Qui suis-je? Résultat d’un manque de précision ou de l’effet du hasard dans l’échantillonnage qui tend à diminuer lorsqu’on augmente la taille de l’échantillon
Erreur aléatoire
Lorsqu’un paramètre (à l’échelle d’une population) est estimé à partir d’un échantillon, l’estimation peut, par hasard, être erronée (imprécise). Quelles peuvent être les sources de variabilité “aléatoire” ou d’imprécisions?
- Variation biologique propre à chaque individu
- Variation entre individus d’un groupe
- Imprécision de l’instrument de mesure
- Imprécision de l’observateur utilisant l’instrument
- Imprécision du sujet mesuré (si collaboration requise)
Qui suis-je? Variabilité résiduelle dans les données qu’on ne peut expliquer par la présence de biais.
Erreur aléatoire
Comment prévenir l’imprécision (erreur aléatoire)?
- Utiliser des instruments de mesure fiables
- Équilibrer l’échantillon
- Accroître la taille de l’échantillon:
.+ grand nb de mesures par individu
.+ grand nb d’individus
.+ les échantillons sont petits, + les estimations risquent d’être variables et de ne pas refléter l’expérience de la population entière
Comment évaluer le rôle du hasard dans les études?
- En faisant un test d’hypothèse; ou
- En calculant un intervalle de confiance autour de l’estimation
Que doit-on supposer pour faire le calcul de la valeur P?
- Que la prévalence est nulle; ou l’exposition n’a pas d’effet; ou les populations sont semblables; etc., … i.e. on doit supposer que:
- H0 tient et seul le hasard d’échantillonnage peut jouer un role
Que peut-on conclure lorsque la valeur p est grande?
On conclut que la hasard d’échantillonnage peut, à lui seul, expliquer nos résultats.
Que peut-on conclure si la valeur p est petite ?
Si la p-value est petite, nous concluons que le résultat est peu susceptible d’avoir été obtenu par hasard (rejet de H0)
*Attention: Aucune valeur-p, aussi petite soit-elle, ne peut complètement exclure le rôle du hasard : “P-value = 0,04”
De quoi dépend la valeur P?
De la magnitude de l’effet et de '’n’‘
Qu’est-ce qu’un intervalle de confiance?
Intervalle de valeurs qui, à un certain niveau de confiance, est susceptible de contenir la valeur du paramètre que nous avons voulu estimer dans l’étude;
Comment interpréter un intervalle de confiance?
Indique, par sa largeur, la variabilité inhérente (aléatoire) à l’estimation (ce que l’estimation ponctuelle ne peut pas faire)
- IC étroit indique une bonne précision et donc peu d’erreur aléatoire
- IC large indique peu de précision et donc: Indique, par ses valeurs, la magnitude de l’effet (association) et Reflète le fait que le résultat obtenu dans l’étude peut différer de la vérité en raison de la variabilité d’échantillonnage.
Quelles sont les erreurs liées aux fluctuations aléatoires d’échantillonnage?
Erreur de type 1 et type 2
Montrer une différence qui n’existe pas.
Quel type d’erreur ?
Type 1
Ne pas montrer une différence qui existe.
Quel type d’erreur ?
Type 2
La probabilité de trouver un effet “statistiquement significatif” simplement par mauvais hasard (erreur alpha) ____ avec le nombre de facteurs étudiées (ou de comparaisons effectuées)
Augmente
C’est pourquoi Il faut interpréter avec prudence toute association ”statistiquement significative” imprévue
Quand on dit que c’est statistiquement significatif, qu’est-ce que ça veut dire?
- N’élimine pas complètement le rôle du hasard mais signifie qu’il est peu probable;
- N’élimine pas la possibilité que les résultats puissent être la conséquence de biais ou d’effet de confusion;
- Ne signifie pas que la relation entre l‘exposition et la maladie en est une de cause à effet;
- Ne signifie pas que les différences observées ont une “signification clinique” ou biologique;
- Doit être interprétée avec prudence quand elle est inattendue (comparaisons multiples par exemple)
Quand on dit que c’est non statistiquement significatif, qu’est-ce que ça veut dire?
- Ne signifie pas que les résultats sont nécessairement dû au hasard, mais bien que le rôle du hasard ne peut être écarté;
- Ne signifie pas nécessairement que l’association n’en est pas une de cause à effet;
- Ne signifie pas non plus que l’association n’a aucune signification clinique;
- Peut signifier que la taille de l’échantillon était insuffisante.
Si un biais, un facteur de confusion ou le hasard ne semblent pas expliquer une association observée, pouvons-nous conclure que l’exposition étudiée cause la maladie?
Non
On ne peut jamais dire qu’il y a une causalité, on peut seulement associer
Que sont les critères de Bradford Hill?
- Temporalité: Pour être la cause d’une maladie, une exposition doit en précéder le développement (Condition sine qua non et Parfois difficile à déterminer)
- Force de l’association: Plus une association est forte (p.ex. RR↑), moins elle est susceptible d’être entièrement expliquée par un biais
Plusieurs associations faibles sont causales
Plusieurs associations fortes sont non-causales - Constance ou stabilité: Une association retrouvée dans des études de différents types ou dans différentes populations est plus susceptible d’être causale
- Effet dose-réponse: Si la force de l’association est d’autant + grande que l’exposition est ↑, la probabilité d’un lien causal est ↑(Ne serait pas observé dans le cas d’un effet de seuil)
- Plausibilité biologique: Il existe un mécanisme biologique connu pouvant expliquer comment l’exposition pourrait causer la maladie.
- Spécificité: Une exposition particulière ↑/↓ le risque d’une maladie mais pas des autres, renforce le lien de causalité. (une cause peut avoir de nombreux effets)
- Expérimentation: Des études expérimentales montrent que le retrait/prévention de l’exposition ↓ la fréquence de maladie
Vrai ou faux? L’absence de constance exclut un lien de cause à effet.
Faux, n’exclut pas
Quel est le bémol du critère de plausibilité biologique dans les critères de bradford Hill?
- Très subjectif
- Une absence de plausibilité peut simplement refléter l’état des connaissances
H. pylori cause-t-elle le cancer de l’estomac?
Oui
Comment ‘‘compter les cas de maladies’’?
Comment ‘‘compter les décès’’?
