PEGASUS · UNIGE — Statistiques pour médecins · semestre 1 · CHAPITRE 7 / 15

Ch7 — Essais cliniques randomisés

⭐⭐⭐ CINQ MOTS, CINQ PROBLÈMES DIFFÉRENTS · randomisation (rendre les groupes comparables) · placebo (deux rôles) · dissimulation de l'allocation (avant l'inclusion) · insu (après la randomisation) · pré-spécification (avant de voir les données) — séance 7 — Pr C. Combescure, diapositives de la Prof. A. Gayet-Ageron · Petrie & Sabin ch. 14

📊 Diapos : 47/47 mappées (Statistiques pour médecins_7_Essais cliniques.pdf — 1 diapo par page, format 16:9, aucun décalage) et 47/47 regardées une par une 🎙️ Oral : séance 7 en entier (transcription horodatée, 1 h 59 dont 1 h 52 de parole) + tout le rappel d'ouverture de la séance 8 — et c'est cette ouverture qui contient la phrase la plus utile du chapitre 📝 Exercices : AUCUN — il n'existe pas de fichier « questions7 ». Ce chapitre n'a pas d'exercices officiels, comme le Ch1 et le Ch8 ; le fait est déclaré, pas contourné. En échange, le Répétitoire officiel corrige une question qui porte sur ce cours et cite nommément deux de ses diapositives 📜 Annales : 5 questions sur 43 — SFO 2021 Q5, 2023 Q21, 2024 Q22, 2024 Q27, 2024 Q28 — c'est, avec le Ch10, le chapitre le plus lourd du semestre — et 2023 Q21 = 2024 Q27 : la même question, deux années de suite 🎯 Renseignement d'examen répété deux fois : « faites attention aux différentes étapes, chaque année, il y a des erreurs qui sont commises de compréhension » entre randomisation, dissimulation et insu (1:18:27), puis « il y a pas mal de confusion chaque année » (séance 8, 10:25) — le prof désigne lui-même la question qu'il pose 🗑️ Hors examen : aucune formule, aucun calcul. « Aujourd'hui, c'est une séance un peu particulière, parce qu'il n'y a pas de statistiques dans le cours » (01:06). Tout est du vocabulaire et du raisonnement — ce qui ne le rend pas plus facile : c'est le chapitre où l'on perd des points sur des mots ⚠️ Écarts déclarés : 5 — les valeurs p de la d.34 sont celles du test exact de Fisher (0,1908 et 0,0080), pas du Chi-2 du Ch5 (0,1025 et 0,0047) · la d.36 imprime « chi2 : p = 0.32 » à 48 h quand le calcul donne 0,3149 · l'oral de la séance 8 (12:28) annonce « plus de 50 % » sur 10 tests quand 1 − 0,95¹⁰ = 40,1 % (il faut 14 tests) · la d.6 renvoie au chapitre 14 quand la d.64 du cours 6 annonçait « 13 – 14 » · les diapositives sont de la Prof. Gayet-Ageron, pas de l'orateur
0/0
🐎 PEGASUS📊 Diapos 2.0 Ch7🧠 Page blanche
🎯 LE CHAPITRE OÙ L'ON PERD DES POINTS SUR DES MOTS. Cinq annales sur quarante-trois — autant que n'importe quel chapitre de calcul — et pas une seule formule. Ce qui est testé, ce sont des distinctions : entre biais et erreur aléatoire, entre randomisation et dissimulation de l'allocation, entre dissimulation et insu, entre effet placebo et placebo, entre ITT et per-protocole. Le professeur annonce lui-même, deux fois, laquelle il voit rater. Les 36 micro-notions ci-dessous sont ordonnées comme la séance ; les cinq annales sont reprises mot pour mot plus bas, avec leur corrigé.
▶

N1 · Ce que la séance reprend, et ce qu'elle annonce

d.2-6
0/3
⬜

Rappel du Ch6 — corrélation et régression, en quatre diapositives

~8 min
📊 DIAPOS d.2-5
Corrélation : association linéaire de 2 variables continues chez les mêmes personnes · mesure symétrique, corr(X,Y) = corr(Y,X) · pas d'unité, de −1 à +1 · 0 = absence de corrélation linéaire · r estime ρ · r² = variance commune.
Régression : Y = a + bX · Y quantitative continue · a et b minimisent la somme des écarts au carré · ce sont des estimateurs de α et β.
Multiple : plusieurs X, pour mieux prédire et pour ajuster (cours 13).
🎙️ ORAL (séance 7, 09:20)
« Le modèle de régression linéaire est applicable lorsque la variable dépendante est quantitative continue. Quand la variable dépendante est binaire — maladie oui-non, décès oui-non — il faudra utiliser un autre modèle de régression, qui s'appelle le modèle de régression logistique. »
⚠️ PIÈGE
Sauter ces quatre diapositives parce qu'elles sont un « rappel ». Erreur : elles ré-expliquent le Ch6 autrement, et l'oral y glisse l'explication de l'ajustement qui manquait aux diapositives du Ch6. Une question du SFO peut porter sur le Ch6 en étant posée dans un contexte d'essai clinique.
📝 TOMBE EN QCM
🔗 PONT Ch6 — toutes les valeurs sont reprises telles quelles : pente 0,88 kg/cm, b = 13,5 kg pour le genre, 0,78 et 3,2 pour le modèle multiple. ✓ Python
⬜

⭐⭐ Le pont : pourquoi 0,88 devient 0,78 — l'explication qui manquait au Ch6

~10 min
📊 DIAPOS d.5
La d.5 énonce les deux buts du modèle multiple : mieux prédire Y et ajuster une association pour l'effet d'autres variables. L'exemple donné est exactement celui du Ch6 : ajuster l'effet de la taille sur le poids en tenant compte du genre. La diapositive renvoie au cours 13.
🎙️ ORAL (séance 7, 12:27 — sur AUCUNE diapo)
« Quand je regarde le poids en fonction du genre, le coefficient B, c'est la différence de poids moyen entre les hommes et les femmes. Sauf que quand je compare les hommes et les femmes, je compare des individus qui ont des tailles très différentes. […] Dans le modèle où j'explique le poids en fonction de la taille ET du genre, le coefficient du genre, c'est la différence de poids à taille identique. Et là, je compare des individus comparables : c'est ça qui neutralise l'effet de confusion. »
⚠️ PIÈGE
Croire que la pente change parce que l'échantillon change, ou par arrondi. FAUX : les deux modèles n'estiment pas le même paramètre (d.58 du Ch6). 0,88 est la pente brute, 0,78 la pente à genre identique.
📝 TOMBE EN QCM
🔗 PONT Ch6 ↔ Ch13 — c'est la définition même de la confusion, dont ce chapitre-ci donne la solution expérimentale (la randomisation) et le cours 13 la solution statistique (l'ajustement).
⬜

🎯⭐⭐⭐ Les cinq objectifs — la carte du chapitre

~10 min
📊 DIAPOS d.6
Un encadré rouge, et tout le chapitre dedans : comprendre à quoi sert un ECR · découvrir la notion de biais · pouvoir expliquer l'utilité de ① allocation aléatoire (randomisation) ② placebo ③ dissimulation de l'allocation au·à la prochain·e patient·e (allocation concealment) ④ insu (blinding) ⑤ pré-spécification du critère d'évaluation principal (outcome, issue, critère de jugement, endpoint). Lecture : Petrie/Sabin 14.
🎙️ ORAL (séance 7, 14:30 → 16:35)
« On ne va pas tout passer en détail, mais on va voir les principales : notamment l'allocation aléatoire […] Le placebo […] Un élément important qui vient juste après la randomisation, c'est la dissimulation de l'allocation […] Une autre caractéristique importante, c'est l'insu […] Et puis, le dernier point, c'est la pré-spécification du critère d'évaluation principal. »
⚠️ PIÈGE
⚠️ ÉCART DÉCLARÉ : la d.64 du cours 6 annonçait « 13 – 14 » pour cette séance ; la d.6 du cours 7 ne renvoie qu'au chapitre 14. Un QCM sur les lectures conseillées trouverait deux réponses officielles différentes — le 14 fait foi pour ce cours.
📝 TOMBE EN QCM
Les CINQ annales du chapitre portent chacune sur l'un de ces cinq mots : randomisation (2023 Q21 et 2024 Q27), placebo (2021 Q5), pré-spécification (2024 Q22), et la taille d'échantillon (2024 Q28) qui les accompagne.
▶

