La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Méthodes en épidémiologie (SPUB009) Alain LEVEQUE, MD, PhD Département dEpidémiologie et de Promotion de la Santé

Présentations similaires


Présentation au sujet: "Méthodes en épidémiologie (SPUB009) Alain LEVEQUE, MD, PhD Département dEpidémiologie et de Promotion de la Santé"— Transcription de la présentation:

1 Méthodes en épidémiologie (SPUB009) Alain LEVEQUE, MD, PhD Département dEpidémiologie et de Promotion de la Santé

2 Interprétation des résultats dans une étude épidémiologique Les biais le rôle du hasard

3 SPUB009ESP/AL3 Linterprétation des résultats dune étude épidémiologique : Quelles questions se poser ? Ny a-t-il pas derreurs dans létude ? Le résultat nest-il pas du au hasard ? Le résultat nest-il pas du à autre chose ? Lassociation mesurée est-elle causale ?

4 SPUB009ESP/AL4

5 SPUB009ESP/AL5

6 SPUB009ESP/AL6 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

7 SPUB009ESP/AL7 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)

8 SPUB009ESP/AL8 PRECISION

9 SPUB009ESP/AL9

10 SPUB009ESP/AL10 PRECISION

11 SPUB009ESP/AL11

12 SPUB009ESP/AL12 Les erreurs possibles Erreurs aléatoires = le hasard Erreurs systématiques = BIAIS –Biais de sélection –Biais de mesure ou dobservation

13 SPUB009ESP/AL13 EXPOSITIONMALADIE

14 SPUB009ESP/AL14 Erreurs aléatoires Variabilité inter et intra individus erreurs aléatoires toujours présentes SI ….N

15 SPUB009ESP/AL15

16 SPUB009ESP/AL16 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 dinformation ou dobservation): naissent par des « fautes » dans le recueil / enregistrement / codification des données

17 SPUB009ESP/AL17 Et la CONFUSION Classée par certains auteurs dans les BIAIS liée à la multicausalité des problèmes de santé

18 SPUB009ESP/AL18 Biais de Sélection Les groupes à comparer ne sont pas comparables !! biais déchantillonnage population « couverte » est incomplète (non réponse, non participation, perte sélective) admission sélective des sujets dans létude (ex:sélection à lhôpital,...) migration sélective survie sélective......

19 SPUB009ESP/AL19 1. biais déchantillonnage / biais daffiliation: posera un problème lors de linférence statistique. Il apparaît chaque fois que la probabilité que les sujets entrent dans létude est liée à un (ou plusieurs) facteurs(s) étudié(s). Ex : Les résultats dune étude sur les facteurs de risque cardiovasculaire chez les employés de banque peut- elle servir pour la population en général ? Les patients sélectionnés à lhôpital, au cabinet médical peuvent-ils représenter la population générale ? Les volontaires ???? Exemples :

20 SPUB009ESP/AL20

21 SPUB009ESP/AL21 2. biais dadmission (biais de Berkson): biais pouvant être présent dans les études menées à partir dune population hospitalière. Il résulte de la probabilité différente dêtre admis à lhôpital 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 quau sein de population générale Exemples :

22 SPUB009ESP/AL22

23 SPUB009ESP/AL23 3. biais de prévalence / incidence (ou survie sélective): Lorsque lon étudie un problème de santé à forte létalité, si le facteur dexposition étudié modifie la durée de survie, lobservation des seuls sujets survivants risque de conduire à une mesure biaisée de la force de lassociation (surtout dans études CAS-TEMOINS)

24 SPUB009ESP/AL24

25 SPUB009ESP/AL25 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.

26 SPUB009ESP/AL26

27 SPUB009ESP/AL27 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. Leffet 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.

28 SPUB009ESP/AL28 Biais de mesure ou dobservation ou dinformation –biais dinterview –techniques de mesure défaillantes et biaisées –questionnaires erronés –perte de mémoire sélective –excès de zèle des enquêteurs –…

29 SPUB009ESP/AL29 1. biais de suspicion de diagnostic: La connaissance de lexposition à un facteur de risque peut influencer lintensité des recherches et donc le DIAGNOSTIC

30 SPUB009ESP/AL30 2. biais de suspicion dexposition: La connaissance de la maladie du sujet peut influencer lintensité de la recherche dexpositions

31 SPUB009ESP/AL31

32 SPUB009ESP/AL32 3. biais de mémorisation ( recall bias) la mémorisation des cas et des témoins en ce qui concerne déventuelles expositions peut grandement différer. Ex : questions auprès des mères dont la grossesse sest terminée par une mort du foetus ou malformation : lexposition à des médicaments est plus souvent rapportée par les CAS que par les témoins. (même si médicaments sans relation avec problème).

