Épidémiologie analytique

Cours IFSI S3 Nicolas Griffon 14/09/2010

Plan

 Rappel   Objectifs des enquêtes étiologiques Principaux types d'enquêtes  Les biais    Interprétation des résultats Liaison statistique et relation de causalité Principes généraux

Définition

 Épidémiologie : « Discipline scientifique étudiant la distribution et les caractéristiques des problèmes de santé au sein d'une population, cherchant à identifier les facteurs qui expliquent l'apparition de ces problèmes, et à juger de l'efficacité des mesures prises pour les éviter ou les corriger.

»

Échantillons

 Travail sur des

échantillons

population issus de la 

Tirage au sort

 échantillon

représentatif

   Simple : dans une liste de sondage Stratifié : dans plusieurs listes de sondage En grappe : tirage de liste...

Indicateurs

 Prévalence : « Mesure quantitative de la fréquence des cas d'un problème de santé donné (récents ou anciens) présents au sein d'une population, à un moment donné. Elle mesure l'état de santé de cette population. Elle est calculée en rapportant le nombre de personnes atteintes du problème à un moment donné à l'effectif de la population totale (proportion). »  Incidence : « Nombre de cas d’une affection définie nouvellement apparus dans un groupe ou une population au cours d’une période donnée (souvent une année) ; il est généralement rapporté au nombre de personnes du groupe ou de la population chez qui l’affection était susceptibles d’apparaître (taux d’incidence). »

formules

 Prévalence p = nombre de malade à l'instant t population à cet instant  Incidence : i = nombre de nouveau cas sur une période population exposée durant cette période

Individu 1 2 6 7 3 4 5 01/10

Exemple

I = 3/7 = 0,43 cas/mois/personne 01/11 01/12 t

Erreur aléatoire

Proportion de gaucher dans la population : 10% Nombre de gaucher dans un échantillon : De 10 personnes

35 30 25 20 15 10 5 0 0 1 2 3 4 5 6 7 8 9 10

De 100 personnes

nombre d'échantillon

60 50 40 30 20 10 0 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Objectifs



Quantifier

l'association entre une pathologie et une exposition :   Estimateur de risque Étudier la

causalité

: 

Déterminant



Marqueur

de risque/protecteur

Facteur

de risque/protecteur

Identifier les facteurs de risque des états de santé pour agir.

Définitions

 Déterminants : Caractéristique lié de façon

causal

de santé à la survenue d'un problème  Marqueur de risque/protecteur : Caractéristique lié de façon

non causal

problème de santé à la survenue d'un  Facteur de risque/protecteur : Caractéristique lié à la survenue d'un problème de santé,

sans présumer de la causalité

.

Essais expérimentaux

• • • • Une population  Deux groupes Répartition au hasard (

tirage au sort

) Intervention différente dans chaque groupe (exposition) Comparaison du nombre d’évènement (calcul d’un

risque relatif

(RR))

Exemple

• Étude d’un nouveau médicament de l’hypertension.

Groupe A traitement Population d’hypertendu

placebo

Groupe B

Exemple

• Mesure de la tension après deux mois de traitement ttt placebo HTA+ HTA- TA moyenne 17 103 152 mmHG 28 92 158 mmHG P(HTA+/ttt)=17/120 = 14,2% P(HTA+/placebo)=28/120 = 23,3% RR = 14,2/23,3 = 0,61 Comparaison de 152 à 158 mmHG ?

erreur aléatoire ou différence vrai ?

Limites

• • C’est la méthode de référence – On essaye toujours de s’en rapprocher au maximum Pas toujours applicable… …recours à des enquêtes d’observation ou quasi expérimentale

Enquête quasi-expérimentale

• Avant après ou/et ici-ailleurs i0 t i0 i1 i1 • On compare i0 et i1 (calcul d’un RR), mais prise en compte : • Des différences régionales • Des différences temporelles

Enquête de cohorte

 Constitution de deux échantillons dont on connaît le degré d'exposition... ...qu'on va suivre dans le temps :

Exposé

: fumeur Maladie Maladie Maladie Maladie Maladie Maladie Maladie 2010

Non exposé

: non fumeur 1980

Enquête de cohorte

 Il s'agit d'une enquête

prospective

 On mesure les taux d'incidences de la maladie étudié dans les deux groupes et on les compare (calcul d'un RR)

Exemple

• Tabagisme et cancer du poumon : on suit des classes de lycéens, de la seconde à leur décès.

Mesure de l’exposition : questionnaire annuel sur leurs consommation de tabac.

Malade : sujet qui aura développé une tumeur du poumon. Malade Non-malade Exposé Non exposé 117 12 981 1236 P(m+/e+) = 117 / 1098 = 10,7% P(m+/e-) = 12 / 1248 = 1,0% RR = p(m+/e+) / p(m+/e-) RR = 10,7 / 1 RR = 10,7

Limites

• Suivi de 16 ans à…  60 ans de suivis !!!

