QCM : Introduction aux études épidémiologiques — 16 questions

Explication

La population cible est l’ensemble théorique auquel on veut extrapoler les résultats. Elle peut être différente de la population source ou de l’échantillon effectivement étudié.

Explication

Une étude observationnelle se limite à observer des expositions et leurs associations avec une maladie. À l’inverse, une étude interventionnelle implique une action sur le patient et une comparaison entre groupes.

Explication

Une variable ordinale possède des catégories ordonnées, comme des stades de gravité. Une variable nominale, elle, ne comporte pas d’ordre hiérarchique.

Explication

Le risque relatif compare le risque de survenue de la maladie chez les exposés et chez les non-exposés. Il exprime un effet multiplicatif, contrairement à une différence absolue.

Explication

La courbe de Kaplan-Meier sert à représenter la survie ou le temps jusqu’à un événement tout en intégrant la censure. Les autres figures ont d’autres fonctions descriptives ou analytiques.

Explication

Le forest plot permet de comparer visuellement plusieurs estimations, par exemple dans des sous-groupes. Il aide à juger la cohérence des effets observés.

Explication

La validité interne reflète la qualité méthodologique et le contrôle des biais. La validité externe concerne, elle, la généralisation des résultats.

Explication

La validité externe dépend surtout de la représentativité de l’échantillon et du contexte d’étude. Le double aveugle améliore plutôt la validité interne en limitant certains biais.

Explication

La randomisation vise à rendre les groupes comparables en équilibrant les facteurs de confusion connus et inconnus. Elle soutient ainsi la validité interne de l’essai.

Explication

Avec des blocs de taille 4, le contenu indique un déséquilibre maximal attendu de 2 patients. Cette méthode encadre l’équilibre entre les groupes au fil des inclusions.

Explication

Un critère composite rassemble plusieurs événements et peut augmenter la puissance statistique en rendant plus fréquente la survenue du critère. En revanche, il complique l’interprétation car les composantes n’ont pas forcément la même importance clinique.

Explication

L’analyse en intention de traiter inclut les sujets selon le groupe où ils ont été randomisés, ce qui maintient le bénéfice de la randomisation. L’analyse per protocole, elle, exclut les non-conformes et tend à maximiser la différence entre groupes.

Explication

Le biais de confusion apparaît quand une troisième variable est associée à l’exposition et à l’issue, ce qui peut fausser l’association observée. La causalité inverse correspond plutôt à une maladie qui précède l’exposition.

Explication

Le contenu mentionne l’appariement, la stratification, l’ajustement multivarié et le score de propension pour limiter la confusion. La randomisation par blocs et le double aveugle concernent surtout les essais interventionnels.

Explication

La sensibilité correspond à la capacité du test à détecter les personnes réellement malades. La spécificité mesure, elle, la proportion de vrais sains correctement classés négatifs.

Explication

Le kappa évalue la concordance entre deux mesures qualitatives binaires en tenant compte de l’accord attendu par hasard. Il ne renseigne pas sur la validité diagnostique comme la sensibilité ou la spécificité.