Cours Complet en Français PDF

Unité 1 L'origine des maladies La maladie, le handicap et la mort sont des éléments qui déterminent l'existence de tous les êtres vivants. Les maladies et les causes de décès ont évolué, tout comme la survie et la qualité de vie, en raison de l'influence d...

Unité 1 L'origine des maladies La maladie, le handicap et la mort sont des éléments qui déterminent l'existence de tous les êtres vivants. Les maladies et les causes de décès ont évolué, tout comme la survie et la qualité de vie, en raison de l'influence de l'habitat et des relations sociales. Les premiers hominidés étaient des chasseurs- cueilleurs. Le taux de natalité était élevé, tout comme le taux de mortalité. L'espérance de vie était très courte (la principale cause de décès était traumatique). En étudiant les groupes de population actuels ayant des modes de vie similaires, on trouve des maladies : Incidence élevée et faible mortalité : hépatite B (HBV). Faible incidence et forte mortalité : fièvre jaune. Maladies explosives mais transitoires : rougeole, grippe. Maladies persistantes et fréquentes : paludisme, tuberculose. Les maladies chroniques étaient rares : arthrose chez l’Homo neanderthalensis. L’émergence de l’élevage et de l’agriculture a permis des regroupements humains (villes), des changements alimentaires (produits laitiers, céréales) et des changements organisationnels et sociaux (structuration en castes ou classes). Des problèmes sont apparus, tels que : Manque de nourriture suffisante. Carences alimentaires : riz raffiné (manque de vitamine B1, provoquant le béribéri) ; rachitisme (malabsorption de Ca2+) ; maïs (manque de niacine, acide nicotinique ou vitamine B3, provoquant la pellagre). Mauvaise conservation des aliments : le seigle - l’ergot produisait une toxicité élevée, une nécrose vasculaire et des hallucinations. Apparition de nouvelles maladies : choléra (présence de matières fécales dans l’eau potable) ; paludisme (irrigation) ; brucellose et tuberculose (lait non pasteurisé). L’arrivée des premières formes d’industrialisation a entraîné des établissements urbains plus importants, sans améliorer pour autant les conditions d’hygiène et de santé. Cependant, les taux de mortalité ont commencé à diminuer et l’espérance de vie à augmenter grâce à: Une meilleure alimentation (protéines et calories). Améliorations de l’approvisionnement en eau. Améliorations dans l’élimination des eaux usées. Identification des micro-organismes (XIXᵉ siècle). Améliorations dans la manipulation des aliments (réfrigération, XXᵉ siècle). Tous ces progrès, principalement dans la nutrition et l’assainissement, ont conduit à la réduction des maladies infectieuses (avant l’arrivée des antibiotiques).  Unité 2 Concept de santé et santé publique Qu'est-ce que la santé ? Concept classique de la santé : « Absence de maladie et d’incapacité ». Inconvénients : Ce n'est pas une définition valide, car les limites de la normalité ne sont pas établies et parce que la « normalité » varie avec le temps. Selon certains auteurs, le concept de santé, en plus d’être un concept biologique, doit intégrer des valeurs telles que l’écologie, l’environnement, l’économie, la culture, etc. Rossdale et Wyle considèrent la santé comme un produit de la relation harmonieuse entre l’homme et l’environnement. Lambert, dans cette même ligne, considère que toute définition de la santé doit inclure la capacité d’adaptation des êtres humains. Milton Terris identifie deux aspects incontournables : Aspect subjectif : se sentir bien. Aspect objectif : capacité de l’individu à fonctionner. Concept de santé selon l’OMS (1948) : « La santé est un état complet de bien-être physique, mental et social, et ne consiste pas seulement en une absence de maladie ou d’infirmité », une définition qui a été largement citée depuis. Inconvénients : C’est une définition complètement subjective. Assimile le bien-être à la santé. Se sentir bien ne signifie pas qu’il n’y a pas de maladie sous-jacente. L’affirmation que la santé est un état de bien-être complet est peu utile : très peu de personnes sont parfaitement bien sous tous les aspects. Ne précise pas ce que signifient le bien-être physique, social ou mental. Concept de Milton Terris : « État de bien-être physique, mental et social, avec la capacité de fonctionner, et pas seulement l’absence de maladie ». Cette définition retire le mot « complet » de celle de l’OMS et prend en compte la subjectivité et l’objectivité. Inconvénients : Ce n’est pas un concept dynamique. Il ne reconnaît pas l’existence de maladies sans symptômes. (Voir schéma) Concept dynamique de Cornillot : « Il n’existe pas de santé absolue », et, pour cette raison, les individus sont mortels. (Voir schéma) La santé est actuellement comprise comme un concept dynamique : il existe un continuum santé- maladie, dont les extrêmes sont la mort et l’état optimal de santé. Tout au long de la vie, nous nous déplaçons sur cette ligne, mais avec une destination finale commune et inévitable. (Voir schéma) Concept de maladie La maladie peut être définie comme : « un déséquilibre biologique-écologique ou une absence de réaction aux stimuli externes et/ou aux mécanismes d’adaptation, et non une simple absence de santé ». Évolution ou histoire naturelle de la maladie Une maladie est définie par un ensemble de signes et de symptômes permettant son diagnostic et son pronostic. Pour prévenir une maladie, il est nécessaire de comprendre son évolution sans aucun traitement (histoire naturelle de la maladie). La fréquence et la distribution de la maladie dépendent de : Facteurs étiologiques. Facteurs prédisposants, par exemple la génétique. Facteurs contributifs, par exemple la malnutrition. Trois périodes peuvent être distinguées : Période prépathogénique ou de susceptibilité : Caractérisée par la présence de facteurs qui contribuent ou déterminent le développement de la maladie. Il n’y a pas encore de maladie. C’est le moment le plus efficace pour la prévention. Ces facteurs peuvent être : o Environnementaux (agents infectieux, physiques, chimiques). o Comportementaux (alimentation inadéquate, tabagisme, consommation d’alcool ou de drogues). o Endogènes (sexe, âge, prédisposition génétique). Certains de ces facteurs sont nécessaires mais pas suffisants pour que la maladie survienne. Les facteurs de risque pour les maladies chroniques peuvent être : o Modifiables (susceptibles de changement), ex. tabagisme, hypertension contrôlable avec traitement... o Non modifiables : âge, sexe, antécédents familiaux… Période pathogénique : Il y a maladie. Trois stades dans cette période : o Stade subclinique ou présymptomatique : il n’y a pas de symptômes ou de signes cliniques, mais des modifications anatomopathologiques ont déjà commencé (ex. athérosclérose, altérations précancéreuses). Un diagnostic précoce pourrait être posé. o Stade prodromique : apparition de signes ou symptômes non spécifiques. Un diagnostic précoce est également possible. o Stade clinique : manifestations classiques de la maladie. Les altérations des organes et tissus sont suffisamment significatives pour que le patient présente des signes et symptômes typiques et spécifiques.  Période de dénouement : Elle reflète l’issue du processus pathologique : o Retour à la santé. o Maladie chronique. o Incapacité. o Décès. Maladie endémique : régulièrement présente et très courante au sein d’un groupe particulier ou dans une région particulière, de manière plus ou moins importante et sans changements saisonniers majeurs ou autres. Maladie épidémique : apparition soudaine d’une maladie dont l’incidence augmente très rapidement. Maladie pandémique : épidémie à l’échelle mondiale. Santé publique Définition : La santé publique est un ensemble d’interventions, organisées par la communauté, pour prévenir les maladies, les incapacités et les décès, ainsi que pour promouvoir et restaurer la santé. Sir Donald Acheson (1926–2010, médecin-chef d’Angleterre) : « La science et l’art de prévenir les maladies, prolonger la vie et promouvoir la santé grâce aux efforts organisés de la société ». Santé publique : Elle traite de la santé et des maladies au sein des populations. Le gouvernement est responsable des politiques de santé publique. Trois domaines de pratique en santé publique : o Amélioration de la santé. o Protection de la santé. o Amélioration des services de santé. Utilise l’épidémiologie comme principal outil. Protection de la santé C’est une partie de la santé publique qui se concentre sur le contrôle des risques provenant de différents environnements (travail, villes, machines, véhicules, trafic de drogue, etc.), établit des mesures législatives spécifiques et en assure la conformité par des inspections. Elle inclut : Étiquetage des produits. Gestion des déchets dangereux. Additifs et conservateurs. Traitement des eaux usées. Fixation des limites légales d’alcool autorisées pour les conducteurs. Sorties de secours dans les lieux publics de grande capacité. Règlementation des activités nuisibles ou dangereuses. Activités de protection et de défense des consommateurs en matière de contrôle de la qualité et de sécurité des produits destinés à la vente. Les activités d’hygiène publique sont également incluses, classiquement entendues comme des activités de nettoyage et d’assainissement.  