Déterminants de santé et Epidémiologie descriptive (Marielle Wathelet) PDF

Santé et déterminants de santé Epidémiologie descriptive et analytique Marielle Wathelet, médecin de santé publique, ARS HDF [email protected] XX/XX/XX Santé et déterminants de santé 2 Santé « La santé est un état de complet bien-être physique, mental et social, et ne consiste pas seulement...

Santé et déterminants de santé Epidémiologie descriptive et analytique Marielle Wathelet, médecin de santé publique, ARS HDF [email protected] XX/XX/XX Santé et déterminants de santé 2 Santé « La santé est un état de complet bien-être physique, mental et social, et ne consiste pas seulement en une absence de maladie ou d'infirmité » Organisation Mondiale de la Santé (OMS, 1946) 3 Déterminants de santé « Facteurs personnels, sociaux, économiques ou environnementaux qui déterminent l’état de santé des individus ou des populations » (OMS, 1999) Plusieurs modèles pour classer les déterminants de santé Notion de causalité, influence positive ou négative sur la santé 4 Classification de Lalonde (1974) 4 catégories : ○ Biologie humaine ○ Environnement (physique et socio-économique) ○ Comportements ○ Organisation des services de santé 5 Classification de Lalonde (1974) Ampleur des champs et ces catégories de déterminants à prendre en compte (au-delà du biomédical) Existence de facteurs non-modifiables mais également de facteurs modifiables 6 Classification de Lalonde (1974) Biologie humaine Exemples de Environnement physique Le patrimoine génétique Le sexe L’âge déterminants : Accès à l’eau, qualité de Exposition au bruit ○ Biologie humaine l’eau Accès à la nourriture Exposition aux risques ○ Environnement (physique et socio- Aménagement du territoire professionnels Pollution, qualité de l’air économique) Environnement socioLa culture La qualité des liens sociaux économique ○ Comportements L’éducation L’activité ou chômage Le niveau d’études Le revenu ○ Organisation des services Le milieu et le modede de santé vie Les conditions de travail Le logement Comportements Les comportements à risque Les habitudes de vie Les addictions Les modes de consommation La sédentarité L’alimentation Organisation des systèmes de santé L’accès aux soins La qualité des soins Le développement de la prévention 7 Modèle de Dahlgren et Whitehead (1991) 8 2ème rapport sur la santé de la population canadienne (1999) « Pourquoi Éric est-il à l’hôpital ? Parce qu’il a une grave infection à la jambe. Pourquoi a-t-il cette infection ? Parce qu’il s’est coupé gravement à la jambe et qu’elle s’est infectée. Mais pourquoi cela s’est-il produit ? Parce qu’il jouait dans le parc à ferraille près de l’immeuble où il habite, et qu’il est tombé sur un morceau d’acier tranchant qui s’y trouvait. Mais pourquoi jouait-il dans un parc à ferraille ? Parce que son quartier est délabré. Mais pourquoi habite-t-il ce quartier ? Parce que ses parents ne peuvent se permettre mieux. Mais pourquoi… » Interdépendance entre les différents facteurs 9 Modèle Pathway de la CDSS – OMS (2008) 10 Modèle du ministère canadien de la santé et des services sociaux (2008) 11 CDSS – OMS (2008) « Le mauvais état de santé des pauvres, le gradient social de la santé dans les pays et les profondes inégalités sanitaires entre les pays sont dus à une répartition inégale du pouvoir, des revenus, des biens et des services, aux injustices qui en découlent dans les conditions de vie concrètes des individus (soins, éducation, travail, loisirs, habitat, communauté, ville) et leurs chances de s’épanouir. La répartition inégale des facteurs qui nuisent à la santé n’est en aucun cas un phénomène naturel. Ensemble, les déterminants structurels et les conditions de vie au quotidien constituent les déterminants sociaux de la santé. » Importance ++ des déterminants sociaux de santé 12 Inégalités sociales et territoriales de santé (ISTS) « Différences systématiques, évitables et importantes dans le domaine de la santé » observées entre des groupes sociaux et les territoires Reconnues comme un problème majeur de santé publique par la CDSS de l’OMS en 2008 En France : bon état de santé en moyenne, mais inégalités sociales et territoriales de santé importantes dès l’enfance et tout au long de la vie Covid-19 : révélateur de ces inégalités et de leur impact Réduire les inégalités en matière