les qcm de p1 sont-ils faux -  · les qcm de p1 sont-ils faux ? ... • mais il y a prescription...

Les QCM de P1 sont-ils faux ? •  Des archéologues découvrent des restes

squelettiques dont les vertèbres C1 à T12 sont bien conservés. La distance mesurée entre les faces craniale de C1 et caudale de T12 est de 42 centimétres. En admettant que le rapport entre la hauteur de la colonne et la stature est la même que celui des humains actuels, vous pouvez dire que le sujet découvert avait une stature de :

•  - 150 cm •  - 160 cm •  - 175 cm •  - 180 cm

Les QCM de P1 sont-ils faux ? •  Ce type de questions reposent sur une démarche

statistique : recueillir des données, décrire, expliquer et prédire –  Recueil d’un échantillon de n mesures de la longueur de la

colonne dorsale et de la taille –  Décrire –  Expliquer : relation mathématique de type équation linéaire la taille d’un individu = A*longueur colonne + B –  Pb estimer A et B –  Prédire la variable taille par la variable longueur colonne dorsale

•  C’est un modèle de description de données pas une vérité absolue

Les QCM de P1 sont-ils faux ? •  Les auteurs de ce QCM ont tort

•  Toutes les réponses sont justes

•  Certaines sont simplement plus probables que d’autres

•  Ils ont oublié la variabilité …

•  Mais il y a prescription (PCEM1 1996)

Cours de Biostatistiques, Informatique médicale

• Organisation des cours • Objectifs pédagogiques •  Pourquoi des statistiques en médecine ?

– Variabilité – échantillon

•  Pourquoi une lecture critique de l’information scientifique ?

Prérequis

• Cours de biostatistiques Premier semestre P1

– Philippe Cinquin – José Labarére

• Cours de méthodologie épidémiologie deuxième semestre P1 – José Labarére

Cours en amphi P2 •  Des statistiques pour les médecins ?

– JL Bosson Lundi 21 Novembre •  Analyse de survie

– JF Timsit Vendredi 9 Décembre 8H-10H

•  Validation d’un test diagnostique – S David Tchouda Vendredi 16 Décembre 8H-10H

•  Méthodologie de recherche clinique. Essai thérapeutique – JL Bosson Mercredi 20 janvier 8H-10H

•  Principe d’un test statistique – JL Bosson Mardi 21 Février 8H-10H

•  Interprétation d’une étude en recherche clinique – A Ego Vendredi 24 Février 8H-10H

Laboratorium of Epidemiology Un programme de recherche clinique à la faculté de

médecine de Grenoble

Contrôle de connaissances

•  Contrôle continu (2/3 de la note) – Une note individuelle d’écrit lors d’un TP (2 fois 5

questions) – Une note portant sur la qualité du travail de recherche

présenté en quadrinôme après la soutenance du mémoire ++++

•  Portant sur le fond (qualité de la démarche et pas des résultats) et sur la forme (écrit, oral et participation au programme de recherche)

•  Un examen écrit (1/3 de la note) – 1 heure 10 questions ouvertes et courtes – Analyse critique d’une étude

Objectifs pédagogiques Biostatistiques, et informatique •  1) Former les médecins à la lecture critique

des articles médicaux – Modalités de l’examen en P2 – Cours + TD en D1, examen trimestriel – Modalité de validation des stages hospitaliers de

D2 à D4 – Examen National Classant de fin de deuxième

cycle 10 % de la note (1 dossier sur 10) – Notion de médecine par les preuves

•  Formation initiale (Apprentissage Par Problème) •  Formation continue

Objectifs pédagogiques Biostatistiques, et informatique

•  2) Initier les médecins à la mise en oeuvre et la réalisation de protocole de recherche et au traitement statistique de données – 90 % des thèses de Médecine …. – Tous les médecins sont investigateurs dans les

études •  3) Assurer une mise en oeuvre en pratique de

l’utilisation de l’informatique –  réseau, bureautique, recherche internet

• Référence pour exercices

Un document de référence pour toutes les études http://www.cnci.univ-paris5.fr/medecine/Glossaire-

