2ème cycle MB6 Introduction l'épidémiologie et aux biostatistiques variabilité causalité probabilité Année Universitaire

Nico

Description

Niveau: Supérieur
2ème cycle – MB6 - Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité. Année Universitaire 2010- 2011 Faculté de Médecine Montpellier-NîmesP. DUJOLS (Mise ligne 27/0910– LIPCOM) MB6 - Cours 1 Introduction aux Statistiques en Biologie-Médecine la démarche expérimentale Objectifs du cours • Comprendre le rôle de la méthodologie et des bio-statistiques dans la génèse des connaissances – de manière générale – en Biologie-Santé • Comprendre l'importance de la variabilité Plan du Cours • Notions d'Epistémologie • L'observation • La démarche expérimentale • La démarche expérimentale en Sciences de la Vie • Variabilité et Aléa – Randomisation – Aveugle • Raisonner et statuer sous incertitude Notions d'Epistémologie • épistémê : connaissance + logos : discours • Branche de la philosophie des sciences – étudiant de manière critique – la méthode scientifique et les principes des sciences – les contenus, moyens et limites de la connaissance • 3 questions: 1. Connaissance ? 2. Génèse et constitution de la connaissance ? 3. Valeur / validité de la connaissance ?

• faculté de médecine montpellier-nîmesp


• variabilité


• démarche en sciences de la vie


• choix de l'observateur–


• scientifique


• démarche expérimentale

Sujets

• Bernard
• Scientifique
• Méthode scientifique

Informations

• Publié par: profil-nechor-2012
• Nombre de lectures: 42
• Langue: Français

Extrait

Année Universitaire 2010 2011

P. DUJOLS

(Mise ligne 27/0910– LIPCOM)

Objectifs du cours

Raisonner et statuer sous incertitude

Notions d’Epistémologie

Faculté de Médecine MontpellierNîmes

Introduction aux Statistiques en Biolo ieMédecine la démarche expérimentale

Comprendre le rôle de la méthodologie et des biostatistiques dans la génèse – de manière générale – en BiologieSanté Comprendre l’importance de la variabilité

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

MB6  Cours 1

Plan du Cours

Notions d’Epistémologie L’observation La démarche expérimentale La démarche expérimentale en Sciences de la Vie Variabilité et Aléa – Randomisation

3 questions: 1. Connaissance ? 2. Génèse et constitution de la connaissance ? 3. Valeur / validité de la connaissance ?

épistémê : connaissance + logos : discours Branche de la philosophie des sciences – étudiant de manière critique – la méthode scientifique et les principes des sciences – les contenus, moyens et limites de la connaissance

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

P. DUJOLS

Connaissance

Nombreuses théories Platon (classique) – justifiée = pourvue de « bonnes » raisons

vérité

connaissance

croyance

Kant JUSTIFICATION l’expérience et toutes commencent avec elles – Le réel reste inconnu et on ne connaît que des phénomènes

L'observation

Claude Bernard – L'art d'obtenir des faits exacts au moyen ' –la nature et écrit"l'observateur écoute sous la dictée"

Mais: – s'il est vrai que "tout part de l'observation", – si l'observation peut être un outil de justification – l'observation empirique a des failles conceptuelles visà vis de la neutralité – l'observation ne peut générer une théorie

Justification

Question centrale Justifier Prouver, établir un fait – Prouver le bienfondé d’une opinion – Comment ? 2 caractères essentiels: –Objectivité

Deux outils de justification 1. L'observation 2. L'expérimentation

Observation, outil de justification

(Mise ligne 27/0910– LIPCOM)

Observation Tous les cygnes observés sont blancs

Conclusion par raisonnement inductif Tous les cygnes sont blancs

Année Universitaire 2010 2011

Faculté de Médecine MontpellierNîmes

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

P. DUJOLS

Observation, outil de justification

tous les cygnes sont blancs

observation 1

THEORIE tentative

théorie corroborée (ne permet pas de conclure à son exactitude)

Observation: conclusion

observation 2

réfutation la théorie est fausse

À partir d'observations – Il est possible de bâtir a posteriori une  ' – = démarche inductive – Mais une seule observation inattendue suffit à la falsifier Le respect de la neutralité pose souvent problème – de là, la fragilité de certaines études épidémiologiques  cherchant "au hasard" des facteurs de risques de maladies  e onc ma con u es En Santé – L'identification des phénomènes élémentaires relève de l'histoire de la médecine – Seuls les "phénomènes complexes" restent à élucider

observation et neutralité

(Mise ligne 27/0910– LIPCOM)

