Transcript Enquêtes épidémiologiques F. Kohler N’Djamena 2010 Epidémiologie • L’épidémiologie cherche à quantifier la fréquence d’un événement de santé dans une population, et à déterminer ses causes biologiques,

Enquêtes épidémiologiques
F. Kohler
N’Djamena 2010
Epidémiologie
• L’épidémiologie cherche à quantifier la
fréquence d’un événement de santé dans une
population, et à déterminer ses causes
biologiques, médicales, environnementales,
socio-économiques, son pronostic, ses
traitements, sa prévention, son coût…
• Domaine très vaste qui utilise la statistique et
fournit des statistiques (OMS, UNICEF…)
3 grands types
• Enquêtes descriptives
– objectif : fournir des statistiques sanitaires dans les
populations
– Elles étudient la fréquence et la répartition des
indicateurs de santé ou des facteurs de risque et leurs
variations en fonction
• du temps,
• des zones géographiques
• des groupes de population.
– Elles permettent de soulever, à partir de ces
observations, des hypothèses sur les facteurs de
risque des maladies
3 Grands Types
• Enquêtes étiologiques
– visent à mettre en évidence une relation entre un
(des) facteur(s) d’exposition et une (des)
maladie(s) et à fournir des arguments en faveur
d’une interprétation causale de cette relation
(force de l’association, présence d’une relation
dose-effet
– On doit discuter :
• Les biais et facteurs de confusion
3 grands types
• Enquêtes expérimentales : Essai
thérapeutique
– Elles visent :
• A démontrer la supériorité d’un traitement par rapport
à d’autres
• A démontrer l’équivalence
– Elles permettent d’affirmer la causalité
– Elles sont prospectives
Il existe d’autres classements
• Les études épidémiologiques dites « d’observation »
– Études descriptives
• Décrire un état de santé
– Évaluation d’un test diagnostique
• Prédire un diagnostic
– Études analytiques
• Etiologiques
– Expliquer
• Pronostiques
– Prédire une évolution
• Les études expérimentales
– Essais thérapeutiques
• Ou encore
– Prospectives/Rétrospectives
– ….
Enquêtes descriptives
Enquêtes descriptives
• Les indicateurs sanitaires d’une population
– Mortalité
– Létalité
– Morbidité
• Prévalence
• Incidence
– Natalité
–…
Enquêtes de prévalence
• Ce sont des enquêtes transversales qui estiment
le nombre de cas présents dans une population à
un instant donné. (Exemple : enquête de
prévalence « un jour donné » des infections
nosocomiales en établissements de santé).
• Le taux de prévalence est :
P= M/N (compris entre 0 et 1)
M = nombre de cas (malades)
N = nombre total de sujets (malades + non-malades)
• Elles servent à mesurer la charge de soins du
système de santé
Prévalence de la tuberculose
(/100 000 habitants 2008. OMS)
Enquêtes d’incidence
• Ce sont des enquêtes longitudinales (suivi d’un groupe de
sujets dans le temps)qui estiment le nombre de nouveaux
cas de maladie dans une population, pendant une période
donnée. (Exemple : registres des cancers présents dans
certains départements, suivi des employés en médecine du
travail…).
• Le taux d’incidence est le rapport du nombre de nouveaux
cas de maladie recensés au nombre de personnes
susceptibles d’être atteintes dans la population, pendant
une période donnée.
TI = M/PT
M = nombre de nouveaux cas (malades) pendant la période d’étude
PT = nombre de personnes-temps (personnes-années, le plus souvent)
• On parle, par exemple, d’un taux d’incidence annuel de 10 cas pour
100 000 personnes années
• Elles servent à détecter le début des épidémies
Incidence, Prévalence, Mortalité de la tuberculose (2009 – OMS)
Relation entre prévalence et incidence
•
En l’absence d’épidémie, si la prévalence est faible
(<5%)
Prévalence = Incidence * Durée de la maladie
•
En cas d'épidémie il y a déstabilisation de l'incidence ;
la prévalence peut alors évoluer très différemment,
par exemple selon l'impact de la maladie sur le taux
de mortalité.
–
Si la maladie a une influence très faible sur le taux de
mortalité de la population, à la fin de l'épidémie la
prévalence déclinera lentement, la persistance de la
maladie (temps nécessaire à la disparition de son agent
étiologique) sera importante et la guérison de la
population sera longue (schéma A).
– Au contraire, si la maladie augmente de façon
importante le taux de mortalité, la prévalence déclinera
plus rapidement dès la fin de l'épidémie, sa persistance
sera moins longue et la guérison de la population sera
plus rapide (schéma B)
Source Laurent Mignon 2007 Wikipédia
Exemple
Enquêtes étiologiques (ou analytiques)
Enquêtes étiologiques
• Les enquêtes étiologiques analysent les relations entre
l’exposition à un facteur de risque et un état de santé.
