Calendrier de l'Avent du Tutorat
Voici notre correction du concours de l'UE4 2010-2011.
Si vous avez des remarques concernant celle-ci, vous pouvez très bien les poster à la suite de ce post.
Nous apporterons les corrections au fur et à mesure en fonction de la pertinence des observations faites.
Sujet du concours UE4 2010 - 2011:Ici
CORRECTION CONCOURS UE4 2010-2011
Qcm 1:
Correction Qcm 1:
Réponse A
Item A : Vrai
Item B :Faux
Item C :Faux
Item D :Faux
Item E :Faux
Item A : Vrai
Item B :Faux
Item C :Faux
Item D :Faux
Item E :Faux
Qcm 2:
Correction Qcm 2:
Réponse C
Item 1 : Faux : Voir la correction de l'item 2
Item 2 : Vrai : Le temps de participation correspond à la durée entre la date d'origine et la date de la survenue de l'événement ou la date de point. Dans le groupe de patients sans complication on voit que 2 d'entre eux ont une durée de participation de 30 jours, il s'agit de la durée de participation maximale de l'étude.
Item 3 : Vrai: Dans l'analyse de l'étude seront censurés les patients pour lesquels l'événement d'intérêt n'aura pas eu lieu (cad les complications), ainsi que les perdus de vue (il n'y en a pas dans cette étude). Seront donc censurés les 13 patients n'ayant pas eu de complications.
Item 4 : Faux: On voit bien que la durée de participation pour les patients n'ayant pas eu de complication varie selon les sujets. La date de point étant similaire pour toutes ces personnes, on déduit que la date d'origine est forcément différente.
Item 5 : Faux : La méthode recommandée pour des petits effectifs est la méthode Kaplan-Meier. La méthode Actuarielle s'emploie pour des effectifs supérieurs à 200 sujets
Item 1 : Faux : Voir la correction de l'item 2
Item 2 : Vrai : Le temps de participation correspond à la durée entre la date d'origine et la date de la survenue de l'événement ou la date de point. Dans le groupe de patients sans complication on voit que 2 d'entre eux ont une durée de participation de 30 jours, il s'agit de la durée de participation maximale de l'étude.
Item 3 : Vrai: Dans l'analyse de l'étude seront censurés les patients pour lesquels l'événement d'intérêt n'aura pas eu lieu (cad les complications), ainsi que les perdus de vue (il n'y en a pas dans cette étude). Seront donc censurés les 13 patients n'ayant pas eu de complications.
Item 4 : Faux: On voit bien que la durée de participation pour les patients n'ayant pas eu de complication varie selon les sujets. La date de point étant similaire pour toutes ces personnes, on déduit que la date d'origine est forcément différente.
Item 5 : Faux : La méthode recommandée pour des petits effectifs est la méthode Kaplan-Meier. La méthode Actuarielle s'emploie pour des effectifs supérieurs à 200 sujets
Qcm 3:
Correction Qcm 3:
Réponse E
Item 1 : Faux : 106 mg/dl comprend 3 chiffres significatifs. L'écriture de cette valeur en g/l doit donc comprendre également 3 chiffres significatifs.
Item 2 : Faux : Voir correction de l'item 1
Item 3 : Vrai: La glycémie est bien une variable quantitative continue puisque dans un intervalle donné de R, cette variable peut prendre une infinité de valeurs. Exemple dans l'intervalle [100 mg/dl - 110 mg/dl] la variable peut être égale à 106,000..001... ou à 106,000..002... etc .
Item 4 : Faux : Voir la correction de l'item 5
Item 5 : Vrai :106 mg/dl = 106 (mg = 0,001 g ) / (dl = 0,1 l ) = 106 x 0,001 / 0,1 = 106 /1000 x 10 = 1,06 g/l
Item 1 : Faux : 106 mg/dl comprend 3 chiffres significatifs. L'écriture de cette valeur en g/l doit donc comprendre également 3 chiffres significatifs.
Item 2 : Faux : Voir correction de l'item 1
Item 3 : Vrai: La glycémie est bien une variable quantitative continue puisque dans un intervalle donné de R, cette variable peut prendre une infinité de valeurs. Exemple dans l'intervalle [100 mg/dl - 110 mg/dl] la variable peut être égale à 106,000..001... ou à 106,000..002... etc .
