ROBINS-I : un outil d’évaluation du risque de biais dans les études non randomisées d’interventions
L’outil ROBINS-I peut servir à évaluer les études non randomisées qui comparent les effets sur la santé d’au moins deux interventions. Il s’applique à plusieurs modèles d’études observationnelles comme les études de cohorte, les essais quasi randomisés, les études cas-témoins et les études transversales. Joignez-vous à nous pour découvrir l’outil ROBINS-I dans le cadre d’un webinaire!
Cet outil a été conçu par une équipe de l’Université de Bristol.
Comment l’outil ROBINS-I peut-il vous aider?
Plusieurs types de modèles d’études qui évaluent des interventions en santé publique n’ont pas recours à la randomisation. L’outil ROBINS-I fournit une démarche unique pouvant servir à évaluer ces différentes sortes de données probantes. Cela favorise l’usage des données probantes pour formuler des recommandations et concevoir des actions de santé publique.
L’outil ROBINS-I consiste en un cadre d’évaluation en sept domaines. Il offre aussi plusieurs explications de la notation, des termes, des définitions et de la théorie.
Ce webinaire comprend un survol de l’outil ROBINS-I par ses concepteurs, Jonathan Sterne et Julian Higgins, et une présentation par les utilisateurs Judy Brown et Duvaraga Sivajohanathan.
Cliquez ici pour lire le sommaire qu’a élaboré le Centre de collaboration nationale des méthodes et outils sur l’outil : http://www.nccmt.ca/resources/search/281
Le Centre de collaboration nationale des méthodes et outils est financé par l’Agence de la santé publique du Canada et affilié à l’Université McMaster. Les vues exprimées ici ne reflètent pas nécessairement la position officielle de l’Agence de la santé publique du Canada.
Le CCNMO est l’un des six centres de collaboration nationale en santé publique au Canada. Les Centres encouragent et améliorent l’utilisation des connaissances provenant de la recherche scientifique et des autres savoirs afin de renforcer la pratique et les politiques de santé publique au Canada.
Une vision éclairée par des données probantes concernant l’établissement ...
Webinaire : ROBINS-I
1. Follow us @nccmt Suivez-nous @ccnmo
Financé par l’Agence de la santé publique du Canada | Affilié à l’Université McMaster
Le développement de cette présentation a été rendue possible grâce à une contribution financière de l'Agence de la santé publique du
Canada. Les opinions exprimées ici ne représentent pas nécessairement celles de l’Agence de la santé publique du Canada.
ROBINS-I
Conférencièrs :
Jonathan Sterne, B.A., M. Sc., Ph. D.
Julian Higgins, B.A., Ph. D.
Judy Brown, Ph. D.
Duvaraga Sivajohanathan, M.S.P.
27 septembre 2017 13:00 – 14:30 HE
2. Follow us @nccmt Suivez-nous @ccnmo
2
Utilisez Chat pour partager vos questions
et commentaires pendant le webinaire.
• « Envoyez » les questions à tous (et
non en privé à l’animatrice)
Problèmes de connexion
• Connexion à Internet filée (et non
sans fil) recommandée
• Ligne d’aide WebEx offerte
24 heures sur 24, sept jours sur sept
• 1-866-229-3239
Gestion interne
Panneau latéral du
participant dans
WebEx
Chat
3. Follow us @nccmt Suivez-nous @ccnmo
3
Après aujourd’hui
La présentation PowerPoint (en anglais et en
français) et l’enregistrement audio en anglais
seront offerts.
Ces ressources pourront être consultées à :
http://www.nccmt.ca/fr/perfectionnement-
professionnel/webinaires-precedents
4. Follow us @nccmt Suivez-nous @ccnmo
4
1re question de sondage
Combien de personnes regardent la
séance d’aujourd’hui avec vous?
A. Il n’y a que moi
B. De 1 à 3
C. De 4 à 5
D. De 6 à 10
E. Plus de 10
5. Follow us @nccmt Suivez-nous @ccnmo
Your profession?
Put a √ on your answer (or RSVP via email)
/
5
Epidemiologist Management (director,
supervisor, etc.)
Allied health
professionals (nurse,
dietician, dental
hygenist, etc.)
