QCM : Méthodes en épidémiologie analytique (40 questions)

Explication

Des évolutions défavorables observées chez quelques patients ne suffisent pas à établir un lien causal, car des évolutions semblables pourraient se produire sans traitement. Conclure à la nocivité confond observation et preuve causale ; incriminer la maladie ou conclure à l’innocuité n’est pas justifié par ces seuls cas.

Explication

Dans un essai randomisé, l’investigateur contrôle l’attribution et tire au sort les sujets qui reçoivent le traitement ou le placebo. Le choix par les participants confond le tirage au sort avec une sélection volontaire ; la formation naturelle des groupes décrit une étude observationnelle, et l’attribution selon des résultats ultérieurs inverse l’ordre de l’essai.

Explication

La randomisation rend les groupes comparables, de sorte qu’ils ne diffèrent que par le traitement reçu et que l’écart de guérison peut être interprété comme un effet du traitement. L’hypothèse d’un déséquilibre initial ou d’une sélection préalable néglige la randomisation, tandis que l’attribution de l’écart au placebo inverse l’interprétation.

Explication

En observation, les groupes exposés et non exposés peuvent différer sur d’autres facteurs, si bien que l’écart de fréquence ne s’attribue pas causalement à l’exposition seule. Conclure à la causalité à partir de l’association néglige ces différences ; supposer les autres facteurs sans influence ou assimiler l’étude à un essai randomisé ignore l’absence de tirage au sort.

Explication

Une cohorte suit longitudinalement des sujets partageant des caractéristiques communes, à l’échelle individuelle, afin d’identifier la survenue d’événements de santé. Une mesure ponctuelle omet le suivi dans le temps ; une comparaison de cas et témoins n’est pas la définition d’une cohorte ; un indicateur collectif néglige le suivi individuel.

Explication

L’incidence correspond au nombre de nouveaux cas dans une population donnée. La prévalence porte sur les cas présents, la guérison mesure une issue différente, et l’incidence des complications concerne des événements de santé distincts.

Explication

Une cohorte peut rechercher les causes d’une maladie en comparant sa fréquence selon l’exposition à un facteur. Le pronostic porte sur l’évolution des personnes malades ; décrire l’incidence sans comparaison ne recherche pas le rôle de l’exposition ; un traitement attribué au hasard relève d’une expérimentation.

Explication

La cohorte est rétrospective lorsque l’enquête débute après la période d’exposition et que l’histoire de l’exposition et de la maladie est reconstituée a posteriori. La réponse « prospective » confond reconstitution du passé et enregistrement au fur et à mesure; « transversale » renvoie à une autre organisation temporelle; « cas-témoins » désigne une inclusion selon le statut malade.

Explication

La population cible est celle à laquelle les résultats doivent être généralisés, tandis que la population source est celle d’où l’échantillon est extrait. La réponse qui inverse cible et source renverse ces fonctions; « échantillon » désigne les sujets effectivement sélectionnés; les critères d’inclusion servent à définir la sélection, pas la population cible.

Explication

L’exposition doit être définie clairement, simplement et aussi objectivement que possible; la précision de sa mesure doit également être évaluée. Augmenter l’échantillon ne vérifie pas la qualité de la mesure, une définition subjective nuit à l’objectivité, et standardiser le diagnostic concerne la maladie.

Explication

Le diagnostic de la maladie doit suivre des procédures standardisées et identiques chez les sujets exposés et non exposés. Des procédures adaptées à chaque groupe introduisent une différence de diagnostic; un protocole limité à un groupe ne permet pas une comparaison équitable; mesurer l’exposition ne remplace pas le diagnostic.

Explication

Une étude cas-témoins compare la fréquence d’une exposition passée chez les sujets malades, les cas, et chez les sujets indemnes, les témoins. La fréquence de la maladie selon l’exposition correspond à une comparaison typique d’une cohorte; les témoins ne sont pas définis comme des sujets non exposés.