Item 4 : Faux : Voir la correction de l'item 5
Item 5 : Vrai :106 mg/dl = 106 (mg = 0,001 g ) / (dl = 0,1 l ) = 106 x 0,001 / 0,1 = 106 /1000 x 10 = 1,06 g/l
Qcm 4:
Correction Qcm 4:
Réponse C
L'énoncé nous donne les informations suivantes:
- T : Naissance à terme
- AT : Naissance avant terme
- S : Grossesse Unique
- M : Grossesse Multiple
- Probabilité de naitre avant terme sachant que la grossesse est unique = P( AT/S) = 0,05
- Probabilité de naitre avant terme sachant que la grossesse est multiple = P( AT/M) = 0,45
- Probabilité pour une femme d'avoir une grossesse unique = P( S) = 0,9
On déduit d'après l'énoncé :
- Probabilité pour une femme d'avoir une grossesse multiple =P( M ) = 1- 0,9 = 0,1
Item 1 : Faux : 0,45 correspond à la probabilité de naitre avant terme sachant que la grossesse est multiple = P(AT sachant M)
Item 2 : Vrai : Voir la correction de l'item 1
Item 3 : Vrai : P(AT) = P( AT ∩ S) U P( AT ∩ M) = P( AT/S) x P(S) + P(AT/M) x P(M) = 0,05 x 0,9 + 0,45 x 0,1 = 0,045 + 0,045 = 0,09
Nota: P( AT ET S ) = P (AT ∩ S ) = Probabilité de naitre avant terme ET grossesse est unique = P( AT/S) x P(S)
Item 4 : Faux : Voir la correction de l'item 3
Item 5 : Faux : Voir la correction de l'item 3
L'énoncé nous donne les informations suivantes:
- T : Naissance à terme
- AT : Naissance avant terme
- S : Grossesse Unique
- M : Grossesse Multiple
- Probabilité de naitre avant terme sachant que la grossesse est unique = P( AT/S) = 0,05
- Probabilité de naitre avant terme sachant que la grossesse est multiple = P( AT/M) = 0,45
- Probabilité pour une femme d'avoir une grossesse unique = P( S) = 0,9
On déduit d'après l'énoncé :
- Probabilité pour une femme d'avoir une grossesse multiple =P( M ) = 1- 0,9 = 0,1
Item 1 : Faux : 0,45 correspond à la probabilité de naitre avant terme sachant que la grossesse est multiple = P(AT sachant M)
Item 2 : Vrai : Voir la correction de l'item 1
Item 3 : Vrai : P(AT) = P( AT ∩ S) U P( AT ∩ M) = P( AT/S) x P(S) + P(AT/M) x P(M) = 0,05 x 0,9 + 0,45 x 0,1 = 0,045 + 0,045 = 0,09
Nota: P( AT ET S ) = P (AT ∩ S ) = Probabilité de naitre avant terme ET grossesse est unique = P( AT/S) x P(S)
Item 4 : Faux : Voir la correction de l'item 3
Item 5 : Faux : Voir la correction de l'item 3
Qcm 5:
Correction Qcm 5:
Réponse C
L'énoncé nous indique les informations suivantes:
- Famille de 6 enfants, n = 6
- P(naissance d'un garçon) = P(naissance d'une fille) = 0,5 ; p = 0,5 (donc q = 1 - p = 0,5)
- Les naissances sont des événements indépendants: Ex: La naissance d'une fille ne modifie pas la probabilité pour que la naissance suivante soit à nouveau celle d'une fille (P = 0,5 )
- X = variable aléatoire = nombre de filles dans la famille.
Item 1 : Vrai : Le nombre de fille sera toujours un entier.
Item 2 : Faux : La loi décrivant la probabilité qu'il y ait "X" filles dans la famille est la loi Binomiale B(n = 6 ; p = 0,5 ). "n" étant inférieur à 50 et p supérieur à 0,1 , l'approximation par la loi de Poisson n'est pas indiquée dans ce cas.
Item 3 : Vrai : Voir la correction de l'item 2
Item 4 : Vrai : Application de la loi binomiale: B(n = 6 ; p = 0,5 )
P( X = k = 6 ) = Cnk pk q(n-k)
= C66 0,56 0,5(6-6)
= C66 0,56 0,5(0)
= 1 x 0,56 x 1
= 0,56
Item 5 : Faux : Intuitivement, on sent bien que la probabilité pour que tout les enfants (= 6) soient des filles est plus faible que la probabilité pour que seule la moitié (= 3) des enfants soient des filles. On a vu dans l'item 4 que la probabilité pour que tous les enfants soient des filles était de 0,56. Donc, la probabilité pour que seuls 3 des 6 enfants soient des filles ne peut pas être de 0,56/2.