N2 · La question clinique, et les quatre scénarios ratés

d.7-15
0/4
⬜

Le contexte : angine bactérienne ou virale, et la question posée

~8 min
📊 DIAPOS d.7-8
Bactérienne (streptocoque groupe A) : antibiotiques, on agit sur la cause ; sinon risque de complications (fièvre rhumatismale aiguë). Virale (la majorité) : traitement symptomatique seulement — on agit sur les signes, pas sur la maladie. Nouvelle option envisagée : un anti-inflammatoire STÉROÏDIEN (dexaméthasone) — c'est la question de recherche de toute la séance.
🎙️ ORAL (séance 7, 19:43)
« La pénicilline va agir directement sur le germe responsable […] Par contre, quand vous avez une angine d'origine virale, on ne dispose pas de traitement curatif. On aura un traitement symptomatique qui va agir sur la douleur, sur les difficultés à avaler. »
⚠️ PIÈGE
💊 Retenir « antibiotique = angine » est faux : l'antibiotique ne sert que dans la forme bactérienne, minoritaire. C'est justement parce que la forme virale n'a pas de traitement curatif qu'on cherche un anti-inflammatoire.
📝 TOMBE EN QCM
Le contexte lui-même n'est pas examinable — mais il sert de décor à toutes les questions du chapitre, et le prof le réutilise au Ch8 avec le vrai essai publié.
⬜

⭐⭐ Les quatre scénarios ratés, et le défaut propre à chacun

~14 min
📊 DIAPOS d.9-14
① Conseil d'amie (d.9) : n = 1 · « impossible à dire » — « toutes les trajectoires de maladies individuelles sont uniques ».
② Dr Half Dex (d.10) : tout le monde traité, la moitié guéris · pas de comparateur · « ne pas tomber dans le piège post hoc ergo propter hoc » — ne pas confondre cause et coïncidence.
③ Dr Kompar (d.12) : un comparateur, mais on traite les cas les plus sévères · groupes non comparables.
④ Dr Historix (d.14) : comparateur historique (dossiers de l'an passé) · 50 % contre 20 % · deux défauts à la fois.
🎙️ ORAL (séance 7, 24:53)
« Si on avait donné autre chose ou rien du tout à ces mêmes patients, peut-être qu'on aurait également obtenu un taux de guérison de 50 %. […] Ça ne permet pas de conclure à l'efficacité ou à la non-efficacité. »
⚠️ PIÈGE
Croire que le défaut s'aggrave à mesure qu'on descend la liste. FAUX : ce sont des défauts différents. n = 1 (①) · pas de comparateur (②) · comparateur mais répartition biaisée (③) · comparateur et mesure biaisés (④). Un K′ qui échange deux de ces diagnostics est faux.
📝 TOMBE EN QCM
Le mécanisme du Dr Kompar est exactement celui que la randomisation résout (SFO 2023 Q21 et 2024 Q27), et celui du Dr Historix ce que les deux familles de biais nomment (d.15).
⬜

⭐⭐⭐ La charnière : « on ne sait pas ce qui se serait passé sans »

~10 min
📊 DIAPOS d.11
« La seule observation du·de la patient·e ne permet pas de savoir si le traitement a été utile… car on ne sait pas ce qui se serait passé sans ou avec un autre traitement !! » Par contre, on peut savoir si un traitement est utile EN MOYENNE, en comparant des patient·es traité·es avec des patient·es NON traité·es (ou traité·es différemment).
🎙️ ORAL (séance 7, 24:53)
« Il nous faut un comparateur : un groupe qui va recevoir une intervention de comparaison, autre que la dexaméthasone. Ça peut être un autre traitement ou l'absence de traitement. Ça va permettre de capter, dans les deux groupes, l'évolution naturelle de la maladie. »
⚠️ PIÈGE
Oublier le « en moyenne ». Un ECR ne dit jamais qu'un traitement marchera chez un individu donné : il compare deux distributions. C'est le même « en moyenne » que la valeur prédite du Ch6.
📝 TOMBE EN QCM
C'est la raison d'être du C de PICO (d.42), et l'oral de la séance 8 y revient : « on ne peut pas se fier au seul résultat dans le groupe intervention. Il faut un point d'ancrage » (03:08).
⬜

⭐⭐⭐ Les DEUX familles de biais, nommées sur la d.15

~12 min
📊 DIAPOS d.15
Cinq explications, deux étiquettes rouges. ① La dexaméthasone est vraiment efficace. ② Les patient·es de l'an passé étaient différent·es (agents pathogènes différents · sévérité différente · un nouveau spécialiste ORL s'est installé dans le quartier) ⇒ BIAIS DE SÉLECTION. ③ La documentation des résultats cliniques était différente (seules certaines personnes sont revenues pour le suivi · définition de la « guérison » différente) ⇒ BIAIS DE MESURE ou BIAIS D'INFORMATION.
🎙️ ORAL (séance 7, 35:23)
« L'un n'exclut pas l'autre. On peut avoir une efficacité réelle de la dexaméthasone, mais avoir un biais de sélection et aussi un biais de mesure. Dans ce cas-là, la différence qu'on observe, on n'est absolument pas en mesure de l'interpréter. C'est un magma, une espèce de mélange de ces différentes explications. »
⚠️ PIÈGE
K′ type : « ce défaut relève soit du biais de sélection soit du biais de mesure » → FAUX, les deux coexistent souvent. Second piège : croire que le biais va toujours en faveur du traitement. FAUX : « le biais peut aller dans les deux sens » (35:23).
📝 TOMBE EN QCM
🧠 Le mot qui classe : le problème porte-t-il sur QUI est dans chaque groupe (⇒ sélection) ou sur COMMENT on mesure (⇒ mesure) ? C'est la question à se poser devant n'importe quel défaut d'essai clinique — y compris au Ch12 (cas-témoins) et au Ch13.
▶

N3 · ⭐⭐⭐ Le biais : erreur systématique, à distinguer de l'erreur aléatoire

d.16-17
0/3
⬜

⭐⭐⭐ LA DÉFINITION, à écrire de mémoire

~10 min
📊 DIAPOS d.16
Un biais est une ERREUR SYSTÉMATIQUE : « va se reproduire si on refait les choses de la même manière ». Conséquence : « les estimateurs biaisés ne fluctuent pas autour de la vraie valeur du paramètre, mais sont déviés vers le haut ou vers le bas ». Causes les plus fréquentes : échantillon non représentatif ⇒ biais de sélection · mesure incorrecte, mauvaise définition, mauvais instrument ⇒ biais de mesure.
🎙️ ORAL (séance 7, 36:24)
« L'exemple que j'aimerais bien donner, c'est la mesure du poids avec la balance. Si vous avez une balance mal calibrée, qui va donner le bon poids moins un kilo systématiquement, le poids moyen va être décalé de un kilo également. C'est une erreur systématique qui est provoquée chez tout le monde. »
⚠️ PIÈGE
« Un biais est une erreur de calcul » ou « un biais est dû au hasard » → FAUX deux fois. Un biais est reproductible ; le hasard, non. Et un biais peut coexister avec des calculs parfaitement justes.
📝 TOMBE EN QCM
Le mot « biais » apparaît dans trois des cinq annales du chapitre (2021 Q5, 2024 Q22, 2024 Q27, en creux). C'est le vocabulaire de base de tout le second semestre — Ch12, Ch13, Ch14, Ch15.
⬜

⚠️⭐⭐⭐ Biais ≠ erreur aléatoire — le graphique de Rothman

~12 min
📊 DIAPOS d.17
Un graphique de Rothman (2002) : l'erreur en ordonnée, la taille de l'étude en abscisse. RANDOM ERROR : la courbe DÉCROÎT quand l'échantillon grandit. SYSTEMATIC ERROR : une DROITE HORIZONTALE — elle ne bouge pas. La d.16 le dit aussi dans son encadré CAVE : l'erreur aléatoire est « due au hasard » et « se surajoute à l'éventuel biais ».
🎙️ ORAL (séance 7, 38:27 → 39:30)
« L'intervalle de confiance d'une estimation, qui capte l'erreur aléatoire, ne devrait pas être impacté par un biais : cela va juste décaler la valeur de l'estimation et l'intervalle de confiance. […] Que vous fassiez une étude sur 100 000 ou 10 000 individus, si votre balance donne moins un kilo, vous aurez cette erreur tout le temps. »
⚠️ PIÈGE
⭐⭐⭐ Le piège de K′ du chapitre : « une étude de grande taille est à l'abri des biais » → FAUX. Elle a un IC étroit et peut être franchement fausse : la précision n'est pas l'exactitude. L'image du prof : des fléchettes toutes groupées, mais toutes à côté du centre.
📝 TOMBE EN QCM
🔗 PONT Ch3-Ch4 — l'IC et la valeur p ne captent que l'erreur aléatoire. Un essai biaisé peut afficher p < 0,001 et un IC très étroit : les statistiques ne détectent jamais un biais.
⬜