33 SPUB009ESP/AL33 4.biais dinformation familiale : Lhistoire familiale et dautres informations historiques concernant la famille peuvent varier de façon importante selon que lindividu interrogé est un CAS ou un TEMOIN Exemple : arthrite rhumatoïde

34 SPUB009ESP/AL34

35 SPUB009ESP/AL35 PREVENTION DES BIAIS de sélection –cacher à linvestigateur les informations concernant ou la maladie dans les études longitudinales ou lexposition dans les cas- temoins –techniques correctes déchantillonnage –deux groupes de témoins dans les Cas-témoins –suivi le plus complet dans les études longitudinales

36 SPUB009ESP/AL36 dobservation –en travaillant en aveugle / double / triple quand le plan d étude le permet –cacher lhypothèse de travail dans les études non expérimentales –recueillir de linformation qui « na rien à voir » de façon à « noyer le poisson ». –cacher lappartenance aux groupes (expo/non expo, cas/témoins) pendant le codage –Etc… PREVENTION DES BIAIS (2)

37 SPUB009ESP/AL37 Lors de l interprétation des résultats garder en mémoire lexistence possible de biais lors de linterprétation des résultats de létude. comparer le profil des non répondants et des répondants. il faut essayer destimer limpact et la directionalité de ces biais éventuels

38 SPUB009ESP/AL38

39 SPUB009ESP/AL39 Le rôle du HASARD

40 SPUB009ESP/AL40 population échantillon Inférence statistique 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

41 SPUB009ESP/AL41 Deux approches principales pour l inférence: inférence par les TESTS STATISTIQUES inférence par INTERVALLE DE CONFIANCE Inférence statistique

42 SPUB009ESP/AL42 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 ???

43 SPUB009ESP/AL43 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 lHYPOTHESE NULLE (H 0 ) L hypothèse nulle est accompagnée d une HYPOTHESE ALTERNATIVE (H a ) qui est l existence d une différence entre les paramètres de la population et de l échantillon

44 SPUB009ESP/AL44 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

45 SPUB009ESP/AL45 LHYPOTHESE NULLE : admet que le seul hasard a provoqué la variation LHYPOTHESE ALTERNATIVE: est la contre hypothèse ; la variation des résultatsconstatés ne peut pas être due aux seules lois du hasard mais bien à une différence dans les populations étudiées

46 SPUB009ESP/AL46

47 SPUB009ESP/AL47

48 SPUB009ESP/AL48 Puissance d un test Complément de l erreur c est à dire la probabilité (1- ) = risque d accepter l hypothèse nulle alors quelle 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

49 SPUB009ESP/AL49 Démarche à suivre dans les tests statistiques Déterminer la nature des données à comparer (variables quantitatives, qualitatives) et le type de comparaison définir lhypothèse nulle et lhypothèse 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 H 0 doit être rejetée ou pas. Si on rejette H 0 on accepte implicitement H a si test significatif, voir le niveau de signification exact dans les tables

50 SPUB009ESP/AL50 Inférence par INTERVALLE DE CONFIANCE On tente de répondre à la question: Quel est lensemble des valeurs les plus probables pour le paramètre dans la population ??

51 SPUB009ESP/AL51 paramètre Limites de confiance Intervalle de Confiance (IC)

52 SPUB009ESP/AL52 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)

53 SPUB009ESP/AL53 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

54 SPUB009ESP/AL54 Rôle du hasard ? Test de signification –Significatif –Non significatif Calcul de p : qui dépend : –de leffet réel –de la taille de léchantillon En référence à lHypothèse et au risque derreur fixé préalablement

55 SPUB009ESP/AL55 Le souci en épidémiologie : Outre la signification statistique Estimation des paramètres Intervalle de confiance

56 SPUB009ESP/AL56 MAIS : Vérification dune hypothèse Intervalle de confiance Ne suffisent pas à affirmer la validité des résultats BIAIS CONFUSION


Télécharger ppt "Méthodes en épidémiologie (SPUB009) Alain LEVEQUE, MD, PhD Département dEpidémiologie et de Promotion de la Santé"

Présentations similaires


Annonces Google