Appliquons néanmoins la loi Binomiale pour en être certain :
P( X = k = 3 ) = Cnk pk q(n-k)
= C63 0,53 0,5(6-3)
= C63 0,53 0,53
= (6 !) / ( 3! x ( 6 - 3)!) x 0,53 x 0,53
= 20 x 0,56
L'énoncé nous indique les informations suivantes:
- Famille de 6 enfants, n = 6
- P(naissance d'un garçon) = P(naissance d'une fille) = 0,5 ; p = 0,5 (donc q = 1 - p = 0,5)
- Les naissances sont des événements indépendants: Ex: La naissance d'une fille ne modifie pas la probabilité pour que la naissance suivante soit à nouveau celle d'une fille (P = 0,5 )
- X = variable aléatoire = nombre de filles dans la famille.
Item 1 : Vrai : Le nombre de fille sera toujours un entier.
Item 2 : Faux : La loi décrivant la probabilité qu'il y ait "X" filles dans la famille est la loi Binomiale B(n = 6 ; p = 0,5 ). "n" étant inférieur à 50 et p supérieur à 0,1 , l'approximation par la loi de Poisson n'est pas indiquée dans ce cas.
Item 3 : Vrai : Voir la correction de l'item 2
Item 4 : Vrai : Application de la loi binomiale: B(n = 6 ; p = 0,5 )
P( X = k = 6 ) = Cnk pk q(n-k)
= C66 0,56 0,5(6-6)
= C66 0,56 0,5(0)
= 1 x 0,56 x 1
= 0,56
Item 5 : Faux : Intuitivement, on sent bien que la probabilité pour que tout les enfants (= 6) soient des filles est plus faible que la probabilité pour que seule la moitié (= 3) des enfants soient des filles. On a vu dans l'item 4 que la probabilité pour que tous les enfants soient des filles était de 0,56. Donc, la probabilité pour que seuls 3 des 6 enfants soient des filles ne peut pas être de 0,56/2.
Appliquons néanmoins la loi Binomiale pour en être certain :
P( X = k = 3 ) = Cnk pk q(n-k)
= C63 0,53 0,5(6-3)
= C63 0,53 0,53
= (6 !) / ( 3! x ( 6 - 3)!) x 0,53 x 0,53
= 20 x 0,56
Qcm 6:
Correction Qcm 6:
Réponse D
Il s'agit d'un syllogisme dont le raisonnement est de type DEDUCTIF. On part d'une loi générale pour déduire un fait particulier.
Prémisse n°1 (majeure): Proposition P : "Tous les patients qui ont une douleur à la palpation de la fosse iliaque droite souffrent d'une appendicite aiguë" = loi générale
Prémisse n°2 (mineure): "Le patient que j'examine a une douleur à la palpation de la fosse iliaque droite"
Conclusion logique : "Le patient que j'examine souffre d'une appendicite aiguë" = fait particulier
Item 1 : Faux
Item 2 : Faux : Le raisonnement de type inductif part de faits particuliers pour induire une loi générale. Ce n'est pas le cas ici
Item 3 : Vrai: Voir l'explication ci-dessus
Item 4 : Vrai: Voir l'explication ci-dessus
Item 5 : Faux: Voir l'explication ci-dessus
Il s'agit d'un syllogisme dont le raisonnement est de type DEDUCTIF. On part d'une loi générale pour déduire un fait particulier.
Prémisse n°1 (majeure): Proposition P : "Tous les patients qui ont une douleur à la palpation de la fosse iliaque droite souffrent d'une appendicite aiguë" = loi générale
Prémisse n°2 (mineure): "Le patient que j'examine a une douleur à la palpation de la fosse iliaque droite"
Conclusion logique : "Le patient que j'examine souffre d'une appendicite aiguë" = fait particulier
Item 1 : Faux
Item 2 : Faux : Le raisonnement de type inductif part de faits particuliers pour induire une loi générale. Ce n'est pas le cas ici
Item 3 : Vrai: Voir l'explication ci-dessus
Item 4 : Vrai: Voir l'explication ci-dessus
Item 5 : Faux: Voir l'explication ci-dessus
Qcm 7:
Correction Qcm 7:
Réponse B
Item 1 : Faux : "Nombre de venue par tranche horaire" est une variable aléatoire discrète
Item 2 : Faux ( mais je ne suis pas sûr à 100%) : "Nombre de venue par tranche horaire" correspond à la survenue d'un certain nombre d'événements (arrivé d'un patient) dans une unité de temps ( une tranche horaire). La loi de Poisson décrit tout à fait la distribution de ce type de phénomène, je dirais donc que la loi de poisson P( λ=2) est à envisager dans ce cas.