Unité 3 Déterminants de la santé Déterminants de la santé Établis après le rapport Lalonde, préparé au Canada, visant à connaître l’état de santé de la population (« Une nouvelle perspective sur la santé des Canadiens », 1974), qui mettait en évidence les divers éléments influençant ou déterminant l’état de santé individuel et collectif. (Voir schéma) Comportements humains (mode de vie) : consommation de drogues, sédentarité, alimentation, stress, violence, conduite dangereuse, comportements sexuels, relations familiales... Environnement : contamination physique, chimique, biologique, psychosociale et socioculturelle (qualité de l’eau potable, hygiène alimentaire, conditions de logement, sécurité et hygiène au travail...). Services de santé : Négatif : mauvaise utilisation des ressources, longues listes d’attente, bureaucratisation des soins... Positif : interventions préventives (vaccinations pour les enfants, les adultes, les personnes âgées...), interventions hospitalières (hydratation intraveineuse, accouchement et soins post- partum, utilisation d’antibiotiques…). Biologie humaine : constitution physique, patrimoine génétique, développement, croissance, vieillissement... Investissements publics dans la santé Systèmes de santé : principalement les salaires des professionnels de santé. Environnement : interventions des municipalités, des communautés, des individus... ex. traitement des déchets, purification de l’eau, études d’impact environnemental... Recherche biologique. Éducation à la santé : modification des habitudes et modes de vie liés à la santé... (Voir schéma) « La gestion des investissements de la société dans la santé repose sur des prémisses étranges. On suppose que nous sommes malades et guéris, alors qu’il est plus proche de la vérité de dire que nous sommes en bonne santé et rendus malades. » – Thomas McKeown  Unité 4 Niveaux de prévention Médecine préventive Partie des soins de santé qui vise à prévenir les maladies (prévention primaire), ou à empêcher leur développement en symptômes ou leur évolution vers la mort (prévention secondaire), ou à restaurer une fonction perdue (prévention tertiaire ou réhabilitation). La différence entre la médecine préventive et la santé publique réside dans le comment, et non dans l'objectif final, qui est le même : prévenir les maladies, éviter les dommages et les décès prématurés, et améliorer la qualité de vie. En médecine préventive, l'approche individuelle est maintenue : les mesures de soins (thérapeutiques ou non) sont appliquées au chevet du patient ou lors d'une consultation. En revanche, la santé publique agit à un niveau collectif : avec des mesures législatives pour protéger la santé, la planification et le financement de campagnes de vaccination, l'inspection sanitaire pour garantir le respect des lois, ou encore des plans éducatifs. Prévention primaire Elle vise à réduire la probabilité d'apparition de la maladie. D'un point de vue épidémiologique, elle cherche à réduire son incidence. Les mesures de prévention primaire agissent pendant la période pré-pathogénique de l’histoire naturelle de la maladie, c’est-à-dire avant que l’interaction des facteurs de risque avec l’hôte ne donne lieu à l’apparition de la maladie. Elle est typique des maladies infectieuses. On peut distinguer deux sous-niveaux : Prévention non spécifique : mesures prises sur l’individu, la communauté ou l’environnement afin de prévenir l’apparition de maladies en général, c’est-à-dire de manière non spécifique. Toutes ces mesures relèvent des activités de promotion de la santé. Prévention spécifique : elle est uniquement destinée à prévenir une maladie spécifique (ex. : vaccination). Prévention secondaire Elle intervient uniquement lorsque la prévention primaire n’a pas eu lieu ou, si elle a eu lieu, a échoué. Une fois que la maladie s’est déclarée (période pathogénique), la seule possibilité de prévention est l’interruption de l’état pathologique par un traitement précoce et opportun, afin de parvenir à une guérison ou d’éviter l’apparition de séquelles. Elle inclut donc le diagnostic précoce et le traitement. Prévention tertiaire Elle s'applique lorsque la maladie est déjà bien installée, que des séquelles soient apparues ou non. Elle comprend deux sous-niveaux : Limitation des dommages. Réhabilitation.  Unité 5 Médecine communautaire. Niveaux d’assistance. Systèmes de santé. Médecine communautaire Prestation de services préventifs et de soins aux personnes en bonne santé et malades au sein de la communauté. Elle comprend également l’étude des facteurs environnementaux, sociaux et comportementaux qui causent des maladies, ainsi que la promotion de leur correction. Ses fonctions sont : Promotion de la santé et prévention des maladies. Soins de santé et travail social (au centre de santé et au domicile du patient). Santé publique vs médecine communautaire La médecine communautaire intègre : la responsabilité et la participation de la communauté dans : La planification. L’administration. La gestion. Le contrôle des activités de santé. Niveaux d’assistance Soins primaires Ils coïncident essentiellement avec la médecine communautaire. Ils sont principalement exercés dans les centres de santé, où se déroulent la pratique clinique, la majeure partie de la médecine préventive, ainsi que l’éducation et la promotion de la santé. De plus, un service d’urgence de jour y est disponible. Avantages : Accessibilité physique facile au centre de santé. Possibilité de choisir son professionnel de santé. Inconvénients : Distance par rapport au domicile du patient. Nécessité de prendre rendez-vous. Rareté des visites à domicile. Soins spécialisés En Espagne, ils sont dispensés dans les hôpitaux du réseau public et par différents spécialistes de la santé, qui dépendent de l’hôpital et des gestionnaires de ses services. Systèmes de santé Systèmes de santé publics (Les coûts sont pris en charge par l’État) : financés par le budget général de l’État (impôt sur le revenu des personnes physiques, TVA…) et les taxes indirectes (carburants, tabac, alcool…). Systèmes de santé privés (Les coûts sont pris en charge de manière privée) : l’utilisateur final paie directement par consultation ou par le biais d’une assurance santé privée. Prestation : mise en œuvre des activités de soins de santé. Public : les professionnels sont des fonctionnaires au service des administrations publiques. Privé : recours au secteur privé ou à des professionnels indépendants. Achat : acquisition de services et de biens de santé essentiels à la réalisation des activités de soins de santé. Par exemple : médicaments, technologies de diagnostic, dispositifs médicaux, services de stérilisation, lutte contre les nuisibles, services de maintenance, services d’hôtellerie et soutien des travailleurs sociaux...  Unité 6 Démographie et santé Démographie C'est la science qui étudie les populations humaines : leur nombre, leur composition et leur évolution dans le temps. La Santé Publique utilise la démographie pour : Élaborer des taux et d'autres indicateurs de santé. Réaliser des études épidémiologiques sur les populations. Effectuer des plans et des programmations dans le domaine de la Santé Publique. Démographie statique : étude des populations à un moment donné, leur composition par âge, sexe, race, religion..., parmi d'autres variables. Démographie dynamique : science qui étudie l'évolution des populations dans le temps, leur croissance et diminution dues aux naissances, décès et migrations. Démographie statique Recensement : un ensemble de processus visant à collecter, résumer, analyser et publier des données démographiques, économiques et sociales sur tous les habitants d’un pays, à un moment donné. Caractéristiques : Universel et individualisé. Pas de duplication des données. Réalisé par un agent recenseur, le chef de famille ou en ligne. Obligatoire et confidentiel. Document statistique. Simultané. Réalisé tous les 10 ans (périodicité du recensement). Sous la responsabilité de l'Institut National de Statistique (INE). Registre municipal : c'est la liste des résidents et passants dans chaque commune. Caractéristiques : Obligatoire, individuel et simultané. Réalisé chaque année (au 1er janvier). Document administratif. Données obligatoires collectées : nom et prénom ; adresse ; sexe ; nationalité ; lieu et date de naissance ; DNI ou NIE (Numéro d’Identité des Étrangers) ; niveau académique ; données facultatives : numéro de téléphone, permis de conduire... Sa création, son maintien, sa révision et sa conservation sont sous la responsabilité de la mairie. La coordination des registres de toutes les communes relève de l’Institut National de Statistique (INE). Registres civils : Ce ne sont pas des sources d’informations démographiques statiques. Ils enregistrent les entrées (naissances et immigrations) et les sorties (décès et émigrations). Ils fournissent le moins d’informations. Le bon fonctionnement du registre municipal en dépend. Démographie et santé Avec les données du recensement et du registre, il est possible de réaliser des tableaux et graphiques montrant la répartition de la population par groupes d’âge et par sexe. Le graphique de répartition de la population le plus connu est la pyramide des âges. Dans une pyramide des âges, on peut observer : Taux de natalité supérieur chez les hommes. Taux de mortalité supérieur chez les hommes. Rétrécissements ou étranglements. Mortalité infantile dans les pays pauvres. Groupe d’âge moyen > groupes d’âge jeunes, dans les pays développés. Il existe trois types de représentations : Ampoule : Faible taux de natalité et faible mortalité. Espérance de vie élevée. Typique des pays développés (avec de bonnes conditions sanitaires). Population régressive. Pagode : Taux de natalité élevé et taux de mortalité élevé. Faible espérance de vie. Typique des pays sous-développés (avec de faibles niveaux sanitaires). Population progressive. Cloche : Taux de natalité élevé et taux de mortalité faible. Espérance de vie élevée. Typique des pays en développement (bonnes conditions sanitaires). Population stationnaire. Indicateurs Un indicateur est une mesure choisie pour mettre en évidence un aspect de la santé de la population ou de la performance du système de santé. Coefficient de masculinité : nombre d’hommes pour 100 femmes. Il permet d'observer la répartition de la population par sexe. C.M. = (nombre d’hommes / nombre de femmes) x 100 Exemple : Espagne (2017) C.M. = 96,24 % Âges jeunes : C.M. > 100 35-45 ans : C.M. = 100 45 ans : C.M. < 100 85 ans : C.M. = 42,61 % Indice de population : relation entre la mortalité globale et la mortalité par âge. Indice de Sundbärg : Divise la population en 3 groupes d'âge : 0-14 ans, 15-50 ans et > 50 ans. Il représente les pourcentages des premier et troisième groupe par rapport au groupe intermédiaire 15-50 ans = 100; 0-14 ans = X% ; > 50 ans = Y%. Si X > Y : population progressive Si X = Y : population stationnaire Si X < Y : population régressive Indice de Friz : Divise la population en 2 groupes d'âge : 0-20 ans et 30-50 ans. Il représente la proportion de la population âgée de 0 à 20 ans par rapport à celle de 30 à 50 ans, en prenant 100 comme base. Indice de Friz > 160 : population jeune 160 > Indice de Friz > 60 : population mature Indice de Friz < 60 : population vieillissante Indice de Burgdöfer : Divise la population en 2 groupes d'âge : 6-15 ans (A) et 45-65 ans (B). Deux rectangles proportionnels aux effectifs des groupes sont dessinés, pour le groupe de 6 à 15 ans et pour celui de 45 à 65 ans, comme si une pyramide était tracée pour ces