Le SENS du biais, et quand il se compense

~8 min
📊 DIAPOS d.16
L'estimateur biaisé est dévié « vers le haut OU vers le bas » : la diapositive ne dit jamais dans quel sens. Ce qui décide, c'est l'asymétrie entre les deux groupes.
🎙️ ORAL (séance 7, 35:23 et 37:25)
« Le biais peut aller dans les deux sens. Là, je vous montre le biais qui explique une différence en faveur de la dexaméthasone. Mais selon l'étude, le biais de sélection peut être en défaveur de l'intervention expérimentale, tout comme le biais de mesure. »
« Si le biais est commis de la même manière dans les deux groupes, ça peut se compenser. Le problème, c'est lorsqu'on ne recueille pas l'information de la même manière dans les deux groupes. »
⚠️ PIÈGE
« La balance déréglée biaise l'étude » → pas forcément : si elle pèse tout le monde à −1 kg, la différence entre les deux groupes est inchangée. Ce qui biaise une comparaison, c'est une erreur différentielle.
📝 TOMBE EN QCM
La contamination de la d.27 (les non-traité·es achètent le médicament) est l'exemple type d'un biais qui sous-estime l'effet : « il y aura une dilution de l'effet » (1:25:44).
▶

N4 · La comparaison juste, et les limites de l'appariement

d.18-19
0/2
⬜

⭐⭐ « Une seule DIFFÉRENCE » — la définition d'un essai bien fait

~10 min
📊 DIAPOS d.18
Six lignes, six fois le même mot en rouge : IDENTIQUES. Populations de patient·es · exposées à des pathogènes · niveaux de sévérité · maladies associées et facteurs de gravité · soins de base · méthodes de mesure (outcomes). ➢ Une seule DIFFÉRENCE !! (l'intervention) : prise de dexaméthasone / pas de prise.
🎙️ ORAL (séance 7, 40:30 → 43:32)
« Comparable, si je prends l'exemple de l'âge, ça ne veut pas dire que je ne veux que des individus de 60 ans dans un groupe : on veut que la DISTRIBUTION de l'âge soit identique dans les deux groupes. »
« Si on observe une différence entre les deux groupes, on pourra l'imputer à la molécule. C'est le seul design d'étude qui le permet : c'est pour ça que c'est le design gold standard. »
⚠️ PIÈGE
« Comparable = identique individu par individu » → FAUX : c'est la distribution qui doit être la même. On ne veut pas deux groupes de sexagénaires, on veut la même proportion de sexagénaires. Et les soins de base comptent : c'est la mission de l'investigateur de ne rien changer d'autre.
📝 TOMBE EN QCM
C'est le raisonnement complet de SFO 2024 Q27 : les quatre distracteurs sont de vrais outils de l'ECR, mais seul l'un d'eux rend les groupes semblables.
⬜

L'appariement : la première solution, et pourquoi elle ne suffit pas

~10 min
📊 DIAPOS d.19
De manière délibérée, par APPARIEMENT : identifier toutes les caractéristiques qui influencent l'outcome, puis, pour chaque patient·e traité·e par A, trouver une personne identique en tous points traitée par B. Limitations : logistique ingérable (« chaque être est singulier ») et incomplet (« on ne connaît jamais toutes les variables importantes »). ➢ Alternative : laisser faire le HASARD ! Randomisation = attribution aléatoire de patients à des groupes.
🎙️ ORAL (séance 7, 1:01:01 → 1:02:01)
« Si vous prenez un exemple avec six facteurs pronostiques binaires de type oui-non, vous faites deux à la puissance six, ça vous fait 64 profils possibles. […] En pratique, on se limite au grand maximum à trois facteurs d'appariement. Un, deux, c'est encore gérable ; trois, ça devient déjà très compliqué. » ✓ Python : 2⁶ = 64
⚠️ PIÈGE
« L'appariement est une mauvaise méthode » → FAUX, il est limité, pas mauvais : le prof précise qu'on le retrouvera dans les études cas-témoins (Ch12), où il est utilisé. Sa limite rédhibitoire ici, c'est qu'il ne peut pas apparier sur les facteurs inconnus.
📝 TOMBE EN QCM
🔗 PONT Ch12 — l'appariement revient dans les cas-témoins. Et c'est le contraste avec l'appariement qui donne à la randomisation son argument décisif (d.20 : « mais aussi les facteurs de sévérité inconnus »).
▶

N5 · ⭐⭐⭐ La randomisation : pourquoi, comment, quand

d.20-23
0/4
⬜

⭐⭐⭐ POURQUOI — la diapositive de DEUX annales

~14 min
📊 DIAPOS d.20
Pour rendre comparables les groupes traité & non traité en termes de facteurs de sévérité potentiels, afin d'ISOLER L'EFFET DU TRAITEMENT. La randomisation neutralise les facteurs de sévérité connus — mais aussi les facteurs INCONNUS (ex. : gène). Attention : le hasard équilibre « en moyenne », sur un grand nombre de répétitions ; dans un cas particulier on peut avoir des groupes déséquilibrés. Il faut TOUJOURS vérifier la comparabilité des groupes !!
🎙️ ORAL (séance 7, 1:03:04 → 1:06:10)
« Ça permet d'équilibrer la distribution de toutes les variables, y compris les variables que vous n'êtes pas en mesure de connaître. Tous les facteurs génétiques, tous les antécédents familiaux… c'est l'élégance méthodologique de la randomisation. »
« C'est pour ça que, dans les articles, vous avez toujours ce qu'on appelle la table 1 : la table qui décrit les individus de chaque groupe. Il n'y a pas de test statistique ; ça permet de voir s'il y a des déséquilibres importants. […] Le risque de déséquilibre diminue au fur et à mesure que la taille d'échantillon augmente. »
⚠️ PIÈGE
Trois pièges empilés sur cette diapositive : ① « la randomisation garantit des groupes identiques » → FAUX, elle les équilibre en moyenne · ② « on teste statistiquement la table 1 » → FAUX, il n'y a pas de test · ③ « un déséquilibre sur une variable quelconque invalide l'essai » → FAUX : « sur une variable qui n'a rien à voir avec l'outcome, ce n'est pas très grave ; là où ça devient embêtant, c'est sur un facteur pronostique » (1:05:09).
📝 TOMBE EN QCM
DEUX annales, la même notion, deux années de suite : SFO 2023 Q21 (« le but de l'allocation aléatoire est de… » → rendre à égalité les facteurs de confusion) et SFO 2024 Q27 (« est une solution pour rendre deux groupes semblables » → la randomisation). C'est la question la plus prévisible du semestre.
⬜

COMMENT — listes, blocs, stratification, et les deux cas de figure

~10 min
📊 DIAPOS d.21
Séquence aléatoire générée par ORDINATEUR : liste simple · liste en blocs de 4-6-8 patient·es · plusieurs listes (une par centre) = stratification.
Si l'essai est OUVERT : on ouvre une enveloppe opaque numérotée chronologiquement, ou on contacte la centrale de randomisation par téléphone ou internet.
Si l'essai est EN INSU : on donne le kit portant le prochain numéro, sans savoir ce qu'il contient — kits préparés à l'avance en pharmacie.
🎙️ ORAL (séance 7, 1:08:13 et 1:09:15)
« Vous prenez un bloc de 4 patients, et dans ce bloc vous mettez 2 A et 2 B. Ce que vous randomisez, c'est l'ordre : BBAA, ABAB, ABBA. L'intérêt des blocs, c'est d'équilibrer au fur et à mesure le nombre d'individus dans les deux groupes. »
« Quand l'étude est en insu, pour pouvoir cacher cette information, il faut bien que quelqu'un la connaisse. On va la donner à la pharmacie, qui va être chargée d'envoyer des kits. »
⚠️ PIÈGE
Confondre les trois procédés : les blocs équilibrent les effectifs · la stratification répond à une contrainte logistique (une liste par centre) · seule la randomisation elle-même équilibre les caractéristiques. Et un bloc trop court fragilise la dissimulation : dans un bloc de 4 dont on connaît trois affectations, la quatrième est déductible.
📝 TOMBE EN QCM
« La randomisation en blocs sert à équilibrer les facteurs de confusion » est un distracteur naturel de SFO 2023 Q21 (proposition B : « rendre le nombre de personnes comparable entre les deux groupes »).
⬜

