Quelles sont les 2 sources d’erreur pouvant engendrer des écarts entre une estimation et le paramètre réel?
Erreur aléatoire (variation due au hasard)
* Fluctuations “aléatoires” de la mesure liées à l’échantillonage
Erreur systématique (ou biais)
Différencier précision et validité
Précision : c’est l’absence d’erreur aléatoire. Elle s’accroit au fur et à mesure que la taille de l’échantillon augmente
Validité : c’est l’absence d’erreur systématique. Elle n’est pas modifiée par la taille de l’échantillon
Quand on demande si l’étude est valide, on demande de regarder s’il y a des …
biais
Quand une seule mesure est obtenue (ex d’1 seule fléchette lancée = 1 seul individu à l’étude), on ne peut pas savoir si l’écart entre la mesure et la vraie valeur est due à la chance ou à un biais. Comment est-il possible alors de faire la distinction?
En répétant la mesure (donc de lancer plusieurs fléchettes ou accroître la taille de l’échantillon) :
- Si la moyenne des mesures correspond au paramètre, l’erreur est aléatoire
- Si la moyenne des mesures est erronée, un biais en est l’explication
Comment savoir si une estimation est exacte?
Elle est exacte seulement si elle est valide et précise
- Valide : biais d’observation? de sélection? facteurs de confusion?
- Précise : le hasard peut-il, à lui seul, expliquer le résultat? (voire les erreurs de type I et II)
Pour pouvoir dire que notre résultat est exact, on doit pouvoir éliminer tous les biais et éliminer la présence d’imprécision. La validité interne est bcp plus importate que la généralisabilité de notre résultat
Quelles sont les erreurs de classification non-différentielles?
Si la mesure de l’exposition (ou maladie) est imparfaite, mais que cette imperfection ne dépend pas de l’autre axe de classification
- Ex : qualité de la classification de la maladie ne dépend pas de l’exposition (mesure “indépendante de l’exposition”)
- Ex : la qualité de la classification de l’exposition ne dépend pas de l’état de santé (mesure “indépendante de l’état de santé”)
Est +/- présente dans toute étude
Quelles sont les erreurs de classification différentielles?
- Si la “qualité” de la mesure de la maladie est différente entre exposés et non exposés (mesure “dépendante de l’exposition”) ou
- Si la “qualité” de la mesure de l’exposition est différente entre malades et non malades (mesure “dépendante de l’état de santé”)
Quels sont les impacts des erreurs de classification non-différentielles?
- Augmentent la ressemblance entre les groupes quand la variable (exposition ou maladie) est dichotomique
- Contribuent à sous-estimer les associations mesurées en rapprochant la mesure d’association de la valeur 1,0
- Si aucune association n’existe, ce biais n’en créera pas (“biais conservateur”)
- Ont différentes conséquences selon que les résultats de l’étude révèlent ou non la présence d’une association
Peut-on avoir une erreur de classification non-différentielle de l’issue dans un essai randomisé?
Oui c’est possible. Ex si on a un problème avec les outils de mesure
Peut-on avoir une erreur de classification non-différentielle de l’exposition dans un essai randomisé?
À priori, non, car on ne mesure pas vraiment l’exposition, on l’assigne. Sauf que, dans chacun des 2 groupes, il y a des non-observants.
Si c’est unpeu dû au hasard (même proportion de gens non compliants dans les 2 groupes), on pourrait dire que ceux-ci sont mal classé, donc il pourrait y avoir une erreur de classification non-différentielle. Quand on a bcp de non-observants, ça rend les 2 groupes plus semblables, donc ça a exactement le même effet qu’une erreur de classification non-différentielle
Peut-on avoir une erreur de classification différentielle sur l’issue dans un essai randomisé?
Si l’étude n’est pas à l’aveugle et si ceux qui documentent la maladie savent qui a quoi, ils von peut-être être plus enclins à vérifier ceux du groupe placebo
Dans l’étude de cohorte, un biais d’observation (ou erreur de classification) peut se produire quand quoi?
- L’évaluateur sait qui est exposé et qui ne l’est pas (l’observation n’est pas faite à l’aveugle)
- L’exposition, par sa nature, affecte l’intensité du suivi
- Un problème de classification de l’exposition ou de la maladie survient pour quelqu’autre raison (ex instruments de mesure)
Dans l’étude cas-témoins, un biais d’observation (ou erreur de classification) peut se produire quand quoi?