Explication

Une étude cas-témoins inclut les sujets selon leur statut malade ou non malade; une cohorte les inclut selon leur statut exposé ou non exposé. Le statut d’exposition correspond donc au critère de sélection d’une cohorte, tandis que la période du recueil ne définit pas le groupe d’inclusion.

Explication

Dans une étude cas-témoins, l’information porte sur l’exposition passée et est recueillie rétrospectivement selon des modalités identiques chez les cas et les témoins. Un enregistrement au fil du temps est prospectif; des modalités différentes peuvent produire une comparaison biaisée; le diagnostic ne remplace pas l’information sur l’exposition.

Explication

Les cas doivent être atteints de la maladie étudiée et leur diagnostic doit être précis et standardisé. Une exposition compatible, l’hospitalisation ou des symptômes similaires ne suffisent pas à établir ce statut.

Explication

Les cas incidents sont les nouveaux cas diagnostiqués au fur et à mesure, alors que les cas prévalents sont ceux présents à la date d’inclusion, notamment parce qu’ils ont survécu ou n’ont pas été perdus de vue. Inverser les termes ou traiter les deux groupes comme une même catégorie confond ces critères temporels.

Explication

Les témoins doivent être indemnes de la maladie et représenter la population dont sont issus les cas, afin d’estimer la fréquence de base de l’exposition. L’appariement sur l’exposition, la confirmation de maladie chez les témoins et leur recrutement parmi les cas ne répondent pas à cette exigence.

Explication

La comparabilité des cas et des témoins doit être vérifiée, car des témoins non représentatifs de la population des cas peuvent créer un biais de sélection. L’accessibilité hospitalière ne garantit pas la représentativité, et les autres réponses désignent des problèmes distincts.

Explication

Dans une étude nichée, les cas sont les sujets malades apparus dans la cohorte et les témoins sont tirés au sort parmi les sujets non malades de cette cohorte. Utiliser toute la cohorte comme groupe témoin, recruter des cas extérieurs ou sélectionner des témoins malades ne respecte pas cette définition.

Explication

Le recueil d’informations antérieur à la maladie établit la temporalité exposition-maladie et évite le biais de mémorisation lié au rappel rétrospectif. Il ne garantit pas une mesure parfaite ni ne suffit à établir la causalité.

Explication

L’erreur aléatoire correspond à l’écart entre l’estimation de l’échantillon et la vraie valeur, inconnue, dans la population, en lien avec la variabilité des phénomènes biologiques. L’écart systématique relève d’un biais, la variabilité entre groupes n’est pas la définition de l’erreur, et la valeur réelle n’est pas l’estimation.

Explication

L’erreur aléatoire diminue lorsque la taille de l’échantillon augmente et peut être quantifiée par des tests statistiques et des intervalles de confiance. Augmenter l’effectif ne corrige pas un biais, les tests quantifient l’erreur plutôt qu’ils ne la corrigent, et une erreur aléatoire ne disparaît pas nécessairement.

Explication

Un biais est un écart entre la valeur estimée et la valeur réelle qui traduit une déviation par rapport à la réalité non expliquée par les fluctuations d’échantillonnage. L’erreur aléatoire renvoie aux fluctuations, le biais de sélection concerne la représentativité de l’échantillon, et la variabilité biologique n’est pas en soi la définition du biais.

Explication

Un biais lié à une mauvaise utilisation des outils épidémiologiques ne se corrige pas en augmentant l’effectif et demeure difficile à corriger a posteriori. La diminution avec l’effectif concerne l’erreur aléatoire, et la difficulté de correction ne signifie pas que toute correction est impossible.

Explication

Le biais de sélection survient lorsque l’échantillon n’est pas représentatif de la population cible et se traduit par une déformation systématique par rapport à la population d’origine. Le classement concerne la mesure ou la catégorisation, la confusion une distorsion liée à une autre variable, et l’erreur aléatoire les fluctuations d’échantillonnage.