Année Universitaire 2010 2011

Problèmes:biais d’observation et de sélection  Focalisation de l'attention sur un objet (ou un aspect de l'objet) plutôt qu'un autre –exemple: observer des patients en médecine de ville ou des patients hospitalisés  Choix de l'outil d'observation –exemple: insuffisance rénale vue par le dosage de l’urée  ’ – Liés à la modification potentielle, par l'observation, du phénomène observé –exemple: interroger un patient sur sa prise d’alcool peut lui faire prendre conscience d’un abus et induire une sous déclaration de sa consommation ou induire une modification de comportement

L'expérimentation

L'approche scientifique impose – d'énoncer une hypothèse préalable à tout essai d'explication – de tester cette hypothèse par l'expérimentation Popper – La théorie scientifique ne représente  ni une vérité  ni même un de ses fragments – Provisoire, elle contribue à un paradigme susceptible d'êtreréfutéà  ' – Plus elle est solide, plus elle résistera et sera corroborée Une propriété fondamentale de toute théorie scientifique est d'êtrefalsifiable cad réfutable

Faculté de Médecine MontpellierNîmes

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

P. DUJOLS

réfutation

hypothèse hypothèse

expérience

THEORIE énoncés réfutables

essai de réfutation

essai de réfutation

…

réfutation

réfutation

réfutation

émonstration de la fausseté

Expérience «scientifique» en laboratoire – Préparation: conditions initiales définies, maîtrisées et stables – Expérimentation: mise en jeu d’une intervention et d'une seule – Évaluation du résultat – Peut être répétée à l'identique Revient à isoler le phénomène étudié Questions ? – Estce possible en sciences de la vie – Comment "prouver" la causalité

(Mise ligne 27/0910– LIPCOM)

Démarche expérimentale

Méthode appliquée – en Sciences – en Santé (Claude Bernard)

Année Universitaire 2010 2011

Repose sur la méthode expérimentale – émettre une hypothèse – écrire un protocole: conditions + hypothèse + méthode  Expliquer le raisonnement  Construire le plan expérimental – tester l’hypothèse par desexpériences répétées – valider ou invalider l’hypothèse

Causalité

1. 2. 3. 4.

5.

6. 7. 8.

lien causal = faisceau d'arguments

Preuves expérimentales Reproductibilité:caractère systématique ou presque du lien Temporalité:la cause doit précéder son effet Relation doseeffet:plus la "dose" de cause augmente plus son effet (positif ou négatif) est augmenté Su ression de la cause:si la cause est su rimée, l'effet dû à la cause disparaît Spécificité:innocenter d'autres causes Cohérenceavec d'autres données scientifiques Force de l'associationstatistique (RR ou OR élevé)

Faculté de Médecine MontpellierNîmes

se rapprocher de la méthode expérimentale  démarche – émettre unehypothèse – écrire unprotocole: conditions + hypothèse + méthode –testerl’hypothèse par une «expérimentation»  Surgroupe(s) de sujets aussi déterminé(s) que possible  ec uer es mesures – Calculer et comprendre les résultats  valider ou invalider l’hypothèse sur le(s) groupe(s)  en tenant compte del’incertitude –Généraliserà unepopulation

P. DUJOLS

« L’expérience analyse, dissocie les phénomènes afin de les réduire à des relations et à des conditions de plus en plus simples »

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

(Mise ligne 27/0910– LIPCOM)

Faculté de Médecine MontpellierNîmes

fonde la notion de HASARD et d’ INCERTITUDE d’ALEATOIRE

Année Universitaire 2010 2011

Démarche en sciences de la vie

variabilité analytique

L’homme, un sujet si particulier …

« L’homme entier, organisme complexe et irréductible, oblige à expérimenter sans un contrôle exhaustif des param res en eu; au appor er es correc s statistiques, utiliser la modélisation, mais limiter les conclusions au modèle sélectionné (notion de non inclusion) »

deux niveaux de VARIABILITE

Fisher (1925)

Démarche en sciences de la vie

Contexte – Phénomènes complexes Problèmes – difficulté d’expérience scientifique « construite » – difficulté de la répétition à l’identique – variabilité  des conditions, outils d'observation – multitude de paramètres difficiles à isoler – isoler un seul paramètre éloigne de la réalité naturelle

variabilité

Si Y est voisin (en probabilité) de X : traitement inactif

Population de malades tirage au sort tirage au sort Groupe 1 Groupe 2 traitement pas de traitement Y guérissent X guérissent avec le traitement spontanément

Le tirage au sort de groupes de sujets à partir de la même population Permet d’éviter les bais de sélection (ex: éviter de choisir seulement des patients « bon répondeurs » à un traitement) – Permet de travailler sur un ou des échantillon(s) «représentatif(s) de la population» comparables sur tout sauf la cause – Autorise la comparaison des groupes et des résultats – Permet de «généraliser» à la population les résultats obtenus (l’existence ou non d’une relation entre une cause et un effet)