Librarian Physician / Dentist Other
6
7. CCN des
maladies
infectieuses
Winnipeg, MB CCN des
méthodes
et outils
Hamilton, ON
CCN sur les
politiques
publiques et
la santé
Montréal, QC
CCN des
déterminants
de la santé
Antigonish, NS
CCN de la
santé
autochtone
Prince George, BC
CCN en santé
environnemen
tale
Vancouver, BC
7
8. Registre des méthodes
et des outils
Possibilités
d’apprentissage
en ligne
AteliersMultimédia
Public Health+
Réseautage et
relations
externes
Produits et services du CCNMO
8
9. Follow us @nccmt Suivez-nous @ccnmo
9
2e question de sondage
Dans quelle mesure connaissez-vous la
méthode ou l'outil dont nous discutons
aujourd'hui?
A. Je ne connais pas la méthode ou l'outil
B. J'ai entendu parler de la méthode ou
l'outil
C. Je utilisé la méthode ou l'outil
10. Follow us @nccmt Suivez-nous @ccnmo
10
Conférencièrs
Jonathan Sterne, B.A., M. Sc., Ph. D.
Professeur de statistiques médicales
et d’épidémiologie et directeur de
l’École de médecine sociale et
communautaire , Université de Bristol
Julian Higgins, B.A., Ph. D.
Professeur de synthèse des données
probantes, Université de Bristol
11. ROBINS-I
Jonathan Sterne et Julian Higgins
Sciences de la santé des populations, Bristol Medical School, Université de Bristol
Nous remercions spécialement Miguel Hernán, Matthew Page, Barney Reeves,
Jelena Savović et les autres personnes qui ont collaboré à ROBINS-I
14. Il faut un outil adapté
aux études non randomisées
• Les revues systématiques sur les effets des interventions
pourraient devoir inclure des études non randomisées (ÉNRI)
• effets rares ou à long terme (surtout les effets indésirables)
• interventions à l’échelle des populations ou des organisations
• absence d’essais randomisés
• Les revues doivent critiquer les études incluses, mais les outils
existants relatifs aux ÉNRI...
• passaient à côté de l’essentiel
• omettaient des questions importantes
• ne suivaient pas de près l’approche « fondée sur les
domaines » qui est aujourd’hui largement acceptée
15. Risque de biais
• Il est important de déterminer dans quelle mesure on peut croire
aux résultats des études incluses.
• Cela se fait en évaluant le risque de biais, ce qui n’est pas la
même chose que...
• l’erreur aléatoire
due à la variation
d’échantillonnage
• se reflète dans
l’intervalle de
confiance
• des biais peuvent
apparaître dans des
études bien menées
• ce ne sont pas
toutes les faiblesses
méthodologiques
qui entraînent des
biais
QualitéImprécision Rapports
• il est possible que
de bonnes
méthodes aient
été utilisées, mais
mal rapportées
16. Le nouvel outil
• Cochrane a reconnu le besoin d’un nouvel outil et en a
commandé l’élaboration en 2011
• L’élaboration initiale de ROBINS-I a été financée par le Cochrane
Methods Innovation Fund
• Le travail continu sur ROBINS-I est financé par le Methodology
Panel (MR/M025209/1) du Medical Research Council du
Royaume-Uni
17. ROBINS-I : chronologie de son élaboration
Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1
20132011 2012 2014 2015
Demande
MIF
Cochrane
Rencontre à Paris, accord sur la
création de groupes de travail
sur des domaines de biais
individuels
Rencontre en personne de
tous les collaborateurs, accord
sur les principaux éléments du
nouvel outil
Révision suivant
la mise à l’essai
initiale
Lancé à Hyderabad,
publié à
www.riskofbias.info
Réunion de cadrage initiale au
Congrès de Madrid
Sondage en ligne
auprès des groupes
d’examen
Première version de l’outil
présentée au Congrès de
Québec
Mise à l’essai et
entretiens cognitifs
Activité de
formation et d’essai
avec des membres
importants de
Cochrane à Paris
Création de groupes de
travail et circulation d’un
document d’information
Modifications
visant à améliorer
la compréhension
et la facilité
d’utilisation
Nouveau
financement du
MRC
Article
soumis
2016
18. ROBINS-I : contributeurs
• Noyau :
• Jonathan Sterne, Barney Reeves, Jelena Savović, Lucy Turner, Julian Higgins
• Collaborateurs :
• David Moher, Yoon Loke, Elizabeth Waters, Craig Ramsay, Peter Tugwell,
George Wells, Vivian Welch
• Autres membres des groupes de travail :
• Doug Altman, Mohammed Ansari, Nancy Berkman, Isabelle Boutron,
Belinda Burford, James Carpenter, An-Wen Chan, David Henry, Miguel
Hernán, Asbjørn Hróbjartsson, Peter Jüni, Jamie Kirkham, Terri Piggott,
Deborah Regidor, Hannah Rothstein, Lakho Sandhu, Lina Santaguida, Bev
Shea, Ian Shrier, Jeff Valentine, Meera Viswanathan
• Et : Jan Vandenbroucke, Jon Deeks, Toby Lasserson, Rachel Churchill, Alexandra
McAleenan, Roy Elbers, Matthew Page, Rebecca Armstrong, Sasha Shepperd,
Hugh Waddington, Su Golder...
