Épidémiologie Générale PDF

Célia DETAILLE SYNTHÈSE EPIDÉMOLOGIE GÉNÉRALE INTRODUCTION L’épidémiologie est la science qui étudie les problèmes de santé des populations humaines, leurs fréquences (prévalence et incidence), leur distribution (temps et espace) et leurs déterminants (facteurs causals...

Célia DETAILLE SYNTHÈSE EPIDÉMOLOGIE GÉNÉRALE INTRODUCTION L’épidémiologie est la science qui étudie les problèmes de santé des populations humaines, leurs fréquences (prévalence et incidence), leur distribution (temps et espace) et leurs déterminants (facteurs causals). L’épidémiologie cherche à trouver les causes afin d’empêcher la survenue d’une maladie (prévention primaire) ou de modifier favorablement l’évolution de la maladie déjà présente et silencieuse (prévention secondaire); voire manifestée (prévention tertiaire). Prévention primaire —> prévenir une maladie pas encore présente. Prévention secondaire —> soigner une maladie qui ne s’est pas encore manifestée. Prévention tertiaire —> soigner une maladie dont on ressent des symptômes. Les causes n°1 des maladies et décès : Jadis : maladie infectieuse —> Épidémies infectieuses, maladie contagieuses et aiguës qui circulent dans le peuple. Récemment : maladie cardio-vasculaire, cancers —> Épidémie nouvelles de maladies chroniques non-transmissibles qui se concentrent dans certaines populations. —> QUOI? QUI? QUAND? OU? L’épidémiologie s’intéresse à des groupes d’individus malades ou non malades via des concepts et des méthodes propres en décrivant, expliquant et en agissant et en évaluant. Le but de l’épidémiologie descriptive est de décrire la fréquence et la répartition des problèmes de santé dans des populations. Elle mesure la fréquence (mode de vie, santé, maladie, décès,...) en fonction de caractéristiques personnelles, de leur répartition géographique dans le temps et son évolution. Le but de l’épidémiologie explicative est de chercher les causes de problèmes de santé. Elle étudie le rôle de l’exposition à des facteurs «susceptibles d’intervenir dans l’apparition de la maladie étudiée» —> Diminution du risque de maladie : facteur de protection —> Majoration du risque de maladie : facteur de risque Elle nécessite donc la collecte de données individuelles au cours du temps. Identifier des facteurs permet l’intervention et la prévention. Pour ce faire on procède par comparaison de la fréquence de la maladie entre deux groupes diversement exposés à ces facteurs potentiels (exposées E+ et non exposées E-) et en comparaison la fréquence de l’exposition entre deux groupes diversement affectés (malade M+ vs sains M-). —> tableau de contingence. 1 L’épidémiologie d’action a pour but de suivre les résultats d’actions de santé dans la collectivité. Objectifs de l’intervention Moyens d’action et conditions de réalisation Réalisation du programme d’intervention Evaluation de l’efficacité de l’intervention C’est indispensable à la décision (poursuite, extension ou abandon du programme) Prise de décisions rationnelles, les plus objectives Prise en compte de l’efficacité et du contexte(acceptabilité, conséquences socio-économiques,...) Implique chercheurs et acteurs de terrain L’épidémiologie contribue à la rationalisation du processus de décision. HISTORIQUE La cause d’une maladie peut être mise en évidence par la comparaison entre des groupes. Le scorbut Depuis le 15ème siècle, on observait des épidémies terribles, « contagieuses » et mortelles frappant les marins au long cours, les armées en campagne, les villes assiégées, … Le mal mystérieux est appelé scorbut. Le scorbut provoque des saignements et donc des anémies et une mort rapide. James Lind sélectionne 12 marins malades (+/- semblables), et leur administre par paires le même régime alimentaire + un supplément spécifique (considéré comme possible traitement anti- scorbique). Seuls les deux marins malades ayant mangé des oranges et des citrons survivent. On introduit du citron dans l’alimentation des marins. Le scorbut est du à une carence en vitamine C. 2 Le Choléra Au XIXème siècle, nouvelles épidémies plus terrifiantes que le scorbut, le choléra asiatique. Cette maladie ouche les personnes saines et malades, son évolution est violente et expéditive. En quelques heures, on a des diarrhées et vomissements, s’ensuit une déshydratation et puis la mort. La théorie dominante dans le monde scientifique est que les épidémies provenaient des miasmes qui émanaient des matières putrides. John Snow grâce à des observations cliniques et des analyses chimiques et microscopiques a émit l’hypothèse que le choléra se transmet par un organisme vivant qui est dans l’eau, capable de se multiplier et de contaminer autrui. Mortalité par choléra dans les quartiers londoniens approvisionnés en eau par 2 sociétés différentes, du 08/07 au 26/08/1854 (6 semaines) : Boire l’eau de la Tamise, polluée par les décharges d’égoûts de Londres contribue à la dissémination du choléra en temps d’épidémie. On ferme les pompes suspectes et c’est la fin de l’épidémie. Cette démonstration n’a pas convaincu car les « anti-contagionnistes » (= anti-vax) résistent. Il a fallut attendre d’autres découvertes : —> Pasteur : découverte des germes —> Koch : identification du vibrion du choléra Enfin, on commence l’assainissement des grandes villes, des logements salubres, du système d’égoûts et de l’eau potable. Le cancer bronchique Le cancer bronchique (= du poumon) est de + en + fréquent chez les hommes au cours du XXème siècle. Les patients atteints de bronchique sont souvent de grands fumeurs de cigarettes. 