A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z


A

Analyse par landmark : méthode d’analyse utilisée pour prendre en compte les variables d’exposition dépendantes du temps.

Analyse multivariée/analyse ajustée : analyse où sont évalués simultanément les effets de plusieurs variables explicatives sur une variable réponse, en général par l’utilisation d’un modèle de régression, dont le choix dépend de la nature de la variable réponse.

Analyse post-hoc : analyse des données (ou d’une partie des données) d’une étude, non prévue au protocole de l’étude et réalisée a posteriori.

Appariement (matching) : procédure utilisée dans les études comparatives visant à apparier les sujets entre les groupes sur des variables pré-identifiées (âge par exemple) dans le but de rendre les groupes comparables.

 

B

Biais d’attribution : estimation faussée de l’association entre une intervention et la survenue d’un évènement, du fait que l’intervention a été prescrite principalement à des patients au pronostic différent.

Biais de sélection : sur ou sous-estimation d’un résultat découlant d’un échantillon non représentatif de la population cible. Ce biais intervient à la conception de l’étude.

C

Calcul d’effectif : calcul fait au moment de la planification d’un essai afin de déterminer, en faisant certaines hypothèses sur l’effet attendu du traitement, le nombre nécessaire de patients à inclure pour obtenir la puissance voulue (c’est-à-dire la probabilité de mettre en évidence l’effet du traitement si les hypothèses sont exactes).

Calibration d’un modèle : capacité du modèle à prédire le niveau de risque d’un évènement proche du niveau de risque réel. La calibration est une des composantes de la performance de prédiction d’un modèle.

Cause-specific hazard : fonction de risque instantanée d’un évènement particulier dans le cadre des évènements en compétition.

Censure : terme utilisé dans le cadre de données de survie (cf. survival data). La censure est un évènement qui interrompt le suivi d’un patient, autre que l’évènement d’intérêt qui constitue le critère de jugement. Si le critère de jugement est la survie globale, l’évènement d’intérêt est le décès, et la censure peut correspondre soit à un patient perdu de vue ou bien à l’arrêt du suivi car fin de l’étude (censure administrative).

Cohorte : très généralement une cohorte est un ensemble de sujets. Dans une étude dite de cohorte les sujets sont répartis en groupes en fonction de leur exposition et l’évènement n’est pas survenu au moment où cette répartition est faite. La comparaison du taux de survenue de l’évènement entre les différentes sous-cohortes, définies par l’exposition permettra de mesurer l’association entre exposition et évènement.

Courbe ROC : courbe représentant la performance discriminante d’un modèle pour différencier les patients à haut risque des patients à bas risque. Il s’agit d’une courbe qui associe la sensibilité et la spécificité.

Critère composite : critère de jugement comportant plusieurs évènements, pouvant relever de l’efficacité et/ou de la tolérance de l’intervention étudiée (par exemple, décès de cause cardiovasculaire ou hospitalisation pour insuffisance cardiaque).

Cross-validation : ou validation croisée. Nom d’un processus de machine learning visant à analyser les performances d’un modèle issu d’une cohorte d’apprentissage par une cohorte de validation.

D

Degré de signification / p-value (p) : probabilité d’observer sous l’hypothèse nulle (en général hypothèse d’absence de différence) une différence au moins aussi grande que celle observée dans l’étude. Lorsqu’il est inférieur au risque de première espèce (fixé en général à 0,05), on conclut à une différence statistiquement significative. Le degré de signification quantifie la force de notre conviction : plus il est faible, moins on pense que la différence observée dans l’étude puisse être liée au hasard.

Discrimination d’un modèle : capacité du modèle à différencier les patients à haut risque des patients à bas risque de développer un évènement. La discrimination est une des composantes de la performance de prédiction d’un modèle.

Doplot : ou diagramme en points, cette représentation permet de comptabiliser le nombre d’éléments appartenant à une catégorie (comme pour un histogramme).