19. Portée
• L’outil concerne le risque de biais (RdB) dans les résultats d’une ÉNRI qui
compare les effets sur la santé d’au moins deux interventions
• études quantitatives
• estimant l’efficacité (effets négatifs ou positifs) d’une intervention
• n’utilisant pas la randomisation pour affecter des unités (personnes ou
grappes) à des groupes de comparaison
Études avant-après
Études de cohorte Études de séries temporelles
Études cas-témoins
Études expérimentales
non randomisées
20. Principales considérations méthodologiques
• Le risque de biais est propre à un résultat particulier de l’étude
• L’évaluation est ancrée dans la notion d’« essai randomisé cible »
• Distinction importante entre les effets à l’étude
• l’effet de l’affectation à une intervention vs l’effet découlant
du fait de commencer et de se conformer à l’intervention
21. Évaluer le risque de biais
relativement à un essai cible
• L’évaluation du RdB a été facilitée en considérant que les ÉNRI
cherchent à imiter un essai randomisé hypothétique,
pragmatique et de haute qualité pour les interventions à l’étude
• « essai cible »
• pas besoin d’être faisable ou éthique
L’ÉNRI
Essai clinique
randomisé (ECR)
cible
Question de
recherche
Risque de
biais
Applicabilité
22. Survol de l’outil
• Considérations préliminaires à l’étape du protocole
• Déterminer les principaux domaines et co-interventions confusionnels
• Pour chaque étude :
• Essai randomisé cible (idéalisé) correspondant à l’étude
• PICR; estimation de l’effet à l’étude (voir plus tard)
• Pour chaque domaine de biais (évaluation sur le plan des résultats)
• Questions filtres
• Descriptions en texte libre
• Jugements sur le risque de biais
• Jugement global sur le risque de biais (évaluation sur le plan des résultats)
• À utiliser dans GRADE
23. Domaine Termes associés
Biais dû à la confusion Biais de sélection tel qu’il est parfois utilisé relativement aux essais
cliniques (et actuellement largement répandu dans Cochrane);
biais d’affectation; biais dû aux types de cas; biais de canalisation
Biais dans la sélection des
participants à l’étude
Biais de sélection tel qu’il est habituellement utilisé relativement
aux études observationnelles et parfois relativement aux essais
cliniques; biais du commencement (inception bias); biais du temps
d’avance au diagnostic; biais de temps immortel
Biais dans la classification des
interventions
Biais dû à l’erreur de classification; biais d’information; biais de
rappel; biais de mesure; biais des observateurs
Biais dû à des déviations par rapport
aux interventions prévues
Biais d'exécution; variable confusionnelle variant en fonction du
temps
Biais dû à des données manquantes Biais d’attrition; biais de sélection tel qu’il est parfois utilisé
relativement aux études observationnelles
Biais dans la mesure des résultats Biais de détection; biais de rappel; biais d’information; biais dû à
l’erreur de classification; biais des observateurs; biais de mesure
Biais dans la sélection des résultats
rapportés
Biais dans la déclaration des résultats; biais dans la production de
rapports sur l’analyse
Domaines de biais
24. Domaine Termes associés
Biais dû à la confusion Biais de sélection tel qu’il est parfois utilisé relativement aux
essais cliniques (et actuellement largement répandu dans
Cochrane); biais d’affectation; biais dû aux types de cas; biais de
canalisation
Biais dans la sélection des
participants à l’étude
Biais de sélection tel qu’il est habituellement utilisé relativement
aux études observationnelles et parfois relativement aux essais
cliniques; biais du commencement (inception bias); biais du temps
d’avance au diagnostic; biais de temps immortel
Biais dans la classification des
interventions
Biais dû à l’erreur de classification; biais d’information; biais de
rappel; biais de mesure; biais des observateurs
Biais dû à des déviations par rapport
aux interventions prévues
Biais d'exécution; variable confusionnelle variant en fonction du
temps