deux grands groupes. Si A > B : population progressive Si A = B : population stationnaire Si A < B : population régressive Démographie dynamique Elle étudie les changements dans les populations, leur taille et leur structure. Elle est très utile pour la planification de la santé. Des décisions comme la construction d’un nouveau centre de santé ou l’embauche de plus de professionnels de santé en dépendent. Les changements dans la population sont dus à des variables telles que : Taux de natalité. Taux de mortalité. Migrations. Natalité : fait positif (car il s'agit de naissances vivantes). Naissance vivante : expulsion ou extraction du produit de la conception montrant un signe de vie, indépendamment de : o La durée de la grossesse (semaines de gestation). o Si le cordon ombilical a été coupé ou non. o Si le placenta a été délivré ou non. (Définition biologique de la XXXe Assemblée de l’OMS). Définition légale : vit au moins les 24 premières heures et a une configuration humaine (jusqu’en 1974). Mort-né : décès avant l’expulsion ou extraction du produit de la conception, sans respiration ou signes de vie. Taux liés à la natalité Taux brut de natalité = (nombre de naissances vivantes / nombre d’habitants) x 1000 Taux général de fécondité = (nombre de naissances vivantes / nombre de femmes (15-49 ans)) x 1000 Taux spécifique de fécondité = (Nu / Pu) x 1000 (Nu = naissances vivantes; Pu = femmes par groupe d'âge; u = groupe d’âge) Mortalité : fait négatif. Principales causes : Biologiques endogènes au début de la vie (fœtus non viables, létalité infantile). Biologiques endogènes à la fin de la vie (vieillissement, progression géométrique avec l'âge). Exogènes (maladies, accidents, etc.). En Espagne : 1re - Maladies cardiovasculaires (MCV) 2nd - Cancer 3ème - Accidents de la route 4ème - Maladies respiratoires 5ème - Maladies digestives Taux liés à la mortalité Taux brut de mortalité = (nombre de décès / nombre d’habitants) x 1000 Mortalité proportionnelle (indice de Swaroop) : M.P. = nombre de décès (> 50 ans) / nombre total de décès) x 100 Taux de mortalité infantile = nombre de naissances vivantes décédées avant 1 an / nombre de naissances vivantes x 1000 Mortalité maternelle = nombre de décès (grossesse + accouchement + post-partum) / nombre de naissances vivantes x 100 000 Croissance naturelle de la population : différence entre les entrées et les sorties. CNP = (B – D + I – E) o B : Naissances o D : Décès o I : Immigrants o E : Émigrants  Unité 7 Biostatistiques de base Biostatistiques En Santé Publique, la recherche s'intéresse aux personnes, aux maladies et aux déterminants de la santé. On parle de population, mais, en réalité, ce sont des échantillons ou des sous-ensembles de personnes issues de ces populations qui sont étudiés. Un échantillon est représentatif d'une population lorsqu'il a été choisi de manière aléatoire. Cela garantit que ce qui est dit à son sujet correspond, avec une marge d'erreur acceptable, à ce qui se passe réellement dans cette population. Les échantillons sont composés de sujets ayant différentes caractéristiques (sexe, âge, poids, taille, couleur des yeux, présence de maladies,...). Ces caractéristiques sont appelées variables à l'étude. Types de variables Variables qualitatives : elles correspondent à une qualité, sans états intermédiaires. Par exemple : sexe (masculin ou féminin), couleur de cheveux (blond, brun, roux…), profession, race. Variables nominales : variables ayant deux ou plusieurs catégories, mais sans ordre intrinsèque. o Groupe sanguin : A, B, AB, O. o Couleur des yeux : noir, marron, bleu, vert, gris... Variables dichotomiques : variables nominales ayant seulement deux catégories ou niveaux. o Par exemple : sexe, type de propriété (résidentielle ou commerciale)... Variables ordinales : variables ayant deux ou plusieurs catégories, comme les variables nominales, mais dont les catégories peuvent être ordonnées ou classées. Bien que l’on puisse établir un classement, on ne peut leur attribuer une "valeur" précise. o Échelles de douleur : rien, peu, beaucoup, énormément. o Classe sociale : basse, moyenne, élevée. Variables quantitatives : elles correspondent à une valeur numériquement quantifiable. Variable continue : par exemple, le poids. o Les variables continues peuvent être subdivisées en : ▪ Variables d'intervalle : ce sont des variables dont la caractéristique principale est qu'elles peuvent être mesurées sur un continuum et qu'elles possèdent une valeur numérique. ▪ Variables de ratio : ce sont des variables d'intervalle, mais avec la condition supplémentaire que 0 (zéro) dans la mesure indique l'absence de cette variable. Des exemples de variables de ratio incluent la taille, la masse, la distance, et bien d'autres. Le terme "ratio" reflète le fait qu'on peut utiliser le rapport entre les mesures. Par exemple, une distance de dix mètres est deux fois celle de cinq mètres. Variable discrète : par exemple, le nombre d'enfants, le nombre d'accidents de la route, le nombre de mariages… Fréquence des variables La plupart des études commencent par décrire les variables d'intérêt dans l'étude. Dans chaque échantillon, la fréquence de la variable objet de l'étude est analysé. Les outils suivants peuvent être utilisés : Proportions. Rapports. Taux. Proportion : C'est une fraction dans laquelle le numérateur est un sous-groupe du dénominateur. Elle représente le nombre de cas ayant une certaine caractéristique par rapport au nombre total d'éléments de l'échantillon (n), exprimée en pourcentage. Proportion = (a / (a+b)) x 100 Nombre de femmes dans la classe = 28 Nombre total d'élèves = 40 Proportion de femmes = (28 / 40) x 100 = 70 % Rapport : Il utilise des données dans lesquelles le numérateur ne fait pas partie du dénominateur. Cela le distingue d'une proportion. Il est utilisé pour comparer deux sous-échantillons en relation avec une qualité. Rapport = a / b Rapport de sexes = 28 / 12 = 2,33 2,33 femmes : 1 homme Taux : Un taux se compose de trois éléments : Numérateur : par exemple, le nombre de personnes dans une population ayant un certain événement (comme des décès). Dénominateur : par exemple, le nombre total de personnes dans la population. Période de temps : par exemple, la durée pendant laquelle ces événements se sont produits. Un taux permet une comparaison entre différentes populations, entre différents sous- groupes au sein d'une même population, et entre différentes périodes de temps pour une population donnée. Il est multiplié par un nombre (1000, 10 000,...) selon le phénomène étudié (par an, par mois, par jour…). Taux de natalité = 6 000 / 1 000 000 = 6‰ par an Distribution de fréquence Mesures de tendance centrale Une mesure de tendance centrale est une valeur unique qui tente de décrire un ensemble de données en identifiant la position centrale de cet ensemble. Ainsi, les mesures de tendance centrale sont parfois appelées mesures de localisation centrale. Pour les variables quantitatives, comme l'âge ou le poids, il est souhaitable de savoir comment les données sont distribuées et quel est le point central de cette distribution. La moyenne, la médiane et le mode sont toutes des mesures valides de tendance centrale, mais dans différentes conditions, certaines deviennent plus appropriées que d'autres. Mode Le mode est la valeur la plus fréquente dans un ensemble de données. Le mode est normalement utilisé pour des données catégoriques où l'on souhaite connaître la catégorie la plus courante. S'il y a plus d'une valeur fréquente, on parle de bimodal, trimodal, etc. Exemple : accidents de la route : 23h (ou 23h et 3h du matin). Avec des variables continues, où les intervalles sont connus mais pas les valeurs spécifiques, on utilise le terme intervalle modal. Exemple : âge ayant le plus de consultations médicales : 60-69 ans. Médiane La médiane est la valeur qui laisse autant d'observations de l'échantillon en dessous qu'au-dessus, qu'elle appartienne ou non à l'échantillon. La médiane est la valeur centrale d'un ensemble de données classées par ordre de grandeur. En général, la médiane est la valeur qui occupe la position (n+1) / 2 dans l'échantillon, classé du plus petit au plus grand. Exemple : 1, 5, 7, 9, 3 Classées : 1, 3, 5, 7, 9 Position de la médiane : (n+1)/2 = (5+1)/2 = 6/2 = 3e position La médiane serait donc 5. Nombre pair de données : lorsqu'il y a un nombre pair de valeurs, il faut prendre les deux valeurs centrales et faire la moyenne. Exemple : 1, 3, 5, 6 Dans ce cas, comme il n’y a pas de valeur centrale, la médiane est : (n+1)/2 = (4+1)/2 = 5/2 = 2,5 La valeur entre les positions 2 et 3. La médiane est donc : (3+5)/2 = 4. Percentiles, déciles et quartiles La médiane divise l'échantillon ordonné en deux parties égales et, de manière généralisée, on obtient les percentiles, déciles ou quartiles, qui sont les valeurs divisant l'échantillon ordonné en cent, dix ou quatre parties égales, respectivement. Le iᵉ percentile est la valeur qui laisse i % des valeurs de l'échantillon ordonné à sa gauche. Exemple : si le 10ᵉ percentile du poids des nouveau-nés masculins est de 2700 grammes, cela indique que seulement 10 % d'entre eux ont un poids inférieur à 2700 grammes. Les percentiles sont très utiles pour décrire les cas rares dans les populations. Quartiles : ils correspondent aux percentiles P25, P50 et P75. Ils sont appelés premier, deuxième et troisième quartile, car ils laissent à leur gauche respectivement 1/4, 2/4 (1/2) et 3/4 des valeurs de l'échantillon ordonné, divisant ainsi l'échantillon en quatre parties égales. Déciles : ils correspondent aux percentiles P10, P20,..., P90 et divisent l'échantillon en dix parties égales. Moyenne (arithmétique) : La moyenne est la moyenne des valeurs d'un échantillon. La moyenne est égale à la somme de toutes les valeurs de l'ensemble de données divisée par le nombre de valeurs dans cet ensemble. La moyenne est influencée par les valeurs extrêmes, qui peuvent fausser le résultat. Exemple : Patients avec les âges : 8, 17, 21, 34, 47, 56, 62, 71 et 80 ans. m = (8 + 17 + 21 + 34 + 47 + 56 + 62 + 71 + 80) / 9 = 44 ans Type de variable Meilleure mesure de tendance centrale Nominale Mode Ordinale Médiane Intervalle/Ratio (non biaisé) Moyenne Intervalle/Ratio (biaisé) Médiane Mesures de dispersion Les mesures de dispersion fournissent des informations sur la variation des données. Elles nous indiquent combien les données d'un échantillon sont variables, divergentes ou