ECN-LCAM.pdf Glossaire des termes utiles à la lecture

critique d’un article médical

Ajustement...................................................................................................................................................... 4

Analyse de sous-groupe................................................................................................................................ 5

Analyse de survie........................................................................................................................................... 5

Analyse en intention de traiter ...................................................................................................................... 5

Analyse en per-protocole .............................................................................................................................. 6

Analyse multivariée........................................................................................................................................ 7

Appariement ................................................................................................................................................... 7

Aveugle........................................................................................................................................................... 7

Biais ................................................................................................................................................................ 8

Biais d’attrition ................................................................................................................................................ 8

Biais d’avance au diagnostic......................................................................................................................... 9

Biais d’incorporation ...................................................................................................................................... 9

Biais d’indication ............................................................................................................................................ 9

Biais de classement.....................................................................................................................................10

Biais de confusion........................................................................................................................................10

Biais de sélection .........................................................................................................................................11

Biais de surdiagnostic..................................................................................................................................11

Biais lié « aux travailleurs sains » (healthy worker effect) ........................................................................11

Biais protopathique ......................................................................................................................................12

Clause d’ambivalence .................................................................................................................................12

Cohorte ......................................................................................................................................................... 12

Critère de jugement .....................................................................................................................................13

Critère de substitution..................................................................................................................................13

Echantillon .................................................................................................................................................... 14

Enquête cas-témoins ...................................................................................................................................14

Le Master Ingénieries pour la Santé et le

Médicament Médecine et Pharmacie Grenoble

Biotechnologies BIDT

BSM MBM DIV

S2B2

M2 PIF2P M2 Drug-DIP

M2 CQAQMV Méthode Recherche Environnement Santé

M2 Physique Medicale M2 Radioprotection

M2  Spécialités  ISM  Grenoble  

Modèles Innovations Technologiques Imagerie

Ingénieur Médecin ARCs IT

Manipulateur radio expert

Accès master ISM en médecine

•  Après validation du M1 – 30 ECTS validés dans le programme de Médecine

– 2 UE (2*6 ECTS) du Master 1 • enseignements complémentaires : méthodologie en

recherche clinique par exemple) • plus une UE 3 ECTS (conduite de projet….)

– plus un stage recherche pendant les stages d’externes mais validant recherche (15 ECTS)

Les statistiques : Du latin status : description d’un état

La Statistique Science qui permet de traiter les problèmes où

intervient la variabilité

organiser le recueil, traiter, décrire et interpréter les données

« Science de l’incertain »   

Biostatistique : Science qui permet….  

….dans le domaine du vivant, et de la médecine en particulier

décrire et interpréter

Fréquence d’utilisation du prénom François au 20ème siècle

Nb de naissances au 20ème siècle

300

400

500

600

700

800

900

1000

naissances

0 8 16 24 32 40 48 56 64 72 80 88 96 1041900+

300

400

500

600

700

800

900

1000

naissances

0 8 16 24 32 40 48 56 64 72 80 88 96 1041900+

Et Nathalie ?

Et Nathalie ?

• La place rouge était vide • Devant moi marchait Nathalie •  Il avait un joli nom, mon guide

• Nathalie, Nathalie

•  C’est de l’interprétation

Décrire et interpréter rationnellement

•  Un langage universel avec des définitions – Utiles – Simples et lisibles par tous

•  Des outils d’aide à la décision – Contrôler le risque d’erreur dans l’interprétation – Les données méritent-elles une interprétation

•  Différences non dues aux fluctuations d’échantillonnage – Argumenter la relation causale

•  Pb de Méthodologie, pas de statistiques

Caractéristiques du vivant • Complexité

– Régulation du taux de glycémie – Tension artérielle – Hémostase

•  Paramètres biologiques résultant d’actions multiples – Une partie des phénomènes peut être

considérée comme aléatoire – Instabilité des valeurs

Source de variabilité •  Erreur de mesure

– Tension artérielle au brassard plus stéthoscope + externe inexpérimenté(e)

•  Variabilité analytique – Dosage biologique

•  Variabilité intra-individu – Une même mesure dans les mêmes

conditions chez un même individu – Tension artérielle de repos tous les 1/4

d’heure

Source de variabilité •  Variabilité inter-individu

– Ce qui caractérise le vivant •  Capital génétique …..