3  Y a-t-il un lien de cause à effet entre tabagisme et cancer bronchique ? Quelle méthode de recherche adopter ? soit une étude de cohorte : Suivre un groupe de fumeurs (E+) et un groupe de non-fumeurs (E-) et comparer la fréquence d’apparition du cancer bronchique (M+ vs. M-). C’est une approche longue et coûteuses. soit une étude cas-témoins : si le tabac est cause de cancer bronchique, les sujets cancéreux (cas) devraient avoir fumé plus que les sujets non-cancéreux (témoins). Méthode : étude cas-témoins (case-control study) Recrutement des cas et des témoins: -patients atteints de cancer bronchique = cas : cancer (+), M(+) : n=605 -patients atteints d’une autre affection = témoins : cancer (-), M(-) : n=780 La consommation excessive et prolongée de cigarettes semble jouer un rôle important dans l’induction du cancer bronchique. L’étude à contre sens temporel : la présence ancienne de l’exposition est recherchée chez des personnes qui ont (M+) ou non (M-) développé la Maladie L’étude rétrospective : l’information sur l’exposition(tabagisme) est obtenue dans le passé : les 2 événements (exposition et maladie) ont déjà eu lieu. Il y a doute (l’exposition au tabac pourrait être postérieure à l’initiation du cancer bien qu’antérieure au diagnostic...) L’antériorité temporelle de l’Exposition (tabagisme) par rapport à la Maladie n’est donc pas évidente.. 4 Développement d’un type nouveau d’étude épidémiologique : étude de cohorte L’objectif est de déterminer la fréquence à laquelle la maladie survient dans le futur (M+ vs. M-), parmi des groupes de personnes dont les habitudes tabagiques sont connues; Méthode : recruter des sujets indemnes de la maladie au départ, les interroger sur leurs habitudes tabagiques (E+ vs. E-) à ce moment-là, et ensuite les suivre au cours du temps (follow-up) pour voir si oui ou non apparaît la maladie. + M - M +E A B - = CD A A +B = RR C C + D LES ÉTUDES CLINIQUES Avant d’initier une étude clinique, étapes pour les chercheurs : Quelle est la question de recherche à tester ? Quelles sont les variables à mesurer ? Quel type d’étude choisir ? Quelles sont les mesures de fréquence à utiliser ? Quelle procédure d’échantillonnage adopter ? Quels sont les biais potentiels ? Quelles stratégies d’analyse faut-il envisager ? Comment va-t-on exploiter les résultats ? 5 La conception générale de l’étude C’est pour atteindre l’objectif scientifique (intervention ou observations). La hiérarchie des types d’études cliniques par ordre croissant de colplexité et fiabilité. Étude écologique 6 Les principaux types d’études et les objectifs principaux : Les études d’observations —> conception générale : Leur objectif est de décrire un problème de santé dans une population. Les études descriptives sont la 1ère étape de l’investigation clinique. Le chercheur n’intervient pas dans l’histoire naturelle de la maladie / de l’événement de santé étudié. Il laisse le champ libre à la nature. Il observe, effectue et analyse des mesures. Si les données sont groupées, on fait une étude écologique. Si les données sont individuelles, on fait une étude transversale. Les études analytiques et étiologiques —> cocneption générale L’objectif est d’expliquer qu’un facteur d’exposition (E) produit ou non un effet (Maladie). Le chercheur n’intervient pas dans l’histoire naturelle de la maladie / de l’événement de santé étudié, il laisse le champ libre à la nature. Il observe, effectue et analyse des mesures. Un groupe comparatif est constitué. —> Etudes Cas-Témoins ou études de Cohorte (cohort study). Ex: cancer du gros intestin (côlon). 7 Les études d’interventions —> conceptions générales L’objectif est d’évaluer les effets d’une intervention de santé. Le chercheur intervient dans l’histoire naturelle de la maladie (M). Il expose les sujets à un facteur d’exposition (E) censé avoir un effet favorable (procédure diagnostique, médicament, intervention à visée préventive,...). Il respecte l’éthique (non-acceptable d’exposer à une substance toxique, à un virus sévère, au froid, à la faim, au chômage,...). Les essais cliniques sont randomisés (allocation aléatoire des sujets dans les groupes « exposés » vs. « non-exposés ») ou non-randomisés. La population de l’étude Elle permet l’inférence (la validité externe). La restriction permet de définir la population étudiée. Elle peut être nulle, complète, ou partielle. L’échantillonnage permet d’en extraire un échantillon, sur lequel l’étude sera réalisée. Si tous