de santé par une action sur les déterminants sociaux de la santé 13 Santé et déterminants de santé - Synthèse Passage d’un modèle explicatif biomédical de la santé à un modèle biopsychosocial Les déterminants sont des facteurs qui ont des conséquences négatives ou positives sur la santé des populations (notion de causalité / approche santé publique) Certains déterminants ne sont pas modifiables (âge, sexe, etc.), d’autres le sont (accès aux soins, précarité, etc.) Importance des déterminants sociaux de santé ++ Nécessité d’agir dans l’ensemble des domaines pour avoir un réel effet sur la santé des populations En France, situation sanitaire favorable mais inégalités sociales et territoriales de santé importantes 14 Epidémiologie 15 Introduction à l’épidémiologie Epidémiologie : étude de la distribution des événements de santé ou des déterminants de cette distribution dans les populations humaines Nécessité d’objectiver : ○ L’état de santé des populations ○ La réalité des liens entre déterminants et état de santé ○ L’efficacité des interventions mises en œuvre pour améliorer la santé des populations 16 Introduction à l’épidémiologie 17 Introduction à l’épidémiologie 3 domaines en fonction de l’objectif ○ Epidémiologie descriptive : décrire l’état de santé d’une population (décrire) ○ Epidémiologie analytique : étudier l’association entre les états de santé et les expositions (comprendre) ○ Epidémiologie évaluative : évaluer les actions de santé publique (évaluer) 18 Epidémiologie descriptive Mesurer la santé des populations 19 Objectif Décrire un problème de santé Dans un groupe de personnes ou une population A l’aide indicateurs de santé 20 Indicateurs de santé Indicateur de santé : variable que l’on mesure afin d’apprécier l’état de santé d’une population Exemples : ○ Fréquence ou proportion ○ Taux ou probabilité ○ Ratio ○ Indice 21 Exemples Sur 7500 enfants < 5 ans, 5300 sont correctement vacciné contre la rougeole. Couverture vaccinale ? Il y eu 7000 personnes contaminées par le VIH en 2008 parmi les 65 millions de Français. 7000/65 millions ? Sur 100 personnes, on a 49 hommes et 51 femmes. 49/51 ? A l’hôpital, il y a 10 infirmiers pour 1000 enfants. Nombre d’enfants par infirmier ? 22 Exemples Sur 7500 enfants < 5 ans, 5300 sont correctement vaccinés contre la rougeole. Couverture vaccinale ? ○ Proportion : une partie d’un tout ○ Nombre de sujets ayant une caractéristique particulière / Effectif de la population correspondante Il y eu 7000 personnes contaminées par le VIH en 2008 parmi les 65 millions de Français. 7000/65 millions ? ○ Taux : une partie d’un tout impliquant le plus souvent une notion de temps ○ Nombre de sujets avec évènement survenant sur une période donnée / Effectif de la population moyenne pendant la même période 23 Exemples Sur 100 personnes, on a 49 hommes et 51 femmes. 49/51 ? ○ Ratio : rapport entre 2 grandeurs de la même espèce ○ Nombre de sujets de classe x1 / Nombre de sujets de classe x2 ○ Où x1 et x2 sont deux classes ou modalités de la même variable A l’hôpital, il y a 10 infirmiers pour 1000 enfants. Nombre d’enfants par infirmier ? ○ Indice : rapport entre 2 grandeurs de nature différente ○ Nombre de sujets de classe x / Nombre de sujets de classe y ○ Où x et y sont deux classes ou modalités de nature différente 24 Indicateurs de santé 3 grandes catégories : ○ indicateurs de mortalité ○ indicateurs de morbidité ○ indicateurs d’exposition 25 Indicateurs de mortalité Taux brut de mortalité ou mortalité globale ○ Exemple : 8/1000 habitants en 2014 en France (Insee) Taux spécifiques de mortalité ○ Pour l’âge ou pour une cause donnée ○ Exemples : - Mortalité prématurée - Mortalité évitable - Taux proportionnels de décès (décès pour une maladie donnée, une année donnée) 26 Indicateurs de mortalité 27 Indicateurs de taux de mortalité spécifiques - Exemples 28 Indicateurs de morbidité Difficultés spécifiques des indicateurs de morbidité : ○ qu’est-ce qu'une maladie ? quand commence une maladie ? quand finit une maladie ? (définition) ○ comment mesurer cette morbidité ? (différents « types » de morbidité) : - Ressentie / diagnostiquée - Objective / déclarée 29 Indicateurs de morbidité – Exemple de variation selon la définition L'Enquête de Population du Projet MONICA-OMS 1995-1997 Hypertension artérielle : PA  160/95 mmHg et/ou