– La tension artérielle est une des caractéristiques d’un individu

– L’addition des ces caractéristiques individuelles au sein d’un groupe conduit à une valeur moyenne forcément différente d’un groupe à l’autre

•  Variabilité biologique – Glycémie à jeun ou post prandiale

•  Variabilité chronobiologique – Cycle du cortisol

Conséquence de la variabilité •  Il n’existe pas de « vraie valeur »

•  Un ensemble de mesures permet d’estimer une valeur caractéristique d’un groupe de n individus

•  La probabilité d’observée une valeur donnée peut être connue car ces variables suivent des lois de de distribution connues – Valeur banale, usuelle – Valeur exceptionnelle, hors norme

Conséquence de la variabilité •  Etude de la relation HBA1c et équilibre

glycémique – 10 mesures – Relation ?

Conséquence de la variabilité •  Etude de la relation HBA1c et équilibre

glycémique – Moyenne de 2 mesures de glycémie à des temps

différents – Relation ?

Etude de la relation HBA1c et équilibre glycémique

•  Le mode d’acquisition des données est plus important que le traitement statistique proprement dit

•  On ne peut interpréter des résultats sans connaître la nature des données – Méthodologie – Protocole expérimental – Démarche qualité

•  On écrit ce qu’on va faire •  On fait ce qu’on a écrit

Interprétation d’une série de 14 couples de mesures ??

Il s’agit de :

•  On ne peut pas interpréter des valeurs numériques sans connaître le contexte d’acquisition des données

Définitions, Population et échantillon – Population :

• Ensemble généralement très grand, voire infini, d'individus ou d'objets de même nature

» Exemple : toutes les naissances de l’année en cours » Exceptionnellement étudiable (recensement…)

– Échantillon • Une partie de la population (sous-ensemble) • Plus facile à étudier que la population • Échantillon représentatif a les mêmes

caractéristiques que la population: « représente » bien celle-ci constitué de façon aléatoire (tirage au sort)

La taille de l’empereur de chine

•  Pour faire une statue, on doit calculer la taille de l’empereur de chine

Mais sans approcher cet auguste personne retranché dans la cité interdite

Première approche : échantillonnage gigantesque

•  100 enquêteurs partent dans toute la chine interroger chacun 100 chinois

0

100

200300

400

500

600

700800

900

1000

Nom

bre

188 190 192 194 196 198 200 202 204Colonne 1

Histogramme

Deuxième approche : échantillonnage plus petit mais plus pertinent

• On interroge 200 personnes de l’entourage de l’empereur

0

5

10

15

20

25

30

35

40

45

50

Nom

bre

192 193 194 195 196 197 198 199Colonne 1

Histogramme

Finalement

•  L’empereur de Chine mesure 1, 947 654 321 m •  L’empereur est ravi d’avoir une taille aussi

remarquable •  Les enquêteurs sont stupéfaits de la précision

de la mesure –  les stats, c’est magique !!!

•  Le sculpteur est déprimé ….

Conclusion

•  Le nombre de cas ne résume pas la qualité d’un échantillon de mesures

•  Un échantillon doit aussi – Etre représentatif, sans biais (tirage au sort) – Pertinent (Pb de méthodologie de

l’expérimentation) •  La précision de la mesure dépend elle de la

taille de l’échantillon – Notion d’intervalle de confiance la fréquence

d’infections nosocomiales est estimée à 5 % ± 1% – Le ± x% représente les variations possibles de la

mesure liées aux fluctuations d’échantillonnage

Pourquoi une lecture critique des articles scientifiques

•  Evolution des connaissances •  Evolution des patients

– Coopération Médecin / Malade •  Des intérêts pas toujours convergents

– Pouvoir public (HAS) –  Industries pharmaceutiques – MG et spécialistes – Patients

•  Un savoir scientifique complexe •  Pas toujours bien présenté et interprété

Nécessité de règles pour la représentation des données Statistiques (fictives) du taux d’imposition en France

Nicolas S Olivier B

Une question de bon sens : relation dose de chimiothérapie et durée

de survie de 12 souris

•  Plaquette de présentation d’un nouvel anti-inflammatoire

•  Essai thérapeutique résumé

•  Rôle des visiteurs médicaux

•  Des termes techniques

•  Des descripteurs standardisés

•  Des conclusions formelles

•  Qui masquent certains défauts méthodologiques

Dépistage Précoce ?