D'autre part, λ < 25, on ne pourra donc pas approximer la loi de Poisson par la loi Normale.
Item 3 : Vrai : Voir correction item 2
Item 4 : Faux : La valeur "2" indique le nombre moyen de venue dans une unité de temps (la tranche horaire)
Item 5 : Vrai : P (X = 0) = Nombre de tranches horaires ayant 0 venues / Nombre de tranches horaires totales = 563/4158
Item 1 : Faux : "Nombre de venue par tranche horaire" est une variable aléatoire discrète
Item 2 : Faux ( mais je ne suis pas sûr à 100%) : "Nombre de venue par tranche horaire" correspond à la survenue d'un certain nombre d'événements (arrivé d'un patient) dans une unité de temps ( une tranche horaire). La loi de Poisson décrit tout à fait la distribution de ce type de phénomène, je dirais donc que la loi de poisson P( λ=2) est à envisager dans ce cas.
D'autre part, λ < 25, on ne pourra donc pas approximer la loi de Poisson par la loi Normale.
Item 3 : Vrai : Voir correction item 2
Item 4 : Faux : La valeur "2" indique le nombre moyen de venue dans une unité de temps (la tranche horaire)
Item 5 : Vrai : P (X = 0) = Nombre de tranches horaires ayant 0 venues / Nombre de tranches horaires totales = 563/4158
Qcm 8:
Correction Qcm 8:
Réponse A
L'énoncé nous indique les informations suivantes:
2 groupes de patients:
- Groupe T (nouveau traitement) : 100 patients - Pourcentage de succès = 65%
- Groupe C (traitement classique) : 80 patients - Pourcentage de succès = 45%
Objectif de l'étude : affirmer la supériorité d'un des deux traitements.
Item 1 : Vrai : On compare la variable qualitative binaire " Succès / échec " du traitement (à travers le pourcentage de réussite du traitement), avec la variable qualitative binaire "Nouveau Traitement / Traitement classique".
Item 2 : Faux : Voir la correction de l'item 1
Item 3 : Faux : L’hypothèse H1 correspond à l'existence d'une différence entre le nouveau traitement et le traitement classique.
Item 4 : Vrai : Par convention on choisit un risque alpha égal à 5%
Item 5 : Faux : Alpha est le risque de première espèce, et c'est le risque que l'on choisit de privilégier dans les tests d'hypothèses
L'énoncé nous indique les informations suivantes:
2 groupes de patients:
- Groupe T (nouveau traitement) : 100 patients - Pourcentage de succès = 65%
- Groupe C (traitement classique) : 80 patients - Pourcentage de succès = 45%
Objectif de l'étude : affirmer la supériorité d'un des deux traitements.
Item 1 : Vrai : On compare la variable qualitative binaire " Succès / échec " du traitement (à travers le pourcentage de réussite du traitement), avec la variable qualitative binaire "Nouveau Traitement / Traitement classique".
Item 2 : Faux : Voir la correction de l'item 1
Item 3 : Faux : L’hypothèse H1 correspond à l'existence d'une différence entre le nouveau traitement et le traitement classique.
Item 4 : Vrai : Par convention on choisit un risque alpha égal à 5%
Item 5 : Faux : Alpha est le risque de première espèce, et c'est le risque que l'on choisit de privilégier dans les tests d'hypothèses
Qcm 9:
Correction Qcm 9:
Réponse D
Item 1 : Faux: Il ne s'agit pas d'une enquête prospective (suivi d'un patient dans le temps). Ce type d'étude s'apparente plus à une enquête transversale ( à but étiologique) = photographie à un instant T du facteur de risque chez le patient (un poids élevé) et de sa maladie (rhumatismes).
Item 2 : Faux : On a pas besoin de définir le risque de première espèce "alpha" pour formuler l'hypothèse nulle H0. D'autre part dire que l'on définit le risque alpha le plus petit possible me semble faux. Par convention alpha est de 5%.
Item 3 : Faux : H1 = La moyenne du poids des patients dans le groupe R est différent de la moyenne du poids des patients dans le groupe SR.
Item 4 : Faux : H0 = La moyenne du poids des patients dans le groupe R est comparable à la moyenne du poids des patients dans le groupe SR.