Biais dû à des données manquantes Biais d’attrition; biais de sélection tel qu’il est parfois utilisé
relativement aux études observationnelles
Biais dans la mesure des résultats Biais de détection; biais de rappel; biais d’information; biais dû à
l’erreur de classification; biais des observateurs; biais de mesure
Biais dans la sélection des résultats
rapportés
Biais dans la déclaration des résultats; biais dans la production de
rapports sur l’analyse
Domaines de biais
Des éléments avant ou pendant l’intervention, pour
lesquels les considérations concernant les biais des
ÉNRI sont majoritairement distinctes de celles
concernant les ECR
25. Domaine Termes associés
Biais dû à la confusion Biais de sélection tel qu’il est parfois utilisé relativement aux
essais cliniques (et actuellement largement répandu dans
Cochrane); biais d’affectation; biais dû aux types de cas; biais de
canalisation
Biais dans la sélection des
participants à l’étude
Biais de sélection tel qu’il est habituellement utilisé relativement
aux études observationnelles et parfois relativement aux essais
cliniques; biais du commencement (inception bias); biais du temps
d’avance au diagnostic; biais de temps immortel
Biais dans la classification des
interventions
Biais dû à l’erreur de classification; biais d’information; biais de
rappel; biais de mesure; biais des observateurs
Biais dû à des déviations par rapport
aux interventions prévues
Biais d'exécution; variable confusionnelle variant en fonction du
temps
Biais dû à des données manquantes Biais d’attrition; biais de sélection tel qu’il est parfois utilisé
relativement aux études observationnelles
Biais dans la mesure des résultats Biais de détection; biais de rappel; biais d’information; biais dû à
l’erreur de classification; biais des observateurs; biais de mesure
Biais dans la sélection des résultats
rapportés
Biais dans la déclaration des résultats; biais dans la production de
rapports sur l’analyse
Domaines de biais
Des éléments avant ou pendant l’intervention, pour
lesquels les considérations concernant les biais des
ÉNRI sont majoritairement distinctes de celles
concernant les ECR
Des éléments post-intervention, pour lesquels
plusieurs considérations concernant les biais des
ÉNRI sont semblables à celles concernant les ECR
28. Une perspective épidémiologique
Variables
confusionnelles
Biais dû à l’erreur
de classification
Biais de sélection
Préintervention
Post-intervention
Post-intervention
Pendant
l’intervention
Préintervention
Post-intervention
...variables confusionnelles
...déviations par rapport à
l’intervention prévue
1
4
...données manquantes
...sélection des
participants...
2
5
...classification des
interventions
...mesure des
résultats
3
6
29. Une perspective épidémiologique
Variables
confusionnelles
Biais dû à l’erreur
de classification
Biais de sélection
Préintervention
Post-intervention
Post-intervention
Pendant
l’intervention
Préintervention
Post-intervention
...variables confusionnelles
...déviations par rapport à
l’intervention prévue
1
4
...données manquantes
...sélection des
participants...
2
5
...classification des
interventions
...mesure des
résultats
3
6
Biais dans la sélection
des éléments rapportés
...sélection du résultat
rapporté
7
30. Questions filtres
• P. ex.
• « Les auteurs ont-ils utilisé une
méthode d’analyse appropriée
qui tenait compte de tous les
domaines confusionnels
importants? »
• « Les données sur les résultats
existaient-elles pour tous (ou
presque tous) les
participants? »
Oui
Probablement que oui
Probablement que non
Non
Aucune information
31. Jugements sur le risque de biais
Choix de réponses Interprétation
Risque de biais faible En ce qui concerne ce domaine de biais, l’étude se compare à
un essai randomisé bien réalisé.
Risque de biais moyen En ce qui concerne ce domaine de biais, cette étude est
rigoureuse pour une étude non randomisée, mais elle ne se
compare pas à un essai randomisé bien réalisé.
Risque de biais sérieux En ce qui concerne ce domaine de biais, cette étude comporte
des problèmes importants.