⭐⭐ QUAND — l'équipoise clinique

~10 min
📊 DIAPOS d.22
On randomise si : on est dans l'incertitude concernant l'efficacité (« ça pourrait marcher, mais ça pourrait aussi ne pas marcher ») = ÉQUIPOISE CLINIQUE · on est raisonnablement sûr·es de l'absence de toxicité · le gain de connaissances constitue un vrai progrès pour la société.
On NE randomise PAS si : un des traitements est inefficace ou toxique · les risques pour les participant·es sont trop élevés.
🎙️ ORAL (séance 7, 1:10:18 → 1:12:21)
« Pour savoir si, quand on saute d'un avion, il vaut mieux avoir un parachute, il n'y a pas besoin de faire un essai randomisé : on sait qu'il faut un parachute. »
« On randomise lorsqu'on n'a pas la réponse à la question de recherche. On appelle ça l'équipoise clinique. »
« S'il y a suffisamment d'évidence dans la littérature, il faut s'arrêter au bout d'un moment : ça ne sert à rien de refaire un essai qui va arriver à la même conclusion. »
⚠️ PIÈGE
« Il faut randomiser pour tout prouver » → FAUX : randomiser quand la réponse est connue est non éthique, parce que le bras défavorisé subit une perte de chance. C'est même l'argument qui structure la d.23.
📝 TOMBE EN QCM
« Équipoise clinique » est un terme qu'il faut savoir reconnaître : il ne figure que sur cette diapositive de tout le semestre. 🔗 PONT Ch14-Ch15 — la redondance des essais est aussi un problème de méta-analyse.
⬜

💊 L'aparté éthique — trois exigences

~8 min
📊 DIAPOS d.23
Les soins constituent une atteinte à l'intégrité corporelle, sauf s'ils sont donnés par un·e professionnel·le qualifié·e, à la demande du·de la patient·e, dans son intérêt exclusif (= contrat de soins). La recherche NE FAIT PAS PARTIE du contrat de soins : elle vise un bénéfice pour la société. D'où trois exigences : ① approbation par une Commission d'éthique indépendante · ② information complète (risques, contraintes, bénéfices pour la société) · ③ choix libre et éclairé.
🎙️ ORAL (séance 7, 1:14:22 → 1:15:23)
« Un essai clinique ne peut pas être conduit sans avoir obtenu l'approbation par la CCER, la Commission cantonale de l'éthique sur la recherche. »
« Un refus ne doit pas impliquer une modification de sa prise en charge : il ne faut pas qu'il y ait de perte de chance liée au refus de participation. »
« Il faut que le consentement soit libre et éclairé, c'est-à-dire que la personne soit en capacité de discernement. »
⚠️ PIÈGE
« Le participant tire un bénéfice de sa participation » → pas nécessairement : « potentiellement, il n'y a pas de bénéfice pour le participant ; le bénéfice, il est pour la société » (1:13:21). C'est précisément pour cela que le consentement doit être si encadré.
📝 TOMBE EN QCM
La d.46 reprend cette exigence dans son résumé : « toute étude sur l'être humain requiert une approbation du protocole par une Commission d'éthique de la recherche ». Un K′ de synthèse peut la tester telle quelle.
▶

N6 · ⭐⭐⭐ La dissimulation de l'allocation future — à ne pas confondre

d.24-25
0/3
⬜

⭐⭐⭐ LA DÉFINITION — la diapositive que le Répétitoire cite nommément

~14 min
📊 DIAPOS d.24
Procédure qui empêche de savoir quel traitement on va donner au PROCHAIN patient, AVANT son inclusion. Sans cela, on pourrait s'arranger pour ne pas recruter un patient à bon ou mauvais pronostic dans un bras particulier ; « ceci irait à contre-sens de la randomisation, et réintroduirait un possible biais ». Encadré CAVE : « à distinguer de l'insu : dissimulation du traitement REÇU, APRÈS randomisation ».
🎙️ ORAL (séance 7, 1:17:24 et 1:18:27)
« Vous allez dire à votre amie : reviens dans deux jours, comme ça je pourrai te randomiser et tu auras le traitement A. C'est comme ça qu'on casse une randomisation, et tout le bénéfice qu'on pouvait en attendre, on peut le mettre à la poubelle. »
« Faites attention aux différentes étapes. Chaque année, il y a des erreurs qui sont commises de compréhension. »
⚠️⭐⭐⭐ PIÈGE
LE piège du chapitre, annoncé par le prof lui-même deux fois. « La dissimulation de l'allocation, c'est l'insu du traitement reçu » → FAUX. « C'est une manière de randomiser » → FAUX : c'est l'implémentation de la liste, pas sa construction. « Elle protège du biais de mesure » → FAUX : elle protège du biais de sélection.
📝 TOMBE EN QCM
Le Répétitoire officiel du prof cite « diapositive 24 cours 7 » dans le corrigé d'une question d'examen : « la dissimulation de l'allocation au traitement dépend de l'implémentation de la procédure de randomisation, pas de la description des méthodes statistiques ». Aucune autre diapositive du semestre n'est ainsi désignée deux fois.
⬜

⭐⭐⭐ LA LIGNE DU TEMPS qui range les trois mots

~10 min
📊 DIAPOS d.21 + d.24 + d.32
AVANT l'inclusion ⇒ DISSIMULATION DE L'ALLOCATION (on ignore où ira le PROCHAIN).
PENDANT ⇒ RANDOMISATION (la liste attribue A ou B).
APRÈS ⇒ INSU (on ignore ce que le patient A REÇU).

Trois moments, trois procédures, trois biais évités : manipulation du recrutement · groupes non comparables · biais de mesure et de prise en charge.
🎙️ ORAL (séance 8, 10:25 → 12:28)
« Il y a pas mal de confusion chaque année entre la randomisation et ce qu'on appelle la dissimulation de l'allocation future. […] La dissimulation de l'allocation future, c'est dans l'implémentation, l'utilisation en pratique de la randomisation. »
⚠️ PIÈGE
Le K′ le plus rentable du chapitre : « l'insu et la dissimulation de l'allocation désignent la même procédure vue à deux moments » → FAUX. Ce sont deux procédures distinctes, qui protègent de deux biais différents et qui peuvent exister l'une sans l'autre : un essai ouvert peut avoir une dissimulation parfaite (centrale téléphonique) et aucun insu.
📝 TOMBE EN QCM
Le résumé de la d.45 les met côte à côte, et le Répétitoire officiel utilise la distinction comme distracteur d'une question sur les méthodes statistiques. Savoir la réciter en trois lignes vaut plusieurs points.
⬜

Ce qui n'est PAS une bonne méthode

~8 min
📊 DIAPOS d.25
Sous un panneau tête de mort, quatre pseudo-randomisations : alternance simple (un sur deux) · date de naissance (paire / impaire) · première lettre du nom · liste aléatoire mais visible de tous et toutes. « Dans ces cas on sait à l'avance quel·le patient·e ira dans quel groupe. »
🎙️ ORAL (séance 7, 1:19:28)
« Les randomisations sur les premières lettres du nom, c'est un peu vicieux, mais on ne donne pas les noms au hasard. En fonction des ethnies, il y a des lettres plus fréquentes en première lettre du nom. […] Si ça a un impact sur l'évolution de l'outcome, là, vous cassez la randomisation. »
⚠️ PIÈGE
Croire que le défaut commun est « ce n'est pas aléatoire ». FAUX pour le quatrième : la liste aléatoire visible EST aléatoire — ce qui est cassé, c'est la dissimulation. Et la date de naissance et la première lettre ne sont même pas aléatoires : elles corrèlent avec des caractéristiques réelles.
📝 TOMBE EN QCM
Une bonne question K′ oppose ces quatre méthodes ; la subtilité est que deux défauts différents s'y cachent (non-aléatoire · aléatoire mais non dissimulé), et un item peut porter sur l'un ou sur l'autre.
▶

