Méthodo

Statisticien est aussi aveugle

1. Effet du travailleur sain
2. biais d'échantillonnage (prévalence-incidence (Nymain))
3. Volontaire
4. Admission ou Berkson
5. Attrition

(Principe de réflexivité, car souvent du côté du chercheur)

1) Biais de l’expérimentateur intégrés et discuté à Il doit le dire explicitement son courant de pensée et ce qu’il dit. On devrait pas le deviner !!!

• Appriori du chercheur ? à6 JBI  Existe-t-il une déclaration situant le chercheur culturellement ou théoriquement

2) Comment l’influence du chercheur (bien d’avoir un contre exemple) à 7 L'influence du chercheur sur la recherche, et vice versa, est-elle prise en compte ?

1. 3) Biais de sélection :
   • Les participants, et lorsque cela est approprié, leurs voix sont-ils suffisamment représentés ? JBI, 8

Cette question concerne la question de la réflexivité du chercheur et la question de savoir si les identités et perspectives personnelles/professionnelles de l'équipe de recherche ont été explicitement reconnues et prises en compte. En recherche qualitative, il est important de reconnaître que les identités sociales, culturelles ou professionnelles et les parcours théoriques/disciplinaires des chercheurs influenceront la manière dont le sujet de recherche est choisi, comment le problème est formulé, quelles questions sont explorées (ou non) et comment les données sont interprétées. Un récit réflexif dans le rapport de recherche aide le lecteur à considérer de manière critique la fiabilité des résultats en mettant en lumière comment les valeurs et les parcours des chercheurs ont pu influencer les connaissances produites.

• Cette question concerne la pratique de la réflexivité au sein du processus de recherche. Elle reconnaît que la connaissance est produite à partir des interactions au sein de l'équipe de recherche et des interactions entre les chercheurs et les participants. La fiabilité d'une étude est optimisée lorsqu'il y a une discussion explicite sur ces interactions interpersonnelles et sur la manière dont elles ont pu influencer la prise de décision ou d'autres événements et processus au sein de la recherche. Un exemple de cela dans un rapport pourrait inclure une description du processus de « bracketing », par lequel les chercheurs tentent de reconnaître et de réfléchir à leurs propres présupposés ou lorsqu'il est pris en compte comment les relations de pouvoir potentielles (ou les différences) entre chercheurs et participants ont été identifiées et abordées (par exemple lorsque les chercheurs sont des professionnels de santé et mènent des recherches avec des patients).

Cette question concerne la manière dont les chercheurs ont choisi de représenter les points de vue, expériences et interactions des participants. En général, les rapports doivent fournir des illustrations (par exemple, citations, extraits de journal, blogs, photographies, notes d'observation) des données afin de montrer la base de leurs conclusions et de s'assurer que les participants sont représentés dans le rapport. De plus, les chercheurs peuvent employer diverses techniques pour garantir que les données sont représentatives, telles que l'engagement prolongé, l'observation persistante, la triangulation, le débriefing par les pairs, l'analyse de cas négatif, l'adéquation référentielle ou la vérification des membres. Les participants inclus dans l'étude doivent être décrits, par exemple, le nombre de participants, l'âge, le sexe, l'origine ethnique et d'autres caractéristiques (par exemple, le diagnostic) en fonction de l'objectif de l'étude.

1. Contribution limitée des patients à la conception de la recherche.
2. Faible statut accordé à l'expérience dans la hiérarchie des preuves
3. Une tendance à confondre la consultation centrée sur le patient avec l'utilisation d'outils d'aide à la décision
4. Une attention insuffisante portée aux déséquilibres de pouvoir qui suppriment la voix du patient
5. Importance excessive accordée à la consultation clinique
6. Se concentrer sur les personnes qui cherchent et obtiennent des soins (plutôt que sur le dénominateur caché de ceux qui ne cherchent pas ou ne peuvent pas accéder aux soins).

• Principe du chercheur par rapport au processus de recherche et au sujet étudié
• La conscience de l’impact qu’il a sur les procédures ou résultat
• Inclut son implication en tant que chercheur appartenant à une culture donnée
• Cette participation modifie la situation initiale

Dans les étude observationnel à on parle d’association

Dans les études expérimentales, on est assez sûr et on va parler de la causalité.

• Temporalité
• Analogie
• Consistence
• Plausible
• Cohérence
• Spécificité
• Gradient biologique
• Evidence expérimentale
• Force de l’association

• L’association n’est pas la causalité.
• Mais une forte association en combinaison avec d’autres perspectives peut supporter une forte interprétation.
• Aucune association ne tendrait à contribuer à un jugement de non-causalité

• Un gradient dose-réponse solide et cohérent contribuerait largement à une interprétation cause-effet.
• L'absence de relation dose-réponse n'exclut pas la causalité

• Par définition, les causes se produisent avant les effets. Si l'effet survient après la cause suspectée, cela soutient notre interprétation de cause à effet.
• L'absence de temporalité suggère fortement l'absence de relation causale.

• Des résultats similaires dans différentes études, circonstances, lieux ou moments contribuent à une interprétation causale.
• Si différents types de preuves provenant de plusieurs sources soutiennent notre interprétation de la relation cause-effet, cela augmente aussi notre confiance dans cette interprétation.
• Des résultats incohérents entre les études, circonstances, lieux ou moments tendraient à favoriser un jugement de non-causalité.