les sujets de l’univers de l’étude sont éligibles, la restriction est nulle. L’étude est alors exhaustive (= complète). Si seuls les sujets qui satisfont à un ensemble uniforme de critères d’éligibilité sont éligibles alors la restriction est forte soit complète. Si on choisit une procédure d’appariement, c’est à dire que l’éligibilité des sujets appartenant à un ou plusieurs groupes est déterminée par les caractéristiques d’un groupe sélectionné au préalable alors la restriction est partielle. C’est le cas dans les études cas-témoins. La référence au temps pour l’imputation causale (= établir un lien direct entre cause et effet). Il faut tenir compte de : La population est statique ou dynamique ? La direction de l’étude est dans le sens causal (= comment la cause influe sur l’effet) ou à rebours (= on regarde l’ordre chronologique et si la cause précède l’effet). La collecte des donnée est rétrospective (= on examine les événements qui se sont déjà produits dans le passé pour évaluer s'il existe un lien de causalité entre la cause et l'effet) ou prospective (= on suit les individus dans le temps pour observer l'occurrence des événements futurs). 8 Statique : & Dynamique : ↑ Direction de l’étude : = exposition = malades 9 Temporalité des données : ÉTUDE CAS-TEMOINS 10 Dans une étude cas-témoins, on ne peut pas établir la fréquence d’apparition ou l’incidence ou le risque car c’est nous qui avons choisit le nombre de la population. On peut calculer la fréquence d’exposition. On peut aller à la verticale mais pas à l’horizontale. Pour mettre en œuvre une étude cas-témoins, il faut : Définir l’hypothèse de recherche Définir et sélectionner les cas Définir et sélectionner les témoins Définir et mesurer l’exposition d’intérêt Identifier et mesurer les facteurs de confusion Analyser, interpréter Sélectionner des cas Il faut effectuer une sélection d’un échantillon de cas représentatif de l’ensemble des cas observés dans la population-cible. Il faut définir clairement et précisement un cas avec des critères d’inclusions et d’exclusions clairs et précis. « population-based » = cas issus de la population (tous les cas survenant dans une population donnée au cours d’une période donnée) « hospital-based » = cas hospitalisés (tous les cas hospitalisés dans un/plusieurs hôpitaux au cours d’une période donnée ) Sélectionner des témoins Il faut effectuer une sélection d’un échantillon de témoins (sujets indemnes de la maladie) représentatif de la population dont sont issus les cas. Le choix des témoins ne peut pas être influencé par leur situation à l’égard de l’exposition. 11 Mesurer l’exposition L’exposition précède le développement de la maladie. Les différentes sources peuvent être : Interview des participants, de la famille Prélèvement biologique Questionnaire postal Dossier médical … La mesure de l’exposition peut être influencée par La qualité de l’interrogatoire La qualité des souvenirs des cas et des témoins La connaissance qu’ont les cas/témoins de l’hypothèse de recherche La connaissance qu’ont les enquêteurs de l’hypothèse de recherche La connaissance qu’ont les enquêteurs du statut « cas » ou « témoins » des informateurs … L’avantage des études cas témoins Courte durée Souvent... effectifs réduits Moins coûteuses (+ efficientes) que les cohortes ++ si événements rares ++ si maladie à longue phase de latence Ethique: aucun risque pour les sujets de l’étude Permettent d’investiguer plusieurs expositions But = formuler des hypothèses étiologiques pas de conclusions Les désavantages des études cas-témoins Ne permettent pas de calculer directement des mesures d’incidence Biais +++ : de sélection (choix des cas et des témoins), d’information (mesures de l’exposition), … Difficulté de procéder à une imputation causale Ne permettent pas d’étudier des expositions rares Rapport de cote = Odds Ratio = Rapport des produits croisés = estimation de l’association s Minin e = OR ad > = ba 12 ÉTUDE DE COHORTE Il s’agit du suivi d’une population dans une intervalle de temps. Direction de l’étude 13 Le design de l’étude est temporel pour une cohorte et à rebours dans une étude cas-témoins. La collecte des données pour une étude de cohorte peut-elle être rétrospective ou prospective. Les étapes pour les chercheurs Définir l’hypothèse de recherche Choisir des sujets à inclure dans l’étude taille de l’échantillon; procédure d’échantillonnage Définir et mesurer l’exposition d’intérêt Mesurer les facteurs de confusion Définir la maladie d’intérêt Mesurer l’incidence de la maladie durant le suivi (follow-up) Analyser, interpréter Le choix des sujets Les sujets à risque de développer la maladie, l’événement. Les sujets doivent être indemnes de cette maladie au début du suivi. Les sujets des groupes E+ et E- devraient être similaires à tout point de vue, excepté l’exposition d’intérêt. La mesure de l’exposition Le groupe de comparaison (E-) est-il vraiment non-exposé ? La mesure est souvent plus précise si la collecte des données est prospective Situation