1
Q
Quel est le but principal d’un ECR ?
A
Établir un lien de causalité entre une intervention et un effe
2
Q
À quoi sert une bon ECR
A
- Bien exécuté et de qualité
- Répond à une question de recherche spécifique
- Donne des évidences sur le lien de causalité entre l’exposition (intervention ou traitement) et le CRP (la question) en plus de fournir une estimation de l’amplitude de ce lien (effet size)
3
Q
Pourquoi la randomisation est-elle essentielle ?
A
Elle prévient les biais de confusion en rendant les groupes comparables.
4
Q
Pourquoi le double insu est-il important ?
A
Il réduit les biais d’information liés aux attentes.
5
Q
Quelles sont les 3 causes possibles d’une différence observée ?
A
Erreur aléatoire
Effet réel de l’intervention
Biais
6
Q
Laquelle de ces causes correspond au lien de causalité recherché ?
A
L’effet réel de l’intervention.
7
Q
L’erreur aléatoire est-elle quantifiable ?
A
Oui
8
Q
Les biais sont-ils quantifiables ?
A
Non
9
Q
Que signifie “aucune différence observée” entre les groupes ?
A
Soit erreur aléatoire, soit absence d’effet, soit biais
10
Q
Qu’est-ce qu’une erreur de type I ?
A
Conclure à tort qu’il y a un effet de l’intervention alors qu’en réalité, il n’y en a pas (faux positif).
11
Q
Qu’est-ce qu’une erreur de type II ?
A
Conclure à tort qu’il n’y a pas d’effet de l’intervention alors qu’en réalité, il y en a un (faux
négatif)
12
Q
Que représentent α et β ?
A
Les probabilités des erreurs de type I et II.
13
Q
Peut-on éliminer complètement l’erreur aléatoire ?
A
Non
14
Q
Condition nécessaire pour établir un lien de causalité ?
A
Biais contrôlés + bonne précision.
15
Q
Quand la comparabilité des groupes est-elle assurée ?
A
Au moment de la randomisation.
16
Q
Que signifie “balanced at baseline” ?
A
Groupes comparables au recrutement.
17
Q
La comparabilité est-elle garantie jusqu’à la fin de l’étude ?
A
Non
18
Q
Pendant l’étude : les problèmes commencent
A
Au fil du temps, certains patients :
- décèdent
- se retirent de l’étude
- déménagent
- arrêtent le suivi
- ont des données manquantes
👉 Tout cela s’appelle l’attrition (pertes au suivi).
19
Q
Pourquoi l’attrition est dangereuse ❌
A
Parce que :
- les patients analysés à la fin
- ne sont plus exactement ceux qui ont été randomisés
➡️ Les groupes analysés peuvent devenir non comparables.
👉 Résultat possible :
- biais de confusion
- perte de validité interne
20
Q
2 types de pertes au suivi ne sont pas équivalents
A
Exemple 1 : perte liée au clinicien
Le clinicien exclut les patients qui répondent mal
➡️ Biais introduit par sélection
Exemple 2 : perte liée au patient
Le patient décide de quitter l’étude
➡️ Biais différent
21
Q
Ce qui compte vraiment
A
Ce n’est PAS la comparabilité au recrutement
mais la comparabilité des groupes utilisés dans l’analyse finale
22
Q
Ce qui compte le plus pour l’analyse finale ?
A
La comparabilité des groupes analysés.
23
Q
La randomisation équilibre-t-elle les facteurs non mesurés ?
A
Oui, en moyenne.
24
Q
Un ECR avec peu de patients est-il plus à risque de débalancement ?
A
Oui
25
La randomisation garantit-elle toujours des groupes comparables ?
Non, elle réduit le risque sans l’éliminer.
26
Que représente la réponse d’un ECR ?
Une réponse moyenne dans un groupe de patients.
27
Les patients d’un même groupe répondent-ils tous pareil ?
Non, les réponses individuelles sont hétérogènes.
28
Que signifie “le traitement est efficace” dans un ECR ?
Qu’il est bénéfique en moyenne par rapport au placebo
29
Un ECR permet-il de savoir si un patient précis va répondre ?
Non.
30
Pourquoi parle-t-on de “patient moyen” ?
Parce que l’ECR produit une moyenne statistique, pas une réalité individuelle.