dispersées. Elles nous permettent de savoir à quel point les valeurs de l'échantillon sont différentes (c'est-à-dire si elles sont regroupées ou dispersées). Les mesures de dispersion incluent : L'étendue. La déviation moyenne, la variance et l'écart-type. Le coefficient de variation. Étendue : C'est la mesure de dispersion la plus simple, et elle est définie comme la différence entre les valeurs maximales et minimales dans un ensemble de données, une fois que les valeurs ont été ordonnées. A = Xmax – Xmin Exemple : âges des patients : A = 80 – 8 = 72 ans L'étendue est exprimée dans les mêmes unités que les données, mais elle ne prend en compte que deux valeurs. Si l'échantillon est grand, avec des valeurs extrêmes, la valeur de l'étendue augmentera. Bien qu'elle soit utile pour voir quelle est la différence entre les observations dans un échantillon, elle ne donne aucune information sur la répartition des données. Déviation moyenne, variance et écart-type : La déviation est la distance de chaque valeur par rapport à la moyenne : (xi – x). La moyenne de ces distances est ce que l'on appelle la déviation moyenne. Ainsi, la déviation moyenne sera égale à la moyenne arithmétique des déviations absolues par rapport à la moyenne. La variance est calculée à partir des déviations de chaque valeur par rapport à sa moyenne arithmétique. Pour éviter les valeurs négatives des déviations, celles-ci sont élevées au carré : Exemple : poids de 4 patients : 60, 50, 62 et 80 kg. m = (60 + 50 + 62 + 80) / 4 = 63 kg. Ꟙ = ((60-63)² + (50-63)² + (62-63)² + (80-63)²) / 4 = 117 kg². L'écart-type est la racine carrée de la variance. C'est la meilleure mesure de dispersion et la plus largement utilisée dans les sciences de la santé. L'écart-type indique la distance moyenne entre une valeur d'observation et la moyenne d'un ensemble de données. De cette manière, il montre à quel point la moyenne représente bien les valeurs dans un ensemble de données. Exemple : dans l'exemple des poids des patients : σ = √117 = 10,8 kg Plage inter-quartile (IQR) : L'IQR est une mesure de dispersion nécessaire lorsqu'on utilise la médiane comme mesure de tendance centrale. Elle montre la plage des 50 % du milieu des observations. L'IQR se trouve d'abord en trouvant la médiane d'un ensemble de données, puis en trouvant les médianes des 50 % inférieurs des données et des 50 % supérieurs. Exemple : Données : 2, 2, 3, 4, 5, 5, 6, 7, 8, 9, 11, 13, 15, 15, 17, 19, 20 Trouver la médiane : 2, 2, 3, 4, 5, 5, 6, 7, 8, 9, 11, 13, 15, 15, 17, 19, 20 Trouver le premier quartile (Q1), qui est la médiane des 50 % inférieurs : 2, 2, 3, 4, 5, 5, 6, 7, 8 Trouver le Q3, qui est la médiane des 50 % supérieurs : 8, 9, 11, 13, 15, 15, 17, 19, 20 L'IQR est la différence entre Q3 et Q1. IQR = Q3 - Q1 IQR = 15 – 5 = 10 Le coefficient de variation de Pearson : Il est obtenu en divisant l'écart-type par la moyenne et exprimé en pourcentage. Les écarts-types ne sont pas comparables car ils se réfèrent à des mesures. Pour les rendre comparables, ils sont extrapolés à une moyenne de 100. Exemple : poids des patients : V.C. = 10,8 / 63 X 100 = 17,1% Si le V.C. augmente, la dispersion de la variable augmente, c'est-à-dire qu'une variable très dispersée aura un V.C. élevé. Représentations graphiques Pour une meilleure compréhension, les données doivent être tabulées (Tableaux 2 et 3) et présentées graphiquement. Lorsqu'on travaille avec de très grandes séries de données, celles-ci sont généralement regroupées en intervalles. Les limites de ces intervalles ne doivent pas se chevaucher. La représentation graphique des données peut prendre la forme de : Diagramme en barres : graphique qui présente des données catégorielles avec des barres rectangulaires dont la hauteur ou la longueur est proportionnelle aux valeurs qu'elles représentent. Graphique sectoriel (camembert) : consiste à diviser un cercle de manière à ce que les valeurs les plus fréquentes aient des secteurs plus grands. Il est généralement utilisé pour des variables qualitatives, mais peut également être utilisé pour représenter des données discrètes. Pictogrammes et cartogrammes : les pictogrammes montrent des images faisant référence au contexte. Les cartogrammes représentent des cartes dans lesquelles les provinces ou régions sont colorées ou présentent un motif représentant un taux d'un phénomène. Polygone de fréquence et histogramme : un polygone de fréquence est un graphique obtenu en reliant les points centraux des classes d'un histogramme. Utilisé pour les variables quantitatives continues. Diagramme de points et lignes de régression : une ligne de régression montre la relation entre des points de données dispersés dans un ensemble. Elle montre la relation entre la variable dépendante (y) et les variables indépendantes (x) lorsqu'il existe un modèle linéaire. Problèmes Les âges de neuf enfants ayant contracté la rougeole à Madrid sont : 3, 2, 4, 2, 1, 3, 5, 3 et 4 ans. Calculer : o Mode, médiane et moyenne arithmétique. o Plage ou amplitude, déviation moyenne, variance, écart-type et coefficient de variation. Données ordonnées : 1, 2, 2, 3, 3, 3, 4, 4, 5 Mode = 3 ans (valeur répétée 3 fois) Médiane : (n+1) / 2 = (9+1) / 2 = 5ème place = 3 ans (place centrale de la distribution) Moyenne : x̄ = ∑ xi / n = (1+2+2+3+3+3+4+4+5) / 9 = 27 / 9 = 3 ans Plage = xmax - xmin = 5 - 1 = 4 ans Déviation moyenne = ∑│ xi – x̄ │ / n = ( │ 1-3 │ + │ 2-3 │ + │ 2-3 │ + │ 3-3 │ + │ 3-3 │ + │ 3-3 │ + │ 4-3 │ + │ 4-3 │ + │ 5-3 │ ) / 9 = 8 / 9 = 0,89 ans Variance : Ꟙ = ∑ ( xi – x̄ )² / n = ((1-3)² + (2-3)² + (2-3)² + (3-3)² + (3-3)² + (3-3)² + (4-3)² + (4-3)² + (5-3)²) / 9 = 12 / 9 = 1,33 ans² Écart-type : σ = √ Ꟙ = √ 1,33 = 1,15 ans Coefficient de variation = σ / x̄ × 100 = 1,15 / 3 × 100 = 0,38 × 100 = 38 %  Unité 8 Épidémiologie de base Épidémiologie Étymologiquement, le mot épidémiologie dérive des racines grecques epi (à propos de, relatif à), demos (peuple) et logos (science). Par conséquent, il fait référence à l'étude scientifique de ce qui se passe au sein d'une population. Définition : science qui étudie les déterminants, l’apparition et la répartition de la santé et des maladies dans une population définie. L'épidémiologie repose sur trois piliers fondamentaux : Connaître la fréquence d'apparition de la maladie : le nombre de malades et de personnes en bonne santé est quantifié. Connaître sa distribution dans la population : basée sur trois variables : o Personne (Qui tombe malade). o Lieu (Où tombent-ils malades). o Temps (Quand tombent-ils malades). Connaître les déterminants de la maladie : facteurs de risque qui déterminent l'apparition de la maladie afin d'agir sur eux et de pouvoir les prévenir. Applications de l’épidémiologie Surveillance des maladies : Permet d'identifier de nouveaux syndromes. Permet de connaître la fréquence d'apparition, qui est touché et comment cela les affecte. Permet de connaître la distribution de la maladie selon la population. Permet de déclarer les maladies les plus courantes et importantes aux autorités sanitaires. Permet de connaître les fluctuations de la maladie (évolutions de la maladie en fonction du temps). Identifier les causes du développement de la maladie : Permet d’analyser les caractéristiques personnelles et environnementales liées à un événement. Cela se fait grâce à des études comparatives entre un groupe d'individus malades et un groupe d'individus sains (études cas-témoins). Exemple : SIDA (AIDS) : o Homosexuels -> plus de partenaires -> transmission sexuelle. o Usagers de drogues -> transmission parentérale. o Rétrovirus -> même mode de transmission que l’hépatite. Réaliser des tests diagnostiques : Permettent de déterminer la présence ou l'absence de la maladie. Ils peuvent être : o Tests de dépistage : toute la population. o Tests spécifiques : uniquement les groupes à risque au sein de la population. Ils permettent de distinguer les malades des personnes saines. Ils permettent également de déterminer quels groupes de population sont plus à risque (surveillance accrue et traitement précoce). Déterminer l’histoire naturelle de la maladie. On peut visualiser les étapes que traverse la maladie et la durée de chacune d’elles. Évaluer l’efficacité d’un traitement précoce, de connaître la probabilité de survie et le pronostic de la maladie. Déterminer l’efficacité et la sécurité d’un traitement : Cela se fait grâce à des études impliquant deux groupes de patients (essai clinique) : o Groupe d’intervention : reçoit le traitement réel. o Groupe témoin : ne reçoit aucun traitement ou un placebo. La méthode épidémiologique C’est la méthode scientifique appliquée à l’étude des occurrences de santé et de maladie dans une population. L’objectif de toute étude épidémiologique est d’établir une loi scientifique générale qui régit l’ensemble du phénomène étudié. Cette loi doit expliquer le phénomène dans n’importe quelle circonstance, quel que soit le moment où l’étude est réalisée, la population étudiée, ou l’équipe de chercheurs impliquée. Pour établir une loi scientifique, il y a trois étapes principales : Observer les faits les plus significatifs. Établir les hypothèses qui, si elles étaient vraies, expliqueraient ces faits. Déduire des hypothèses des conséquences ou des conclusions pouvant être testées par l’observation et l’expérimentation. Si les conclusions ou conséquences sont vérifiées, l’hypothèse est provisoirement acceptée et établie comme une loi scientifique générale, même si elle peut nécessiter des modifications ultérieures suite à la découverte de nouveaux faits. 1. Observation : cela nécessite des connaissances préalables sur le sujet observé (consultation de la bibliographie). Les données descriptives collectées permettent d’analyser la cause du phénomène (par exemple, des maladies) et d’identifier les groupes avec une incidence élevée ou faible de ce phénomène. 2. Formulation d’hypothèses : l’étape suivante consiste à déterminer pourquoi la fréquence est élevée ou faible dans un groupe particulier. Les observations de ces différences dans l’apparition d’une maladie au sein de la population conduisent à la formulation d’une hypothèse, par exemple des prédictions basées sur une théorie qui pourront ensuite être acceptées ou rejetées par d’autres études. 3. Vérification de l’hypothèse : une fois l’hypothèse formulée, des conséquences en sont déduites et ces conséquences sont confrontées à l’expérience. En épidémiologie, s’il n’est pas possible de réaliser des tests expérimentaux, les hypothèses seront vérifiées à l’aide d’études observationnelles. 