Risque de biais critique En ce qui concerne ce domaine de biais, cette étude est trop
problématique pour contenir des données probantes utiles.
Aucune information En ce qui concerne ce domaine de biais, aucune information
ne permet de porter un jugement sur le risque de biais.
34. 34
Biais dû à la confusion
Biais dans la sélection des participants
à l’étude
Biais dans la classification des interventions
Biais dû à des déviations par rapport aux
interventions prévues
Biais dû à des données manquantes
Biais dans la mesure des résultats
Biais dans la sélection des résultats rapportés
1. Sept domaines
38. 38
2. Questions filtres
3. Descriptions en texte libre
4. Jugements sur le risque de biais
1. Sept domaines
39. 39
2. Questions filtres
3. Descriptions en texte libre
4. Jugements sur le risque de biais
(5. Prédire la direction du biais)
1. Sept domaines
40. 40
6. Jugement global sur le risque de biais
2. Questions filtres
3. Descriptions en texte libre
4. Jugements sur le risque de biais
(5. Prédire la direction du biais)
1. Sept domaines
41. Jugement global sur le risque de biais
Risque de biais
faible
L’étude est jugée avoir un faible risque de biais dans tous les
domaines (pour ce résultat).
Risque de biais
moyen
L’étude est jugée avoir un faible ou moyen risque de biais dans
tous les domaines (pour ce résultat).
Risque de biais
sérieux
L’étude est jugée avoir un risque de biais sérieux dans au moins
un domaine, mais ne pas avoir de risque de biais critique dans
aucun domaine.
Risque de biais
critique
L’étude est jugée avoir un risque de biais critique dans au moins
un domaine (pour ce résultat).
Aucune
information
Rien n’indique clairement que l’étude a un risque de biais
sérieux ou critique et il manque de l’information au sujet d’au
moins un domaine de biais important (un jugement est requis
pour cela).
42. 42
6. Jugement global sur le risque de biais
2. Questions filtres
3. Descriptions en texte libre
4. Jugements sur le risque de biais
(5. Prédire la direction du biais)
1. Sept domaines
0. Considérations préliminairesEssai randomisé cible
Effet à l’étude
Variables confusionnelles
importantes
Co-interventions importantes
43.
44. Nurses’ Health Study
• L’étude a comparé les effets sur les MCV chez des femmes ayant
rapporté faire actuellement usage d’hormones comparativement
à des femmes ayant rapporté ne pas en faire usage
• à partir d’enquêtes semestrielles de 1976 à 1986
• Les effets sont évalués à partir d’autodéclarations, de questions
posées aux familles et des dossiers médicaux
45. Essai cible et effet à l’étude
Participantes : femmes ménopausées n’utilisant pas
actuellement de traitement hormonal substitutif
Intervention : traitement hormonal substitutif (œstrogène +/-
progestogène)
Contrôle : pas de traitement hormonal substitutif
• Nous nous concentrerons sur les effets qu’entraîne le fait de
commencer et de se conformer à l’intervention
46. Résultat à évaluer
Nous nous concentrerons sur un indicateur et
sur un résultat précis
Indicateur : maladie coronarienne importante
(composite d’infarctus du myocarde mortel et
non mortel, de coronaropathie, de pontage
aortocoronarien ou d’angioplastie)
Résultat inclus dans la méta-analyse :
RR 0,56 (IC à 95 % 0,40, 0,80) corrigé pour
tenir compte de l’âge et de tous les facteurs
de risque (le premier résultat du résumé)
47. Symptômes de la
ménopause
Consulter un omnipraticien pour
obtenir de l’aide médicale
Fumer davantage, manger des
aliments sucrés et très gras
pour composer avec ces
symptômes
Le médecin note une
pression artérielle
normale et une absence
d’embonpoint
Le médecin note
une pression
artérielle élevée et
un embonpoint
SUIVRE UN THS
MOINS DE
CORONAROPATHIE
PLUS DE
CORONAROPATHIE
NE PAS SUIVRE DE THS
Variables
confusionnelles
48. Variables confusionnelles
• Un domaine confusionnel C est un
facteur pronostique
préintervention qui prévoit si une
personne reçoit l’une ou l’autre
des interventions à l’étude C D
I
49. Variables confusionnelles
• Un domaine confusionnel C est un
facteur pronostique
préintervention qui prévoit si une
personne reçoit l’une ou l’autre
des interventions à l’étude C D
I
• Les grands ECR bien réalisés permettent les inférences
causales, car ils garantissent que l’affectation au traitement
n’est pas liée à des facteurs pronostiques, qu’ils soient mesurés
ou non.