31
Le patient moyen existe-t-il réellement ?
Non
32
Quelle est la limite principale des ECRs traditionnels ?
Ils ne répondent pas aux questions individuelles.
33
Quel est l’objectif de la médecine personnalisée ?
Adapter le traitement aux caractéristiques uniques d’un individu.
34
Les designs classiques d’ECR sont-ils adaptés à la médecine personnalisée ?
Non, ils donnent des réponses moyennes.
35
Message clé à retenir pour l’examen ?
ECR = réponse moyenne ; médecine personnalisée = réponse individuelle.
36
Peut-on qualifier un ECR de “faux positif” ou “faux négatif” ?
Non. Cette terminologie est à proscrire.
37
Qu’est-ce qu’on peut quantifier à la place ?
Les probabilités d’erreur de type I (α) et de type II (β).
38
Les probabilités d’erreur de type I (α) et de type II (β).
Qu’aucune différence n’a été observée dans cette étude.
39
Une absence de différence signifie-t-elle un faux négatif ?
Non
40
Quelles sont les 3 causes possibles d’une absence de différence ?
1. Erreur aléatoire
2. Absence d’effet réel
3. Biais
41
Dans un ECR de haute qualité sans différence observée, quelle est l’interprétation la plus plausible ?
Si l’effet existe, il est faible ou très modeste.
42
Pourquoi un ECR bien conçu est rarement “faux négatif” ?
Parce que l’erreur aléatoire est contrôlée dès la conception.
43
Qu’est-ce qu’une erreur de type I ?
Conclure à tort qu’il y a un effet (faux positif).
44
Qu’est-ce qu’une erreur de type II ?
Conclure à tort qu’il n’y a pas d’effet (faux négatif).
45
Pourquoi ne doit-on pas qualifier un ECR de faux positif ?
Parce qu’on ne connaît pas la vraie valeur de l’effet.
46
Message clé pour l’examen ?
On parle de probabilités d’erreur, pas d’ECR faux positif ou faux négatif.
47
Pourquoi utilise-t-on les critères de Bradford Hill ?
Pour évaluer la causalité dans des études non expérimentales.
48
Association = causalité ?
Non
49
Combien y a-t-il de critères de Bradford Hill ?
8
50
8 critères de Bradford Hill
*Pour déterminer si une association est un lien de causalité ou non, un lien de causalité est établi si l'association répond aux 8 critères*
1. Relation temporelle
2. Amplitude de la réponse/Force de l'association
3. Spécificité de l'association
4. Effet dose-réponse
5. Stabilité de l'association
6. Plausibilité biologique
7. Cohérence
8. Preuve expériementale
51
1. Relation temporelle
Cela signifie que l'exposition précède la maladie. Dans le cas d'un ECR, ceci est assuré par le suivi prospectif des participants/patients et le début des interventions après la randomisation.
52
Amplitude de la réponse/Force de l'association
- Si l'amplitude de l'association entre l'exposition et la maladie est suffisamment importante, les biais et la précision ont potentiellement moins d'impact.
- À noter que l'association entre le tabac et le cancer du poumon est excessivement forte, ce qui a contribué très tôt à identifier le
tabagisme comme une des causes du cancer du poumon.
- Même s'il y a quelques biais et imprécisions, leurs amplitudes sont relativement faibles par rapport à l'amplitude de l'association.
53
. Spécificité de l'association
La spécificité de l’association renforce la causalité lorsqu’une exposition est liée à une maladie précise, mais ce critère est limité car les maladies ont souvent plusieurs causes et les traitements plusieurs effets.
54
Effet dose-réponse
- Plus l'exposition est intense, plus le risque augmente (ex : tabac et cancer du poumon).
- Dans un ECR, ceci fonctionne à l'inverse; le placebo est la dose minimale et l'intervention expérimentale la dose élevée.
- Si l'intervention est efficace, le risque de la maladie diminue plus la dose/l'exposition est élevée.
- Alternativement, pour l'innocuité, on observera potentiellement plus d'effets indésirables avec la dose élevée comparativement au placebo
55
Stabilité de l'association
On observe les mêmes associations avec d'autres populations/cohortes/études.
56
Plausibilité biologique
Il existe un mécanisme biologique connu qui peut expliquer le lien causal
57
Cohérence
On observe une cohérence avec les connaissances antérieures.