- L’évaluation des expositions antérieures n’est pas faite à l’aveugle
- On fait appel à la mémoire des individus pour mesurer l’exposition
- L’étude s’intéresse à une exposition “délicate”
- Quand un outil utilisé pour mesurer soit l’exposition, soit la maladie, est peu précis (non-différentiel)
Quand on parle de biais d’observation dans une étude analytique, de quoi parle-t-on?
On fait généralement référence aux erreurs de classifications différentielles
Pourtant, dans une comparaison de groupe (contexte analytique), les erreurs de classification non-différentielles tendent aussi à causer un biais (mais la direction de biais est prévisible = biais conservateur)
Par rapport aux erreurs systématiques due à la façon dont les sujets sont sélectionnés (ou perdus de vue), comment ça se poduit dans l’étude de cohorte?
Se produit quand la sélection (ou les pertes au suivi) des exposés et des non-exposés dépend de la susceptibilité à (ou de la présence de) la maladie
* “Quand la sélection n’est pas indépendante de la susceptibilité à la maladie”
Par rapport aux erreurs systématiques due à la façon dont les sujets sont sélectionnés (ou perdus de vue), comment ça se poduit dans l’étude cas-témoins?
Se produit quand la sélection des cas et des témoins dépend de facteurs liés à la présence (ou absence) de l’exposition
* “Quand la sélection n’est pas indépendante de l’exposition”
Quelles sont les conséquences des erreurs systématiques due à la façon dont les sujets sont sélectionnés (ou perdus de vue)?
- L’association observée chez les sujets étudiés est différentes de celle des sujets éligibles, mais non étudiés
- L’association mesurée dans l’échantillon est différente du paramètre qu’elle tente d’estimer (l’association réelle telle qu’elle existe dans la population)
Dans l’essai randomisé, le plus important biais de sélection est celui lié à quoi?
Aux pertes au suivi
Par rapport aux pertes au suivi, quels sont les 2 éléments auxquels on doit faire attention?
- Trop grand nombre de perdus de vue
- Proportions différentes de perdus de vue entre les exposés et les non exposés
Dans quelles circonstances peut-on avoir un biais de sélection dans l’étude de cohorte et l’ECR?
Refus de participer (population de base -> échantillon)
* Problème de généralisabilité au mieux
* Au pire, dans l’étude de cohorte, si la participation est liée à l’exposition ET à la susceptibilité de développer la maladie : problème de validité interne (= biais)
Pertes au suivi (échantillon initial -> échantillon final)
Toute autre raison faisant que les groupes (exp/non-exp) ne sont pas choisi indépendamment de la susceptibilité à la malade (ou de l’état de santé)
À quel moment peuvent survenir les biais de sélection dans l’étude cas-témoins?
Peut survenir si…
* La surveillance (et donc la détection des cas asymptomatiques) ne se fait pas à la même intensité selon l’exposition
* Le diagnostic de la maladie est lié à l’exposition
* La participation des cas et/ou de témoins est liée à leur exposition
* Toute autre raison faisant que les cas et/ou les témoins ne sont pas choisis indépendamment de l’exposition
Qu’est-ce que le facteur de confusion?
Une variable externe dont l’effet est de modifier la mesure d’association qui nous intéresse
* En présence d’un tel facteur, l’association observée est due, partiellement ou totalement, à une différence entre les groupes comparés quant à ce facteur (plutôt qu’à une différence d’exposition)
Est donc un biais qui peut altérer, masquer ou renverser une association
Contrairement aux autres biais causés par des défauts dans le devis de l’étude, l’effet confondant est causé par les interrelations complexes qui existent entre une maladie et ses facteurs de risque
Pour être un facteur de convusion, une variable externe doit être quoi?
- Un facteur de risque pour la maladie (chez les exposés et non-exposés)
- Associée à l’exposition, mais…
- Sans être sur le chemin causal liant exposition et maladie
Différencier facteur de confusion, effet confondant et effet modifiant.
Facteur de confusion
* Variable qui confond/distortionne l’association entre une exposition (E) et une maladie (M). Cette variable exerce un effet confondant
* Vient donc biaiser la mesure de l’association entre E et M
Effet confondant
* Peut être éviter en prenant des mesures appropriées au moment de planifier l’étude
* Peut être éliminé au moment de l’analyse des données
Effet modifiant
* Est exercé par une variable qui, quand elle change de valeurs, modifie la force de l’association entre E et M. On parlera d’une variable modificatrice d’effet
* Fait en sorte que dans différents sous-groupes de la population, l’effet de E sur M n’est pas le même
* Doit donc être rapporté tel quel : ce n’est pas un biais à éviter
