m thodes en pid miologie spub009 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Méthodes en épidémiologie (SPUB009) PowerPoint Presentation
Download Presentation
Méthodes en épidémiologie (SPUB009)

Loading in 2 Seconds...

play fullscreen
1 / 56

Méthodes en épidémiologie (SPUB009) - PowerPoint PPT Presentation


  • 82 Views
  • Uploaded on

Méthodes en épidémiologie (SPUB009). Alain LEVEQUE, MD, PhD Département d’Epidémiologie et de Promotion de la Santé. Interprétation des résultats dans une étude épidémiologique Les biais le rôle du hasard. L’interprétation des résultats d’une étude épidémiologique :

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Méthodes en épidémiologie (SPUB009)' - gent


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
m thodes en pid miologie spub009

Méthodes en épidémiologie(SPUB009)

Alain LEVEQUE, MD, PhD

Département d’Epidémiologie et de Promotion de la Santé

interpr tation des r sultats dans une tude pid miologique les biais le r le du hasard

Interprétation des résultats dans une étude épidémiologiqueLes biaisle rôle du hasard

slide3

L’interprétation des résultats

  • d’une étude épidémiologique :

Quelles questions se poser ?

  • N’y a-t-il pas d’erreurs dans l’étude ?
  • Le résultat n’est-il pas du au hasard ?
  • Le résultat n’est-il pas du à autre chose ?
  • L’association mesurée est-elle causale ?

ESP/AL

variabilit
Variabilité
  • Caractéristique dans le domaine des sciences de la santé : VARIABILITE
    • chez un même individu
    • entre les individus
    • entre les groupes d ’individus,
    • etc.
  •  difficulté pour interpréter et utiliser les informations mesurées

ESP/AL

validit
validité
  • Le concept de VALIDITE concerne la capacité de la mesure (ou de l ’étude) à livrer la conclusion correcte (càd à traduire la réalité des faits)

ESP/AL

slide8

PRECISION

ESP/AL

slide10

PRECISION

ESP/AL

les erreurs possibles
Les erreurs possibles
  • Erreurs aléatoires = le hasard
  • Erreurs systématiques = BIAIS
    • Biais de sélection
    • Biais de mesure ou d’observation

ESP/AL

erreurs al atoires
Erreurs aléatoires

Variabilité inter et intra individus

erreurs aléatoires toujours présentes

SI ….N

ESP/AL

les biais en epidemiologie
Les BIAIS en EPIDEMIOLOGIE

ERREUR SYSTEMATIQUE ===> résultats  réalité

  • biais de sélection :

utilisation de critères non comparables dans la sélection des sujets ; non réponses ou perte de vue ou abandons sélectifs

  • biais de mesure (ou d’information ou d’observation):

naissent par des « fautes » dans le recueil / enregistrement / codification des données

ESP/AL

et la confusion
Et la CONFUSION
  • Classée par certains auteurs dans les BIAIS
  • liée à la multicausalité des problèmes de santé

ESP/AL

biais de s lection
Biais de Sélection

Les groupes à comparer ne sont pas comparables !!

  • biais d’échantillonnage
  • population « couverte » est incomplète (non réponse, non participation, perte sélective)
  • admission sélective des sujets dans l’étude (ex:sélection à l’hôpital,...)
  • migration sélective
  • survie sélective
  • ......

ESP/AL

slide19

Exemples :

1. biais d’échantillonnage / biais d’affiliation:

posera un problème lors de l’inférence statistique.

Il apparaît chaque fois que la probabilité que les sujets entrent dans l’étude est liée à un (ou plusieurs) facteurs(s) étudié(s).

Ex :

  • Les résultats d’une étude sur les facteurs de risque cardiovasculaire chez les employés de banque peut-elle servir pour la population en général ?
  • Les patients sélectionnés à l’hôpital, au cabinet médical peuvent-ilsreprésenter la population générale ?
  • Les volontaires ????