• Les enquêtes étiologiques sont toujours comparatives
(elles comparent deux groupes différents soit sur la
présence de la maladie, soit sur la présence du facteur
de risque ou d’un traitement).
• Un facteur de risque est une caractéristique associée à
une probabilité plus élevée de maladie.
• Le rôle causal ne peut être affirmé que par
l’expérimentation.
Enquêtes exposé / non-exposé
• Les enquêtes exposé / non-exposé consistent à comparer la
proportion de malades (ou de décès) observée entre un groupe de
sujets exposés à un facteur de risque et un groupe de sujets non
exposés à ce facteur de risque, initialement indemnes de la
maladie.
• L’enquête exposé / non-exposé peut être :
– prospective (les groupes sont constitués au début de l’étude et on
organise le suivi des sujets au cours des années qui suivent leur
inclusion)
– rétrospective (l’inclusion des sujets se fait à partir d’une date du passé
suffisamment lointaine pour que la maladie ait eu le temps de se
développer et que la période de suivi soit écourtée (date d’embauche
des employés d’une usine par exemple).
• L’enquête exposé / non-exposé s’adresse de préférence aux facteurs
d’exposition rares.
• L’enquête exposé / non-exposé permet d’estimer le risque relatif
de la maladie (RR).
Enquêtes exposés-non exposés
• Avantages :
– Sélection sur l’exposition, indépendamment de la
maladie
• Inconvénients :
– Durée de l’enquête,
– Coûts
– Risque de perdus de vue
Calcul du risque relatif
• Cancer du poumon et
éthylisme.
• Fréquences relatives :
Risques
– Cancer chez les
éthyliques :
– R1 = 73/1000
– Cancer chez les
non éthyliques:
– R0 = 37/1000
Risque Relatif (RR)
= R1/R0 =1,97
Exposé/ Non
Exposé
Cancer +
Cancer -
Ethylisme +
73
927
1 000
Ethylisme -
37
963
1 000
Total
110
1 890
2 000
Total
Un sujet exposé a 1,97 fois plus de « chance » de
faire un cancer qu’un sujet non exposé.
Note : 110/2000 donne la fréquence de la maladie dans la population
Risque relatif
• Interprétation
– RR > 1 : L’exposition au facteur augmente
la fréquence de la maladie :
Le facteur est un facteur de risque
– RR = 1 : L’exposition au facteur n’influence pas
la fréquence de la maladie
– RR < 1 : L’exposition au facteur diminue
la fréquence de la maladie :
Le facteur est un facteur de protection
Risque relatif
• Oui mais… Est-ce du au hasard ?
– Quelle est la probabilité que le hasard ait amené un
tel lien entre la maladie et l’exposition sur le tableau à
4 cases ?
• Si cette probabilité (p) est faible, on sera en droit avec un
risque connu d’affirmer que ce n’est pas le hasard qui a
amené un tel résultat.
• Pour répondre à cette question on fait un test statistique (ici
test du Khi2 ou de l’écart réduit). Habituellement si p<0,05
on dit que la liaison est significative et que ce n’est pas le
hasard qui a amené cette différence
– Ou ….
Risque relatif
• Ou :
– Le RR a été obtenu sur une seule enquête, il
n’aurait pas exactement la même valeur si l’on
refaisait l’enquête du fait des fluctuations du
hasard. On peut définir un intervalle de confiance,
qui par exemple 95 fois sur 100 contiendrait la
vraie valeur du RR.
– Si l’intervalle de confiance ne contient pas la
valeur 1, c’est que le facteur a réellement une
action.
Excès de risque et risque attribuable
• Excès de risque = R1-R0
• Risque attribuable = (R1-R0)/R1= (RR-1)/RR
• Fraction évitable = 1-RR
Enquêtes cas / témoins
• Les enquêtes cas-témoins consistent à comparer la
fréquence d’exposition antérieure à un (ou plusieurs)
facteur(s) de risque dans un groupe de « cas » atteints
de la maladie étudiée, et dans un groupe de « témoins
» indemnes de celle-ci.
• La mesure du facteur de risque est effectuée
rétrospectivement.
• L’enquête cas / témoin s’adresse de préférence aux
maladies rares.
• Le risque relatif de maladie ne peut pas être estimé
dans une enquête cas-témoin.
• On calcule un odds ratio (OR)
Enquête cas-témoins
• Avantages :
– Réponse rapide
• Inconvénients :
– Effet mémoire
– Sélection des sujets
– Biais
Calcul de l’odds ratio
ou rapport de côtes
• Côtes :
Toxiinfection
(Cas)
– Carottes
C1 = 40/2= 20
– Pas de carottes
• C2 = 10/48=0,21
OR
= C1/C2
= 20/0,21
= 96
Indemne
s
(Témoins
)
Total
Carottes rappées
Pas de Carottes
rappées
40
2
42
10
48
58
Total
50
50
100
L’OR est souvent utilisé en épidémiologie.