E

Échantillon : sous-ensemble d’une population sélectionnée pour les besoins d’une étude.

Étude cas-témoin (case control study: étude rétrospective observationnelle dans le but d’évaluer l’association entre des facteurs de risques (exposition) et une maladie.

Étude pangénomique : étude évaluant l’association entre des polymorphismes génétiques et une maladie.

Étude prospective : étude dans laquelle l’exposition est mesurée avant la survenue de l’évènement étudié.

Étude randomisée : étude dans laquelle l’attribution du traitement a été tirée au sort. Le tirage au sort garantit l’équilibre, en moyenne, de tous les facteurs pronostiques connus et inconnus entre les groupes de traitement. Dans une étude randomisée idéale on peut estimer que les patients traités par A et B sont échangeables ce qui permet l’affirmation du lien de causalité entre différence de devenir des deux populations et traitement.

Étude rétrospective : étude dans laquelle l’exposition est mesurée après la survenue de l’évènement étudié.

Event free survival (EFS) / survie sans évènement : analyse de survie où l’on s’intéresse au délai de survenue d’un évènement composite regroupant le décès et la survenue d’un évènement (rechute, complication, en fonction de la définition choisie). En pratique on s’intéressera au délai du plus précoce de ces différents évènements.

F

Facteur de confusion : Facteur ou variable lié à la fois à la variable à expliquer (critère de jugement par exemple) et la variable explicative (traitement). Peut être responsable d’un biais de confusion pour l’analyse de l’association entre la variable explicative et la variable à expliquer.

Facteurs de risque : variable associée à la survenue d’une maladie.

Facteur pronostique : variable associée à l’évolution (décès, survenue d’une complication) d’une maladie. 

Flowchart / diagramme de flux : organigramme décrivant le recrutement, la randomisation, et le suivi de l’ensemble des patients lors de l’étude.

G

 

H

Hazard Ratio : rapport des risques instantanés, mesure d’effet utilisée dans les modèles de régression pour données de survie.

 

I

Incidence : nombre de nouveaux cas observés dans une population donnée, divisé par la taille de cette population et la durée de la période d’observation, à ne pas confondre avec la prévalence.

Index C (Harrell) : mesure de concordance permettant d’évaluer la discrimination d’un modèle ou d’un marqueur.

 

J

 

K

Kaplan-Meier (méthode) : estimation non paramétrique de la fonction de survie (S(t)= probabilité d’être encore en vie au temps t) qui permet de tenir compte de la censure, c’est-à-dire de l’interruption du suivi de certains patients avant la survenue de leur décès. La représentation de la survie au cours du temps est appelée courbe de Kaplan-Meier.

L

 

M

Médiane de suivi : délai au-delà duquel moins de 50 % des patients sont encore suivis.

Médiane PFS : délai au-delà duquel 50 % des patients sont décédés ou ont vu leur maladie progresser.

Méthode de Bonferroni : technique post hoc très conservatrice de correction de p-values dans le cadre de tests multiples qui consiste à multiplier la valeur brute des p-values par le nombre de tests effectués.

Modèle de Cox : ou régression de Cox. Cette modélisation, partant du principe que les risques sont proportionnels, vise à estimer le hazard-ratio d’une variable continue ou de la catégorie par rapport à une autre d’une variable qualitative dans le cadre d’analyses de survie principalement. 

 

N

 

O

P

Placebo : préparation dépourvue de tout principe actif.

Prévalence : nombre de cas de maladies présents à un moment donné (que le diagnostic soit récent ou ancien) divisé par taille de la population de l’étude. Correspond donc à la proportion de sujets malades à un instant donné dans la population.

Progression free survival (PFS) / survie sans progression : analyse de survie où l’on s’intéresse au délai de survenue d’un évènement composite regroupant le décès et la progression de la maladie (i.e. au délai du plus précoce de ces deux évènements).