souvent plus complexe que « exposé » vs. « non-exposé » 14 L’incidence de la maladie Les sources sont des données de routine (registre, certificats de décès,...). Il y a un système de surveillance au sein de la cohorte. Il faut prendre des précautions et éviter au maximum les « lost to follow-up ». Il faut la même rigueur pour mesurer la survenue de l’événement chez les E+ et les E- (idéalement, la personne qui évalue la survenue d’un événement ne devrait pas connaître le statut E+ ou E- des sujets suivis dans l’étude). Les avantages des études de cohortes Information sur l’histoire naturelle de la maladie Possibilité de mesure directe des effets de l’exposition: risque (CI) et taux d’incidence (TI) Respect de la séquence temporelle entre l’exposition et les effets => sens de la causalité Flexibilité dans le choix des variables d’exposition Permettent d’étudier des expositions rares Permettent d’étudier plusieurs «effets» d’une même exposition Les inconvénients des études de cohorte Grand nombre de sujets requis Temps de suivi souvent assez long lost to follow up » —> on ne sait pas où il est Coût élevé Peu adaptées à l’étude d’événements rares Peu adaptées à l’étude d’événements à longue phase de latence Beaucoup de biais et facteurs confondants —> conclusion pas certaine —> Prends un groupe sans M que je suis au cours du temps et je regarde après si ils sont devenus E+ ou E-. Étude expérimentale C’est un essai contrôlé randomisée (ECR ou RCT). Elle présente le moins de risque de présence de biais. Il s’agit d’une étude d’intervention. Elle est contrôlée car on compare le groupe recevant l’intervention avec un groupe contrôle ou groupe C (rendu identique par la randomisation si elle est pratiquée). Cette étude est randomisée ou non. La randomisation est la répartition aléatoire (= au hasard) des sujets dans les groupes de traitement. Le but est d’équilibrer les caractéristiques importantes (connues ou non). La seule différence devient donc l’intervention (Exposition) que l’on veut évaluer. Double aveugle : on masque le statut E (E+ ou E-), ni les chercheurs, ni les patients, ni les statisticiens ne sont au courant de « qui reçoit quel traitement ».Le but est de garder l’objectivité. 15 Le protocole ouvert («open label»): les personnes connaissent la réalité du traitement. Interprétation des résultats : Chez quelle personne Quelle intervention Quel contrôle Pour quel objectif/outcome Outcome Risque ou incidence cumulée (CI) Mesure de l’effet observée (R= risque) —> relative : RR et RRR (p-value et IC) et Absolue RAR (calcul NST) MESURES DE FRÉQUENCE La mesure de la fréquence d’une maladie permet de décrire le nombre de personnes affectées par une maladie au sein d’une population. La fréquence absolue = c'est simplement le nombre de fois qu'une valeur particulière apparaît dans un ensemble de données. Dénombrement de cas peu utile. La fréquence relative = c'est le rapport entre la fréquence absolue d'une valeur et la taille totale de l'ensemble de données. Elle est exprimée sous forme de pourcentage. On définit une maladie de plusieurs manières : 16 Définition du clinicien : sur base de critères cliniques et radiologiques +/- standardisés Définition de l’anatomo-pathologiste : sur base de caractéristiques microscopiques des lésions de la maladie Définition du bactériologiste : sur base de la bactérie infectieuse identifié à l’examen direct et en culture. Définition opérationnelles : Un patient atteint d’une maladie est un patient excrétant des la bactérie infectieuse à l’examen direct —> définition épidémiologique intéressante (excrétion de B → transmission de la maladie). Un patient atteint de la maladie est un patient mis sous traitement contre cette maladie. Il y a beaucoup de définitions donc c’est compliqué de comparer différentes études. La mesure de fréquence relative La mesure de la fréquence d’une maladie permet de décrire le nombre de personnes affectées par une maladie au sein d’une population. Le rapport est une expression de la relation entre 2 quantités : 17  La proportion. elle est comprise entre 0 et 1, ou exprimée en %. Le numérateur est compris dans le dénominateur. Le ratio. il varie entre 0 et l’infini. C’est le rapport entre 2 classes d’une même variable. L’indice. a n’est pas inclus dans b. a et b sont 2 entités distinctes. Le vrai dénominateur est inconnu, b s’en rapproche. —> pas important Le taux est une mesure de la vitesse de survenue d’un événement. a est un nombre d’événements survenus dans une population à risque, au cours d’un intervalle de temps. b est la somme des durées d’exposition au risque de chacune des personnes formant la population pour la période considérée. unité = personnes - temps —> Voir plus loin : incidence Morbidité Prévalence et incidence : Il y a deux mesures fondamentales de fréquence en épidémiologie clinique. Elles peuvent être abordées en regard de l’histoire naturelle de la maladie. 