N7 · ⭐⭐ L'effet placebo, et les deux rôles du placebo

d.26-31
0/4
⬜

⭐⭐ Le Dr Alea, et les CINQ problèmes qui restent

~14 min
📊 DIAPOS d.26-27
Le Dr Alea randomise enfin — 50 % contre 25 % — mais sans placebo ni insu. La d.27 liste cinq problèmes, chacun étiqueté en rouge :
① les traité·es sont convaincu·es et se sentent mieux ⇒ EFFET PLACEBO
② ils veulent faire plaisir au médecin ⇒ BIAIS DE MESURE
③ le médecin pose les questions différemment ⇒ BIAIS DE MESURE
④ il exclut les traité·es qui vont mal ⇒ BIAIS DE SÉLECTION (post hoc)
⑤ les non-traité·es achètent leur médicament ⇒ CONTAMINATION / DILUTION
🎙️ ORAL (séance 7, 1:23:38 → 1:25:44)
« Est-ce que vous avez été guéri ? Un patient qui a reçu la dexaméthasone vous dit non ? Il n'y a qu'à dire : mais vous êtes sûr, ça va quand même mieux… Et là, vous biaisez la réponse et vous foutez en l'air l'étude. Évidemment, ce n'est pas conscient. »
« Vous croyez comparer des gens traités à des gens qui ne reçoivent rien, alors qu'en réalité ils reçoivent quand même en partie des traitements. […] Il y aura une dilution de l'effet. »
⚠️ PIÈGE
Ranger ① sous « biais » : non, l'effet placebo n'est pas un biais, c'est un effet réel du traitement — il se neutralise par le placebo, pas par une correction. Et ⑤ ne surestime pas l'effet : il le sous-estime.
📝 TOMBE EN QCM
Chaque item pointe vers sa solution : ① et ② ⇒ placebo + insu · ③ ⇒ insu de l'évaluateur · ④ ⇒ ITT (d.40) · ⑤ ⇒ rien ne le corrige, on le déclare. C'est un excellent réservoir de K′.
⬜

⭐⭐ L'EFFET placebo — définition exacte

~10 min
📊 DIAPOS d.28
Bénéfice causé par l'ATTENTE du·de la patient·e QUI PENSE recevoir un traitement efficace. Effet RÉEL ayant une base NEUROPHYSIOLOGIQUE — le schéma montre la chaîne : expectation of benefits → release of endorphins or dopamine → pain relief.
🎙️ ORAL (séance 7, 1:26:46)
« Même en absence de principe actif, le fait de croire qu'on est traité peut induire un dégagement d'endorphine ou de dopamine qui va diminuer la douleur. Ce n'est pas seulement psychologique, c'est aussi neurophysiologique. »
« Il y a des outcomes moins sensibles à l'effet placebo que d'autres : la douleur, c'est sensible ; le décès, c'est un peu plus discutable. »
⚠️ PIÈGE
Deux contresens symétriques : « l'effet placebo est purement psychologique » → FAUX · « l'effet placebo n'existe pas chez ceux qui reçoivent le vrai traitement » → FAUX, il s'y ajoute (d.29). Troisième piège, lexical : l'effet placebo (le phénomène) n'est pas le placebo (la substance inerte) — la d.45 les distingue explicitement.
📝 TOMBE EN QCM
SFO 2021 Q5 est construite là-dessus : « on utilise le placebo pour éviter que les participants… ». Les deux propositions vraies décrivent des comportements déclenchés par le fait de savoir qu'on n'est pas traité.
⬜

⭐⭐⭐ Les TROIS COLONNES — le schéma qui explique tout

~12 min
📊 DIAPOS d.29-30
Colonne 1 · TRAITEMENT ACTIF = évolution spontanée + effet placebo + effet pharmacologique
Colonne 2 · PLACEBO = évolution spontanée + effet placebo
Colonne 3 · AUCUN TRAITEMENT = évolution spontanée
actif − placebo = EFFET PHARMACOLOGIQUE · actif − rien = effet pharmacologique + effet placebo
D'où les 2 rôles du placebo (d.30) : ① neutraliser l'effet placebo pour mettre en évidence le seul effet pharmacologique · ② permettre l'insu.
🎙️ ORAL (séance 7, 1:27:46 et 1:28:50)
« Si on compare un traitement actif à l'absence de traitement, la différence va être en partie expliquée par l'effet pharmacologique et en partie par l'effet placebo. Si on le compare à un placebo, on arrive à le neutraliser : ce qui reste, c'est l'effet pharmacologique. »
« Le professeur Perneger disait qu'il n'y a rien de plus difficile que de faire un brocoli placebo. »
⚠️ PIÈGE
« Le placebo sert à rendre les groupes comparables » → FAUX, c'est la randomisation (c'est exactement le distracteur B de SFO 2024 Q27). Et n'attribuer qu'un rôle au placebo est une réponse incomplète : la d.45 en compte deux.
📝 TOMBE EN QCM
🧠 Le réflexe : comparer à « rien » surestime le médicament (on lui attribue l'effet placebo) ; comparer à un placebo isole sa seule pharmacologie. C'est aussi ce qui distingue le scénario du Dr Alea (d.26) de celui du Dr Latotale (d.33), à chiffres identiques.
⬜

Quand NE PAS donner de placebo — trois cas

~10 min
📊 DIAPOS d.31
① Quand un traitement efficace existe : ce n'est pas éthique ⇒ on compare au traitement de RÉFÉRENCE.
② Quand c'est impossible ou difficile : effets reconnaissables (substitution héroïne) · intervention manifeste (chirurgie, psychothérapie, physiothérapie, éducation, exercice, nutrition) · intervention informative (stratégie diagnostique).
③ Quand on veut évaluer en conditions réelles : essais dits « PRAGMATIQUES » — l'effet placebo fait alors partie de l'intervention évaluée.
🎙️ ORAL (séance 7, 1:30:53)
« Si on veut estimer l'efficacité qu'on s'attendrait à retrouver en routine clinique, on se compare au traitement standard, et l'effet placebo ne sera pas neutralisé : il fait partie de l'efficacité qu'on est en train de tester. On appelle ça des essais pragmatiques. »
⚠️ PIÈGE
« Un essai sans placebo est un mauvais essai » → FAUX : dans les trois cas ci-dessus, l'absence de placebo est justifiée, voire obligatoire. Ce qu'il faut savoir, c'est ce que l'on perd : sans placebo, la différence observée contient l'effet placebo.
📝 TOMBE EN QCM
Le mot « pragmatique » n'apparaît que sur cette diapositive du semestre. 🔗 PONT Ch8 — les exemples d'essais du chapitre suivant contiennent des comparaisons au traitement de référence, pas au placebo.
▶

N8 · ⭐⭐ L'insu (blinding) : qui, et pourquoi

d.32-33
0/2
⬜

⭐⭐ Définition, et les QUATRE catégories concernées

~12 min
📊 DIAPOS d.32
Procédure qui empêche de savoir quel traitement le·la patient·e REÇOIT dans le cadre d'un essai clinique. Elle évite une prise en charge différente des patient·es dans les 2 bras, au-delà des traitements randomisés, et permet une mesure et une analyse NON BIAISÉES des résultats.
Peut concerner QUATRE catégories : patient·es · équipe soignante · chercheur·ses / attaché·es de recherche · statisticien·nes.
🎙️ ORAL (séance 8, 07:19 → 09:24)
« On peut aussi mettre en insu les personnes qui vont analyser les données. J'avais une collègue dans l'industrie à qui on demandait d'aller plus loin parce qu'ils ne trouvaient pas de résultat significatif. Ils ont fini par en trouver un dans un sous-groupe — manque de chance, quand ils ont levé l'aveugle, c'était en sens opposé. »
⚠️ PIÈGE
« Double insu = deux fois mieux » → FAUX : cela veut dire que deux catégories de personnes sont en insu (typiquement patient·es et soignant·es). Autre piège : « personne ne connaît l'allocation » → FAUX, la pharmacie la connaît nécessairement (1:09:15).
📝 TOMBE EN QCM
L'insu est le distracteur C de SFO 2024 Q27 : c'est un vrai outil, mais il n'intervient qu'après la formation des groupes — il ne les rend jamais semblables.
⬜

Le Dr Latotale — mêmes chiffres, conclusion sans réserve

~8 min
📊 DIAPOS d.33
Essai randomisé · placebo en tous points similaire · les patient·es ne savent pas ce qu'ils ont pris (insu) · la guérison à 48 h est évaluée par une assistante qui ne connaît pas le traitement (insu). Résultats : 50 % contre 25 % — les mêmes chiffres que le Dr Alea. 👍 Cette fois, la conclusion est sans réserve.
🎙️ ORAL (séance 7, 1:32:56)
« Là, on a un degré d'évidence très fort. On a une qualité de la preuve très élevée, parce qu'on a randomisé et qu'on a pris toutes les précautions possibles pour éviter qu'il y ait d'autres explications. La différence est imputable au principe pharmacologique. »
⚠️ PIÈGE
Croire que ce sont les chiffres qui font la différence entre Alea et Latotale. FAUX : ils sont identiques. Ce qui change, ce sont deux verrous méthodologiques. C'est la démonstration la plus claire du chapitre : la même donnée ne vaut pas la même preuve selon le design qui l'a produite.
📝 TOMBE EN QCM
🔗 PONT Ch15 (lecture critique) — c'est exactement la grille qu'on applique à un article : quels verrous ont été posés, et lesquels manquent.
▶