×
50. C D
I
I C D
I C
D
• On devrait aussi éviter de
conditionner sur des effets
communs à I et à D
• Un domaine confusionnel C est un
facteur pronostique
préintervention qui prévoit si une
personne reçoit l’une ou l’autre
des interventions à l’étude
• On devrait éviter de tenir compte
(conditionner sur) des facteurs sur
la voie causale de I au résultat D
Variables confusionnelles
51. Domaines confusionnels
• Une liste a priori des domaines confusionnels pourrait
ressembler à ceci :
• Antécédents de MCV (infarctus du myocarde, coronaropathie, AVC, angine
de poitrine, pontage aortocoronarien ou angioplastie)
• Hypertension
• Adiposité (p. ex. IMC)
• Diabète
• Âge
• Statut socio-économique
• Consommation de tabac
• Facteurs reproductifs (ovariectomie, hystérectomie, utilisation passée de
moyens de contraception [contraceptifs oraux combinés, progestérone])
52. Nurses’ Health Study
• Taux de coronaropathie comparés en tant que rapport de risque,
en tenant compte de :
• l’âge (catégorisé par tranches de 5 ans)
• la consommation de tabac (3 catégories)
• l’hypertension (O/N)
• taux élevé de cholestérol (O/N)
• infarctus du myocarde chez un parent (O/N)
• IMC (5 catégories)
• utilisation passée de contraceptifs oraux (O/N)
• période
• Ici, le risque de biais est sérieux, car des domaines confusionnels
importants n’ont pas été pris en compte, et d’autres étaient peu
susceptibles d’être bien décrits par les variables mesurées
53. Sélection des participants à l’étude
• Un biais de sélection apparaît lorsque l’exclusion de participants admissibles ou
la période de suivi de certains participants font en sorte que l’association entre
l’intervention et le résultat diffère de ce qui aurait été observé dans l’essai cible
• Ce phénomène est différent de la confusion
• Nous utilisons « biais de sélection » pour faire référence seulement aux biais
qui sont internes à l’étude, et non aux questions de généralisabilité
• Inclut le « biais du commencement » (inception bias), le « biais du temps
d’avance au diagnostic » et le « biais de temps immortel »
• Il est aussi, fait important (et mélangeant), différent de l’utilisation qu’en
font les essais cliniques (et Cochrane), qui réfère à la confusion
• Ce biais apparaîtra si la sélection dans l’étude est influencée par l’intervention et
par le résultat
• La sélection en dehors de l’étude est aussi une préoccupation
• couverte dans le domaine des données manquantes
54. Temps
Résultat
Utilisateur existant de l’intervention
Résultat
Pas d’intervention (comparateur)
• Cela peut se produire quand des utilisateurs existants (prévalents),
plutôt que des nouveaux utilisateurs (incidents), sont inclus dans les
analyses (biais des utilisateurs existants, biais du temps d’avance au
diagnostic, biais de temps immortel)
Biais de sélection dû au choix de
la période de suivi
55. Temps
Résultat
Pas d’intervention (comparateur)
Résultat
Utilisateur existant de l’intervention
• Cela peut se produire quand des utilisateurs existants (prévalents),
plutôt que des nouveaux utilisateurs (incidents), sont inclus dans les
analyses (biais des utilisateurs existants, biais du temps d’avance au
diagnostic, biais de temps immortel)
Biais de sélection dû au choix de
la période de suivi
56. Temps
Résultat
Pas d’intervention (comparateur)
Résultat
• Cela peut se produire quand des utilisateurs existants (prévalents),
plutôt que des nouveaux utilisateurs (incidents), sont inclus dans les
analyses (biais des utilisateurs existants, biais du temps d’avance au
diagnostic, biais de temps immortel)
Biais de sélection dû au choix de
la période de suivi
57. Temps
Résultat
Pas d’intervention (comparateur)
Temps d’avance au diagnostic
Début de l’intervention
Résultat
• Cela peut se produire quand des utilisateurs existants (prévalents),
plutôt que des nouveaux utilisateurs (incidents), sont inclus dans les
analyses (biais des utilisateurs existants, biais du temps d’avance au
diagnostic, biais de temps immortel)
Biais de sélection dû au choix de
la période de suivi
58. Temps
Résultat
Pas d’intervention (comparateur)
Résultat
Événement invisible
Temps d’avance au diagnostic
Début de l’intervention
Résultat
Utilisateur existant de l’intervention
• Cela peut se produire quand des utilisateurs existants (prévalents),
plutôt que des nouveaux utilisateurs (incidents), sont inclus dans les
analyses (biais des utilisateurs existants, biais du temps d’avance au
diagnostic, biais de temps immortel)
Biais de sélection dû au choix de
la période de suivi
59. Sélection des participants à l’étude
• Le risque de biais est sérieux, car les utilisatrices existantes de
THS étaient incluses, donc les infirmières ayant connu une
maladie coronarienne peu après le début de la THS peuvent avoir
été exclues.