– Long – Coûteux –

Perdu de vue

 La maladie doit être relativement

fréquente

• Les fumeurs sont aussi de gros consommateurs de café ?

Enquête cas-témoins

 Constitution de deux échantillons : Non-malades   Mesure

retrospective

des expositions  Grossièrement, on compare le nombre d'exposé chez les malades à celui chez les non-malades (calcul d'un

Odds Ratio

(OR))

Exemple

 Consommation d'alcool pendant la grossesse et déficit neurologique du nouveau né : Cas : naissance avec déficit neurologique Exposition : consommation d'alcool par la mère durant la grossesse (évalué par questionnaire) Cas Témoins Consomation d'alcool (même occasionel) 12 8 Mère sobre 38 92 p(exposé/cas) = 12/50 = 24% p(exposé/témoins) = 8/100 = 8% On peut calculer un OR : OR = (12 x 92) / (8 x 38) = 3,6 RR ≈ 3,6

Limites

 Les cas seront plus souvent inclus dans des maternité de niveau 3 :  Dans quelle population faut il choisir les témoins ?   Une femme vient d'accoucher d'un enfant qui a des troubles neurologiques :  Qualité des réponses aux questions ?

Les mères exposées ont aussi de moindres revenu ?

Comparaison cohorte/cas témoins Cohorte Cas/témoins Type Coût Rapidité des résultats prospectif Élevé ++++ ------------ rétrospectif Faible + Longs, peu reproductibles Biais + Perdus de vue Rapides Reproductibles ++++++ Témoins comparables au cas : biais sélection Mémorisation (rétrospectif) mesure Maladie Indicateur multiples fréquente RR Risque relatif (IC) Unique Maladie Rare OR Odds Ratio (IC)

Enquête transversale

• Étude

ponctuelle

• Permet de mesurer des prévalences • Permet de mesurer des associations… à un instant t

Exemple

• Enquête de prévalence : • Étude réalisée sur un ou quelques jours auprès de tous les patients des hôpitaux • De nombreuses informations recueillies : • Infection nosocomiale : 1,3% des patients • Durée de séjour : plus longue pour les patients infectées que les autres • Motif d’hospitalisation ?

Limites

• Les patients infectées sont hospitalisé plus longtemps que les non infecté et on donc plus de chance d’être là le jour de l’étude • Les patients ventilées mécaniquement ont des durées de séjour plus élevées !

• Durée de séjour augmenté par l’infection ou infection car durée de séjour longue ?

 Aucun indice sur la causalité

Enquête écologique

 Pas de suivis individuel   Recueil de données au niveau d’ensemble géographique (région, pays) et temporel Recherche d’une

corrélation écologique

Exemple

Limites

• Données collectives : – Impossible de prendre en compte des

facteurs de confusions

– Relation au niveau individuelle pas nécessairement identique à la relation au niveau collectif

Les biais

   Un biais est une

erreur systématique

(non liée au hasard) qui compromet la validité de l'enquête et empêche l'interprétation juste des résultats. Il existe trois catégories de biais :  biais de sélection   biais de mesure biais d’analyse Problème : extrapolation des résultats observés sur l’échantillon à la population ?

Biais de sélection

• • Au niveau de la constitution des échantillons qui sont comparés Si l’échantillon n’est pas

comparable

population : à la – Échantillon de malades plus exposé que population de malade – …

Biais de sélection

• • • • Sélection des cas : – Sélection de cas hospitalier… – Inclusion sur cas prévalent Sélection de la population de référence : – Base de sondage de la population générale Perdu de vues Non répondants

POP M+ M total

Exemple

E+ 100 000 350 000 450 000 E 75 000 total 175 000 475 000 825 000 550 000 1 000 000 P = 10% RR = 1,63 ECH M+ M total E+ 1 000 3 500 4 500 Échantillon non biaisé E 750 4 750 5 500 total 1 750 8 250 10 000 P = 10% RR = 1,63

Exemple

Si les malades sont plus exposé dans l’échantillon ECH M+ M E+ 1 250 3 500 E 500 4 750 total 1 750 8 250 total 4 750 5 250 10 000 Si les non malades sont plus exposés ECH M+ M total E+ 1 000 4 000 5 000 E 750 4 250 5 000 total 1 750 8 250 10 000 P = 12,5% RR = 2,76 P = 10% RR = 1,33

Biais de classement

• Au niveau de l’évaluation du statut exposé/non exposé ou malade/non-malade : – Biais de mémorisation – Biais d’investigation – Biais de déclaration

Erreur non différentielle

– Erreurs sur l’exposition qui affectent de la même manière les malades et les non malades – Erreurs sur la maladie qui affectent de la même manière les exposés et les non exposés.