traitement en cours Hommes Femmes connue traitée contrôlée 100% 15 30 33 48 28 23 9 15 24 14 38 33 42 29 51 31 25 11 9 25 18 LIL STR TOU LIL 25 connue non traitée 11 13 STR connue traitée non contrôlée non connue TOU 30 Indicateurs de morbidité 2 grands types d’indicateurs de morbidité : ○ Prévalence = proportion des cas dans la population à un moment donnée (dépend de l’incidence et de la durée de la maladie) ○ Taux d’incidence = nombre de nouveaux cas apparus dans une population donnée pendant une période de temps donnée / population exposée pendant cette période de temps 31 Indicateurs de morbidité Incidence Population Prévalence Mortalité Guérison 32 Indicateurs de morbidité 33 Prévalence – Exemple Prévalence des démences chez les plus de 60 ans 34 Prévalence – Exemple Evolution de la prévalence de l’obésité aux USA 35 Incidence – Exemple Incidence des cancers de thyroïde chez la femme dans 2 départements 36 Incidence – Exemple Incidence du cancer du poumon chez l’homme par département en 2008-20180 37 Incidence – Exemple 38 Indicateurs d’exposition Concernent la fréquence des expositions Exemples d’expositions : habitudes de vie, indicateurs économiques et sociaux, environnement de l’individu, variables génétiques, etc. Comme pour la morbidité, bien définir l’exposition et la façon de la recueillir 39 Indicateurs d’exposition 40 Sources des indicateurs Indicateurs disponibles (recueillies en routine) Enquêtes ad hoc 41 Indicateurs recueillis en routine Nombreux exemples : ○ Certificats obligatoires (décès, santé des enfants, etc.) ○ Maladies à déclaration obligatoire (MDO) ○ Systèmes sentinelles (volontariat, professionnels de santé) ○ Registres ○ Autres : statistiques des structures de soins spécialisés, PMSI, SNIIRAM, PMI, médecine scolaire, assurance maladie, médecine du travail, etc. 42 Indicateurs recueillis en routine – Exemple des MDO Liste des maladies qui sont surveillées pour un des motifs suivants : de mesures exceptionnelles à l’échelon international (peste) ○ Nécessité ○ Nécessité d’une intervention urgente à l’échelon local, régional ou national (TIAC) ○ Besoin d’une évaluation des programmes de prévention et de lutte menés par les pouvoirs publics est nécessaire (tuberculose) ○ Gravité (infection par le VIH) ○ Besoin de connaissance (maladie de Creutzfeld-Jakob) 43 Indicateurs recueillis en routine – Exemple des MDO Exemple de la rougeole 44 Indicateurs recueillis en routine – Exemple du réseau sentinelles Exemple du syndrome grippal détecté par le réseau « Sentinelles » 45 Indicateurs recueillis en routine – Exemple du réseau sentinelles Exemple du syndrome grippal détecté par le réseau « Sentinelles » 46 Indicateurs non recueillis en routine – Enquêtes ad hoc Enquêtes ad hoc : mises en œuvre dans le cas où les indicateurs ne sont pas recueillis en routine Nécessité de travailler sur une population représentative (qui représente notre population d’intérêt) – 2 possibilités : ○ Enquêtes exhaustives (qui interrogent l’ensemble de la population d’intérêt, exemple : registre de morbidité) ○ Enquêtes sur échantillon représentatif (qui interrogent une petite partie mais représentative de la population d’intérêt) 47 Enquêtes sur échantillon représentatif Deux grands types d’études possibles ○ Enquêtes transversales - Photographie de la population à un moment donné - Pas de suivi - Mesure de prévalence ++ ○ Enquêtes de cohorte - Suivi d’une population dans le temps - Mesure d’incidence ++ 48 Enquêtes ad hoc – Notion de population cible, source et d’échantillon Population cible Population source Echantillon 49 Fluctuations d’échantillonnage Lorsque l’indicateur de santé est mesuré au sein d’un échantillon de la population qui nous intéresse, la valeur mesurée peut varier d’un échantillon à l’autre C’est ce qu’on appelle les « fluctuations d’échantillonnage » Echantillon 1 : 20 % d’obésité 1 Echantillon 2 : 30 % d’obésité 2 Population cible : quelle est la prévalence réelle de l’obésité ? 