Item 5 : Vrai : La taille de l'étude dépend entre autres de la variabilité du critère de jugement (le poids). Lorsque la variance augmente, le nombre de sujets à inclure dans l'étude augmente également. (voir cours sur les essais cliniques : Taille de l'étude)
Item 1 : Faux: Il ne s'agit pas d'une enquête prospective (suivi d'un patient dans le temps). Ce type d'étude s'apparente plus à une enquête transversale ( à but étiologique) = photographie à un instant T du facteur de risque chez le patient (un poids élevé) et de sa maladie (rhumatismes).
Item 2 : Faux : On a pas besoin de définir le risque de première espèce "alpha" pour formuler l'hypothèse nulle H0. D'autre part dire que l'on définit le risque alpha le plus petit possible me semble faux. Par convention alpha est de 5%.
Item 3 : Faux : H1 = La moyenne du poids des patients dans le groupe R est différent de la moyenne du poids des patients dans le groupe SR.
Item 4 : Faux : H0 = La moyenne du poids des patients dans le groupe R est comparable à la moyenne du poids des patients dans le groupe SR.
Item 5 : Vrai : La taille de l'étude dépend entre autres de la variabilité du critère de jugement (le poids). Lorsque la variance augmente, le nombre de sujets à inclure dans l'étude augmente également. (voir cours sur les essais cliniques : Taille de l'étude)
Qcm 10:
Correction Qcm 10:
Réponse E
L'énoncé nous donne les informations suivantes:
- Randomisation de deux groupes de 50 fumeurs (choisis au hasard = TAS)
- Groupe S : 50 fumeurs qui reçoivent le traitement S
- Groupe P : 50 fumeurs qui reçoivent le Placébo
Item 1 : Faux : On étudie l'existence d'une relation entre une variable quantitative (nombre de cigarettes) et qualitative (Traitement S / Placébo )
Item 2 : Vrai : Voir la correction de l'item 1
Item 3 : Faux : Dans le cas de la comparaison d'une variable quantitative à une variable qualitative, on utilisera le test de comparaison de moyenne lorsque l'effectif est supérieur ou égal à 30 patients.
Item 4 : Faux : Au contraire, le test de comparaison de moyenne est tout à fait indiqué dans ce cas pour les raisons évoquées dans la correction de l'item 4.
Item 5 : Vrai
L'énoncé nous donne les informations suivantes:
- Randomisation de deux groupes de 50 fumeurs (choisis au hasard = TAS)
- Groupe S : 50 fumeurs qui reçoivent le traitement S
- Groupe P : 50 fumeurs qui reçoivent le Placébo
Item 1 : Faux : On étudie l'existence d'une relation entre une variable quantitative (nombre de cigarettes) et qualitative (Traitement S / Placébo )
Item 2 : Vrai : Voir la correction de l'item 1
Item 3 : Faux : Dans le cas de la comparaison d'une variable quantitative à une variable qualitative, on utilisera le test de comparaison de moyenne lorsque l'effectif est supérieur ou égal à 30 patients.
Item 4 : Faux : Au contraire, le test de comparaison de moyenne est tout à fait indiqué dans ce cas pour les raisons évoquées dans la correction de l'item 4.
Item 5 : Vrai
Qcm 11:
Correction Qcm 11:
Réponse D
Item 1 : Faux : On étudie à nouveau l'existence d'une relation entre une variable quantitative (nombre de cigarettes) et qualitative (Traitement S / Placébo ) !
Item 2 : Vrai : Voir la correction de l'item 1
Item 3 : Faux : L'hypothèse H0 est : "il n'y a pas de différence dans la variation de la consommation de cigarettes" . (ça signifie que la variation de consommation avant/après traitement est la même dans le groupe S que dans le groupe P)
Item 4 : Vrai : Au risque de 5%, la valeur seuil théorique au delà de laquelle on rejette H0, et accepte H1 ("différence significative dans la variation de la consommation de cigarette") est de 1,96 ( Valeur que l'on retrouve dans la table de l'écart réduit pour alpha = 0,05). Puisque ε calculé (2,3) > ε théorique (1,96), alors on rejette H0 et accepte H1. Il y a bien une différence significative dans la variation de la consommation de cigarettes entre les deux groupes. Ayant étudié la variation de consommation, on peut donc conclure à l'efficacité de la substance S.
Item 5 : Faux: Voir la correction de l'item 4
Item 1 : Faux : On étudie à nouveau l'existence d'une relation entre une variable quantitative (nombre de cigarettes) et qualitative (Traitement S / Placébo ) !