N9 · Le hasard revient : erreurs de type 1 et 2 dans un ECR

d.34-35
0/2
⬜

⭐⭐ Mêmes proportions, deux effectifs, deux conclusions

~14 min
📊 DIAPOS d.34
Même résultat annoncé — 50 % de guérison chez les traité·es, 25 % chez les non-traité·es — mais deux effectifs.
➢ 10/20 contre 5/20 : la différence « est plausible sous H₀ » · p = 0,19 ⇒ on ne rejette pas H₀, on ne recommande pas.
➢ 30/60 contre 15/60 : la différence « est peu plausible sous H₀ » · p = 0,008 ⇒ on rejette H₀, on recommande.
« (Dans les 2 cas on peut se tromper ! Pensez aux erreurs de type 1 et 2.) »
🎙️ ORAL (séance 7, 1:33:57)
« Le hasard, c'était notre ami il y a quelques slides ; maintenant, il est un peu moins sympa : il va vous provoquer un risque d'erreur de type 1 de 5 %. […] Si on a une étude de faible puissance, erreur de type 2, alors on a peu de chances de rejeter l'hypothèse nulle même si le traitement était efficace. »
⚠️ PIÈGE + ÉCART DÉCLARÉ
⚠️ ÉCART DÉCLARÉ : les deux valeurs p imprimées sont celles du test exact de Fisher (Python : 0,1908 et 0,0080), pas du Chi-2 sans correction enseigné au Ch5, qui donnerait 0,1025 et 0,0047 — alors que les effectifs théoriques (7,5 et 22,5) l'autorisaient. La conclusion ne change pas dans les deux cas ; la valeur, si. ✓ Python
Piège de fond : « les proportions sont les mêmes, donc la conclusion est la même » → FAUX. C'est tout le message de la diapositive.
📝 TOMBE EN QCM
🔗 PONT Ch4-Ch5 — c'est un test du Chi-2 sur un tableau 2×2, exactement le Ch5. Une question peut donner deux effectifs et demander laquelle des deux études permet de conclure.
⬜

Les deux erreurs, dans le vocabulaire de l'essai clinique

~10 min
📊 DIAPOS d.34 + rappel d.3
Erreur de type 1 : conclure à l'efficacité alors qu'il n'y en a pas ⇒ on recommande un traitement inutile. Risque fixé à 5 % par la zone de rejet.
Erreur de type 2 : ne pas détecter une efficacité réelle ⇒ on ne recommande pas un traitement qui marche. Risque contrôlé à 20 % (ou 10 %) par la taille d'échantillon ; puissance = 100 % − type 2.
🎙️ ORAL (séance 7, 1:33:57)
« Si on rejette l'hypothèse nulle, alors on va recommander le traitement. Et ça, c'est l'interprétation qu'on va privilégier, même si on a toujours la possibilité de faire une erreur de type 1. »
⚠️ PIÈGE
« On calcule la taille de l'échantillon pour limiter le risque de type 1 » → FAUX, et c'est exactement le distracteur C de SFO 2024 Q28 : α est fixé, il ne dépend pas de n. La taille d'échantillon règle la puissance, donc β.
📝 TOMBE EN QCM
SFO 2024 Q28 mot pour mot : « on évalue la taille de l'échantillon dans le but d'avoir… » → A et D VRAIES (puissance élevée · risque de type 2 faible : la même chose dite deux fois), B et C FAUSSES.
▶

N10 · ⭐⭐⭐ La pré-spécification de l'outcome, et le biais de reporting

d.36-39
0/4
⬜

⭐⭐ Le Dr Pick N. Choose — quatre valeurs p, une seule publiée

~14 min
📊 DIAPOS d.36
Essai randomisé en double insu, dexaméthasone contre placebo, 50 patient·es par bras.
À 24 h : 40 % contre 20 % · chi2 p = 0,029 · Fisher p = 0,049
À 48 h : 50 % contre 40 % · chi2 p = 0,32 · Fisher p = 0,42
L'article publie : « Le traitement de dexaméthasone double le taux de guérison de la pharyngite à 24 h (p = 0.029) ».
🎙️ ORAL (séance 7, 1:36:01 → 1:37:03)
« Il a fait beaucoup de tests, et puis il a choisi celui qui présentait le plus haut niveau d'évidence. […] Et comme un article, c'est aussi la communication, il a choisi 0,029. »
« S'il rapporte 24 heures parce que ce n'était pas significatif à 48 heures, là il commence à être un petit peu malhonnête. »
⚠️ PIÈGE + ÉCART DÉCLARÉ
✓ Python : 20/50 contre 10/50 ⇒ khi² = 4,762, chi2 p = 0,0291 et Fisher p = 0,0486 — les deux valeurs imprimées sont exactes. À 48 h, 25/50 contre 20/50 ⇒ Fisher p = 0,4216 (exact) mais chi2 p = 0,3149, arrondi 0,31 et non 0,32 : ⚠️ ÉCART DÉCLARÉ, écart d'arrondi sur la deuxième décimale.
Piège de fond : le défaut n'est pas d'avoir fait deux tests, c'est d'avoir choisi après coup lequel publier.
📝 TOMBE EN QCM
Noter la double manipulation : choix du moment (24 h plutôt que 48 h) et choix du test (chi2 plutôt que Fisher, « plus convaincant », d.37). Une question peut porter sur l'une ou sur l'autre.
⬜

⭐⭐⭐ POURQUOI pré-spécifier — la seconde diapositive citée par le Répétitoire

~14 min
📊 DIAPOS d.37
« La différence est significative à 24 h et non significative à 48 h. Spontanément, on est tenté de mettre en avant le résultat significatif. On aurait pu tester les différences à 1-2-3-4-5-6-7… jours, et publier le plus favorable en “oubliant” les autres. De plus, le chi2 standard (p = 0.029) est plus convaincant que le test exact de Fisher (p = 0.049). » La recherche d'un résultat « significatif » introduit un BIAIS POSITIF dans les résultats publiés (biais de publication). La PRÉ-SPÉCIFICATION de l'outcome primaire et de l'analyse principale évite ce biais !
🎙️ ORAL (séance 7, 16:35 et 1:38:04)
« Si jamais vous testez 3 000 choses […] il y en a bien quelques-unes qui vont être statistiquement significatives, ne serait-ce qu'à cause de l'erreur de type 1. Et puis on n'a qu'à choisir celle qui est significative : là, on est en train de faire n'importe quoi. »
« Là, clairement, il y a un biais, ce qu'on appelle un biais de reporting : la manière de rapporter les résultats est partiale. »
⚠️ PIÈGE + ÉCART DÉCLARÉ
✓ Python (règle du Ch5) : 5 tests ⇒ 22,6 % · 7 tests ⇒ 30,2 % · 10 ⇒ 40,1 % · 20 ⇒ 64,2 %.
⚠️ ÉCART DÉCLARÉ : à la séance 8 (12:28), le prof annonce que sur 10 tests la probabilité « va dépasser les 50 % » — en précisant lui-même qu'il n'a « plus en tête la probabilité ». Elle vaut 40,1 % ; il faut 14 tests pour dépasser 50 % (51,2 %). La leçon est juste, le chiffre non.
📝 TOMBE EN QCM
Le Répétitoire officiel cite « diapositive 37 cours 7 » pour corriger une question d'examen : « décrire les analyses à l'avance permet d'éviter les décisions subjectives, c'est-à-dire d'assurer que les choix statistiques ne dépendent pas des résultats observés ». C'est le raisonnement de SFO 2024 Q22.
⬜

⭐⭐ Les trois qualités d'un bon outcome

~10 min
📊 DIAPOS d.38
① IMPORTANT / PERTINENT pour les patient·es (survie/mortalité · guérison · capacité à mener la vie qu'on souhaite · qualité de vie) · ② SENSIBLE à l'effet du traitement · ③ MESURABLE de manière VALIDE et PRÉCISE.
« Se méfier des études qui ne mesurent l'efficacité que sur des critères “paracliniques” » : tests de laboratoire, imagerie.
🎙️ ORAL (séance 7, 1:39:06)
« Quand on parle d'efficacité d'une intervention, c'est l'efficacité pour le patient, ce n'est pas l'efficacité pour la biologie. Les tests de laboratoire, ce sont des critères intermédiaires. […] On fait l'hypothèse derrière que si on améliore la valeur de PCR, alors ça va diminuer le risque d'infection. Ce sont des raisonnements qui tiennent la route en théorie. »
⚠️ PIÈGE
« Le meilleur outcome est le plus objectif » → FAUX. La mortalité est parfaitement objective et parfaitement inadaptée à l'angine ; un questionnaire structuré validé lui est préféré (d.39). Ce qui compte, c'est la pertinence — puis la validité de la mesure.
📝 TOMBE EN QCM
🔗 PONT Ch15 — « critère intermédiaire » (ou surrogate) est un des points de la lecture critique. Le mot « paraclinique » n'apparaît qu'ici.
⬜