58
Preuve expérimentale
Les associations ont été obtenues avec des études avec des designs expérimentaux (ex : ECR)
59
RAPPEL : À quoi servent les critères de Bradford-Hill
Outil utile pour établir le lien de causalité
60
Aujourd'hui, quels sont les 3 catégories de critères
1. Évidence directe : évidence provenant d'études avec de bonnes précisions et où les biais sont bien contrôlés (ECR ou études observationnelles)
2. Évidence mécanistique : évidence sur le processus qui lie l'intervention/l'exposition à la maladie
3. Évidence concomitante : évidence sur la reproductibilité et la similarité des résultats avec d'autres études dans d'autres populations
61
Pourquoi a-t-on besoin de mesures d’association dans un ECR ?
Pour quantifier la relation entre le groupe de traitement et le résultat clinique, et déterminer s’il existe une tendance favorisant un groupe.
62
Qu’est-ce qu’une association, en termes simples ?
Quand savoir à quel groupe appartient un patient donne de l’information sur son résultat clinique.
63
Association signifie-t-elle causalité ?
Non. L’association décrit une relation observée; la causalité dépend du design (ex. ECR).
64
Pourquoi l’exposition est-elle souvent dichotomique dans un ECR ?
Parce qu’on compare généralement un traitement expérimental à un placebo ou contrôle.
65
Pourquoi le type de CRP est-il important ?
Parce qu’il détermine quelle mesure d’association est appropriée
66
Que signifie une différence de 0 ?
Aucune association : les deux groupes ont le même résultat en moyenne.
67
Pourquoi une différence non nulle indique-t-elle une association ?
Parce que les résultats diffèrent systématiquement entre les groupes.
68
Comment interpréter le signe d’une différence ?
Il indique quel groupe est favorisé (traitement ou placebo).
69
Que représente l’amplitude de la différence
La force de l’association et donc l’importance clinique potentielle.
70
Pourquoi utilise-t-on un rapport plutôt qu’une différence parfois ?
Parce qu’on s’intéresse à un risque relatif ou à un temps d’incidence.
71
Que signifie un rapport égal à 1 ?
Aucune association entre le traitement et le CRP.
72
Comment savoir quel groupe est favorisé avec un rapport ?
En regardant si le rapport est supérieur ou inférieur à 1, selon sa définition.
73
Pourquoi la définition du rapport est-elle cruciale ?
Parce qu’elle détermine le sens de l’interprétation (>1 ou <1).
74
À quoi ressemble une absence d’association dans les données ?
Les succès et échecs sont répartis de façon similaire dans les deux groupes.
75
À quoi ressemble une association forte ?
La majorité des événements se concentre clairement dans un seul groupe.
76
Pourquoi une association forte est-elle plus convaincante ?
Parce qu’elle est moins susceptible d’être expliquée par l’erreur aléatoire ou les biais.
77
Comment l’exemple du vaccin COVID illustre une forte association ?
Parce que presque tous les cas sont survenus dans le groupe placebo.
78
Quelle est la meilleure phrase-clé pour l’examen ?
Une mesure d’association décrit la direction et l’ampleur de la relation entre le traitement et le CRP.
79
Pourquoi n’a-t-on pas toujours des ECRs pour établir une causalité ?
Parce qu’il n’est pas toujours éthique de randomiser une exposition.
80
À quoi servent les critères de Bradford Hill ?
À évaluer si une association est probablement causale.
81
Que signifie cocher peu de critères de B-H ?
Que la prudence est nécessaire avant de conclure à une causalité.
82
Pourquoi les maladies compliquent-elles l’analyse causale ?
Parce qu’elles sont généralement causées par plusieurs facteurs.
83
Pourquoi utilise-t-on les critères de B-H avant de lancer un ECR ?
Pour justifier scientifiquement et financièrement l’étude.
84
Pourquoi un ECR sans mécanisme biologique est-il risqué ?
Parce qu’il est difficile à justifier et à financer.
85
Une association observée dans un ECR est-elle toujours causale ?
Non
86
Quelles sont les 3 causes possibles d’une association observée dans un ECR ?
Erreur aléatoire
Effet réel
Biais non contrôlés
87
Le critère 8 est-il suffisant à lui seul ?
