Formations Expert’Ease

Expert’Ease, ce sont des formats courts (1h30 à 3 heures), pour mettre le projecteur sur un sujet d’intérêt pour vous. 100% distanciels, pointus, animés par des experts de renom, nos formats Expert’Ease deviennent des lieux d’échanges avec nos experts, mais aussi entre pairs.

Expert'Ease

Formations E-learning

EM Produits de Santé propose des formats de formation asynchrones en ligne, que vous pouvez suivre à votre rythme pour couvrir vos besoins les plus spécifiques. Souvent complémentaires des modules synchrones, ces formats vous permettront de travailler les fondamentaux.

E-learning

Formations DPC

Retrouvez l'ensemble de nos formations DPC, vous permettant de répondre à vos obligations en tant que Pharmacien Industriel inscrit à l'Ordre.

Formations DPC

Plateforme vidéo Healtheo

Des centaines de vidéos pour appréhender la complexité du monde de la santé en général et de l'industrie pharmaceutique en particulier

Healtheo

Méthodologie études

Études cliniques

Comprendre les biais possibles dans la construction des études

29 mai 2024

Qu'est-ce qu'un biais ? Comment en tenir compte ?

Un biais est une erreur de raisonnement ou de procédure qui risque de fausser les résultats d'une étude clinique. L'erreur devient systématique et n'est pas lié au hasard ou à des imprécisions.

Les sources d'erreurs systématiques ou les biais, sont plus difficiles à maîtriser dans les études d'observation que dans les essais cliniques randomisés et cadrés, car dans ces derniers les critères d'inclusion et le suivi sont plus stricts.

Il faut s'assurer de l'absence de biais à toutes les étapes : protocole, réalisation de l'étude et analyse des résultats et décrire toutes les mesures prises pour éviter les sources potentielles de biais

Quelques exemples de principaux biais connus :

Biais de sélection

Les biais de sélection affectent la constitution de l'échantillon d'enquête, c'est à dire le processus par lequel les sujets sont choisis au sein de la population.  Cela peut concerner les médecins et les patients de l'étude.

Médecins sélectionnés :

– médecins prescripteurs uniquement des cliniques privés qui ne représentent pas l'ensemble des médecins

– mauvaise répartition géographique

Patients sélectionnés : choisir les patients qui « conviennent », ne pas inclure les patients le plus à risque ou ne prendre que les patients à risque…

Biais d'enquêteur ou de subjectivité

Un enquêteur cherchera avec plus d'acuité une exposition passée chez un cas, s'il a connaissance du statut malade du sujet ; par exemple cherchez plus l'exposition au vaccin contre Hépatite B chez un patient atteint de SEP.

Biais de mémorisation

Un sujet malade, a plus tendance à rechercher dans son passé une exposition antérieure à un facteur de risque connu qu'une personne en bonne santé. Par exemple cancer de poumon et exposition à amiante.

Biais de confusion

Un facteur de confusion est un facteur lié à la fois à l'exposition et à la maladie étudiées. Par exemple :

Une association entre alcool et cancer du poumon a toutes les chances d'être due au fait que, les personnes qui boivent ont plus tendance à fumer que les personnes qui ne boivent pas. La relation trouvée entre la consommation d'alcool et la survenue d'un cancer du poumon serait en fait expliquée par la consommation tabagique, qui jouerait ici le rôle de facteur de confusion de la relation apparente alcool-cancer.

En pratique, pour garantir  la robustesse des études, il faut limiter les biais au moment de la conception des études et lors de leur suivi.

Il est pour cela recommandé d'utiliser des méthodes statistiques, comme les modélisations et les techniques d'ajustement pour en tenir compte dans les analyses.

Y a-t-il des points de vigilance particuliers dans les études observationnelles ?

Dans les essais observationnels, lorsqu'une différence entre les groupes est mise en évidence, se pose la question de savoir si vous pouvez désigner le traitement comme étant la cause de la différence observée ou si cette différence est plutôt liée aux caractéristiques des patients. Il faut donc tenir compte de la différence des caractéristiques des patients. Par exemple en appariant les patients sur des caractéristiques importantes avant de comparer les groupes ou en ajustant le modèle de comparaison sur ces caractéristiques pour se rapprocher le plus à des groupes comparables comme dans une étude randomisée.

Par exemple si on constate plus de mortalité dans un groupe il faut vérifier l'âge, la durée de la maladie, les maladies concomitantes, ….

Conclusion

Les biais rendent l'interprétation des résultats difficile, ils sont des erreurs systématiques dans la conception ou le suivi des études. Il faut essayer de les limiter et d'utiliser des méthodes pour en tenir compte.

 

Références bibliographiques :

Auteur

Marmar KABIR

Statisticienne

Marmar Kabir est statisticienne et méthodologiste. Elle a plus de 30 ans d'expérience dans l'industrie pharmaceutique.

Formations liées

Data dissemination et data generation

Maitriser la lecture critique d'articles et savoir présenter une synthèse

Répondre aux attentes des professionnels de santé sur la présentation des études cliniques

Data dissemination et data generation

Appréhender les nouvelles méthodologies en matière d'essais cliniques (groupes contrôles externes, essais bayésiens...)

Une formation avancée pour creuser les nouvelles méthodologies en matière d'essais cliniques, en mesurer les enjeux et limites et anticiper l’évaluation des autorités.

Data dissemination et data generation

Appréhender les différents types d’études cliniques, leurs objectifs et leur portée méthodologique

Une formation fondamentale pour comprendre les différentes méthodologies et designs existants en matière d'études cliniques

Articles récents

30 mai 2024

Champ d'application de la LEA

LIRE L'ARTICLE

30 mai 2024

L'enregistrement des médicaments

LIRE L'ARTICLE

30 mai 2024

PR/PRI : rôle, attributions, différences

LIRE L'ARTICLE