Progression free survival 2 (PFS2) / survie sans progression 2 : critère de jugement où l’on s’intéresse au délai de survenue d’un évènement composite regroupant le décès et la progression de la maladie après une deuxième ligne de traitement. La progression sous la 1re ligne de traitement n’est pas donc pas considérée comme un évènement avec ce critère.

Puissance : dans le cadre d’un test statistique, probabilité de mettre en évidence une différence entre deux populations, à partir d’une étude sur échantillons de patients, sachant qu’il existe réellement une différence.

 

Q

R

Randomisation : affectation aléatoire des participants dans les groupes de traitements. 

Recul : délai entre la date de début du suivi et la date de l’analyse (ou date d’arrêt du recueil de données de l’étude). Le recul est individuel, spécifique à chaque patient.

Risque alpha / risque de première espèce : probabilité de rejeter à tort l’hypothèse nulle (en général hypothèse d’absence de différence) alors qu’elle est vraie. Ce seuil est de manière consensuelle fixé dans la littérature biomédicale à 5 %. Si le degré de signification (p-value) du test est inférieur au risque alpha, on rejette l’hypothèse nulle et conclut à une différence significative. 

Risques compétitifs ou en compétition (Competing risks) : situation d’analyse de survie où le patient peut être exposé simultanément à la survenue de plusieurs évènements, la survenue de l’un annulant ou modifiant la probabilité de survenue des autres.

S

Score pronostique : score permettant d’estimer le pronostic d’une personne. Il est établi selon plusieurs facteurs pronostiques.

Score de propension : probabilité de recevoir un traitement, issue d’un modèle de régression sur les caractéristiques initiales. Ce score permet de neutraliser le biais d’attribution dans les études observationnelles.

Stratification : terme employé pour indiquer la prise en compte d’un facteur de confusion. S’emploie soit dans le cadre du design d’un essai randomisé (randomisation stratifiée) soit au moment de l’analyse statistique des données.

Survie médiane : délai au-delà duquel 50 %, des patients de l’étude sont décédés (ou ont expérimenté l’évènement d’intérêt si l’outcome n’est pas le décès).

Survival data / Time to event data / Time to failure data : données pour lesquelles la variable d’intérêt est un délai d’évènement (event/failure) : délai jusqu’au décès pour la survie, ou délai jusqu’à un évènement d’intérêt ou jusqu’au premier de plusieurs évènement d’intérêt en fonction des définitions choisies (EFS, PFS). Le fait que les délais d’évènement aient une distribution asymétrique et qu’une partie des données soit censurée (l’évènement n’est pas observé pour la totalité des patients de l’étude) impose d’utiliser des méthodes d’analyse spécifiques.

T

 

Test de Chi² : écrit aussi Khi-deux ou χ², ce test permet d’analyser l’effectif observé d’une table par rapport un effectif théorique. Il existe plusieurs sortes de test de Chi2 : d’adéquation (à une loi), d’homogénéité et d’indépendance (dit de Pearson) qui s’applique aux données catégorielles (ou variables qualitatives). 

Test de Gray : test de comparaison des fonctions d’incidence cumulée.

Test du Logrank : test de comparaison des fonctions de survie. 

Test de Mann-Whitney : équivalent non-paramétrique de test t de Student, ce test statistique permet de comparer les distributions de 2 échantillons en utilisant la somme des rangs des valeurs. Son intérêt qu’il permet également de comparer des échantillons de petite taille.

Test exact de Fisher : ce test de contingence est utilisé couramment pour des tables de taille 2×2 afin d’évaluer l’association de deux variables qualitatives. Il est plus adapté que le test de Chi2 si des effectifs sont inférieurs à 5 et se base sur l’estimation de l’odds-ratio.

Test non-paramétrique de Kruskal-Wallis : équivalent non-paramétrique de l’ANOVA, ce test statistique permet de comparer les distributions de 3 échantillons ou plus en utilisant la somme des rangs des valeurs. Son intérêt qu’il permet également de comparer des échantillons de petite taille.

U

V

 

W

 

X

 

 

Y

 

Z