60. (Aparté)
Les rapports de risque de coronaropathie selon l’intention de traiter des initiatrices par
rapport aux non-initiatrices étaient de 1,42 (0,92–2,20) pour les 2 premières années, et
de 0,96 (0,78–1,18) pour l’ensemble du suivi. Les rapports de risque selon l’intention de
traiter étaient de 0,84 (0,61–1,14) chez les femmes ménopausées depuis moins de 10
ans et de 1,12 (0,84–1,48) chez les autres. Ces estimations selon l’intention de traiter
sont semblables à celles de la Women’s Health Initiative. Comme l’approche axée sur
l’intention de traiter entraîne de graves erreurs de classement relativement au
traitement, nous avons aussi estimé les effets corrigés pour tenir compte de la
conformité à l’intervention par la méthode de pondération par l’inverse de la
probabilité. Les rapports de risque étaient de 1,61 (0,97–2,66) pour les 2 premières
années, et de 0,98 (0,66–1,49) pour l’ensemble du suivi.
61. Déviations par rapport
à l’intervention prévue
• Les déviations par rapport à l’intervention prévue ne sont pas importantes
lorsqu’on étudie l’effet de l’affectation à l’intervention
• p. ex. certaines personnes ne répondent pas aux invitations de dépistage
• ...pourvu que ces déviations reflètent les soins courants
• plutôt qu’un comportement qui reflète qu’on s’attend à une différence
entre l’intervention et le comparateur
• Mais les déviations comme une faible conformité à l’intervention, une faible
mise en œuvre et des co-interventions peuvent entraîner des biais lorsqu’on
étudie l’effet du fait de commencer et de se conformer à l’intervention
• Nous avons donc des outils différents pour l’étude de ces deux effets
62. Une famille d’outils qui s’agrandit
• Les frères (en cours d’élaboration) :
• ROBINS-I pour les études de cohorte
• ROBINS-I pour les études cas-témoins
• ROBINS-I pour les études avant-après
• ROBINS-I pour les études contrôlées avant-après
• ROBINS-I pour les analyses au moyen de variables instrumentales
• Le cousin (en cours d’élaboration) :
• ROBINS-E pour les études (observationnelles) non randomisées des effets
de causalité de l’exposition sur le résultat
• Famille élargie :
• Outil de Cochrane sur le risque de biais dans les essais randomisés
• Outil QUADAS-2 sur la qualité des études sur la précision des tests
• Outil ROBIS sur le risque de biais dans les revues systématiques
63. Conclusion
• ROBINS-I est fondé sur un examen approfondi et attentif des
domaines de biais dans les résultats des études non randomisées
• Comparaison explicite avec un essai randomisé « cible »
• Pour les domaines de biais préintervention et pendant
l’intervention, les évaluations de biais sont majoritairement
distinctes des essais randomisés
• Pour les domaines de biais post-intervention, l’évaluation des
biais des ÉNRI présente plusieurs similitudes avec les essais
randomisés
64. Follow us @nccmt Suivez-nous @ccnmo
Conférencièrs
64
Judy Brown, Ph. D.
Méthodologiste de recherche en
santé, Université McMaster
Duvaraga Sivajohanathan, M.S.P.
Méthodologiste de recherche en
santé, Université McMaster
65. Utilisation du ROBINS-I par le BEPC
Nous aimons le ROBINS-I!