ECH E+ E total M+ M total ECH 1 000 4 000 5 000 E+ 500 4 500 5 000 E 1 500 8 500 10 000 total OR = 2,25 Erreur de mesure de l’exposition : 20% de non exposés sont considérés exposés M+ M 1 100 4 900 400 3 600 1 500 8 500 OR = 2,02 total 6 000 4 000 10 000 Biaise le résultat vers 1  gênant, mais discutable

Erreur différentielle

– Si l’erreur de classement sur l’exposition varie selon le statut vis à-vis de la maladie – Si l’erreur de classement sur la maladie varie selon le statut vis à-vis de l’exposition ECH E+ E total M+ M total ECH M+ M total 1 000 4 000 5 000 E+ 1 100 4 000 5 100 500 4 500 5 000 E 400 4 500 5 000 1 500 8 500 10 000 total 1 500 8 500 10 000 OR = 2,25 Erreur de mesure de l’exposition chez les malades seulement : 20% de non exposés sont considérés exposés OR = 3,09 (si même erreur pour les non malade OR = 1,47) Biaise le résultat dans un sens ou l’autre  Difficile à discuter

Biais de confusion

Facteur de confusion

• « Dans l'étude de la relation entre une caractéristique, possible facteur de risque, et un problème de santé, toute caractéristique déjà connue pour être liée au problème de santé étudié. La présence de facteurs de confusion connus implique obligatoirement des conséquences dans l'étude, soit dans la constitution des groupes comparés (appariement), soit lors de l'analyse des données (ajustement). » Associé à l’exposition & Associé à la maladie

Exemple

M+ M Total

Hommes

E+ E 100 650 750 15 285 300

Femmes

E+ E 100 275 375 75 675 750 E+ 200 925 1125

Total

E 90 960 1050 RR 1 = 2,67 RR 2 = 2,67 RR = 2,07 Les hommes sont plus souvent exposés que les femmes (750 / 1050 > 375 / 1125) Les femmes sont plus souvent malades que les hommes (175 / 1125 > 115 /1050) Le sexe est un facteur de confusion entre l’exposition et la maladie

Discussion

• Sens du biais : imprévisible • Prise en compte du biais : • Tirage au sort • Restriction de la population étudiée • Appariement • Ajustement

Interprétation des résultats

• OR et RR • =1  risque L’exposition étudiée n’est pas un facteur de • <1  l’exposition étudiée est un facteur protecteur • >1  l’exposition étudiée est un facteur de risque • Coefficient de corrélation : • =0  pas de corrélation entre exposition et maladie • =1  corrélation maximum entre E et M, E facteur de risque • =-1  corrélation maximum entre E et M, E facteur protecteur

Significativité

Rappel : erreur aléatoire !!!

Les valeurs observées dans deux échantillons différents sont par essence différentes… …Sont elles statistiquement différente ?

 Valeur de la différence  Réalisation de test statistique : petit p ≈ probabilité que les deux échantillons soient issue de la même population Choix d’une valeur seuil : 0,05

Intervalle de confiance

« Terme statistique désignant une "fourchette" de deux chiffres, permettant d'estimer la valeur d'une variable au niveau de la population que l'on souhaite étudier, à partir d'un échantillon extrait de cette population. La largeur de cette "fourchette" correspond à la précision de l'estimation. Le chiffre ponctuel dans la population ne peut être connu à partir d'un échantillon. » En pratique : Si l’IC contient la valeur neutre, il n’y a pas de différence significative entre les deux échantillons (ils sont issus de la même population)

Causalité

Marqueur de risque ≠ déterminant  Difficulté d’établir un lien causal : Avoir des grand pied confère un QI plus élevé ?

La consommation d’alcool et de tabac est responsable des cancer des VADS ?

Question philosophique… Critères de Hill

Critères de Hill

•

Association statistique

• • Forte • Constante • Relation dose-effet

Temporalité

• Plausibilité biologique

Réaliser une étude épidémiologique

• Savoir ce que l’on sait • Protocole d’étude • Calcul d’un nombre de sujet à inclure • Analyser et interpréter les données

Savoir ce que l’on sait

• Revue de la littérature • Pubmed, google scholar, cochrane…  Facteurs de confusions • Un pas en avant : •

Une

hypothèse à tester !



Une

question sur une maladie et une exposition !

Protocole

• Population étudiée • Recueil de données : • Mesure de la maladie • HTA • Mesure de l’exposition • PM10 • Facteurs de confusion

Nombre de sujet nécessaire

• Gestion des coûts • Hypothèses : • Effet à mettre en évidence • Choix du seuil (p = 0,05)  On peut calculer :  La probabilité que l’on a de mettre en évidence la différence prévu selon  Le nombre de sujet que l’on va inclure dans l’étude

Données

• Les analyses doivent avoir été planifiées • Validité des résultats : • Analyse de sensibilité • Interprétation des résultats • En fonction de la revue de la littérature • En fonction des données • Conclure vis-à-vis de la question posée.

Merci

http://www.santepub-rouen.fr

> Nous > Nos travaux Épidémiologie analytique [croix rouge S3]