50 Intervalle de confiance à 95 % Intervalle de confiance : précision de l’estimation d’un paramètre à partir d’un échantillon Doit accompagner toute estimation d’un paramètre qu’on veut extrapoler à la population cible à partir d’un échantillon [12,9 ; 29,4] 20 % Population cible Echantillon (N = 100) 51 Intervalle de confiance à 95 % Plus l’échantillon est grand, plus la valeur obtenue est précise, et donc plus l’IC 95 % est étroit [17,6 ; 22,6] 20 % Population cible Echantillon (N = 1000) 52 Intervalle de confiance à 95 % - Exemple de lecture 53 Biais Lorsqu’on mesure un indicateur de santé, des biais peuvent impacter le résultat Il s’agit d’écart ou d’erreur dans la mesure du résultat qui entraîne une sous-estimation ou la surestimation d’un indicateur de santé Nécessité d’une réflexion préalable ++ avant l’étude afin de limiter les biais Trois grands types de biais ○ Biais de sélection ○ Biais de classement ○ Biais de confusion 54 Biais de sélection Biais de sélection : erreur systématique faite lors de la sélection des sujets à étudier qui amène à une nonreprésentativité de l’échantillon analysé Retrouvé lors de la constitution ○ De la population source (faisabilité, critères d’inclusion) ○ De l’échantillon (nécessité de l’accord de participation) : non-répondants, refus Retrouvé lors du suivi (cohorte) : taux d’attrition (perdus de vue) 55 Biais de sélection - Exemple Biais de sélection : erreur systématique faite lors de la sélection des sujets à étudier qui amène à une nonreprésentativité de l’échantillon Exemple : Population cible : Lillois de plus de 18 ans Population source : Lillois inscrits sur les listes électorales Echantillon : Lillois inscrits sur les listes électorales et volontaires 56 Biais de sélection – Comment les éviter Population cible Bien choisir la population source Population source Définir des critères d’inclusion et de non-inclusion pertinents Tirer au sort ++ Maximiser le taux de participation Echantillon Cohorte : limiter les perdus de vue 57 Biais de classement Biais de sélection : erreur systématique de mesure de la maladie et/ou de l’exposition conduisant à mal classer les sujets en malades/non malades ou en exposés/non exposés Survient au moment du recueil de données : problème de définition, problème de recueil, problème de mesure… 58 Biais de classement – Exemple HTA connue traitée contrôlée 100 % 30 15 33 28 23 24 15 9 38 48 42 STR 14 25 29 9 TOU Hommes 51 31 18 LIL 33 LIL 11 25 25 connue non traitée 11 13 STR connue traitée non contrôlée non connue TOU Femmes 59 Biais de classement – Comment les éviter Bien définir ce qu’on mesure Eviter la subjectivité en utilisant ○ des méthodes objectives ○ des questionnaires standardisés et validés ○ des procédures reproductibles Anonymat 60 Biais de confusion Ces biais vont être liés à l’intervention d’un ou de plusieurs tiers facteurs Ils sont surtout présents en épidémiologie analytique ++ En épidémiologie descriptive, ils peuvent intervenir lorsque l’on compare les taux provenant de plusieurs populations différentes Pour éviter cela, on peut standardiser les taux (les rendre comparables en recalculant les taux comme si les populations avaient la même structure d’âge et de sexe, le plus souvent) 61 Biais de confusion – Exemple 62 Biais - Synthèse Sélection Classement Définition Mauvaise sélection des Mauvais classement des individus individus (pour l’exposition et/ou pour la maladie) Gestion Assurer la représentativité Bien choisir la population source Tirer au sort Transversales : maximiser le taux de participation Cohorte : limiter les perdus de vue Chasser l’imprécision Bien définir ce qu’on mesure Eviter la subjectivité en utilisant des méthodes objectives, des questionnaires standardisés et validés et des procédures reproductibles Confusion Tierce variable perturbant l’interprétation de l’association non prise en compte Contrôler la 3ème variable Standardiser les résultats 63 Epidémiologie descriptive - Synthèse Objectif : décrire un phénomène de santé Trois grands types d’indicateurs de santé : ○ indicateurs de mortalité (taux de mortalité) ○ indicateurs de morbidité (prévalence et incidence) ○ indicateurs d’exposition (fréquence d’exposition) Les indicateurs sont soit disponibles en routine, soit recueillis dans des enquêtes ad hoc (enquête transversale, ou de cohorte essentiellement) Les indicateurs sont mesurés soit dans la population exhaustive, soit dans un échantillon (dans ce cas, il doit être accompagné de son IC 95 %) Des biais (de sélection, de classement, de confusion) peuvent entraîner des erreurs dans la mesure de l’indicateur de santé 64 Epidémiologie analytique Mesure du risque 65 Objectif Etudier la relation entre un