Non, il doit être interprété avec les autres critères de Bradford Hill.
88
Un seul ECR de phase III satisfait-il automatiquement le critère 8 ?
Non, une confirmation indépendante est nécessaire.
89
Quand le critère 8 est-il considéré satisfait ?
Quand les résultats d’ECRs de qualité sont confirmés par d’autres études.
90
Quelle est l’erreur la plus fréquente en recherche clinique ?
Confondre association et causalité.
91
À quels types d’études s’appliquent les critères de Bradford Hill ?
Aux études observationnelles et expérimentales.
92
Quel était le constat initial concernant la circoncision et le VIH ?
Une association observée dans des études observationnelles.
93
Pourquoi cette association ne suffisait-elle pas à conclure à une causalité ?
À cause de nombreux facteurs de confusion non contrôlés.
94
Pourquoi ce sujet était-il particulièrement controversé ?
Parce qu’il existait peu d’interventions efficaces contre le VIH à l’époque.
95
Quels étaient les deux camps dans la communauté scientifique ?
Implémenter immédiatement l’intervention
Attendre des preuves par ECRs
96
Quelle méthode a permis de trancher le débat ?
La réalisation de 3 essais cliniques randomisés (ECRs).
97
Que montraient les trois ECRs ?
Une réduction significative de la transmission du VIH chez les hommes circoncis.
98
Pourquoi les ECRs étaient-ils déterminants ici ?
Parce qu’ils contrôlaient les biais de confusion par la randomisation.
99
Quelle conclusion a été acceptée par la communauté scientifique ?
La circoncision a un effet causal protecteur contre la transmission du VIH.
100
Quelle organisation a recommandé cette intervention en 2007 ?
L’Organisation mondiale de la Santé (OMS).
101
Quel est l’enseignement méthodologique principal de cet exemple ?
Les ECRs sont essentiels pour établir la causalité quand les études observationnelles sont insuffisantes.
102
Quelle est l’erreur la plus fréquente en recherche clinique ?
Confondre association et causalité.
103
Une association statistiquement significative est-elle causale ?
Non
104
Pourquoi les associations sont-elles si fréquentes ?
Parce que de nombreux facteurs sont liés entre eux par des biais de confusion.
105
La plausibilité biologique prouve-t-elle la causalité ?
Non, elle soutient une hypothèse sans la démontrer.
106
Quel est le rôle de la randomisation dans un ECR ?
Assurer la comparabilité des groupes
107
Pourquoi les études observationnelles sont-elles vulnérables ?
Parce que les groupes ne sont pas comparables.
108
Une grande taille d’échantillon élimine-t-elle les biais ?
Non
109
Que corrige la taille d’échantillon ?
L’erreur aléatoire, pas les biais.
110
Qu’est-ce que le biais de publication ?
La tendance à publier surtout les résultats positifs.
111
Pourquoi faut-il être prudent avant d’implanter une intervention ?
Pourquoi faut-il être prudent avant d’implanter une intervention ?
112
Le rapport de cotes est-il toujours facile à interpréter ?
Non, il est souvent peu intuitif
113
Peut-on toujours utiliser un ECR pour établir une causalité ?
Non, certains ECRs sont non éthiques.
114
Quand peut-on parler de lien causal ?
Quand les biais sont contrôlés et que les critères de causalité sont respectés.
115
Biais de publication
Il existe une tendance à :
- publier les résultats positifs
- ne pas publier les résultats nuls ou négatifs
👉 Cela donne une vision biaisée de la littérature.
➡️ Pour les ECRs :
- des initiatives obligent désormais la publication peu importe le résultat
116
ECR vs étude observationnelle (sur la comparabilité)
- Dans un ECR, cette comparabilité est assurée par la randomisation
- Dans une étude observationnelle, elle ne l’est pas
117
Vrai ou faux: une augmentation de la taille de l'échantillon = absence de biais
Faux, Très grande taille d’échantillon → meilleure précision
MAIS :
- aucune réduction des biais
- Une étude peut être : très précise et très biaisée
118
Limite éthique
Dans certains contextes :
un ECR est impossible
ex. randomiser le temps d’attente à l’urgence
➡️ risque vital pour les patients
👉 On doit alors accepter l’incertitude causale.
MMD1048 Stats
flashcards
Decks in class (4)
# Cards