(Mise ligne 27/0910– LIPCOM)

P. DUJOLS

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

Année Universitaire 2010 2011

Méthode expérimentale – Faire le bilan des variables ayant – Trouver une situation où toutes les variables sont fixes sauf 2 (la cause et l’effet à observer) – Appliquer la cause et observer la relation entre cause et effet Or Exemple: jouent sur l’effet d’un médicament: le médicament, l’état du patient, sa psychologie, son régime alimentaire …. – La relation entre cause et effet sera entachée d’un aléa résultant de l’action des variables non maîtrisées dans l’expérience

variabilité

Variabilité: randomisation

Variabilité: randomisation

Faculté de Médecine MontpellierNîmes

Variabilité: exemple

Savoir si un traitement est actif dans une maladie infectieuse

On utilisera ou pas le traitement pour soigner la maladie infectieuse

Si Y n’est pas voisin (en probabilité) de X : traitement actif

Tirage au sort (randomisation) – Idée pour «répartir de façon homogène» es su e s e onc es var a es qu ouen sur a re a on causeeffet – L’aléa, l’incertitude, encore appelé « hasard » ( cad effet des variables autres que la cause sur la relation) a alors un caractère probabiliste – L’aléa pourra alors être « modélisé mathématiquement » par des tests et des intervalles de confiance – On pourra alors juger, en probabilité (« d’avoir raison quand on dit l’effet est lié à la cause »)

Exemple: dans un essai thérapeutique avec 2 groupes (avec traitement 1 et avec traitement 2)

Variabilité: l’AVEUGLE

Variabilité: l’AVEUGLE

Variabilité: l’AVEUGLE

variabilité: l’AVEUGLE

P. DUJOLS

(Mise ligne 27/0910– LIPCOM)

Année Universitaire 2010 2011

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

Dans l’expérimentation – Maîtriser la variabilité des caractéristiques u p nom ne u pour o en r es r su a s interprétables sans trop d’ambiguïté – Mais, observer, c’est aussi agir sur le phénomène étudié  Observateur(s)  Sujet(s) observé(s)  Interpréteur(s) des résultats de l’expérimentation Et donc parfois le modifier Il faut conserver les 2 caractéristiques – Objectivité – Neutralité

Simple AVEUGLE – le patient ne sait pas Double AVEUGLE – ni le médecin, ni le patient ne savent Triple AVEUGLE – ni le médecin, ni le patient ni l’interpréteur ne savent

– Del’observateur:  ne sait pas à quel groupe a été affecté le patient qu’il observe  donc n’aura pas tendance à juger plus positifs les résultats du traitement qu’il croit le meilleur – Del’observé  ne sait pas dans quel groupe il a été alloué  donc n’aura pas tendance à donner des informations plus positives ou négatives – Del’interpréteurdes résultats  ne sait pas quelle molécule a été allouée à tel groupe  donc n’aura pas tendance à sur ou sous estimer les résultats en fonctions de ses avis personnels

Les variables – Cause, effet – Autres variables Doivent être recueillies, pour chacune, de la même manière et dans les mêmes conditions Pour – avoir la même signification décidée au départ – être prises en compte dans les calculs de résultats SOLUTION:l’AVEUGLE – Le fait de ne pas connaître les modalités de la cause

Faculté de Médecine MontpellierNîmes

Procédure – Employée systématiquement – Sauf quand impossible: ex: études chirurgicales …

Population et échantillon

Etude de phénomènes complexes avec – des causes souvent intriquées Variabilité – entre individus – entre groupes (échantillons) d’individus Aléa ou Incertitude «mo ser» a a ou ncer u e –«raisonner» et «statuer» sous incertitude ? Généralisation –«généraliser» sous incertitude ?

ensemble – demande critères inclusion et noninclusion

Faculté de Médecine MontpellierNîmes

P. DUJOLS

Année Universitaire 2010 2011

(Mise ligne 27/0910– LIPCOM)

Variable et variable aléatoire

Variable aléatoire (VA) – Variable – dont la valeur de la mesure, pour un sujet donné, ne peu re pr e avec cer u e – donc à laquelle est associée une loi de probabilité –Exemples sexe glycémie à jeun nombre de lymphocytes / ml de sang

Population et échantillon

statistique inférentielle

population

PARI sur la distribution des variables

échantillon

Échantillon: sousensemble fini – extrait d’une population – représentatifde la population P si extrait au hasard de P

Conclusion

Variable – Élément dont la mesure peut prendre ren es va eurs

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

tirage au sort

Population: série exhaustive – finie ou infinie – critères précis d’appartenance

Série statistique:collection d’objets – de même nature

Mesure d’une variable

Types de variables aléatoires

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

distribution des valeurs

échantillon de 20 femmes

Estimer les lois de probabilité

(Mise ligne 27/0910– LIPCOM)

Faculté de Médecine MontpellierNîmes

P. DUJOLS

Année Universitaire 2010 2011

tirage au sort échantillon 1 + population effet ? CAUSE - tir échantillon 2 age au sort Pour une variable X : on a calculé les paramètres dans 2 échantillons peuton conclure à un effet de la cause dans la population ?