Les cinq candidats de la pharyngite, et leur verdict

~10 min
📊 DIAPOS d.39
· Mortalité ➢ trop rare, non spécifique de la maladie
· Amélioration ressentie, mesurée informellement ➢ trop subjectif, biais de désirabilité sociale
· Disparition de la fièvre ➢ élément partiel, influencé par les autres traitements
· Formule sanguine et CRP ➢ pas forcément lié à l'état du·de la patient·e, décalé dans le temps
👍 · ÉVALUATION STRUCTURÉE par le patient de 5 éléments cliniques (céphalée, fièvre, mal de gorge, fatigue, difficulté à avaler) sur une échelle de 0 à 10, précédemment validée ➢ combine différentes dimensions et précédemment validé.
🎙️ ORAL (séance 7, 1:40:08 → 1:41:11)
« “Est-ce que vous allez mieux ?” va être compris de manière très différente selon les personnes. Pour certaines, ne pas aller pire, c'est déjà bien ; pour d'autres, aller mieux, c'est retrouver son état initial. C'est très subjectif, très vague, et on ne sait plus ce qu'on mesure. »
« Le mieux, ce serait une évaluation structurée […] Ce sont des instruments validés qui permettent des réponses objectivables. »
⚠️ PIÈGE
Le biais de désirabilité sociale (répondre ce qu'on pense être juste, ou ce qui fera plaisir) est un biais de mesure — c'est le même mécanisme que l'item ② de la d.27. Il ne se corrige pas par la taille de l'échantillon, mais par un instrument validé et par l'insu.
📝 TOMBE EN QCM
Excellente matière à K′ : chaque candidat porte son verdict, et il suffit d'échanger deux verdicts pour construire une proposition fausse.
▶

N11 · ⭐⭐ ITT contre per-protocole, et ce qu'on pré-spécifie

d.40-41
0/3
⬜

⭐⭐⭐ Les deux définitions, et la phrase en rouge

~12 min
📊 DIAPOS d.40
« Il arrive que les patient·es ne reçoivent pas le traitement assigné » : effets secondaires · manque perçu d'efficacité · changement d'avis · problème logistique. Deux options :
· INTENTION-TO-TREAT (ITT) : les patient·es sont maintenu·es dans le groupe assigné
· PER-PROTOCOL (PP) : ils·elles sont analysé·es seulement s'ils·elles ont reçu le traitement assigné
SEULE l'analyse ITT préserve le bénéfice de la randomisation. « PP peut introduire un biais de sélection (post randomisation). »
🎙️ ORAL (séance 7, 1:43:14)
« L'ITT va préserver la randomisation. Par contre, le per-protocole, qui exclut des individus qui n'ont pas pris la totalité du traitement prévu, va casser la randomisation : vous n'incluez plus tous les individus tels qu'ils ont été randomisés. »
⚠️ PIÈGE
« Le per-protocole est plus rigoureux puisqu'il n'analyse que ceux qui ont vraiment pris le traitement » → FAUX : c'est exactement la faute du Dr Alea (d.27, item ④). Exclure après le tirage au sort défait ce que le tirage au sort avait construit.
📝 TOMBE EN QCM
🧠 Le mot qui range : ITT = « tels qu'ils ont été RANDOMISÉS » · PP = « tels qu'ils ont été TRAITÉS ». C'est le distracteur E de SFO 2024 Q27 : l'ITT préserve la comparabilité, elle ne la crée pas.
⬜

⭐⭐ POURQUOI l'ITT est l'analyse principale

~10 min
📊 DIAPOS d.40-41
Les deux analyses sont pertinentes, mais elles répondent à des questions différentes : l'ITT estime ce qu'on obtiendra en pratique ; le PP estime l'effet pur de la molécule. La d.41 range la population analysée parmi les trois choses à pré-spécifier — ITT ou PP, et les exclusions.
🎙️ ORAL (séance 8, 15:30)
« Si vous n'avez que 80 % qui sont observants dans le cadre de l'essai, dans la vraie vie on retrouvera 80 %, voire moins. […] Évidemment, si une partie des individus ne prennent pas l'intervention, ça va réduire l'efficacité quand on compare les deux groupes. C'est une manière de se pénaliser, mais on est plus proche de l'efficacité qu'on attend dans la vraie vie. »
⚠️ PIÈGE
« L'ITT surestime l'efficacité » → FAUX, elle la sous-estime : elle garde dans le groupe traité des gens qui n'ont pas pris le traitement. C'est un choix conservateur, et c'est pour cela qu'on lui fait confiance.
📝 TOMBE EN QCM
« On peut faire les deux, mais il y en a une qui va être identifiée comme la principale » (1:44:18) — et pour un essai d'efficacité, c'est l'ITT. 🔗 PONT Ch15.
⬜

⭐⭐ Les TROIS choses à pré-spécifier

~10 min
📊 DIAPOS d.41
① Outcomes : primaire (unique en général) · secondaire(s), interprétés de manière prudente.
② Population analysée : ITT ou PP · exclusions.
③ Méthode d'analyse statistique : modèle ou test choisi · avec ou sans ajustement pour des facteurs de gravité · quelles analyses de sous-groupes.
🎙️ ORAL (séance 7, 1:44:18)
« Les méthodes d'analyse statistique vont être spécifiées aussi dans le protocole. On en a besoin, ne serait-ce que pour calculer les tailles d'échantillons. En fait, on prévoit tout ce qu'on va analyser, et ça, on le met dans le protocole de l'essai clinique. »
⚠️ PIÈGE
Réduire la pré-spécification au seul outcome. Incomplet : la population et la méthode statistique en font partie — et c'est précisément sur la méthode statistique que porte SFO 2024 Q22.
📝 TOMBE EN QCM
Les analyses de sous-groupes sont la porte d'entrée du p-hacking : l'anecdote du prof (séance 8, 08:20) raconte une équipe qui en a fait jusqu'à trouver un résultat — qui allait à l'encontre du traitement.
▶

N12 · PICO et les trois diapositives de résumé

d.42-47
0/2
⬜

⭐⭐ PICO — les quatre lettres, et l'exemple complet

~10 min
📊 DIAPOS d.42-43
Population : à quel type de patient·es, ayant quelle maladie ? · Intervention : quelle intervention évaluée ? · Comparateur : à quoi compare-t-on ? · Outcome : sur quoi juge-t-on le succès ?
L'exemple (d.43) : « Chez des patient·es souffrant de pharyngite mais qui n'ont pas besoin d'antibiotiques immédiatement (P), une dose unique de dexaméthasone (10 mg p.o.) (I) permet-elle d'augmenter la probabilité de guérison à 48 h (O), comparé au placebo (C) ? »
🎙️ ORAL (séance 8, 02:04 → 03:08)
« Dans la très très grande majorité des essais cliniques randomisés, la comparaison se fait par rapport aux pratiques courantes, aux soins habituels, ou un placebo. »
« L'intervention, dans un article, doit être décrite de manière très détaillée, de manière à ce qu'on puisse reproduire la même expérimentation : la forme de la molécule, la posologie, la durée, le mode d'administration. »
⚠️ PIÈGE
Écrire un PICO vague. Insuffisant : noter la précision de chaque terme dans l'exemple — pas « des gens malades » mais « qui n'ont pas besoin d'antibiotiques immédiatement » ; pas « la guérison » mais « la probabilité de guérison à 48 h ». C'est ça, pré-spécifier.
📝 TOMBE EN QCM
🔗 PONT Ch1 — PICO vient du chapitre d'introduction ; il devient ici la carte d'identité d'un essai. La séance 8 le reprend dès sa deuxième minute, ce qui en fait un candidat naturel de question transversale.
⬜

🎯⭐⭐⭐ Les trois écrans de résumé — à réciter

~12 min
📊 DIAPOS d.44-46
(1) L'ECR évalue avec rigueur une intervention · question PICO · la randomisation permet d'ISOLER L'EFFET DU TRAITEMENT en rendant les groupes comparables par ailleurs · l'insu assure une prise en charge équivalente et évite les biais de mesure ou d'analyse ; il concerne patient·es, chercheur·ses, soignant·es, statisticien·nes.
(2) L'effet placebo est dû aux attentes ; le placebo est une substance inerte · 2 rôles : neutraliser l'effet placebo, permettre l'insu · la dissimulation de l'allocation empêche la manipulation du recrutement.
(3) La pré-spécification évite une interprétation biaisée · comparer tels que randomisés (ITT) · approbation par une Commission d'éthique.
🎙️ ORAL (séance 7, 1:46:21)
« La dissimulation de l'allocation future, ce n'est pas l'insu, ce n'est pas la randomisation : c'est quelque chose qui est en lien avec l'implémentation de la randomisation dans l'étude. »
⚠️ PIÈGE
Trois pièges symétriques, tous dans la d.45 : confondre effet placebo et placebo · n'attribuer qu'un rôle au placebo · confondre dissimulation et insu. Ce sont les trois seules erreurs qu'il faut vraiment éviter dans ce chapitre.
📝 TOMBE EN QCM
Ces trois écrans couvrent exactement les cinq objectifs de la d.6 — donc les cinq annales. 🎯 Si vous savez les réciter, le chapitre est verrouillé.