facteur et un état de santé Dans un groupe de personnes ou une population A l’aide de mesures d’association 66 Mesures d’association Les mesures d’association permettent de quantifier le lien entre une exposition et une maladie Donc il faudra, pour chaque individu inclus : ○ Son statut vis-à-vis de l’exposition : E+ ou E○ Son statut vis-à-vis de la maladie : M+ ou M- M+ M- E+ A B E- C D 67 Mesures d’association Deux grands types de mesures d’association ○ Risque relatif (RR) ○ Odds ratio (OR) 68 Risque relatif Cancer + Cancer- Tabac+ 30 70 Tabac- 10 90 M+ M- E+ A B E- C D RR = RR = 69 Odds ratio Cancer + Cancer- Tabac+ 30 70 Tabac- 10 90 M+ M- E+ A B E- C D OR = OR = 70 Mesures d’association Décès+ Décès- Traitement+ 10 90 Traitement- 30 70 RR = OR = 71 Mesures d’association Globalement, OR et RR s’interprètent de la même façon Néanmoins, les OR ont tendance à surestimer les RR, surtout quand la maladie est fréquente Comme la maladie est le plus souvent un événement rare, OR et RR sont le plus souvent très proches 72 Fluctuations d’échantillonnage et IC 95 % Comme pour les indicateurs de santé, si les mesures d’association sont estimées au sein d’un échantillon, il existe des fluctuations d’échantillonnage dont il faut tenir compte Dans ce cas, il faut systématiquement présenter la mesure d’association avec son IC 95 % 73 Intervalle de confiance à 95 % Intervalle de confiance : précision de l’estimation d’un paramètre à partir d’un échantillon Doit accompagner toute estimation d’un paramètre qu’on veut extrapoler à la population cible à partir d’un échantillon [2,8 ; 12,9] OR = 6 Population cible Echantillon (N = 200) 74 Intervalle de confiance à 95 % Plus l’échantillon est grand, plus la valeur obtenue est précise, et donc plus l’IC 95 % est étroit [4,7 ; 7,6] OR = 6 Population cible Echantillon (N = 2000) 75 Intervalle de confiance à 95 % OR (ou RR) = 2,25 [1,55 ; 3,27] Facteur de risque 1 OR (ou RR) = 0,82 [0,59 ; 1,14] Absence de lien statistiquement significatif 1 OR (ou RR) = 0,44 [0,31 ; 0,65] Facteur protecteur 1 76 Intervalle de confiance à 95 % 77 Fluctuations d’échantillonnage et IC 95 % Dans les études épidémiologiques analytiques, comme en épidémiologie descriptive, un intervalle de confiance à 95% permet de préciser la mesure en tenant compte des fluctuations d’échantillonnage Mais lorsque la mesure est une mesure d’association entre deux variables, l’IC 95 % permet également de conclure à la significativité du lien entre les variables 78 Différents types d’enquête Enquêtes observationnelles Enquêtes de cohorte Enquêtes castémoins Enquêtes transversales 79 Cohorte Un ou plusieurs groupe(s) de sujets suivis dans le temps ○ Génération définie par une même période de naissance ○ Salariés d’une industrie ○ Ensemble des médecins d’un pays ○ Personnes ayant subi une exposition particulière (Hiroshima) ○ Sujets réunis sur une base géographique (Framingham) Longitudinale par définition Echantillon représentatif d’une population 80 Cohorte Initialement indemnes de la maladie Contient des exposés et des non-exposés Principe : comparer l’incidence (ou la mortalité) en fonction du niveau d’exposition Suivi dans le temps Types de cohorte : ○ Cohorte en population générale ou cohorte exposés non-exposés ○ Cohorte prospective ou rétrospective 81 Cohorte Temps Exposés Maladie ? Non exposés Maladie ? Population RR OR M+ M- E+ A B E- C D 82 Cohorte prospective en population générale - Exemple Médecins britanniques Objectif : étudier les risques liés au tabagisme Cohorte : 34 439 hommes, médecins britanniques, inclus en 1951 Exposition : habitudes tabagiques évaluées en 1951 puis périodiquement jusqu’en 2001 Maladie : diverses causes de mortalité 83 Cohorte prospective exposés / non-exposés - Exemple Étude américaine s’est intéressée à l’exposition prénatale à la cocaïne en association à la taille atteinte à l’adolescence 253 nouveau-nés exposés à la cocaïne pendant la grossesse 253 nouveau-nés non exposés à la cocaïne pendant la grossesse Suivi par rencontres régulières depuis leur naissance jusque l’adolescence 84 Cas-témoins Recrutement de deux groupes de sujets, sélectionnés en fonction de leur statut vis-à-vis de la maladie : ○ Des malades : les cas ○ Des non malades : les témoins Puis recueil de l’exposition antérieure Rétrospective par définition 85 Cas-témoins