ESP/AL

slide21

Exemples :

2. biais d’admission (biais de Berkson):

biais pouvant être présent dans les études menées à partir d’une population hospitalière. Il résulte de la probabilité différente d’être admis à l’hôpital parmi les différents groupes étudiés

Ex :

  • Enquête Cas-Temoins dans un hôpital : les patients avec deux problèmes de santé (ou avec 1 problème et 1 facteur de risque) sont «plus fréquemment hospitalisés » que ceux qui présentent un seul problème  lien entre ces deux problèmes plus facilement établi qu’au sein de population générale

ESP/AL

slide23

3. biais de prévalence / incidence (ou survie sélective):

    • Lorsque l’on étudie un problème de santé à forte létalité, si le facteur d’exposition étudié modifie la durée de survie, l’observation des seuls sujets survivants risque de conduire à une mesure biaisée de la force de l’association (surtout dans études CAS-TEMOINS)

ESP/AL

slide25

4. biais de surveillance ou de diagnostic:

    • Biais qui peut survenir quand une exposition «innocente» provoque un symptôme qui va entraîner un examen de diagnostic et de recherche de la cause.

ESP/AL

slide27

5. biais de non réponse (ou de refus de participation):

    • les non répondants peuvent avoir des expositions et/ou des événements qui diffèrent de ceux qui répondent. Ce biais est présent dans toute recherche épidémiologique.
    • L’effet de ces non répondants est évident ; il faut donc tout faire pour obtenir des taux de réponse importants (80%).
    • Des informations sur les non répondants sont utiles pour comparer R et NR.

ESP/AL

biais de mesure ou d observation ou d information
Biais de mesure ou d’observation oud’information
  • biais d’interview
  • techniques de mesure défaillantes et biaisées
  • questionnaires erronés
  • perte de mémoire sélective
  • excès de zèle des enquêteurs

ESP/AL

slide29

1. biais de suspicion de diagnostic:

    • La connaissance de l’exposition à un facteur de risque peut influencer l’intensité des recherches et donc le DIAGNOSTIC

ESP/AL

slide30

2. biais de suspicion d’exposition:

    • La connaissance de la maladie du sujet peut influencer l’intensité de la recherche d’expositions

ESP/AL

slide32
3. biais de mémorisation ( recall bias)
  • la mémorisation des cas et des témoins en ce qui concerne d’éventuelles expositions peut grandement différer.

Ex :

questions auprès des mères dont la grossesse s’est terminée par une mort du foetus ou malformation : l’exposition à des médicaments est plus souvent rapportée par les CAS que par les témoins.

(même si médicaments sans relation avec problème).

ESP/AL

slide33
biais d’information familiale :

L’histoire familiale et d’autres informations historiques concernant la famille peuvent varier de façon importante selon que l’individu interrogé est un CAS ou un TEMOIN

Exemple : arthrite rhumatoïde

ESP/AL

prevention des biais
PREVENTION DES BIAIS
  • de sélection
    • cacher à l’investigateur les informations concernant ou la maladie dans les études longitudinales ou l’exposition dans les cas-temoins
    • techniques correctes d’échantillonnage
    • deux groupes de témoins dans les Cas-témoins
    • suivi le plus complet dans les études longitudinales

ESP/AL

prevention des biais 2
PREVENTION DES BIAIS (2)
  • d’observation
    • en travaillant en aveugle / double / triple quand le plan d ’étude le permet
    • cacher l’hypothèse de travail dans les études non expérimentales
    • recueillir de l’information qui « n’a rien à voir » de façon à « noyer le poisson ».
    • cacher l’appartenance aux groupes (expo/non expo, cas/témoins) pendant le codage
    • Etc…

ESP/AL

lors de l interpr tation des r sultats
Lors de l ’interprétation des résultats
  • garder en mémoire l’existence possible de biais lors de l’interprétation des résultats de l’étude.
  • comparer le profil des non répondants et des répondants.
  • il faut essayer d’estimer l’impact et la directionalité de ces biais éventuels

ESP/AL

slide40

population

Inférence statistique

échantillon

échantillonnage

  • Au départ d ’une même population:
  • nombreux échantillons différents de même taille n
  • paramètre varie d ’échantillon à échantillon
  • variations suivent une distribution de probabilité

ESP/AL

inf rence statistique
Inférence statistique
  • Deux approches principales pour l ’inférence:
      • inférence par les TESTS STATISTIQUES
      • inférence par INTERVALLE DE CONFIANCE

ESP/AL

slide42

Comment savoir si la variation

du paramètre

que l ’on mesure est liée à la

fluctuation d ’échantillonnage

ou

s ’il s ’agit d ’une

« vraie » différence

entre deux populations ???