4. Résolution de l’hypothèse : il est nécessaire d’examiner la possible causalité de la relation étudiée. Pour ce faire, des tests expérimentaux ou des critères épidémiologiques supplémentaires sont utilisés. 5. Loi scientifique générale : la loi qui régit le phénomène observé. Les résultats d’une étude peuvent à leur tour générer de nouvelles hypothèses qui devront être testées par de nouvelles études, créant ainsi une boucle de rétroaction. Types de mesures Mesures de fréquence : Elles permettent de mesurer l’apparition d’une maladie (quelle est la fréquence de la maladie ?). Prévalence. Taux d’incidence. Incidence cumulative. Densité d’incidence. Mesures d’association : Elles permettent d’établir l’association entre des caractéristiques et des variables. Risque relatif (RR). Odds ratio (OR). Mesures d’impact potentiel : Elles sont obtenues en appliquant des connaissances préalables sur la relation entre le facteur de risque et la maladie. Risque attribuable. Risque attribuable à la population. Mesures de fréquence Prévalence : mesure tous les cas de la maladie (récents et anciens), soit à un moment donné (prévalence ponctuelle), soit sur une période donnée (prévalence sur une période). Elle est utile pour les maladies de longue durée (diabète, hypertension, maladies psychiatriques). La prévalence ponctuelle est la plus adaptée pour une maladie dont les caractéristiques cliniques sont relativement stables, par exemple le diabète. La prévalence sur une période est une meilleure mesure lorsque les symptômes fluctuent, par exemple l’arthrite. P = # des cas / population totale X 100 (%) C’est une proportion, pas un taux. La prévalence diminue avec la guérison de la maladie ou la mort des patients. P=I×D (I = incidence ; D = durée de la maladie). Incidence : représente l’apparition de nouveaux cas d’une maladie dans une population à risque. Elle mesure la probabilité pour un individu non affecté de développer une condition de santé spécifique sur une période donnée. Taux d’incidence : indique le rythme d’apparition des nouveaux cas. Généralement exprimé en x cas pour 1 000 personnes par an. I.R. = # nouveaux cas / population totale X 1000 (‰) par an Incidence cumulative : compte les cas apparus pendant une période de temps spécifiée. Par exemple, si dans une population de 100 000 femmes, sur cinq ans, 100 développent un cancer du sein, l’incidence cumulative sur cinq ans serait de 100 pour 100 000 femmes. C.R. = # nouveaux cas / population totale Densité d’incidence : mesure la rapidité avec laquelle un événement de santé survient dans une population. Le numérateur est le même que pour le taux d’incidence, mais le dénominateur inclut une mesure du temps-personne (généralement des années-personnes). I.D. = # nouveaux cas / temps-personne de l’observation dans la population à rique o Temps-personne : somme du temps que chaque individu à risque contribue à l’étude. o C’est un taux. o Un taux de 0,1 cas/années-personnes indique qu'en moyenne, pour chaque 10 années-personnes (10 personnes suivies chacune pendant 1 an ou 2 personnes suivies pendant 5 ans, etc.), 1 nouveau cas du problème de santé se développera. Relation entre prévalence et incidence La prévalence dépend de l’incidence et de la durée de la maladie (P=I×D). Petite prévalence → Incidence faible et durée courte (guérison rapide ou décès rapide). Exemple : herpès labial. Grande prévalence → Incidence élevée et longue durée (guérison lente ou chronicité). Exemple : VIH/hépatite B. Pour que la prévalence soit supérieure à l’incidence, cette dernière doit être faible et la durée longue. La prévalence est inférieure à l’incidence lorsque cette dernière est élevée et la durée de la maladie courte. Diabète insulino-dépendant : Incidence faible + durée longue → Prévalence > Incidence. Début du SIDA : Incidence élevée + durée courte → Prévalence < Incidence. La prévalence peut changer en raison de : Changements dans l’incidence (diminution lorsque de nouveaux cas sont évités, augmentation en raison d’améliorations diagnostiques). Changements dans la durée de la maladie (réduction grâce à des traitements améliorés ou augmentation avec des médicaments prolongeant l’espérance de vie). Changements simultanés de l’incidence et de la durée. En connaissant la prévalence et l’incidence, il est possible de déterminer l’espérance de vie d’une personne atteinte d’une maladie spécifique. Deux conditions doivent être remplies : L’incidence est constante. La prévalence est inférieure à 10 % Espérance de vie -> D = P / I Mesures de fréquence Taux de létalité : probabilité de mourir parmi les cas diagnostiqués d’une maladie. Il est calculé en divisant le nombre de décès dus à une maladie spécifiée sur une période définie par le nombre d’individus diagnostiqués avec cette maladie pendant cette période. L = (Nombre de décès parmi les diagnostiqués / Nombre total de diagnostiqués) × 100 Survie : probabilité de survivre parmi les cas diagnostiqués d’une maladie. S = (Nombre de diagnostiqués – Nombre de décès) / Nombre de diagnostiqués × 100 Le taux de létalité est le complément du taux de survie. L (%) + S (%) = 100 % Mesures d'association Les mesures d'association sont utilisées pour comparer la relation entre une exposition spécifique et un résultat de santé. Elles peuvent également être utilisées pour comparer deux ou plusieurs populations afin d'identifier des facteurs ayant des rôles étiologiques possibles dans l'apparition d'un problème de santé. Une telle association peut être : Statistique : indique la probabilité que la différence entre les valeurs observées soit due au "hasard" ou, plus précisément, soit simplement causée par la variabilité d'échantillonnage. o Significative : (p < 0,05). o Non significative : (p > 0,05). Épidémiologique : o Causale : la fréquence de la maladie varie en fonction de la variable étudiée. Elle peut être : Relation causale directe : Facteur de risque (FR) -> Maladie. Relation causale indirecte : FR -> F -> Maladie. o Non causale : il n’existe aucune relation logique entre le facteur de risque et la maladie. Facteurs de risque : toute caractéristique de l'individu ou de son environnement qui rend la survenue d'une maladie plus probable. De même, il existe des facteurs protecteurs, qui sont ceux qui aident à éviter ou prévenir les cas de maladie. Une cause d'une maladie peut être définie comme tout événement ou toute caractéristique jouant un rôle essentiel dans l'apparition de cette maladie. Les causes peuvent être : Cause suffisante : entraîne inévitablement des conséquences. Cause contributive : n'est pas suffisante en elle-même, mais contribue à l'apparition des conséquences. Cause nécessaire : doit être présente pour que la maladie se produise. En 1965, Bradford Hill a proposé une série de caractéristiques que les associations doivent présenter pour être considérées comme causales. Les aspects suivants d'une association doivent être pris en compte pour distinguer une association causale d'une association non causale. Critères de causalité de Hill :**** Force : les associations fortes sont plus susceptibles d'être causales que les associations faibles. Les associations faibles, en revanche, s'expliquent plus facilement par des biais non détectés. Cependant, une association forte n'est ni nécessaire ni suffisante pour établir une causalité, et une association faible n'est ni nécessaire ni suffisante pour exclure une causalité. Temporalité : fait référence à la nécessité que la cause précède l'effet. Cela ne signifie pas qu'un ordre temporel inverse constitue une preuve contre l'hypothèse selon laquelle C peut causer D. Cela est évident dans les études de cohorte, où l'on commence par des populations saines, que l'on suit pendant un certain temps, pour observer l'apparition de la maladie. Cohérence (ou répétition) : se réfère à l'observation répétée d'une association dans différentes populations et dans des circonstances variées. Cependant, l'absence de cohérence n'exclut pas une association causale, car certains effets ne sont produits par leurs causes que dans des circonstances inhabituelles. Gradient biologique : fait référence à la présence d'une courbe dose-réponse monotone (unidirectionnelle). L'existence d'une association monotone n'est ni nécessaire ni suffisante pour établir une relation causale. Plausibilité : une relation causale doit être soutenue par les connaissances scientifiques et les sciences expérimentales. Cela concerne la plausibilité biologique de l'hypothèse, un point important mais loin d'être objectif ou absolu. Analogie : lorsqu'un facteur produit un certain effet, des facteurs similaires produiront des effets similaires. Cependant, les conclusions tirées de l'analogie sont limitées par l'imagination inventive des scientifiques, qui peuvent trouver des analogies partout. Spécificité : exige qu'une cause entraîne un seul effet et non plusieurs. Ce critère est totalement invalide, car les causes d’un effet donné ne peuvent pas être censées n’avoir aucun autre effet sur des bases logiques. Cohérence (ou compatibilité) : implique qu'une interprétation de cause et effet pour une association ne contredit pas ce qui est connu de l'histoire naturelle et de la biologie de la maladie. La présence d'informations contradictoires peut effectivement affaiblir une hypothèse, mais il faut toujours se rappeler que ces informations contradictoires peuvent être erronées ou mal interprétées. Preuve expérimentale : correspond aux résultats obtenus lorsqu’une exposition nocive est supprimée dans le cadre d’un programme d’intervention ou de prévention, plutôt qu'aux résultats d'expériences en laboratoire. La preuve expérimentale n'est pas un critère en soi, mais un test de l'hypothèse causale, un test souvent indisponible dans la plupart des circonstances épidémiologiques. « Aucun de mes neuf points de vue [critères] ne peut apporter une preuve incontestable en faveur ou contre l’hypothèse de cause à effet, et aucun ne peut être exigé comme une condition sine qua non. » Une association forte ne sert qu’à écarter les hypothèses selon lesquelles l’association est entièrement due à un faible facteur de confusion non mesuré ou à une autre source de biais modéré. La cohérence ne sert qu’à écarter les hypothèses selon lesquelles l’association est attribuable à un facteur qui varie entre les études. Au mieux, l’analogie fournit une base pour des hypothèses plus élaborées sur les associations étudiées ; l’absence de telles analogies reflète seulement un manque d’imagination ou d’expérience, et non la fausseté de l’hypothèse. En réalité, le quatrième critère, la temporalité, est une condition sine qua non pour établir une causalité. À l’exception de cette seule condition, cependant, il n’existe aucun critère nécessaire ou suffisant pour déterminer si une association observée est causale. Aucun des critères ne peut être exigé exclusivement ou pris en compte séparément. Au contraire, plusieurs d’entre eux interviennent simultanément dans pratiquement tous les phénomènes connus comme causes. Risque relatif (RR) : a = Sujets exposés et malades. b = Sujets exposés et non malades. c = Sujets non exposés et malades. d = Sujets non exposés et non malades. À la ligne de base (t=0), personne n'était malade. Les éléments suivants seront calculés : o Incidence chez les exposés (Ie) : a / (a+b) o Incidence chez les non-exposés (Ine) : c / (c+d) o Incidence totale (I) : (a+c) / N Risque relatif (RR) : RR = Ie / Ine RR = 1 -> Le même nombre de sujets exposés et non exposés tombent malades. RR > 1 -> Les exposés tombent malades plus souvent (facteur de risque). RR < 1 -> Les non-exposés tombent malades plus souvent (facteur de protection). Cette mesure ne peut être appliquée que dans des études où les incidences sont connues (à t=0, tous les sujets sont en bonne santé). Odds ratio (OR) : utilisé dans les cas où l'incidence n'est pas connue, mais où le rapport d'exposition chez les malades et les non-malades est connu. OR = (a/c) / (b/d) = (a·d) / (b·c) (a/c) = rapport d'exposition chez les patients. (b/d) = rapport d'exposition chez les non-malades. OR = 1 -> Le même nombre de personnes exposées et non exposées tombent malades. OR > 1 -> Les exposés tombent plus souvent malades (facteur de risque). OR < 1 -> Les non-exposés tombent plus souvent malades (facteur de protection). Risque attribuable (RA) : C’est la portion du taux de maladie attribuable au facteur d’exposition dans le contexte épidémiologique. Cela correspond à la contribution de ce facteur de risque à la maladie uniquement dans la population exposée. Un RA de 0,266 indique que plus d’un quart des occurrences de la maladie sont dues à l’exposition. RA=Ie–Ine Pourcentage de risque attribuable (RA%) : Le RA% indique le pourcentage attribuable au facteur de risque dans le groupe exposé. RA% = (Ie – Ine) / Ie X 100 (Ie/Ine – Ine/Ine) / (Ie/Ine) X 100 RA% = (RR – 1) / RR X 100 Risque attribuable dans la population (RAP) : Le RAP est la proportion de l'incidence dans toute la population attribuable à l'exposition. Le RAP correspond à la différence entre le risque dans la population totale et celui chez les sujets non exposés. C’est l’incidence d’une maladie dans la population qui serait éliminée si l’exposition était éliminée. PAR = Itot – Ine Pourcentage de RAP (RAP%) : Le RAP% indique combien la population bénéficierait si le facteur de risque était éliminé. PAR% = (Itot – Ine) / Itot X 100 Problème 1 : Parmi un total de 1307 patients admis dans un hôpital avec des profils d'hépatite négatifs à l’admission : 595 ont reçu des transfusions sanguines, et 712 n’en ont pas reçu. Après un suivi de 2,5 ans, 75 patients transfusés ont développé une hépatite, contre 16 patients non transfusés. Calculer : les mesures de partenariat et les mesures d’impact en pourcentage. Problème 2 : Pour étudier le rôle de la consommation d’aspirine dans le syndrome de Reye chez les enfants de moins de 10 ans, 400 enfants ont été étudiés. Parmi eux, 200 avaient le syndrome de Reye, dont 190 avaient pris de l’aspirine. Les 200 autres n’avaient pas le syndrome de Reye, mais 130 d’entre eux avaient pris de l’aspirine. Calculer : les mesures de partenariat et le RA%. Surveillance épidémiologique Définition : ensemble d'activités qui, à travers les informations sur les données de morbidité et de mortalité, permet une meilleure compréhension de l'histoire naturelle des maladies, des modifications qui surviennent au fil du temps dans les facteurs de risque et de prévention, l'adoption de mesures préventives, ainsi que la planification et l'interprétation des résultats (contrôle et suivi de toutes les maladies transmissibles ou chroniques). Il s’agit d’une activité systématique de collecte, d’analyse et d’interprétation des données de santé afin de formuler des conclusions pour les agents capables de contrôler le problème. Il est logiquement impossible de recevoir des informations sur toutes les maladies ou problèmes de santé, mais une surveillance épidémiologique active doit être maintenue pour les problèmes évitables tels que certaines infections, cancers, accidents du travail ou de la route. Objectifs : Disposer de données actualisées sur le comportement des maladies en tout temps. Identifier la population susceptible. Mettre en œuvre des mesures de protection. Évaluer ces mesures. Éléments : Collecte de données provenant de différentes sources. Tabulation de ces données. Analyses comparatives et de tendances des maladies. Diffusion des informations. Prise de décision. Évaluation des décisions prises. Sources de collecte de données : données extraites des Systèmes d'Information Sanitaire. Les informations obtenues doivent être : Informations précises. Opportunes (elles doivent être synchronisées avec l’événement au moment où il se produit). Fiables (les informations doivent être telles qu’obtenues). Complètes. Objectives. Valides (mesurer ce qui doit être mesuré). Comparables. Sources d'information : Données de morbidité : o Enquêtes. o Hôpitaux. o Services d’urgences. o Registres des maladies transmissibles. o Registres spécifiques (SIDA). o Déclarations microbiologiques. Données de mortalité : o Registres civils. o Certificats de décès. o Certificats d’autopsie. o Hôpitaux.  Unité 9 Études épidémiologiques Stratégies de conception Pour comprendre un phénomène de santé (comme une maladie), des investigations allant du simple au complexe doivent être menées. Ces études doivent toujours respecter les directives éthiques, car elles impliquent des sujets humains, leurs tissus ou cellules, ainsi que des animaux expérimentaux. Lors de la conception d'une étude épidémiologique, les étapes suivantes sont généralement suivies : 1. Identification et définition du problème de recherche (quoi ?) 2. Objectif ou justification (pourquoi ? et dans quel but ?) 3. Choix de la théorie ou du modèle théorique (questions de recherche, formulation de l’hypothèse). Cela détermine ce que nous savons et identifie ce qui est susceptible d’être étudié. 4. Choix des méthodes (permet de transformer la question de recherche en un plan opérationnel valide). 5. Réalisation de l’étude (analyse des variables de l’étude). Une analyse approfondie de tous les facteurs ou événements qui interagissent et influencent la problématique de santé étudiée est réalisée. 6. Interprétation des résultats par l’exploration des données, leur description et une analyse statistique rigoureuse. Les détails spécifiques de l’analyse statistique, y compris les mesures d’association, les méthodes analytiques et l’approche statistique, sont rapportés. 7. Diffusion des résultats par la publication de l’étude. Classification des études Études observationnelles : o Descriptives : ▪ Rapports de cas. ▪ Séries de cas. ▪ Études transversales. ▪ Études écologiques ou corrélationnelles. o Analytiques : ▪ Études cas-témoins. ▪ Études de cohortes. Études expérimentales : ▪ Essais cliniques. ▪ Essais communautaires. Études observationnelles Études descriptives Les études descriptives sont principalement conçues pour décrire la prévalence et les caractéristiques d’un problème de santé. Elles constituent souvent la base de la recherche épidémiologique, fournissant les éléments nécessaires à la formulation d’hypothèses qui peuvent être explorées dans des études plus analytiques. Les études descriptives jouent également un rôle crucial dans les premières étapes de la planification, en aidant à orienter les décisions en identifiant des problèmes de santé importants. Cas clinique (ou cas index) : o Il s'agit de la description détaillée d’un cas déterminé de maladie, rassemblant plusieurs des éléments généralement considérés comme pertinents et typiques du problème. o Son utilité dans la recherche actuelle est limitée (avec des exceptions), bien qu’il puisse toujours constituer le point de départ d’une approche descriptive d’un nouveau problème de santé. o Son utilité actuelle réside davantage dans l’enseignement et la formation continue. Séries de cas : o Cela implique la description d’un nombre relativement restreint de cas cliniques présentant la même condition. o Ces cas peuvent être un suivi d’un rapport de cas individuel ou présentés en groupe. o Une analyse de fréquence est généralement réalisée sur les données, indiquant le pourcentage de cas chez les hommes et les femmes, dans des professions spécifiques ou des localisations géographiques, ainsi que les facteurs associés tels que l’âge, le poids, etc.  Études transversales (ou études de prévalence) : o Elles consistent en l’observation et l’étude d’un phénomène à un moment donné. Elles décrivent ou identifient des problèmes de santé à un instant précis. o Une description de la fréquence et de la distribution d’une maladie est effectuée (l’existence ou non de la maladie et l’existence ou non de facteurs de risque sont mesurées). o La mesure de fréquence est la prévalence, et la mesure d’association est l’odds ratio. o Les coupes peuvent être effectuées une seule fois ou plusieurs fois à intervalles fixes. o Elles peuvent étudier une seule maladie ou phénomène de santé (par exemple, des enquêtes de santé) ou deux événements simultanément (par exemple, un facteur de risque et une maladie). o Les échantillons sont sélectionnés aléatoirement, idéalement en utilisant une méthode d’échantillonnage probabiliste pour garantir que chaque individu de la population ait une chance égale d’être inclus. o Si l’échantillon est représentatif, la proportion d’individus affectés dans l’échantillon (prévalence de l’échantillon) peut être généralisée à la population globale. Des intervalles de confiance sont calculés pour quantifier l’incertitude autour de cette estimation. o Les études transversales étant une photographie de la population à un moment donné, elles ne peuvent pas déterminer la séquence temporelle des événements. Par conséquent, elles sont limitées dans leur capacité à établir des relations de causalité. o Avantages : ▪ Efficacité et faible coût : les études transversales sont relativement rapides et peu coûteuses à réaliser. ▪ Pas de perte de suivi : il n’y a pas de perte de suivi, car les données sont collectées à un moment unique. ▪ Polyvalence : plusieurs maladies ou facteurs peuvent être étudiés simultanément dans une même étude. ▪ Adaptées aux maladies chroniques : elles sont particulièrement utiles pour étudier les maladies et conditions chroniques. ▪ Outil de planification : les études transversales fournissent des données précieuses pour la planification de la santé en quantifiant le fardeau des maladies. ▪ Génération d’hypothèses : elles peuvent être utilisées pour générer des hypothèses sur des relations causales potentielles. o Inconvénients : ▪ Limitées pour les conditions rares : les études transversales sont moins adaptées à l’étude des maladies à faible prévalence. ▪ Impossible de suivre la progression : elles ne permettent pas de suivre les individus au fil du temps pour comprendre la progression des maladies. ▪ Sujettes à des biais : ces études sont vulnérables à divers types de biais, affectant l’exactitude des résultats.  Études écologiques ou corrélationnelles : o L’unité d’analyse n’est pas l’individu, mais plutôt des zones géographiques comme des pays, des régions ou des districts. o Ces études examinent la fréquence d’une maladie et l’exposition au niveau de la population. o Elles investiguent les associations entre la prévalence, l’incidence ou la mortalité d’une maladie et un facteur de risque (par exemple, la relation entre la consommation moyenne de cigarettes par habitant et la mortalité due au cancer du poumon dans différents pays). o Ces types d’études sont sujets à des erreurs importantes. La plus fréquente est l’erreur écologique, qui consiste à attribuer incorrectement une causalité à une simple corrélation en raison d’un facteur de confusion (l’exposition au niveau individuel est inconnue). o L’un des principaux usages des études écologiques est de générer des hypothèses, suggérer des mécanismes de maladie et identifier des causes potentielles de problèmes de santé, qui peuvent ensuite être confirmés par des études plus sophistiquées (analytiques). Études analytiques Études cas-témoins : o Ces études sont généralement rétrospectives, ce qui signifie qu’elles commencent par un résultat connu (la maladie) et cherchent ensuite à identifier les causes ou expositions possibles. o Cela implique de sélectionner un groupe d'individus atteints de la maladie (cas) et de les comparer à un groupe non atteint par la maladie (témoins). o Le principal défi des études cas-témoins réside dans la sélection des cas et, surtout, des témoins. Les témoins doivent avoir les mêmes caractéristiques que les cas, sauf pour la maladie elle-même. o Les mêmes informations doivent être recueillies auprès des deux groupes. Cela implique généralement un questionnaire ou une étude clinique pour identifier une exposition passée à un agent causal potentiel. Des données sur les variables démographiques de base et d’autres facteurs tels que le sexe, l’âge, la résidence, le niveau d’éducation, le poids, la taille, les habitudes de vie, etc., sont collectées. o Définition du cas : une définition précise de ce qui constitue un "cas" (maladie) est établie. La Classification internationale des maladies (CIM) est couramment utilisée à cette fin. o Les cas peuvent être sélectionnés à partir de : ▪ Hôpitaux : Cas nouvellement hospitalisés ou cas incidents : ces cas sont récemment diagnostiqués, identifiés à l’aide de techniques plus modernes et précises. Cas des dossiers hospitaliers ou cas prévalents : ces cas sont plus anciens et fournissent moins d’informations. ▪ Consultations externes : patients présentant des conditions ne nécessitant pas d’hospitalisation, diagnostiqués et en cours de suivi. ▪ Systèmes de surveillance épidémiologique, pharmacovigilance et autres programmes de suivi. ▪ Cas identifiés dans le cadre d’un problème de santé publique plus large dans une zone géographique spécifique. o Sélection des témoins : ▪ Les populations (cas et témoins) doivent être homogènes. ▪ Le critère principal est : « Ne pas être malade et avoir eu ou avoir la même probabilité d'exposition que les cas. » ▪ Les témoins doivent provenir de la même population cible que les cas. ▪ Idéalement, la population témoin devrait être sélectionnée de manière aléatoire (hautement représentative, mais très difficile à réaliser). o Mesure d’association : o La mesure utilisée est l’Odds Ratio (OR), qui évalue la force de l’association entre le facteur de risque et la maladie. o L’OR est un estimateur ponctuel dérivé d’un échantillon. Pour généraliser à la population générale, un intervalle de confiance pour un niveau de confiance de 95 % est généralement calculé. o Avantages : ▪ Relativement peu coûteuses et de courte durée. ▪ Faciles à réaliser. ▪ Possibilité de répétition. ▪ Utile pour les maladies rares, peu fréquentes ou ayant une longue période de latence. ▪ Permettent de générer de nouvelles hypothèses causales car elles permettent de comprendre la multicausalité. o Inconvénients : ▪ Difficulté à obtenir des cas appropriés et à trouver des témoins aussi homogènes que possible avec les cas. ▪ Difficulté à garantir la relation temps-réponse. ▪ Ne permettent pas l’étude de la multi-efficacité. ▪ Ne permettent pas de mesurer l’incidence ou la prévalence. ▪ Ne permettent pas de connaître l’histoire naturelle du processus. ▪ Très sensibles à divers types de biais : Facteurs de confusion : âge, sexe, etc. Biais de sélection : la manière dont les cas et témoins sont sélectionnés peut introduire un biais dans les résultats. Biais de classification : des erreurs dans la classification des individus comme cas ou témoins, ou comme exposés ou non exposés, peuvent entraîner des résultats biaisés.  Études de cohortes : o Ce sont des études observationnelles dans lesquelles l’échantillonnage est réalisé en fonction de l’exposition ou de la cause, ce qui leur confère un caractère analytique. o Elles sont longitudinales et la directionnalité est prospective (vers l’avant). o Elles sont antérogrades (la cause précède l’effet). o Une cohorte est un groupe de sujets défini par leurs caractéristiques personnelles, dans lequel l’apparition d’une maladie particulière est observée à travers des examens répétés au fil du temps. o Leur conception implique de commencer avec deux groupes de sujets, tous exempts de la maladie étudiée, dont un groupe sera exposé au facteur de risque (cohorte exposée) et l’autre sera libre d’exposition (cohorte non exposée). o Ils sont suivis dans le temps, et on détermine la proportion de chaque groupe ayant développé la maladie (variable dépendante ou variable de résultat). o Dans ce type d’étude, l’incidence est évaluée comme mesure de fréquence, et le risque relatif (RR) est utilisé comme mesure d’association. o Comme pour l’Odds Ratio, un intervalle de confiance, généralement à 95 %, est également calculé. o Avantages : ▪ Elles servent à décrire la maladie (à t = 0, il n’y a pas de maladie). ▪ Elles permettent de connaître l’histoire naturelle de la maladie. ▪ Elles permettent de connaître l’incidence (totale, chez les exposés et les non- exposés). ▪ Elles permettent d’assurer le principe temporel de cause-effet. ▪ Une planification détaillée réduit la probabilité d’erreurs aléatoires et systématiques. ▪ Elles permettent d’étudier la multi-efficacité (effets multiples causés par une seule cause). o Inconvénients : ▪ Coûteuses et longues à réaliser. ▪ Non adaptées aux maladies rares ou à celles avec des périodes d’induction longues. ▪ Perte de participants, abandons et changements dans l’exposition. ▪ Ne permettent pas de formuler de nouvelles hypothèses étiologiques. ▪ Possibilité de facteurs de confusion (erreurs systématiques). ▪ Difficulté à reproduire l’étude. Études expérimentales Les deux caractéristiques qui définissent une étude expérimentale sont : La manipulation artificielle du facteur étudié (le chercheur manipule les conditions dans lesquelles l’étude est réalisée). La randomisation (l’attribution aux groupes se fait par des techniques aléatoires). Concept : C’est un processus logique par lequel une mesure est évaluée dans une population (groupe témoin et groupe expérimental). Ces études posent des questions éthiques (car elles impliquent des êtres humains) et sont encadrées par une législation définissant leur conduite. Conception : Le déroulement général d’une étude expérimentale suit les étapes suivantes : o Définir la population cible à laquelle les résultats seront appliqués. o Sélectionner la population expérimentale par un échantillonnage aléatoire. o Identifier la population participante. o Effectuer une répartition aléatoire des sujets entre les groupes à comparer. o Mettre en œuvre le programme (administration de l’élément étudié au groupe expérimental et placebo ou traitement similaire au groupe témoin). o Observer et mesurer selon les critères choisis. o Lire les résultats et comparer les groupes. o Analyser les résultats et tirer des conclusions. Applications : Évaluer l’efficacité et la sécurité des nouvelles mesures thérapeutiques, préventives et/ou diagnostiques. Réviser les procédures traditionnelles (thérapeutiques, préventives ou diagnostiques). Évaluer et surveiller les programmes de santé. Établir une relation de cause à effet (bien que cela ne soit pas toujours éthiquement possible).  Essais cliniques : Expérience scientifique dans laquelle un traitement ou toute autre mesure est administré à des sujets individuels (sains ou malades) avec une intention diagnostique, thérapeutique et/ou préventive. o Il s'agit de l'étude expérimentale la plus importante menée sur des êtres humains. o Objectifs : ▪ Accepter une nouvelle procédure comme étant plus efficace et plus sûre. ▪ Revoir les procédures traditionnelles. o Développement de l'essai clinique : ▪ Définir l'objectif de l'étude (hypothèse). ▪ Concevoir l'essai (protocole). Sur la base du protocole, l'essai sera autorisé ou non. Le protocole sert de manuel d'opération et reflète le design scientifique de l'essai. ▪ Réaliser l'essai. Tous les essais autorisés ne sont pas menés à bien (environ 70 %). ▪ Analyser les données obtenues. ▪ Tirer des conclusions (publication des résultats). o Formation des groupes d'étude : ▪ À partir de la population de référence (population cible), une population expérimentale est créée. ▪ À partir de la population expérimentale, le groupe expérimental ou "taille de l’échantillon N" est extrait. ▪ De ce groupe expérimental, ceux qui souhaitent participer et ceux qui ne souhaitent pas participer sont identifiés. ▪ Pour ceux qui souhaitent participer, des techniques de randomisation sont utilisées pour créer le groupe témoin et le groupe expérimental. ▪ La randomisation peut être : Simple : aucune variable d'intérêt n'est prise en compte. Stratifiée : basée sur une variable d'intérêt (âge, sexe...). o Idéalement, ni le chercheur ni le patient ne devraient savoir si le patient reçoit le traitement réel ou un placebo. Cela s'appelle une étude en double aveugle. o Si le traitement ne peut pas être dissimulé, l'essai est considéré comme ouvert (open-label). ▪ En simple aveugle : seuls les participants ignorent l'attribution. ▪ En double aveugle : les participants et le chercheur ignorent l'attribution. ▪ En triple aveugle : les participants, le chercheur et l'analyste des données ignorent l'attribution. o Avant qu’un patient puisse participer à un essai clinique, il doit donner son consentement éclairé. Cela signifie qu'il doit recevoir des informations claires et complètes sur l'essai et accepter librement d'y participer. Le consentement éclairé est une exigence légale.  o De plus, les essais cliniques doivent se conformer à la Déclaration d’Helsinki (1964). Les principes clés de cette déclaration incluent : ▪ Protection des participants : la santé et le bien-être des participants à l'essai doivent être la priorité. ▪ Il doit y avoir un protocole. ▪ Il doit y avoir un investigateur principal (IP). ▪ Validité scientifique : l'essai doit être conçu et mené conformément à des principes scientifiques solides. ▪ Examen éthique indépendant : le protocole de l'essai doit être examiné et approuvé par un comité d'éthique indépendant. ▪ Consentement éclairé : les participants doivent être pleinement informés de l'essai et donner leur consentement volontaire. ▪ Ratio risque-bénéfice favorable : les bénéfices potentiels de l'essai doivent l'emporter sur les risques potentiels pour les participants. o En Espagne, la réglementation des essais cliniques est régie par la Loi 25/1990 sur les médicaments, la Loi 29/2006 sur les garanties et l'utilisation rationnelle des médicaments et dispositifs médicaux, et le Décret royal 56/1992. o Les essais cliniques sont essentiels pour l'autorisation de nouveaux médicaments et thérapies, qu'ils soient pharmaceutiques ou non pharmaceutiques. o Malgré leur adoption généralisée dans la pratique clinique, certains traitements manquent de preuves solides issues d'essais bien conçus, souvent en raison de pratiques historiques et de preuves anecdotiques. Essais communautaires : o Il s'agit d'une étude expérimentale menée au niveau de la population, plutôt que sur des sujets individuels. o Les essais communautaires sont conçus pour tester des hypothèses étiologiques spécifiques et évaluer l'efficacité des interventions préventives, diagnostiques ou thérapeutiques. o Dans un essai communautaire, deux groupes sont généralement établis : ▪ Communauté d’intervention : elle doit être représentative des populations auxquelles les résultats seront généralisés. ▪ Communauté de référence : elle doit être comparable à la communauté d’intervention sur tous les aspects pertinents, mais séparée géographiquement de la communauté d’intervention. o Par exemple, imaginez un pays en développement où de la vitamine A est distribuée dans une région pour réduire la mortalité infantile, tandis qu'une région voisine ne reçoit pas cette vitamine pendant une période donnée. o En comparant les taux de mortalité infantile au fil du temps dans les deux régions, les chercheurs peuvent tenter de déterminer l'efficacité de la vitamine A dans la prévention des décès infantiles. o Comme pour les études écologiques, les essais communautaires sont sensibles aux erreurs écologiques.  Unité 10 Erreurs dans les études épidémiologiques Erreurs dans les études épidémiologiques Chaque fois qu'une étude est réalisée et qu'une variable est quantifiée, comme le poids, la taille, la pression artérielle, etc., il y a toujours un certain degré d'erreur impliqué. Dans les études épidémiologiques, ces erreurs peuvent être attribuées à : Le hasard (erreur aléatoire). Le biais (erreur systématique). Erreurs aléatoires Elles sont dues au hasard (variabilité aléatoire). Il s'agit d'une erreur liée à l'observateur, en raison des différentes capacités des individus lors de la collecte des données (difficulté de mesure, état de concentration, etc.) ou en raison de l'échelle de mesure utilisée. Son résultat ne peut pas être prédit. La valeur obtenue s'écarte de la valeur réelle dans une direction différente à chaque fois. L'erreur aléatoire détermine la précision de l'étude. Une mesure très précise aura une petite erreur aléatoire, et une grande erreur aléatoire implique une faible précision. Types d'erreurs aléatoires : Erreur d'échantillonnage : lorsque l'on sélectionne un échantillon pour obtenir une approximation de la valeur réelle de la population (inférence de population), une erreur est également commise (erreur d'échantillonnage). Pour augmenter la précision lors de l'utilisation d'échantillons, la taille de l'échantillon doit être augmentée (plus l'échantillon est grand, moins l'effet du hasard est important et plus la précision est grande). Erreur de mesure : due à diverses sources, qu'elles soient contrôlables (chercheur, sujets, instrument) ou incontrôlables (phénomène). Erreurs Alpha (type I) ou Beta (type II) : Dans les erreurs de type I, des résultats positifs sont obtenus alors qu'il n'y en a pas (faux positifs), tandis que dans les erreurs de type II, des résultats négatifs sont obtenus alors qu'ils devraient être positifs (faux négatifs). Erreurs systématiques Types de biais : Biais de sélection : erreur systématique due à la manière dont les sujets sont sélectionnés. Si les sujets sont mal sélectionnés, ils ne représenteront pas la population cible (les résultats ne peuvent pas être extrapolés). Causes : o Choix du cadre d’échantillonnage. o Perte au suivi (si significative, la population finale ne représente pas l’échantillon). Uniquement dans les études de cohorte et expérimentales. o Biais des volontaires (auto-sélection). Ces individus ont tendance à adopter des habitudes de vie plus saines que la population générale. o Surveillance diagnostique inégale. La maladie est surveillée et détectée différemment chez divers sujets. o Cas prévalents. Ce biais de sélection est contrôlé lors de la phase de conception. Exemple : biais de survie : une étude sur la maladie de Parkinson chez des patients âgés en moyenne de 76 ans. o Lorsqu’on les évalue, une fréquence plus faible que prévue de l’hypertension est constatée. o Ce n’est pas parce qu’une pression artérielle basse favorise l’apparition de Parkinson, mais parce que l’hypertension a provoqué des décès antérieurs et que ces cas ne sont plus accessibles. Biais d’information ou de classification : ce biais provient d’erreurs dans l’obtention ou l’interprétation des informations des sujets de l’étude. Il conduit à une classification incorrecte des sujets (biais de classification). Il ne peut être corrigé qu’au cours de la phase de conception. Causes : o Biais de l’observateur : le chercheur influence inconsciemment les réponses des sujets qu’il interroge ; il a tendance à classer les malades comme exposés. o Classification de la maladie/exposition : si les critères sont incorrects ou incomplets, la maladie et l’exposition peuvent être mal classifiées. o Biais de rappel ou de mémoire sélective : lorsque l’on interroge des personnes malades sur une exposition passée à des substances toxiques, par exemple, elles ont tendance à mieux s’en souvenir que les personnes en bonne santé dans le groupe témoin. o Surveillance diagnostique : dans une étude de cohorte sur les fumeurs, certains cas de cancer chez les fumeurs peuvent ne pas avoir été détectés à la fin de l’étude, car les tumeurs étaient encore très petites. Une erreur serait alors commise en les classant comme sains alors qu’ils sont en réalité malades. Biais de confusion : ce sont les seuls qui peuvent être contrôlés lors de la phase d’analyse. Il s’agit d’une erreur systématique causée par l’apparition d’un troisième facteur ou d’une variable (facteur de confusion), lié à l’exposition, à la maladie ou aux deux. Cela peut entraîner une sous-estimation, une surestimation ou une modification de l’association entre les deux variables. Lorsque qu’un facteur s’interpose dans la chaîne causale en augmentant ou en atténuant le risque, il y a interaction. Exemple : Infarctus -> tabagisme + cholestérol (le risque est amplifié par l’athérosclérose). Exemple : étude sur l’importance de l’exposition au tabac et la survenue de cancer du poumon : Si des fumeurs et des non-fumeurs sont sélectionnés, il faut être très attentif pour s’assurer que, dans le groupe des non-fumeurs, il n’y ait pas de non-fumeurs déjà malades du cancer. Validité ou reproductibilité d'un test Une étude comportant peu de biais ou d'erreurs est dite d’une grande validité. De même, on parle de validité lorsqu’il s’agit d’un test ou d’une procédure diagnostique. La validité interne correspond à l’absence de biais, et la validité externe est synonyme de généralisabilité, ce qui signifie que l’étude, étant exempte d’erreurs, bien conçue et exhaustive, peut être reproduite ou avoir une valeur dans d’autres pays ou régions. Un test est tout élément pouvant modifier la probabilité de passer de l’état sain à l’état malade. 0 (absence de maladie) -> 1 (présence de maladie) Nous allons travailler avec des probabilités. Il est nécessaire de différencier : Tests diagnostiques : un test qui classe la population en malades ou sains. Tests de dépistage : un test qui classe la population en risques élevés ou faibles. Les tests seront utilisés pour : Le diagnostic précoce d’une maladie. Déterminer la fréquence d’une maladie dans le temps. Comme technique de recherche. Un test doit être sensible et spécifique. À la fin, nous obtiendrons des "succès" (vrais positifs et vrais négatifs) et des "échecs" (faux positifs et faux négatifs). Sensibilité : pourcentage de vrais positifs parmi les malades. Elle représente la probabilité que, si la maladie est prés