Statuer sous incertitude: les problèmes

échantillon de 1000 femmes

– Qualitative ordinale : catégories ordonnées ex : score douleur (nullemodéréeforte), protéinurie (0,+,++…) censurée: survenue d’un événement – Combinaison: comptage + délai évènement ex : Survenue d’un décès dans l’année qui suit opération

Expérimentation = mesure fiable de variables bien choisies a – Reproductibilité  dans le temps  entre observateurs AVEUGLE – Honnêteté: ex consommation d’alcool Sensible aux chan ements à la cause – Sens non ambigu  Mesures objectives:ex dosages  Mesures subjectives:ex douleur, qualité de vie Peu de données manquantes

Estimation des lois de probabilité – raisonnement mathématique – expérimentation sur grands échantillons  recherche clinique  épidémiologie

quantitative: – Valeur = mesure une quantité , , – Quantitative discrèteex : nombre d’enfants, nb de selles/jour qualitative: – Valeur = comptage de catégories exclusives – Qualitative nominale : catégories sans relation d’ordre ex : groupe sanguin, couleur des yeux

? population tirage échantillon au sort à quoi peuton s’attendre dans un échantillon ? ? tirage au sort population échantillon Pour une variable X : on a calculé les p ètres dans un échantillon à quoi peuton s’attendre dans la population ?

loi de probabilité

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

P. DUJOLS

Statuer sous incertitude: exemple

lignée de souris présentant 20% de tumeurs malignes spontanées

sur 1 échantillon de 100 souris

substance X

Observé:

tumeur maligne

Question: la substance X estelle cancérigène ?

Statuer sous incertitude: exemple

lignée de souris présentant 20% de tumeurs malignes spontanées

substance X constaté: 31 souris avec tumeur maligne

Question: la substance X est-elle cancérigène ?

on a constaté une différence : 31%  20% = 11% –emais existent les « fluctuations d’échantillonna Question – quelle est la probabilité d’observer au moins cette différence si X n’est pas cancérigène? – à partir de quelle probabilité peuton considérer X comme cancérigène ? – cette probabilité « seuil » sera le « risque d’erreur » – conclure en fonction du « seuil de significativité » que l’on s’est donné

Statuer sous incertitude: exemple

lignée de souris présentant 20% de tumeurs malignes spontanées

100 échantillons de 100 souris

20

31

Année Universitaire 2010 2011

100 échantillons de 100 souris

substance X

31

luctuations d’échantillonnage tous les échantillons ne sont pas on aurait pu observer une autre à 20% de tumeurs valeur que 31% 31% est une valeur possible 20% est une valeur observable

Statuer sous incertitude: exemple

(Mise ligne 27/0910– LIPCOM)

Faire un test statistique (cad: tenant compte des fluctuations d’échantillonnage) – qui donnera la probabilité d’observer au moins cette différence si X n’est pas cancérigène? – conclure en fonction du « seuil de significativité » que l’on s’est donné

Raisonnement – hypothèse (nulle) X non cancérigène = l’échantillon provient au hasard de la population avec taux 20%  Calcul probabilité(H0) P = 0,06 – Conclusion / seuil (5%) P > 0,05 donc non rejet de H0 (H0 n’est pas réfutée) – Conclusion clinique :on ne peut pas dire S cancérigène

Faculté de Médecine MontpellierNîmes

2ème cycle –MB6 Introduction à l'épidémiologie et aux biostatistiques, variabilité, causalité, probabilité.

P. DUJOLS

Conclusions

La démarche expérimentale – s’applique dans les sciences de la Vie – malgré la « variabilité », « l’aléa » – grâce à une formulation probabiliste Sous conditions derigueur – dans l’énoncé des hypothèses – dans le choix et le recueil des variables à mesurer pour repr sen er a cause e e e … e es au res – dans la sélection de la population – dans la sélection des échantillons (groupes) par randomisation – dans les analyses statistiques et les conclusions

(Mise ligne 27/0910– LIPCOM)

Année Universitaire 2010 2011

Faculté de Médecine MontpellierNîmes