Validation clinique ?

Biais ?

Intérêt clinique ?

Cas clinique

•  Mr X, 73 ans se présente aux urgences via son médecin traitant pour une douleur thoracique

•  ATCD –  HTA traitée –  Fracture du col du fémur opérée

il y a un mois •  Douleur permanente •  Oedeme modéré des 2 MI •  T° 37°5 •  Auscultation cardio

pulmonaire RAS

Données biologiques connues

•  NFS normale –  GR 4 T/L –  HT 45 % –  GB 8 G/L –  Plaquettes 350 –  VGM 90 –  Volume plaquettaire

moyen….

•  Enzymes cardiaques normales

•  ECG sans particularité

Prescription

•  NFS plaquettes, Iono, VS, CRP, enzymes cardiaques

•  ECG, Gaz du sang •  Radio thorax •  D-dimères •  TDM hélicoidale

•  Conforme aux stratégies diagnostiques validées

Les D-dimères sont négatifs seuil O,5 UI/L

•  Maintien de la demande de TDM malgré une probabilité d’EP très faible (< 1 %)

–  On sait jamais, et si c’était ton père tu ne ferais pas de TDM ? dit le docteur sûr de lui et de son autorité naturelle

•  Conséquences ? –  Avec une probabilité d’EP a priori très faible, la valeur prédictive positive du scanner est

très médiocre –  Même si la TDM est positive pour le radiologue un Faux positif est très probable –  TTT anticoagulant pendant des mois pour rien ou plutôt pour un non respect des

recommandations

•  TDM dans ce cas = Irradiation et injection iodée inutile et dangereuse + risque hémorragique des AVK inutiles –  Si c’était mon père je ne lui ferais pas prendre tous ces risques dit le médecin qui

base sa pratique sur des preuves scientifiques

Si c’était une embolie pulmonaire ? •  Anticoagulant quel modalités ?

– TTT par HBPM monodose – TTT par HNF seringue électrique – TTT par HBPM 2 injections par jours

• Enoxaparine 60 mg fois 2

• Mobilisation immédiate ou décubitus – Repos au lit strict 5 jours ?

• Contention ? •  Fibrinolyse pulmonaire ? •  TTT à domicile ?

Maladie Thrombo-Embolique Veineuse MTEV

•  Thrombose veineuse profonde (TVP) –  TVP : thrombus veineux fibrino-cruorique

•  Membres Inférieurs +++ •  Pelvis •  Membres Supérieurs •  A l’exclusion des Thromboses Superficielles

•  Embolie pulmonaire (EP) –  Migration du thrombus dans les artères pulmonaires

Histoire naturelle •  Naissance dans les remous au contact des valvules

(stase)

•  Extension par strates successives •  Pas de symptôme de TVP

–  Risque d’EP +++

•  Thrombus complet –  Symptômes de TVP +++ –  Risque d’EP +

Conséquences MTEV •  Mortalité

– Première cause de décès « inattendus » à l’hôpital (séries autopsiques)

•  Récurrence – 40 % de récidives à 5 ans

•  Insuffisance veineuse – 30 à 50 % des patients avec TVP – Chronique et invalidant

•  Cœur pulmonaire chronique – 1 à 2 % des patients avec EP – Gravité +++

Incidence de la MTE en fonction de l’âge

- L’incidence annuelle augmente avec l’âge pour atteindre à 75 ans plus de 4/1000 habitants - Pour 70% des patients décédés d'EP, ce diagnostic n’avait pas été évoqué cliniquement - Le risque double à chaque décade après 40 ans, modèle exponentiel - Hommes > Femmes The Epidemiology of Venous Thromboembolism, Richard H. White, MD, Circulation. 2003;107:I-4 –I-8.