18 La prévalence est la mesure de la fréquence d’un état déterminé à un moment donné, la présence de la maladie dans une population et la situation au moment de l’observation (mesure transversale). L’incidence est une mesure de la fréquence du changement d’état pendant une période de temps x, de l’apparition de la maladie dans une population et de la dimension temporelle (mesure longitudinale). La mesure transversale est une mesure qui est prise à un moment spécifique dans le temps. Elle ne suit pas les mêmes individus ou objets au fil du temps, mais plutôt elle est effectuée à un instant donné pour un échantillon d'individus ou d'objets. La mesure longitudinale implique le suivi des mêmes individus ou objets à plusieurs moments dans le temps afin de détecter des changements ou des évolutions dans ces individus ou objets. La prévalence (Pr) est la proportion d’individus présentant l’événement de santé étudié dans une population à un moment donné. La prévalence a une fonction épidémiologique car elle mesure la dimension des problèmes de santé à un moment donné et compare des fréquences de maladie dans des groupes différents. Elle ne prend pas en compte la séquence temporelle. La prévalence a une fonction opérationnelle, c’est un bon estimateur des besoins en soins et en services. L’incidence cumulée (CI) est la proportion d’individus développant l’événement de santé étudié dans une population donnée au cours d’une période donnée. L’incidence a une fonction épidémiologique car c’est une mesure directe du risque (~probabilité) au cours d’une période connue. Le numérateur et dénominateur comprennent uniquement des personnes exemptes (= pas inclus) de l’événement de santé étudié au début de la période de suivi. On prend en compte le premier événement incident seulement. L’incidence a une fonction opérationnelle car elle compare l’efficacité de procédures de contrôle de l’événement étudié. 19  —> prévalence —> incidence —> prévalence —> incidence La mortalité C’est un taux soit la mesure la vitesse de survenue d’un événement. c’est le nombre de décès divisé par le nombre de personnes-temps (exposées au risque de décès). Taux brut : tous les décès sans distinction Taux spécifiques : par maladie, par âge, par sexe,... permettent de procéder à des comparaisons entre groupes dansle temps et dans l’espace La létalité C’est la forme particulière de CI qui mesure le nombre de personnes qui meurent d’une maladie, dans la population des personnes devenues malades. Elle est calculée toutes causes confondues, ou par cause. La létalité = Proba (décès | M+). C’est une proportion. La létalité est différente de la mortalité 20 Exemple : Exercice : 21 MESURE D’ASSOCIATION Comparaison des mesures de fréquence —> Modèle scientifique en Epidémiologie C’est la comparaison de mesures de fréquence dans des groupes qui ne diffèrent (autant que possible) que par une seule variable indépendante (= E) (= Exposition). C’est la comparaison en valeurs relative et absolue. Comparaison en valeur relative Le but est de mesurer l’intensité de la relation entre la variable indépendante et la variable dépendante. exposition (E) et effet (M) cause et résultat L’expression est une mesure d’association, de rapport rapport des risques (ou CI) —> RRatio rapport des odds (O) —> ORatio Comparaison en valeur relative ou absolue Le but est de mesurer la part de l’effet (M) attribuable à l’exposition (E) ou l’impact d’une modification de l’exposition (E) sur le problème de santé (M). L’expression est une mesure d’impact Réduction Relative du Risque : RRR Fraction étiologique du risque: FER Réduction Absolue du Risque: RAR Nombre de sujets à traiter : NST Rapport de risque RR 22 23 Rapport des cotes OR OR = rapport de cotes = Odds Ratio (donc un rapport de 2 rapports) C’est un calcul très simple par table de contingence 2x2. Il s’applique à tous les types d’études : études où l’incidence est mesurée (études expérimentales type RCT (ECR) et études de cohorte) et l’études où l’incidence n’est pas mesurable (études cas-témoins, études transversales de prévalence. Soit P est la probabilité d’un évènement, la cote de l’événement = P /1-P La cote est un rapport soit la proportion des sujets présentant un événement sur la proportion des sujets ne présentant pas l’événement. Elle possède une notion d’événement complémentaire. OR est un rapport de 2 cotes. Le calcul est identique quel que soit le type d’étude. Cette mesure est souvent utilisée car toujours discutable. OR = (ad) / (bc) OR = le rapport des produits croisés C’est un bon estimateur du rapport du RR si et seulement si l’événement est relativement rare (CI < 10% par an) car alors RR équivaut à OR puisque : a est négligeable par rapport à b, donc a+b=~b c est négligeable par rapport à d, donc c+d=~d donc: (a/a+b / c/c+d) équivaut ± à (a/b / c/d) = (ad / bc) 24 Mesure d’effet, en valeurs relative 2 mesures fréquemment utilisées : Et E- Et - Interprétation de RR, OR Il faut prendre deux précautions, Les mesures en valeur relative doivent être comparables (même unité, groupes semblables en caractéristiques associées à E