• Il explique bien les biais
• Il sépare les questions concernant les études de cohorte de celles sur les études cas-témoin
• Il force l’utilisateur à considérer et à évaluer l’effet des variables confusionnelles
• Pas de score final – il utilise des niveaux de risque de biais pour pouvoir l’incorporer à GRADE
au besoin
• Mais – c’est très vaste – ce qui est bien si on n’est pas familiarisé avec l’outil ou l’évaluation
critique
• Donc on s’est copié-collé une petite liste de vérification, alors quand quelqu’un évalue la
5e cohorte – les questions et le résumé sont là, mais pas toutes les explications en profondeur
66. Follow us @nccmt Suivez-nous @ccnmo
66
Vos commentaires ou
questions
• Utilisez Chat pour partager vos
questions et commentaires.
• « Envoyez » les questions à
tous (et non en privé à
l’animatrice)
Panneau latéral du
participant dans
WebEx
Chat
67. Follow us @nccmt Suivez-nous @ccnmo
67
3e question de sondage
Pourrait cette méthode ou outil être utile
dans la pratique?
A. Énormément
B. Quelque peu
C. Pas du tout
D. Je l’ignore
68. Follow us @nccmt Suivez-nous @ccnmo
68
Veuillez prendre quelques minutes pour partager
vos idées sur le webinaire d’aujourd’hui.
Vos commentaires et vos suggestions permettent
d’améliorer les ressources que nous offrons et de
planifier d’autres webinaires.
Le sondage court se trouve à l’adresse :
https://nccmt.co1.qualtrics.com/jfe/form/SV_0SR6
Ks5SMQIpiV7
Votre rétroaction est importante
69. Follow us @nccmt Suivez-nous @ccnmo
69
4e question de sondage
Quelles étapes suivrez-vous ensuite?
(Cochez toutes celles qui s’appliquent.)
A. Accéder la méthode ou l’outil dont il est question
dans l’exposé.
B. Lire le sommaire du CCNMO sur la méthode ou
l’outil décrit aujourd’hui.
C. Songer à mettre en pratique la méthode ou l’outil.
D. Parler de la méthode ou de l’outil à un collègue.
70. Follow us @nccmt Suivez-nous @ccnmo
Partagez votre histoire!
• Utilisez-vous la PDFDP dans vos pratiques?
Nous voulons vous entendre!
• Écrivez-nous : ccnmo@mcmaster.ca
• Avez-vous besoin d’aide relativement à la
PDFDP? Demandez-nous du soutien!
• Écrivez-nous : ccnmo@mcmaster.ca
• Nous répondons habituellement en moins de
24 heures ouvrables.
70
71. Follow us @nccmt Suivez-nous @ccnmo
71
Rejoignez-nous pour notre prochain webinaire.
Série Pleins feux sur les méthodes et
outils : Les évaluations de l'évaluabilité en
santé publique
DATE : Vendredi 10 novembre 2017
HEURES : De 13 h à 14 h 30 (HE)
Réalisées avant l’évaluation proprement dite, les évaluations de
l’évaluabilité sont conçues pour maximiser les chances qu’une
évaluation ultérieure aboutisse à des informations utiles. En quoi la
méthode d’évaluation de l’évaluabilité peut-elle vous aider? Joignez-
vous à nous pour en savoir plus!
Inscrivez-vous à : https://health-evidence.webex.com/health-
evidence/onstage/g.php?MTID=ee163884c6bd2b167569d20d98438
91a8
72. Follow us @nccmt Suivez-nous @ccnmo
Série de webinaires du CCNMO
http://www.nccmt.ca/fr/perfectionnement-
professionnel/serie-de-webinaires
• Pleins feux sur les méthodes et outils
• Méthodes et outils thématiques
• Club de lecture en ligne
• Webinaire entre pairs
72
73. Follow us @nccmt Suivez-nous @ccnmo
Financé par l’Agence de la santé publique du Canada | Affilié à l’Université McMaster
Le développement de cette présentation a été rendue possible grâce à une contribution financière de l'Agence de la santé publique du
Canada. Les opinions exprimées ici ne représentent pas nécessairement celles de l’Agence de la santé publique du Canada.
Pour plus d'information sur le Centre de
collaboration nationale des méthodes et
outils (CCNMO)
Site du CCNMO : www.nccmt.ca/fr/
Courriel : nccmt@mcmaster.ca