📜 LES CINQ ANNALES DU CHAPITRE — mot pour mot, avec leur corrigé

Ce chapitre n'a aucun exercice officiel (il n'existe pas de fichier « questions7 »). En revanche il porte cinq des quarante-trois vraies questions du SFO — et deux d'entre elles sont la même. Chaque énoncé ci-dessous est celui du retranscrit, sans modification ; chaque clé est celle du corrigé officiel, sauf mention contraire.
SFO 2021 Q5 — type K′ — le rôle du placebo · clé F V V F

Énoncé. On effectue une étude clinique randomisée pour comparer un vaccin et un placebo. Dans les ECR, on utilise le placebo pour éviter que les participants : A) nous fassent un procès en justice · B) aillent se faire vacciner ailleurs · C) changent drastiquement leur comportement face aux infections · D) renoncent à venir nous voir.

A FAUX — le risque juridique relève du consentement éclairé et de la Commission d'éthique (d.23), pas du placebo.

B VRAI — celui qui se sait non vacciné va chercher le vaccin ailleurs : c'est la contamination décrite à la d.27 (« les non-traité·es vont acheter leur propre médicament, et ceci réduit le contraste entre les groupes »).

C VRAI — celui qui se sait non protégé modifie son exposition : la prise en charge et les comportements cessent d'être équivalents, ce que l'insu doit empêcher (d.32).

D FAUX — les perdus de vue existent dans les deux bras ; c'est un problème d'attrition, traité par l'ITT (d.40), pas par le placebo.

🧠 La logique de la question est le second rôle du placebo (d.30) : il permet l'insu. Sans lui, le participant sait où il est — et il agit en conséquence.

SFO 2023 Q21 — type A — le but de l'allocation aléatoire · clé A

Énoncé. On fait un ECR sur un médicament anti-burn-out, le « bonhumeur ». Le but de l'allocation aléatoire des participants est de : A) rendre à égalité les facteurs de confusion · B) rendre le nombre de personnes comparable entre les deux groupes · C) limiter les biais de mesure · D) limiter le risque d'erreur de type 2 · E) rendre plus facile une analyse stratifiée.

A — bonne réponse. La d.20 en trois lignes : rendre comparables les groupes « en termes de facteurs de sévérité potentiels », afin d'isoler l'effet du traitement, en neutralisant les facteurs connus comme inconnus.

B FAUX — équilibrer les effectifs ne demande aucun tirage au sort : c'est le rôle secondaire des blocs (d.21).

C FAUX — les biais de mesure relèvent de l'insu (d.32).

D FAUX — l'erreur de type 2 dépend de la taille de l'échantillon (SFO 2024 Q28).

E FAUX — la stratification est une manière de randomiser (une liste par centre), pas un but.

📜 RETOMBE avec SFO 2024 Q27 : la même notion, deux années de suite.

SFO 2024 Q27 — type A — rendre deux groupes semblables · clé A

Énoncé. Est une solution pour rendre deux groupes semblables dans un ECR : A) la randomisation · B) le placebo · C) le double insu (blinding) · D) des critères de sélection explicites et uniformes · E) l'intention to treat.

A — bonne réponse. Chaque distracteur est un vrai outil de l'ECR, mais pour un autre problème — c'est ce qui rend la question redoutable.

B FAUX — le placebo neutralise l'effet placebo et permet l'insu (d.30) : deux rôles, dont aucun n'est de rendre les groupes semblables.

C FAUX — le double insu évite les biais de mesure ; il intervient après la randomisation, quand les groupes existent déjà.

D FAUX — des critères d'inclusion uniformes définissent la population de l'étude, pas la répartition entre les bras.

E FAUX — l'ITT est une règle d'analyse (d.40) : elle préserve la comparabilité, elle ne la crée pas.

🧠 Retenir la ligne du temps : rendre semblables = randomisation (pendant) · empêcher de manipuler = dissimulation (avant) · empêcher de fausser = insu (après) · empêcher de défaire = ITT (à l'analyse).

SFO 2024 Q22 — type A — pré-spécifier la méthode statistique · clé C · clé reconstituée

Énoncé. Quel est l'intérêt de bien préciser la méthode statistique que l'on va utiliser lors d'un ECR ? A) augmenter l'efficacité d'un traitement · B) pouvoir insérer les données dans une méta-analyse · C) éviter que l'auteur choisisse l'issue qui lui convienne · D) assurer la reproductibilité des résultats · E) faciliter la lecture et l'interprétation par les pairs.

⚠️ ÉCART DÉCLARÉ — le corrigé du retranscrit ne donne pas de réponse pour cette question. La clé est reconstituée, et confortée par le Répétitoire officiel du prof, qui corrige une question voisine : « décrire les analyses à l'avance permet d'éviter les décisions subjectives, c'est-à-dire d'assurer que les choix statistiques ne dépendent pas des résultats observés (diapositive 37 cours 7) ».

C — bonne réponse. C'est le mécanisme, et c'est le scénario du Dr Pick N. Choose mot pour mot.

D FAUX (le distracteur le plus fort) — la reproductibilité est une conséquence réelle, citée par le prof dans la même phrase ; mais la question demande l'intérêt propre : empêcher le choix a posteriori.

B FAUX — le Répétitoire est explicite : « même si les méthodes ne sont pas décrites avant les analyses, l'étude pourrait être incluse dans une méta-analyse ».

A FAUX — « la description des analyses avant de les réaliser n'augmente pas la chance de détecter l'efficacité » (Répétitoire).

E FAUX — bénéfice secondaire, non mentionné par le cours.

SFO 2024 Q28 — type K′ — la taille de l'échantillon · clé V F F V

Énoncé. Lorsque l'on fait un ECR, on évalue la taille de l'échantillon dans le but d'avoir : A) une puissance élevée (80 % ou plus) · B) un effet de confusion faible (10 % ou moins) · C) un risque d'erreur de type 1 faible (5 %) · D) un risque d'erreur de type 2 faible (20 % ou moins).

A et D VRAI — ce sont la même affirmation dite dans les deux sens : puissance = 100 % − risque de type 2 (d.3). Augmenter n augmente la puissance et diminue β.

C FAUX — α est fixé arbitrairement à 5 % par la zone de rejet ; il ne dépend pas de n.

B FAUX — l'effet de confusion se traite par la randomisation (d.20) et par l'ajustement (cours 13), jamais par la taille.

📜 Cette annale est rangée au Ch4 dans la banque — elle porte sur les deux erreurs — mais son énoncé la situe explicitement dans un ECR, et la d.34 du cours 7 la rejoue.

🎯 ANNALES CROISÉES — où et comment ce chapitre tombe vraiment

Cinq questions sur quarante-trois, soit ≈ 12 % de la partie statistique de l'épreuve : avec le Ch10, c'est le chapitre le plus rentable du semestre. Et son profil est très particulier : aucun calcul, que du vocabulaire, et une même question posée deux années de suite.

Ce qui tombe, dans l'ordre de rendement :

Ce qui n'est JAMAIS tombé en quatre ans, et qu'il faut connaître quand même parce que le prof y insiste : la distinction dissimulation / insu (annoncée « chaque année » comme source d'erreurs, et citée par le Répétitoire), la distinction biais / erreur aléatoire (d.17), et ITT contre PP (d.40, la seule phrase en rouge de la diapositive).

Conclusion stratégique. Ce chapitre se joue au vocabulaire, pas au raisonnement long. Trois listes à savoir réciter — les cinq objectifs (d.6), les deux rôles du placebo (d.45), les trois choses à pré-spécifier (d.41) — et trois distinctions à ne jamais confondre — biais / erreur aléatoire, dissimulation / insu, ITT / PP. Le reste est de la culture.

🧠 LE PAR-CŒUR PAYANT DU CHAPITRE

✅ CRITÈRES DE VERROUILLAGE DU CHAPITRE