et à M) —> en cas de différences, standardiser. Les mesures en valeur relative sont à compléter par des mesures absolues, un RR peut concerner des fréquences très différentes. En effet, les mesures relatives ne disent rien de la fréquence absolue, —> Le RR ne nous dit rien sur la fréquence absolue 25 Pour interpréter l’association, on se pose 6 questions : L’IC à 95% C’est la mesure de précision et de signification statistique. Intervalle de confiance à 95 % = « il y a 95 % de chance que cet intervalle contienne la valeur vraie (mais inconnue) de l’effet estimé » = « si on répétait l’étude, dans 95 % des études on trouverait un effet estimé compris dans cet intervalle » 26 P-valeur ou p-value C’est la mesure de signification statistique soit la probabilité d'observer par le simple fait du hasard une différence entre les groupes au moins aussi grande que celle mesurée dans l’étude. p va de 0.0 à 1.0 seuil de p < 0,05 (ou < 0,01) = convention plus « n » (= taille de l’échantillon) est grand, plus p est petit statistiquement significatif = précis cliniquement significatif = utile —> deux jugements différents Fraction du risque FER et FPR (Fraction prévenue du risque).. 27  9.93 - 5 MESURE D’IMPACT (D’EFFET) Réduction absolue du risque (RAR) ou différence de risque (DR) C’est la différence des risques en valeur absolue. Il s’agit d’une simple soustraction. RAR = [fréquence dans le groupe étudié] – [fréquence dans le groupe de référence] Il s’agit d’une différence de risque (CI) ou de taux d’incidence (TI). Elle s’exprime dans la même unité que les mesures de fréquence comparées donc soir % ou pas d’unité. Si RR>1, le RAR donne une estimation du bénéfice de santé auquel les E+ peuvent s’attendre s’ils ne sont plus soumis à E+. Si RR dire qu’existe quelque chose qui n’existe pas Seuil fixé pour α (habituel, convention): 0.05 on accepte cette erreur α, 1 x sur 20 (= 5%) Observation dans l’étude : le test stat. est Positif —> est-ce un Vrai positif ou un faux positif ? Interprétation : regarder la p-value : si p < α (ici 5%), l’H0 est rejetée. p < 0.05 —> « il y a moins de 5% de chances que la ≠ observée dans cette étude soit expliquée par le seul hasard ». Probabilité complémentaire = 1 – α = Confiance. Si α = 5 % —> la confiance dans l’étude est de 95 % = capacité de « ne pas voir ce qui n’existe pas » β : erreur beta (ou de type II) L’erreur β = probabilité de conclure à tort qu’une ≠ n’existe pas entre les groupes, alors qu’une telle ≠ (ou plus grande) existe dans la réalité. = probabilité que l’étude ait loupé une telle ≠. Analogie diagnostique : « faux négatif » —> dire que n’existe pas quelque chose qui existe. Seuil fixé pour β (habituel, convention): 0.20 on accepte alors cette erreur β, 1 x sur 5 (= 20%) Observation dans l’étude : le test stat. est Négatif —> est-ce un VN ou un FN? Interprétation : regarder la valeur fixé pour β. β = 20% —> « il y a 20 % de chance qu’une différence non-détectée par cette étude existe en réalité ». Probabilité complémentaire = 1 – β = Puissance. Si β=20% —> la puissance dans l’étude est de 80% = capacité de « voir ce qui existe ». Relation entre niveaux des erreurs α et β et taille (nombre de sujets) d’une étude clinique Définir le niveau accepté pour les 2 erreurs Evaluer la fréquence de l’événement (M+) Préciser la différence qu’on cherche à détecter entre les deux groupes Avec ces 4 paramètres, le statisticien calcule la taille de l’étude : le nombre de sujets à inclure 33 Relation entre taille (nombre de sujets) et niveaux des erreurs α et β d’une étude clinique Définir la taille, càd le nombre de sujets disponibles Evaluer la fréquence de l’événement (M+) Préciser la différence qu’on cherche à détecter entre les deux groupes Avec ces 4 paramètres, le statisticien calcule les niveaux pour les 2 erreurs statistiques —> Il est rare de travailler avec α > 0.05 (α «doit être 0.20 Erreurs aléatoires des mesures 2 types d’erreurs co-existe Aléatoires —> imprécision de l’estimation (alpha et bêta) Systématique —> non validité de l’estimation La précision est différente de la validité et l’un n’implique pas l’autre mais ils peuvent être présent simultanément quand même. Erreurs aléatoires C’est l’(im)précision de l’estimation liées à la variabilité des observations (intra et inter-individuelles), qui est toujours présente. Elles sont liées aussi à la taille de l’échantillonnage, au tests d’hypothèse statistiques (p-value)et à l’intervalle de confiance (ex: IC à 95%) = mesure de précision. Erreurs systématiques C’est l’(in)validité de l’estimation, aussi appelées les biais. Ils ‘agit des déviations systématiques. La validité est la capacité (de la mesure ou de l’étude) de donner la conclusion correcte, de traduire la réalité des faits. Il n’existe pas d’outils de mesure à part notre sens critique. Les biais Ils peuvent être introduits à tous les stades de l’étude : Elaboration du protocole expérimental Inclusion des sujets Collecte des données Analyse / interprétation des résultats => Préoccupation constante pour la recherche et la lecture critique de la littérature scientifique. 