ESP/AL

inf rence statistique par les tests d hypotheses ou tests statistiques
Inférence statistique par les TESTS d ’HYPOTHESES (ou tests statistiques)

On émet l ’hypothèse que le paramètre réel dans la population est EGAL au paramètre mesuré dans l ’échantillon : c ’est l’HYPOTHESE NULLE (H0)

L ’hypothèse nulle est accompagnée d ’une HYPOTHESE ALTERNATIVE (Ha) qui est l ’existence d ’une différence entre les paramètres de la population et de l ’échantillon

ESP/AL

risques dans un test statistique
Risque de 1ère espèce = risque 

probabilité de rejeter l ’hypothèse nulle alors qu ’en réalité il n ’y a pas de différence entre les deux paramètres, c ’est à dire que hypothèse nulle est vraie

Risque de 2ème espèce = risque 

probabilité de ne pas rejeter l ’hypothèse nulle alors qu ’en réalité il y a une différence, c ’est à dire que l ’hypothèse alternative est vraie

Risques dans un test statistique

ESP/AL

slide45

L’HYPOTHESE NULLE :

    • admet que le seul hasard a provoqué la variation
  • L’HYPOTHESE ALTERNATIVE:
    • est la contre hypothèse ; la variation des résultats constatés ne peut pas être due aux seules lois du hasard mais bien à une différence dans les populations étudiées

ESP/AL

puissance d un test
Puissance d ’un test

Complément de l ’erreur 

c ’est à dire la probabilité (1-)

 = risque d ’accepter l ’hypothèse nulle alors qu’elle est fausse

1-  = puissance = probabilité de rejeter l ’hypothèse nulle quand elle est fausse = probabilité de mettre en évidence une différence significative quand elle existe.

Puissance est d ’autant meilleure que  est petit

ESP/AL

d marche suivre dans les tests statistiques
Démarche à suivre dans les tests statistiques
  • Déterminer la nature des données à comparer (variables quantitatives, qualitatives) et le type de comparaison
  • définir l’hypothèse nulle et l’hypothèse alternative (uni ou bilatéralité du test)
  • définir le paramètre (moyenne, proportion,…)
  • fixer le risque d ’erreur alpha
  • comparer la valeur du paramètre calculé (test) à la valeur théorique (voir distribution de probabilité)
  • conclure si H0 doit être rejetée ou pas. Si on rejette H0 on accepte implicitement Ha
  • si test significatif, voir le niveau de signification exact dans les tables

ESP/AL

inf rence par intervalle de confiance
Inférence par INTERVALLE DE CONFIANCE

On tente de répondre à la question:

Quel est l’ensemble des valeurs les plus probables

pour le paramètre dans la population ??

ESP/AL

slide51

Limites de confiance

paramètre

Intervalle de Confiance (IC)

ESP/AL

signification de l intervalle de confiance 95
Signification de l ’Intervalle de confiance (à 95%)

On est certain, à 95%, que le paramètre

de la population-mère se trouve

dans cet intervalle

(ou: l ’intervalle à 95% contient

la vraie moyenne pour

95% des échantillons)

ESP/AL

largeur de l intervalle
Largeur de l ’intervalle

Dépend :

  • de la taille de l ’échantillon:
      • si N augmente, IC diminue
  • du risque d ’erreur choisi :
      • si  augmente, IC diminue
  • de la variabilité des observations:
      • si SD augmente, IC augmente

ESP/AL

r le du hasard
Rôle du hasard ?

En référence à l’Hypothèse et au risque d’erreur fixé préalablement

  • Test de signification
    • Significatif
    • Non significatif
  • Calcul de p : qui dépend :
    • de l’effet réel
    • de la taille de l’échantillon

ESP/AL

le souci en pid miologie
Le souci en épidémiologie :

Outre la signification statistique

Estimation des paramètres

Intervalle de confiance

ESP/AL

slide56
MAIS :
  • Vérification d’une hypothèse
  • Intervalle de confiance

Ne suffisent pas à affirmer la validité des résultats

BIAIS

CONFUSION

ESP/AL