Item 2 : Vrai : Voir la correction de l'item 1
Item 3 : Faux : L'hypothèse H0 est : "il n'y a pas de différence dans la variation de la consommation de cigarettes" . (ça signifie que la variation de consommation avant/après traitement est la même dans le groupe S que dans le groupe P)
Item 4 : Vrai : Au risque de 5%, la valeur seuil théorique au delà de laquelle on rejette H0, et accepte H1 ("différence significative dans la variation de la consommation de cigarette") est de 1,96 ( Valeur que l'on retrouve dans la table de l'écart réduit pour alpha = 0,05). Puisque ε calculé (2,3) > ε théorique (1,96), alors on rejette H0 et accepte H1. Il y a bien une différence significative dans la variation de la consommation de cigarettes entre les deux groupes. Ayant étudié la variation de consommation, on peut donc conclure à l'efficacité de la substance S.
Item 5 : Faux: Voir la correction de l'item 4
Qcm 12:
Correction Qcm 12:
Réponse A
Item 1 : Vrai : H0 et H1 sont deux hypothèses qui jouent un rôle symétrique. Si ce n'est pas l'une... c'est l'autre !
Item 2 : Faux : Rejeter H1 c'est accepter H0
Item 3 : Faux: La définition de H0 et H1 constitue la première étape d'une étude.
Les étapes d'une étude, dans l'ordre:
1) La définition de H0 et H1
2) La définition du bon test statistique,
3) La définition du risque de première espèce alpha
4) Le recueil des données
5) L'analyse (interprétation) des résultats
Item 4 : Faux : Voir la correction de l'item 3
Item 5 : Faux: La formulation des hypothèse n'a rien à voir avec la puissance d'un test . La formulation des hypothèses est la première chose que l'on définie dans une étude, bien avant la définition de la puissance du test!
Item 1 : Vrai : H0 et H1 sont deux hypothèses qui jouent un rôle symétrique. Si ce n'est pas l'une... c'est l'autre !
Item 2 : Faux : Rejeter H1 c'est accepter H0
Item 3 : Faux: La définition de H0 et H1 constitue la première étape d'une étude.
Les étapes d'une étude, dans l'ordre:
1) La définition de H0 et H1
2) La définition du bon test statistique,
3) La définition du risque de première espèce alpha
4) Le recueil des données
5) L'analyse (interprétation) des résultats
Item 4 : Faux : Voir la correction de l'item 3
Item 5 : Faux: La formulation des hypothèse n'a rien à voir avec la puissance d'un test . La formulation des hypothèses est la première chose que l'on définie dans une étude, bien avant la définition de la puissance du test!
Qcm 13:
Correction Qcm 13:
Réponse B
Le calcul de la taille des groupes étudiés dépend de:
- La puissance du test statistique: (n augmente lorsque la puissance augmente)
- Le risque de première espèce (alpha): (n augmente lorsque alpha diminue)
- La différence minimale cliniquement pertinente (n augmente lorsque la différence minimale cliniquement pertinente diminue)
- La variabilité (la variance) du critère de jugement σ2: (n augmente lorsque σ2 augmente)
- La formulation statistique (unilatéral ou bilatérale)
Item 1 : Vrai: Puissance = 1- β , lorsque la puissance augmente, le nombre de sujets à inclure dans l'essai augmente également
Item 2 : Faux : Lorsque la différence minimale cliniquement pertinente diminue, le nombre de sujets à inclure dans l'essai doit augmenter.
Item 3 : Faux : Voir la correction de l'item 2
Item 4 : Faux : Selon moi, le nombre de sujets à inclure dans un essai doit être suffisamment grand pour que l'étude ne subisse pas de biais de sélection conséquent en raison des perdus de vue, néanmoins son calcul ne dépend pas de la différence du nombre de perdus de vue entre les deux groupes. De plus, si on considère strictement la définition du calcul de la taille de l'étude donnée dans le cours, la différence de perdus de vue entre deux groupe ou bien même la proportion de perdus de vue estimée n'apparait pas.
Item 5 : Vrai : Le nombre de sujets à inclure dans l'essai augmente lorsque la variabilité du critère de jugement augmente
Le calcul de la taille des groupes étudiés dépend de:
- La puissance du test statistique: (n augmente lorsque la puissance augmente)
- Le risque de première espèce (alpha): (n augmente lorsque alpha diminue)
- La différence minimale cliniquement pertinente (n augmente lorsque la différence minimale cliniquement pertinente diminue)
- La variabilité (la variance) du critère de jugement σ2: (n augmente lorsque σ2 augmente)
- La formulation statistique (unilatéral ou bilatérale)
Item 1 : Vrai: Puissance = 1- β , lorsque la puissance augmente, le nombre de sujets à inclure dans l'essai augmente également
Item 2 : Faux : Lorsque la différence minimale cliniquement pertinente diminue, le nombre de sujets à inclure dans l'essai doit augmenter.