34 C’est très important de respecter le protocole d’étude pour éviter les biais car on ne peut pas les corriger une fois qu’ils existent (sauf biais de confusion). On peut seulement tenter d’en mesurer l’importance et la direction. ERREURS PAR BIAIS Biais de sélection Dans certaines études d’observation (cas-témoins +++, cohortes +), les sujets ne sont PAS représentatifs. Les sujets inclus ne sont pas représentatifs de la population étudiée en ce qui concerne l’exposition (E+, E-) et / ou les sujets inclus ne sont pas représentatifs de la population étudiée en ce qui concerne l’événement ou la maladie (M+, M-). Etudes cas-témoins Sélection des témoins Sélection d’un échantillon de témoins (sujets indemnes de la maladie) représentatif de la population dont sont issus les cas. Le choix des témoins ne peut pas être influencé par leur situation à l’égard de l’exposition. Témoin = sujet qui aurait pu être sélectionné comme cas s’il était atteint de la « maladie » étudiée. Source des témoins : Hôpital, service de santé, Communauté, voisinage,... Appariement (« matching ») des cas et des témoins sur base de critères individuels : âge, sexe, profession...(taille d’échantillon : 1 à 4 témoins par cas). Ex : Biais de sélection - exemple : étude cas-témoins Objectif : évaluer l’association entre l’utilisation de médicaments anti-inflammatoires (des AINS) et le cancer colo-rectal Cas = patients admis pour un cancer colorectal dans un hôpital Témoins = patients hospitalisés dans le service de rhumatologie du même hôpital Biais ? OUI, biais de sélection des témoins, car les sujets hospitalisés en rhumatologie consomment plus fréquemment des médicaments anti- inflammatoires en raison de leurs pathologies (arthrites et arthrose). ici, exposition (E+) artificiellement accrue chez les témoins. "I + + = OR = ADE - 35 Biais de sélection: multiples possibilités Biais des travailleurs en bonne santé (ex: toxique et mortalité) Biais de sélection des témoins (ex: AINS & cancer colo-rectal)(ex: tabagisme et BPCO) Biais de survie sélective (ex: alcool & accidents) Biais d’admission Biais liés aux perdus de vue Biais de détection Biais liés aux non-réponses / volontaires Biais de sélection, fréquence selon le design Transversal: ++ —> non-répondants Cas-témoins: +++ —> sélection des témoins, sélection des cas Cohorte: + —> lost to follow-up, groupe non-exposé (healthy worker effect) Biais de classification Certaines mesures de l’exposition (E) et/ou de l’effet (M) sont incorrectes —> mauvaise classification des sujets Ex 1 : étude cas-témoins Ex 2 : étude cas-témoins 36 Biais non-différentiel : affecte de la même manière les deux groupes à comparer. —> Sous-estime la mesure de l’association. Il n’y a pas d’outil de mesure parfait. —> sensibilité / spécificité ; reproductibilité Biais différentiel: affecte de façon différente les groupes à comparer (biais de mémoire, biais liés aux observateurs) —> Sur-estime ou sous-estime la mesure de l’association Exemple : Biais de classification non différentiel Absence de biais Biais de classification différentiel Biais de classification différentiel Biais de confusion Perturbation de la mesure de l’association entre l’exposition (E) et l’effet (M) par un facteur tiers (C). Elle est toujours rechercher. C’est une distorsion de la mesure Exposition – Maladie, due à un facteur Confondant (aussi appelé de Confusion). Caractéristiques de C : C et E sont associés et C est associé à M, comme (f)acteur de risque 37 Exemple 1 : étudie de cohorte Exemple 2 : 38 Exemple 3 : L’effet confondant & l’effet modifiant, ce n’est pas la même chose. L’effet modifiant Il y a effet modifiant lorsque l’intensité (OR ou RR) de l’association observée entre exposition et maladie (entre E et M) est différente en présence d’un tiers facteur (C). 39 Comment évaluer la présence d’un effet confondant ou modifiant ? Grace à la stratification qui est le calcul des mesures d’association (RR ou OR) dans chaque strate. Ces mesures (RR ou OR) sont-elles égales entre elles ? 40 Exemple : Tabac 41 Evaluer la présence d’un effet confondant ou modifiant Stratification Calcul des mesures d’association (RR, OR) dans chaque strate : ici : OR=1 et RR=1 Ces mesures sont-elles égales ? Ici, oui (RR=1) Facteur confondant : Biais de confusion: effet confondant et/ou modifiant ? Comparer l’effet global (effet brut = crude effect: RRc) avec les effets spécifiques observés dans les sous-groupes (strates) de la variable potentiellement confondante. Mesure brute de l’association entre E et M : RRc Mesures spécifiques à 2 strates(C1 et C2) si RR1 = RR2 = RRc, alors C n’est pas un facteur confondant si RR1 = RR2 mais différent de RRc, alors C est confondant si RR1 diffère de RR2 avec RRc intermédiaire, C est modifiant si RR1 diffère de RR2 avec RRc plus élevé ou plus bas, C est confondant et modifiant Biais de confusion : prise en charge Méthodes pour prise en compte de l’effet confondant et/ou modifiant : 42  L’analyse stratifiée —> Voir exemples ci-dessus (strates d’âge pour association couleur de cheveux et risque d’infarctus ; strates de tabagisme pour association asthme et Kpoumon) La standardisation des mesures de fréquences — > Méthode directe —> Méthode indirecte L’analyse multivariée (=ajustement des mesures par un modèle mathématique) CAUSALITÉ Concept de causalité Approche déterministe classique —> domaine des infections; limites... Approche critique —> envisager et écarter 3 explications Approche probabiliste —> probabilité; réseau de causes Inférence causale en épidémiologie Analyse causale L’approche déterministe Une relation de cause à effet est une relation constante et parfaitement prévisible entre deux facteurs X et Y. Si (modification de) X, donc (modification de) Y, X est la cause nécessaire de Y —> Toute modification de Y doit avoir été précédée par une modification de X X est la cause suffisante de Y —> toute modification de X entraîne inévitablement une modification de Y. L’approche critique Exemple : Association « casque » et « commotion cérébrale » chez des cyclistes accidentés Quel est ici le Rapport de Risque (RR) de commotion des cyclistes porteurs de casque par rapport à ceux qui n’en portent pas ? Vos conclusions ? ⑭ Avant de conclure à la nature causale d’une association observée entre une exposition (E) et une maladie (M), il faut être prudent, exercer son esprit critique, et exclure d’autres explications en se posant 3 questions 43 Y a-t-il... 1. Erreur par le hasard ? 2. Erreur par un biais (mesures, méthodologie) ? 3. Effet par un autre facteur confondant (méconnu) ? 1. Effet du au hasard - 2. Effet du à un biais & 44 3. Effet du à un facteur confondant Face à une association « cause - effet », toujours envisager 3 explications possibles : L’association observée résulte du simple effet du hasard (erreurs par imprécision) = Association fortuite L’association observée résulte de biais (erreurs par invalidité: mesures, méthodologie) = Association biaisée L’association observée résulte de l’effet d’un facteur confondant (caché, méconnu) = Association fallacieuse Après exclusion de ces 3 hypothèses, quels sont les arguments principaux qui permettent de juger de la nature causale de l’association ? 45 L’approche probabiliste La maladie (M) est un événement dont la survenue est plus ou moins probable en présence d’un facteur d’exposition (E). La certitude s’efface au profit de la probabilité (P) —> P est une valeur comprise entre 0.0 et 1.0 La notion de cause unique (X) est remplacée par celle de réseau de cause. 4 exemples de relations causales: Exposition (E) & Maladie (M) 46 Inférence causale en Epidémiologie Processus éclairé par l’analyse que nous avons faite des approches déterministe et probabiliste, en gardant un esprit critique. Les sciences de la Santé ne proposent pas de modèle général de causalité pour conceptualiser les questions épidémiologiques. L’épidémiologie a donc imaginé un modèle de causalité. Modèle général de la Causalité en Epidémiologie Une cause d’une maladie est tout événement, condition, caractéristique ou toute combinaison de ces facteurs qui joue un rôle déterminant dans l’apparition de cette maladie. —> Origine multifactorielle des maladies. —> Notion de « complexe causal » Cette définition de la cause résulte des caractéristiques du processus causal qui est déterministe, multifactoriel, relativiste, probabiliste et évolutive. L’épidémiologie causale est déterministe : La maladie résulte de l’effet d’un facteur causal ou d’un ensemble de facteurs causals Le(s) facteur(s) causal(s) exerce(nt) l’action antérieurement à l’apparition de la maladie L’épidémiologie causale est multi-factorielle : La plupart des maladies sont à détermination multifactorielle : la « cause » est un ensemble de facteurs qui forment une chaîne causale La cause produit un effet dans un environnement particulier. L’épidémiologie causale est aussi relativiste : La cause d’une maladie est un concept relatif, à interpréter en regard d’autres hypothèses causales formulées dans un contexte spécifique 47 L’épidémiologie causale est probabiliste La cause d’une maladie est un concept qui acquiert un sens par rapport à un groupe et ne permet pas de formuler un pronostic individuel. L’épidémiologie causale est évolutive Les causes varient au cours du temps, de même que les maladies, selon les connaissances de l’époque, les processus d’adaptation biologiques et sociaux. Analyse causale cause = facteur d’exposition Un facteur de risque s’il exerce un effet défavorable sur la santé (tabac, pollution, obésité, maigreur,...) facteur de protection s’il exerce un effet favorable sur la santé (scolarisation, médicament, niveau socio-économique élevé,...) analyse causale : Les observations faites pour étudier les effets d’un facteur d’Exposition peuvent être présentées simplement sous la forme d’un tableau de contingence 2X2 encore appelé Tableau « cause - effet » ou Tableau « Exposition - Maladie ». 48