• Un mécanisme connu reliant la cause à l'effet soutient une interprétation causale.
• L'absence d'un mécanisme plausible n'exclut pas une relation causale possible.

• C'est l’inverse du critère de Reproductibilité des résultats de l’association 
• Une interprétation cause-effet qui entre sérieusement en conflit avec la base existante de preuves de haute qualité serait remise en question dans un premier temps et nécessiterait un niveau de preuves suffisant pour contribuer à un changement dans le corpus actuel de connaissances.
• Bien sûr, nous pourrions avoir fait une découverte révolutionnaire qui transforme la science ! (Mais gardons les pieds sur terre)
• L'absence de conflit avec les preuves existantes laisse la porte ouverte à une inférence causale, mais ne la renforce pas.

• Une inférence causale est renforcée si l'effet n'est observé qu'en association avec la cause suspectée et n'est pas présent en l'absence de la cause suspectée.
• Si l'effet est observé plus souvent en association avec la cause suspectée que sans elle, cela peut fournir un soutien plus forte pour une inférence causale.
• L'absence de spécificité n'exclut pas une relation causale possible. La causalité peut être complexe.

• Des preuves tirées d'essais contrôlés randomisés (ECR) de haute qualité apporteraient un soutien fort à notre interprétation de cause à effet. Notez cependant que les ECR ne prouvent pas la causalité ; ils visent à minimiser certains types de biais.
• D'autres preuves expérimentales peuvent offrir un soutien plus faible à notre interprétation causale.
• Si des preuves expérimentales existent qui ne soutiennent pas notre interprétation, cela contribuera à un jugement de non-causalité.

• L'analogie contribue peu à l'inférence causale. Par exemple, si nous savons comment un processus fonctionne dans un contexte, nous pouvons utiliser cette connaissance comme un « modèle » explicatif pour proposer comment il pourrait fonctionner dans un nouveau contexte.
• L'absence d'analogie n'exclut pas une relation causale possible.

• Plus j’ai des points, plus je crois qu’il y a un lien direct ! Ce n’est pas statistique c’est common sens !

1. RCT
2. Factorial design
3. Cluster randomization
4. Active control trial
5. Nonrandomized between group design
6. Within group design
7. Crossover design

• On fait les mesures des variables : c’est pas ceux qui doivent faire l’étude
• Je fais la randomisation (sans connaitre l’outcome)
• Je les mets dans deux groupes distincts, un avec l’intervention et l’autre avec le contrôle
• Il peut y avoir des pertes de follow-up
• Le but c’est que j’ai deux groupes comparable (même nombre d’homme et femme etc...)
• Une expérience dans laquelle les participants sont assignés au hasard à des groupes, appelés groupes expérimental et témoin, qui peuvent ou non être soumis à un acte, une procédure ou une intervention
• Les résultats sont évalués par une comparaison rigoureuse des taux de maladie, de décès, de récupération ou d'autres résultats appropriés entre les groupes expérimental et témoin
• L'objectif est de déterminer la relation de cause à effet entre une intervention et un effet.

• Causalité entre une intervention et un effet

• Cher
• Prend du temps
• Question de recherche restreinte
• Peut exposer à des blessures (surtout si on a les sujets sains)

• Choix de l’intervention (équilibre entre sécurité et efficacité, dose, intervention individuelle vs combinaison, aveuglement, faisabilité, comment les participants participent)
• Faisabilité de l’aveuglement
• Choix du groupe contrôle (traitement passif ou pas de traitement, placebo ?, aveuglement, co-intervention, soins standard vs meilleure traitement)
• Co-intervention (thérapie, médication…)

• Primaire
• Clinique
• Marqueur intermédiaire (intermediate)
• Marqueur de substitution (surrogate)

• question principale, taille échantillon

: continu ou dichotomique

= variable située sur le chemin causal vers le résultat final

Intermediate marker = variable située sur le chemin causal vers le résultat final.

• Situé sur la chaîne causale.
• Montre un effet biologique ou fonctionnel.
• Ne prétend pas forcément prédire le résultat clinique final.

Ex : intervention : programme d’exercice, outcome : diminution des AVS ou mortalité, marqueur : baisse de la pression artérielle

marqueur intermédiaire utilisé comme substitut du résultat clinique final parce qu'il est censé prédire ce résultat. Remplace l’outcome principal. Très très lié avec l outcome final mais je peux pas attendre 10 ans pour qu’ils se développe mais je trouve que je peux mesure dans 4 semaines.

Surrogate marker = intermediate marker utilisé comme substitut du résultat clinique final parce qu'il est censé prédire ce résultat.

• Situé sur la chaîne causale.
• Utilisé comme remplacement d'un outcome clinique.
• Doit idéalement être fortement associé au résultat clinique final et prédire l'effet du traitement sur ce résultat.

• Critère d’inclusion (général vs très spécifique) – générabilité ?
• Possibilité de stratifier
• Effet modification
• Exclusion

1. Attribue le traitement de manière aléatoire (chaque participant a une probabilité égale d'être assigné à tous les groupes)
2.  À l'épreuve des manipulations (aucun facteur intentionnel ou non intentionnel ne peut influencer la randomisation)

1. Bloc
2. bloc stratifié
3. pair de match

équilibrer le nombre de participants (pour corriger une variable, je peux dire lors de ma répartition)

équilibrer le nombre et caractéristique (âge, sexe…)