Item 3 : Faux : Voir la correction de l'item 2
Item 4 : Faux : Selon moi, le nombre de sujets à inclure dans un essai doit être suffisamment grand pour que l'étude ne subisse pas de biais de sélection conséquent en raison des perdus de vue, néanmoins son calcul ne dépend pas de la différence du nombre de perdus de vue entre les deux groupes. De plus, si on considère strictement la définition du calcul de la taille de l'étude donnée dans le cours, la différence de perdus de vue entre deux groupe ou bien même la proportion de perdus de vue estimée n'apparait pas.
Item 5 : Vrai : Le nombre de sujets à inclure dans l'essai augmente lorsque la variabilité du critère de jugement augmente
Qcm 14:
Correction Qcm 14:
Réponse B
Item 1 : Vrai
Item 2 : Vrai
Item 3 : Faux : C'est justement tout l'intérêt du Risque Relatif ! Le Risque Relatif mesure la force de l'association entre un facteur auquel est exposé la population, et la maladie .
Item 4 : Vrai : Le risque Relatif étant calculé à partir des incidences de la maladie dans des échantillons représentatifs, et non d'après l'incidence véritable de la maladie dans la population concernée, le Risque Relatif doit être accompagné de l'intervalle de confiance lorsqu'il est extrapolé à la population source.
Item 5 : Faux: C'est l'inverse. Lorsque l'intervalle de confiance contient la valeur "1", alors il traduit une association non significative entre l'exposition et la maladie.
Item 1 : Vrai
Item 2 : Vrai
Item 3 : Faux : C'est justement tout l'intérêt du Risque Relatif ! Le Risque Relatif mesure la force de l'association entre un facteur auquel est exposé la population, et la maladie .
Item 4 : Vrai : Le risque Relatif étant calculé à partir des incidences de la maladie dans des échantillons représentatifs, et non d'après l'incidence véritable de la maladie dans la population concernée, le Risque Relatif doit être accompagné de l'intervalle de confiance lorsqu'il est extrapolé à la population source.
Item 5 : Faux: C'est l'inverse. Lorsque l'intervalle de confiance contient la valeur "1", alors il traduit une association non significative entre l'exposition et la maladie.
Qcm 15:
Correction Qcm 15:
Réponse B
Item 1 : Vrai : Sans chercher midi à 14h, il faut considérer que la classe < 100 correspond à la classe [0 - 100 [. Le centre de la classe étant la moyenne des deux bornes, celle-ci est donc 50.
Item 2 : Vrai : Le centre de la classe correspond à la moyenne des deux bornes de la classe [130 - 140 [ . Elle est égale à 140.
Item 3 : Faux : Le mode correspond à la classe présentant le plus grand effectif (ou la plus grande féquence). Le mode est donc la classe " ≥ 150" dont l'effectif est le plus grand (40).
Item 4 : Faux : Il faut dans ce cas prendre en compte tous les effectifs dont la taille est inférieure à 130 cm. Sont donc concernées les classes "<100" de fréquence 10% et "[100 - 130 [" de fréquence 30%. La fréquence cumulée des effectifs dont la taille est inférieur à 130 cm est donc de 40%.
Item 5 : Vrai : La taille est bien une variable continue, que l'on a discrétisée en classe
Item 1 : Vrai : Sans chercher midi à 14h, il faut considérer que la classe < 100 correspond à la classe [0 - 100 [. Le centre de la classe étant la moyenne des deux bornes, celle-ci est donc 50.
Item 2 : Vrai : Le centre de la classe correspond à la moyenne des deux bornes de la classe [130 - 140 [ . Elle est égale à 140.
Item 3 : Faux : Le mode correspond à la classe présentant le plus grand effectif (ou la plus grande féquence). Le mode est donc la classe " ≥ 150" dont l'effectif est le plus grand (40).
Item 4 : Faux : Il faut dans ce cas prendre en compte tous les effectifs dont la taille est inférieure à 130 cm. Sont donc concernées les classes "<100" de fréquence 10% et "[100 - 130 [" de fréquence 30%. La fréquence cumulée des effectifs dont la taille est inférieur à 130 cm est donc de 40%.