Explication

Le calendrier commence par la collecte périnatale de mars à décembre 2011, puis prévoit les suivis à 1 an et à 2 ans, celui à 5 ans et demi de septembre 2016 à décembre 2017, et un suivi jusqu’à 12 ans. Les autres séquences inversent les suivis précoces, déplacent la collecte périnatale ou omettent le suivi jusqu’à 12 ans.

Explication

Une erreur de mesure porte sur le recueil ou le classement des observations concernant la maladie ou l’exposition. Le biais de sélection concerne l’inclusion des participants, l’erreur de calcul concerne les résultats numériques et le facteur de confusion concerne l’analyse d’une relation.

Explication

Une erreur est différentielle lorsque sa mesure dépend du statut de malade ou d’exposé; elle est non différentielle lorsque cette dépendance est absente selon le plan d’étude. L’inversion des deux termes confond leurs définitions, tandis que la sélection et le classement désignent d’autres aspects.

Explication

Dans cette situation cas-témoins, la recherche plus précise chez les cas conduit à sous-estimer l’exposition chez les témoins et à surestimer l’association. La surestimation chez les témoins inverse l’effet, la dilution correspond à une erreur non différentielle et la surveillance de la maladie chez des non-exposés relève d’un autre contexte.

Explication

Une erreur non différentielle sur la maladie en cohorte entraîne un effet de dilution et sous-estime la relation étudiée. L’amplification et la surestimation décrivent un effet opposé, tandis que la sous-estimation de la maladie chez les non-exposés correspond à une surveillance différentielle.

Explication

Un facteur de confusion perturbe l’étude de la relation lorsque sa non-prise en compte dans l’analyse y introduit un biais. Une différence entre groupes sans effet sur la relation ne suffit pas, et les erreurs de mesure portent sur le recueil ou le classement des observations.

Explication

En cohorte, l’appariement associe chaque sujet exposé à un sujet non exposé de mêmes caractéristiques. L’association de chaque cas à un témoin concerne l’étude cas-témoins; limiter l’échantillon relève de la restriction, et l’ajustement intervient à l’analyse.

Explication

L’ajustement multiple prend en compte plusieurs variables de confusion au moyen de modèles multivariés, comme la régression logistique ou le modèle de Cox. L’ajustement simple porte sur un seul facteur, tandis que l’appariement et la restriction sont des méthodes de contrôle lors de la planification.

Explication

Une enquête expérimentale permet d’établir la causalité, alors qu’elle est difficile à établir dans une enquête observationnelle. La prévalence décrit la fréquence de la maladie, et la représentativité ou la fréquence d’exposition ne désignent pas cette conclusion causale.

Explication

L’association statistique entre exposition et maladie est une condition nécessaire à la causalité; si elle n’est pas observée, ce critère manque. Une forte association est une notion distincte, et la temporalité ne remplace pas cette condition.

Explication

Un RR ou un OR élevé de 3 à 4 constitue un argument de poids lorsqu’il existe, mais son absence n’est pas un argument contre la causalité. L’erreur consistant à faire de cette intensité une condition nécessaire confond un argument favorable avec une exigence absolue.

Explication

Pour soutenir la causalité, l’exposition doit précéder la maladie dans le temps. Une relation dose-effet et l’intensité de l’association sont d’autres critères, tandis que placer la maladie avant l’exposition inverse l’ordre requis.

Explication

Le tirage de proportions différentes de malades et de non-malades fait passer la prévalence de 4 % à 7,7 %, mais l’OR reste à 2,43 lorsque la représentation des exposés est respectée chez les cas et les témoins. Confondre la prévalence modifiée avec un biais de l’OR revient à ignorer cette distinction.

Explication

Un échantillon cas-témoins peut ne pas représenter la population sans biaiser l’OR, si les sujets exposés sont correctement représentés à la fois chez les cas et chez les témoins. La représentation correcte chez les cas seule ne suffit pas, et une prévalence différente ne prouve pas à elle seule un biais de l’OR.

Explication

Une représentation incorrecte de l’exposition chez les témoins peut biaiser l’OR, même si elle est conforme chez les cas. Supposer que la conformité chez les cas suffit néglige le rôle propre de la représentation chez les témoins.