Temps Exposition ? Cas Population Exposition ? Témoins M+ M- E+ A B E- C D OR 86 Cas-témoins – Exemple Maladie étudiée : Cancer du sein Exposition : Prise d'un contraceptif oral Cas : 447 patientes hospitalisées pour un cancer du sein entre 1976 et 1980 dans 50 cliniques privées de chirurgie de 42 départements Témoins : 447 patientes hospitalisées pour une pathologie bénigne et appariées sur la clinique et l'âge 87 Transversale Photographie d'une population à un moment donné Echantillon représentatif de cette population Les sujets entrant de l'étude ne sont sélectionnés ni sur leur exposition, ni sur leur statut maladie Absence de suivi Exposition recueillie en même temps que la maladie 88 Transversale t Population Exposition ? Maladie ? OR RR M+ M- E+ A B E- C D 89 Transversale - Exemple Objectif : lien entre l’exposition aux polluants organiques persistants et diabète ? Population : échantillon de la population américaine Exposition : 6 polluants organiques persistants Maladie : diabète ○ Glycémie à jeun ≥ 126 mg/dl ou glycémie non à jeun ≥ 200 mg/dl ○ Ou diabète diagnostiqué par le médecin, à l’interrogatoire 90 Biais Lorsqu’on mesure une association, des biais peuvent impacter le résultat Il s’agit d’écart ou d’erreur dans la mesure du résultat qui entraîne une sous-estimation ou la surestimation d’un lien entre une exposition et un état de santé Nécessité d’une réflexion préalable ++ avant l’étude afin de limiter les biais Trois grands types de biais ○ Biais de sélection ○ Biais de classement ○ Biais de confusion 91 Biais de sélection Biais de sélection : erreur systématique faite lors de la sélection des sujets à étudier qui amène à un défaut de représentativité Exemple : le recrutement des participants en milieu hospitalier pour une état de santé qui n’entraîne pas forcément de passage à l’hôpital (exemple : tentative de suicide, Covid-19, etc.) 92 Biais de sélection – Comment les éviter Population cible Bien choisir la population source Population source Définir des critères d’inclusion et de non-inclusion pertinents Tirer au sort ++ Maximiser le taux de participation Echantillon Cohorte : limiter les perdus de vue 93 Biais de classement Biais de sélection : erreur systématique de mesure de la maladie et/ou de l’exposition conduisant à mal classer les sujets en malades/non malades ou en exposés/non exposés Survient au moment du recueil de données : problème de définition, problème de recueil, problème de mesure… Exemples : ○ Biais de mémorisation ○ Biais d’enquêteur ou de subjectivité 94 Biais de classement – Comment les éviter Bien définir ce qu’on mesure Anonymat Eviter la subjectivité en utilisant ○ des méthodes objectives ○ des questionnaires standardisés et validés ○ des procédures reproductibles ○ particulièrement dans les études analytiques : s’assurer que les méthodes de recueil sont identiques dans les 2 groupes, idéalement à l’aveugle 95 Biais de confusion Ces biais vont être liés à l’intervention d’un ou de plusieurs tiers facteurs Ils sont surtout présents en épidémiologie analytique ++ Caféine Cancer du poumon Gène Maladie Tabac Place dans la fratrie Trisomie 21 Facteur culturel Age de la mère 96 Biais de confusion – Comment les limiter On contrôle les biais de confusion en comparables pour le(s) facteur(s) de confusion Il existe plusieurs techniques qui consistent à rendre les groupes comparables pour le ou les facteurs de confusion les rendant 97 Types d’étude - Synthèse Transversale Cas-témoins Cohorte E+/E- Cohorte pop. générale Coût -- -- ++ ++ Temps -- -- ++ ++ Rapidité ++ ++ -- -- Mesures Prévalence OR ou RR Ni prévalence ni Incidence et incidence mortalité OR OR ou RR Incidence et mortalité OR ou RR Existence de biais +++ ++ +/- +/- 98 Biais - Synthèse Sélection Classement Confusion Sources Population cible Méthode d’échantillonnage Taux de participation Perdus de vue Etc. Définition de l’exposition et de la maladie Non standardisation Méthodes subjectives Biais de mémorisation Différences de suivi Tiers facteur non pris en compte Non comparabilité des groupes Gestion Chasser l’imprécision Bien définir ce qu’on mesure Eviter la subjectivité en utilisant des méthodes objectives, des questionnaires standardisés et validés et des procédures reproductibles Recueil à l’aveugle Tenir compte de la 3ème variable Rendre les groupes comparables pour cette 3ème variable Assurer la représentativité Bien choisir la population source Tirage au sort Maximiser le taux de participation Limiter les perdus de vue (cohorte) 99 Significativité vs causalité Déterminants de santé : approche santé publique ○ Facteur associé de façon causale avec un état de santé Facteur de risque / protecteur : approche épidémiologique ○ Facteur pour lequel il existe une association statistique avec un état de santé, que le lien soit causal ou non 100 Rappel OR (ou RR) = 2,25 [1,55 ; 3,27] Facteur de risque 1 OR (ou RR) = 0,82 [0,59 ; 1,14] Absence de lien statistiquement significatif 1 OR (ou RR) = 0,44 [0,31 ; 0,65] Facteur protecteur 1 101 Significativité vs causalité Que signifie une relation non significative ? ○ Absence de lien dans la réalité ○ Manque de puissance ○ Biais Que signifie une relation significative ? ○ Relation réelle et causale (exemple : tabac et cancer du poumon) ○ Relation réelle et non causale (exemple : café ou briquet dans la poche et cancer du poumon) ○ Relation due au hasard ou à un biais (cf. partie biais) 102 Présomption de causalité En épidémiologie analytique, on ne peut pas prouver la causalité, on va devoir aller chercher des arguments en faveur de la causalité Ce sont les critères de Bradford Hill : ○ Relation temporelle ○ Force de l’association ○ Relation dose-effet ○ Spécificité de la relation ○ Constance de l’association et reproductibilité ○ Effet de l'arrêt de l'exposition ○ Absence de biais potentiel ○ Plausibilité biologique ○ Cohérence avec l'ensemble de connaissances 103 Epidémiologie analytique - synthèse Objectif : identifier une association entre un facteur et un état de santé Deux grands types de mesures d’association : risque relatif (RR) et odds ratio (OR) Trois grands types d’enquête : transversale, cas-témoins, ou de cohorte Les mesures d’association sont calculées soit dans la population exhaustive, soit dans un échantillon (dans ce cas, il doit être accompagné de son IC 95 %) L’IC 95 % permet de trancher sur la significativité de l’association Une association statistique ne signifie pas forcément que le lien est causal Des biais (de sélection, de classement, de confusion) peuvent entraîner des erreurs de mesure d’association 104 Lecture critique d’articles 105 Recherche documentaire Identification des ressources et de leur qualité permettant d’appréhender un sujet d’intérêt Sources : ○ Littérature grise : rapports, livres, etc. ○ Littérature scientifique - Bases de données : Medline, Cochrane… - Accessibles en partie sur Internet (Pubmed, Google Scholar…) - Forme de l’article codifiée et similaire d’une revue à l’autre pour « l’article original » - Autres formes : éditorial, cas clinique… Logiciel de gestion bibliographique : Zotero, Mendeley 106 Lire et critiquer un article scientifique 1/ Lire un article, le comprendre ○ Identifier la question posée ○ Identifier la méthodologie adoptée pour y répondre ○ Comprendre le plan d’analyse statistique 2/ Critiquer l’article ○ Evaluer la pertinence de la méthodologie ○ Evaluer la pertinence du plan d’analyse statistique et la qualité de son exécution ○ Apprécier la qualité de l’étude et le niveau de preuve apporté ○ Identifier les biais et évaluer leur impact sur les résultats ○ Apprécier l’intérêt de l’étude 107 Lire un article scientifique Structure toujours similaire Titre Résumé Structure IMRaD ○ Introduction ○ Méthodes ○ Résultats ○ Discussion 108 Résumé Parties identiques à l’article Informations essentielles 109 Introduction Rationnel / contexte Intérêt de l’étude, particularité du problème abordé Dernier paragraphe : objectif de l’étude => important quand on lit un article scientifique !! ○ Objectif principal ○ Objectif(s) secondaire(s) 110 Introduction Article 1 Descriptif 111 Introduction Article 2 Analytique 112 Matériel et méthodes Population Type d’étude Schéma expérimental Données recueillies Analyses statistiques 113 Matériel et méthodes - Population Différentes populations si échantillon ○ Population cible ○ Population source ○ Echantillon Description précise de la méthode de sélection ○ Exhaustif ○ Tirage au sort ○ Cas consécutifs ○… Description précise de la population ○ Caractéristiques la définissant (critères d’inclusion, critères de non-inclusion, critères d’exclusion) 114 Matériel et méthodes - Population Différentes populations si échantillon ○ Population cible ○ Population source ○ Echantillon Description précise de la méthode de sélection ○ Exhaustif ○ Tirage au sort ○ Cas consécutifs ○… Description précise de la population ○ Caractéristiques la définissant (critères d’inclusion, critères de non-inclusion, critères d’exclusion) 115 Matériel et méthodes - Population HSH fréquentant les lieux de convivialité gay Article 1 116 Matériel et méthodes - Population Article 1 117 Matériel et méthodes - Population HSH fréquentant les lieux de convivialité gay HSH fréquentant les lieux volontaires de convivialité gay à Lille, Lyon, Montpellier, Nice et Paris de septembre à décembre 2015 Article 1 118 Matériel et méthodes - Population Article 1 119 Matériel et méthodes - Population HSH fréquentant les lieux de convivialité gay HSH fréquentant les lieux volontaires de convivialité gay à Lille, Lyon, Montpellier, Nice et Paris de septembre à décembre 2015 HSH majeurs, volontaires, maîtrisant le français et ayant eu un rapport dans l’année, fréquentant les lieux volontaires de convivialité gay à Lille, Lyon, Montpellier, Nice et Paris de septembre à décembre 2015 Article 1 120 Matériel et méthodes – Type d’étude Enquêtes observationnelles Enquêtes de cohorte Enquêtes castémoins Enquêtes transversales 121 Matériel et méthodes – Type d’étude Article 1 122 Matériel et méthodes – Type d’étude Article 1 123 Matériel et méthodes – Schéma expérimental Recette de l’étude Nombre de groupes Description précise, sans ambiguïté, étape par étape Objectif : reproductibilité 124 Matériel et méthodes – Données recueillies Pour répondre à l’objectif : que va-t-on mesurer et comment ? Définition précise de l’état de santé étudié et/ou de l’exposition étudiée ainsi que des modalités de mesure, recueil, etc. Autres variables : caractéristiques de l’échantillon, facteurs de confusion potentiels 125 Matériel et méthodes – Données recueillies Article 1 126 Matériel et méthodes – Données recueillies Article 2 127 Matériel et méthodes – Analyses statistiques Calcul du nombre de sujets qu’il est nécessaire d’inclure pour obtenir des mesures suffisamment précises Méthodes statistiques utilisées pour répondre à l’objectif Le logiciel utilisé 128 Résultats Tous les résultats doivent y apparaître Aucun résultat ne doit apparaître ailleurs Textes, figures ou tableaux : complémentaires, pas de redondance (sauf pour le résultat principal) Pas de critique des résultats, uniquement des faits En général ○ Description de la population (flowchart et tableau I) ○ Description des résultats aux objectifs principaux puis secondaires 129 Résultats – Flowchart ou diagramme de flux Article 2 130 Résultats – Description de l’échantillon Article 1 131 Résultats – Description de l’échantillon Article 2 132 Résultats – Réponse à l’objectif Article 1 133 Résultats – Réponse à l’objectif Article 2 134 Discussion Premier paragraphe : principaux résultats ○ Seule redondance de l’article Comparaison à la littérature antérieure (cohérence externe) Forces et faiblesses de l’étude ○ Puissance ○ Niveau de preuve, biais ○ Validité interne (qualité méthodologique, statistique) ○ Validité externe (généralisation) ○ Pertinence clinique Perspectives ○ Parfois dans un chapitre différencié « Conclusion » 135 Lire un article scientifique – Synthèse Introduction Rationnel / intérêt de l’étude Dernier paragraphe : objectif principal Résultats Méthodes Population Type d’étude Schéma expérimental Données recueillies Analyses statistiques Discussion Description de l’échantillon (flow-chart, tableau I) Réponses aux objectifs Premier paragraphe : résultats principaux Comparaison à la littérature antérieure Forces et limites Perspectives 136 Critiquer un article Pertinence des objectifs Type d’étude adapté Bonne définition et pertinence des critères de jugement Niveau de preuve et biais Existence de conflits d’intérêt 137 Critiquer un article Validité interne ○ Résultat reflète bien la réalité ○ Résultat ni dû à un biais ni au hasard ○ Méthode statistique adaptée Validité externe : résultat extrapolable à la population d’intérêt Cohérence externe ○ Résultat n’est pas inédit ○ Résultat survient dans un cadre cohérent Pertinence clinique ○ Effet de taille suffisante ○ Critère de jugement cliniquement pertinent 138 Merci pour votre attention 139