Item 5 : Vrai : La taille est bien une variable continue, que l'on a discrétisée en classe
Qcm 16:
Correction Qcm 16:
Réponse B
L'énoncé nous donne les informations suivantes:
- Test positif (T+) si le taux de ᵧGT est supérieur au seuil
- Test négatif (T-) si le taux de ᵧGT est inferieur au seuil
- Alcoolique = M (malade); P(M) parmi les personnes dépistées = 8%
- Non alcoolique = NM (non malade)
- Taux de ᵧGT augmenté sachant alcoolique = P( T+ / M) = 65%
- Taux de ᵧGT normal sachant non-alcoolique = P( T- / NM) = 55%
Item 1 : Vrai : P( T+ / M) est bien la définition de la sensibilité (65%)
Item 2 : Faux : P( T- / NM) est la définition de la spécificité (55%) et non de la Valeur prédictive négative du test ( P( NM / T-) )
Item 3 : Vrai : Ratio de vraisemblance positif = RV+ = Se / (1 - Sp) = 0,65 / (1-0,55) = 0,65 / 0,45
Item 4 : Faux : Ratio de vraisemblance négatif = RV- = (1 - Se) / Sp = (1 - 0,65) / 0,55 = 0,35 / 0,55
Item 5 : Faux : Aucun élément dans l'énoncé nous permet de déterminer le taux d'incidence annuel de l'alcoolisme chronique (nombre de nouveau cas d' alcoolisme chronique / nombre de personne dans la population ( ?) en une année) ( cet item fait il référence à la population générale ?). Les 8% de l'énoncé indique que 8% de la population de l'étude est alcoolique. Cela correspondrait plutôt à la définition de la prévalence de l'alcoolisme chronique dans la population de l'étude. D'autre part, on ne sait pas sur quelle durée est menée l'étude, si la population de l'étude est représentative de la population générale, et si les personnes alcooliques le sont depuis longtemps ou bien seulement depuis l'année en cours.
L'énoncé nous donne les informations suivantes:
- Test positif (T+) si le taux de ᵧGT est supérieur au seuil
- Test négatif (T-) si le taux de ᵧGT est inferieur au seuil
- Alcoolique = M (malade); P(M) parmi les personnes dépistées = 8%
- Non alcoolique = NM (non malade)
- Taux de ᵧGT augmenté sachant alcoolique = P( T+ / M) = 65%
- Taux de ᵧGT normal sachant non-alcoolique = P( T- / NM) = 55%
Item 1 : Vrai : P( T+ / M) est bien la définition de la sensibilité (65%)
Item 2 : Faux : P( T- / NM) est la définition de la spécificité (55%) et non de la Valeur prédictive négative du test ( P( NM / T-) )
Item 3 : Vrai : Ratio de vraisemblance positif = RV+ = Se / (1 - Sp) = 0,65 / (1-0,55) = 0,65 / 0,45
Item 4 : Faux : Ratio de vraisemblance négatif = RV- = (1 - Se) / Sp = (1 - 0,65) / 0,55 = 0,35 / 0,55
Item 5 : Faux : Aucun élément dans l'énoncé nous permet de déterminer le taux d'incidence annuel de l'alcoolisme chronique (nombre de nouveau cas d' alcoolisme chronique / nombre de personne dans la population ( ?) en une année) ( cet item fait il référence à la population générale ?). Les 8% de l'énoncé indique que 8% de la population de l'étude est alcoolique. Cela correspondrait plutôt à la définition de la prévalence de l'alcoolisme chronique dans la population de l'étude. D'autre part, on ne sait pas sur quelle durée est menée l'étude, si la population de l'étude est représentative de la population générale, et si les personnes alcooliques le sont depuis longtemps ou bien seulement depuis l'année en cours.
Qcm 17:
Correction Qcm 17:
Réponse A
Les 6 critères pour juger de la causalité d'un facteur de risque dans l'apparition d'une maladie sont:
1 - Évaluation de la séquence dans le temps
2 - La force de l’association
3 - La spécificité de la cause et de l’effet
4 - La relation de type « dose-effet »
5 - L’évaluation de la constance de l’association et de la reproductibilité
6 - Plausibilité biologique
Item A : Faux
Item B : Vrai
Item C : Vrai
Item D : Vrai
Item E : Vrai
Les 6 critères pour juger de la causalité d'un facteur de risque dans l'apparition d'une maladie sont:
1 - Évaluation de la séquence dans le temps
2 - La force de l’association
3 - La spécificité de la cause et de l’effet
4 - La relation de type « dose-effet »
5 - L’évaluation de la constance de l’association et de la reproductibilité
6 - Plausibilité biologique
Item A : Faux
Item B : Vrai
Item C : Vrai
Item D : Vrai
Item E : Vrai
:
