou de temps, problèmes de santé, déménagement). Si ces motifs dépendent de caractéristiques des sujets, l’échantillon peut devenir non représentatif. Le biais de volontariat correspond au refus de sujets éligibles de participer, tandis que la mortalité expérimentale désigne les sujets qui quittent l’étude avant la fin, pour diverses raisons (et non uniquement le décès).
Quelle est la procédure pour détecter des biais de sélection ?
Étape 1
Analyser la qualité des critères d’inclusion et d’exclusion
- sont-ils pertinents, exhaustifs, précis … ?
-pourraient-ils entraîner un problème de représentativité ?
Étape 2
Vérifier si la méthode d’échantillonnage aurait pu entraîner un problème de représentativité :
- est-ce que le protocole utilisé exclut méthodiquement les sujets avec certaines caractéristiques précises qui peuvent influencer le résultat ?
Étape 3
Vérifier si la participation et les pertes au suivi avaient pu entraîner un problème de représentativité d’échantillon:
-quelle est la différence de caractéristiques entre ceux qui acceptent et ceux qui refusent de participer à l’étude (âge, santé …) ?
- quels sont les motifs de départ de l’étude?
Contre-vérification
Un regard sur les caractéristiques de l’échantillon permet de vérifier s’il y a des aberrances marquées par rapport à ce qui serait attendu dans la population à l’étude. Par exemple, la proportion de femmes est beaucoup plus élevée que celle des hommes pour une pathologie affectant généralement les deux genres de façon similaire.
Comment prévenir un biais de sélection ?
Optimiser la stratégie d’échantillonnage
Maximiser la participation
Analyses par intention de traitements
Comment optimiser la stratégie d’échantillonnage?
Les chercheurs devraient privilégier un échantillonnage probabiliste, offrant une chance égale de participation à tous les individus éligibles. Hors bases de données populationnelles, cette approche est souvent difficile avec des ressources limitées. En cas d’échantillonnage non probabiliste, la stratégie doit viser une couverture exhaustive des strates pertinentes de la population afin de limiter la discrimination méthodique et le risque de biais.
Quelles sont les stratégie pour maximiser la participation ?
1- Compensation ou autres avantages
2- Réduire la durée de l’étude et le nombre de sessions
3- Sondage à distance
4- Recours uniquement aux données médico-administratives
Decris la compensation ou autres avantages
Compensation financière
Avantages en soins de santé tels que recevoir des examens, traitements et suivis à la fine pointe
- Compense pour le temps investi dans l’étude
- Augmente les coûts de l’étude
- Conflit éthique potentiel : la décision de participer peut ne plus être éclairée, mais plutôt motivée uniquement par l’appât du gain si l’incitatif est trop élevé.
Réduire la durée de l’étude et le nombre de sessions
Diminution du fardeau du participant
Limite la quantité des données qui peuvent être recueillies et donc la rigueur et la portée de l’étude
Décris le sondage à distance
Téléphonique, postal ou en ligne
Diminution du fardeau du participant
Il est plus difficile de contrôler les biais d’information
Decris le recours uniquement aux données médico-administratives
Données de la CNESST,dossiers médicaux, registres,…
Élimine le biais de volontariat. Assure un taux de participation de 100% s’il n’y a pas de données manquantes
La quantité et la qualité de l’information peut être limitée (prédispose à un biais d’information)
Décris l’analyse par intention de traitement
Les analyses par intention de traitement refont les analyses en conservant les sujets ayant quitté l’étude. Si leurs résultats diffèrent de ceux prévus par le protocole (analyses excluant ces sujets), cela indique un biais de sélection. On privilégie alors l’intention de traitement, car elle représente mieux l’efficacité réelle (effectiveness).
Ces analyses nécessitent une imputation des données manquantes (méthodes simples à complexes). Les valeurs imputées ne reflètent pas exactement les données réelles, ce qui limite l’estimation de l’efficacité potentielle (efficacy).
Decris le biais d’information avec familiarisation
Ce biais correspond à une modification des résultats liée à l’apprentissage des tests d’évaluation. L’exposition répétée à une tâche ou à un test fonctionnel peut améliorer la performance par familiarisation, sans lien avec le traitement.
Ce biais d’apprentissage peut alors être confondu avec un effet réel du traitement, rendant difficile la distinction entre amélioration thérapeutique et effet de répétition du test.
Bien entendu ce concept s’applique à des tests où la performance du sujet est nécessaire. Notez que lorsqu’il s’agit de répondre à un questionnaire, il n’y a pas d’effet d’apprentissage.
Dans un ECR, si les deux groupes subissent les mêmes évaluations (ex. : un test fonctionnel) et que le traitement offert au groupe expérimental est différent des méthodes d’évaluation, on conclura qu’il n’y a pas de biais de familiarisation différentiel. Les deux groupes peuvent avoir eu un effet de familiarisation à l’évaluation, mais comme celui-ci sera semblable chez les deux groupes, il n’amènera pas de distorsion lors de la comparaison des résultats entre les groupes.
Comment diminuer le biais de familiarisation ?
Modifier le protocole expérimental et de faire réaliser quelques essais de pratique au sujet, ou de permettre au sujet de se familiariser avec le test avant la prise de mesure initiale. De plus, les méthodes d’évaluations standardisées sont aussi utiles pour diminuer ce type de biais. Puisque ce biais survient lors de la procédure expérimentale, il affecte la validité interne de l’étude.
Decris le biais d’information avec instrumentation
Le biais d’instrumentation correspond à une modification des résultats (variables dépendantes) liée à la collecte des données. Il peut résulter d’un problème ou changement d’appareillage (calibration, conditions environnementales), d’une modification de la procédure expérimentale (évaluateur, type d’instrument, séquence), ou d’un choix inadéquat des outils de mesure.
Comme les études s’étendent souvent sur une longue période, la présence de biais d’instrumentation est possible au cours du temps.
Comment contrôler les biais d’instrumentations ?
Pour contrôler le biais d’instrumentation, il faut sélectionner des outils valides, fidèles et sensibles aux changements, adaptés à la population et couvrant les aspects clés de la problématique. La standardisation des procédures, la formation des évaluateurs et le respect strict du protocole sont essentiels, surtout en cas de multiples évaluateurs, sites ou appareils. L’ordre des mesures doit être constant et la calibration des appareils réalisée régulièrement.
Decris le biais d’information avec évaluateurs/thérapeutes
Le biais des évaluateurs/thérapeutes survient lorsque l’évaluateur ou le thérapeute accorde plus d’attention à un groupe qu’à un autre ou influence la prise des mesures. Il est généralement considéré comme un biais d’information, mais peut aussi être vu comme un biais de confusion selon certains auteurs.
Comment éviter les biais des évaluateurs?
Pour éviter le biais des évaluateurs, il faut maintenir les évaluateurs et thérapeutes à l’aveugle quant à l’assignation des groupes dans l’ECR. La standardisation des protocoles d’évaluation et d’intervention réduit aussi ce biais en empêchant toute modification des mesures ou traitements selon le groupe.
Décris le biais de confusion par assignation
Le biais de confusion lié à l’assignation survient lorsque les groupes diffèrent dès le début de l’étude, ce qui peut expliquer en partie les différences de résultats observées à la fin. La randomisation en essai clinique vise à limiter ce biais en créant des groupes comparables. Le chercheur vérifie cette comparabilité en analysant les co-variables avant l’intervention.
Finalement, il faut aussi comprendre que ce biais peut aussi être causé par les chercheurs eux-mêmes. Si par exemple un medecin décide de mettre certain patient dans le groupe expérimental pour qu’ils puisse bénéficier du traitement.