Si la fréquence de la maladie est faible, les valeurs
de OR et de RR sont très proches.
Note : 50/100 ne donne pas la fréquence de la maladie dans la population
Interprétation de l’OR
• Identique à celle d’un RR
• On peut tester si l’association est due au
hasard :
– Test de l’existence de la liaison sur le tableau
– Ou calcul d’un intervalle de confiance de l’OR
Remarques
• Dans les enquêtes exposés/non exposés comme dans les
enquêtes cas/témoins, on recherche en général l’influence
de plusieurs facteurs
– par exemple tabac, sexe, âge,…. Et survenue d’un cancer
• L’analyse est en deux étapes :
– d’abord l’analyse « univariée » c’est-à-dire facteur par facteur
indépendamment des autres
• Ceci expose au risque de retenir comme facteur des « facteurs de
confusion »
• Mais cela permet de retenir les facteurs que l’on retiendra pour
l’analyse multivariée
– L’analyse multivariée prend ensemble les différents facteurs
permet de maîtriser les « facteurs de confusion »
• On peut également réaliser une analyse par sous groupe
Enquêtes pronostiques
type étude de survie
• Elles consistes à suivre une cohorte de sujets et à évaluer le
nombre et le délai de survenue d’un événement (courbe de
survie.
• Exemple :
– On veut l’évolution de patients infectés par le VIH vis-à-vis de
l’apparition d’un Kaposi.
• On inclut dans l’étude des patients lors de la découverte de leur
infection par le VIH
• On suit ces patients régulièrement dans le temps par exemple chaque
année à la date anniversaire de la découverte et pour chaque
personne on note la présence ou l’absence de Kaposi
• On obtient ainsi pour chaque patient un délai de suivi (qui n’est pas le
même pour chaque patient) et un état (présence ou absence de
Kaposi)
• Certains patients sont parfois perdus de vue
Application à la survenue de Kaposi
•
Soit les événements Morts-Vivants
– P(Vivant) = 1 - P(Mort)
– La probabilité de ne pas avoir de Kaposi (d'être vivant) au jour J et au jour J+1 est
égale au produit des probabilités de ne pas avoir de Kaposi (d'être vivant ) au jour J et
J+1.
Jour Exposés DCD
PDV P(DCD)
P(Viv.)
Pcum(Viv)
0
100
0
0
0
1
1
1
100
3
0
0,03
0,97
1*0,97
6
97
2
0
2/97=0,0206
0,9794
0,97*0,9794
= 0,95002
7
95
0
3
0
1
0,95002
10
92
…
…
…
…
…
Représentation graphique
Analyse de plusieurs
courbes (de survie)
• Deux principales techniques statistiques sont
utilisée
– Comparaison de 2 courbes par Kaplan-Meyer
– Recherches des facteurs influant la survenue de
l’événement en analyse multivariée par le modèle
de Cox
Enquêtes expérimentales :
Essai thérapeutique
Essai thérapeutique
• Contexte
– Le développement d’un nouveau médicament suit
différentes phases
• Développement fondamental sans essai chez l’homme
– Synthèse, détermination de la toxicité animale (DL 50…), efficacité sur
des modèles (cultures cellulaires, modèles animaux…), effet sur la
reproduction (effet tératogène, effet sur la fertilité…)
• Développement chez l’homme
– Phase 1 : Chez le volontaire sain, recherche d’effets adverses, choix de la
forme galénique (biodisponibilité)
– Phase 2 : Chez le malade Courbe doses/action,
– Phase 3 : Chez le malade en situation réelle de traitement
– La phase 3 se termine par le dossier d’autorisation de mise sur le marché
(AMM). Le médicament est disponible à la vente et peut ensuite être
prescrit.
– Phase 4 : pharmacovigilance. C’est la surveillance de l’efficacité et de la
non nocivité du traitement avec réévaluation périodique du
« bénéfice/risque »
Essai de phase 3
•
Essai comparatif entre le nouveau traitement et
– Un placébo s’il n’y a pas de traitement reconnu
– Le(s) traitement(s) de référence s’il existe
•
Essai randomisé
– Ni le médecin, ni le patient ne choisissent le traitement. Celui-ci est attribué au hasard
(randomisation)
•
Essai prospectif
– Les malades répondant aux critères d’inclusion (âge, sexe, stade de la maladie…) sont suivi
régulièrement et systématiquement pendant toute la durée de l’étude
•
Essai en double aveugle
– Quand cela est possible, ni le médecin, ni le malade ne savent s’il le malade bénéficie du
traitement de référence ou du nouveau traitement
– Ceci n’est pas toujours possible par exemple évaluation du traitement par antibiotique de
l’ulcère de l’estomac par rapport à la chirurgie
•
Essai très encadré
– Par la réglementation
– Par l’éthique
– Consentement libre et éclairé du patient
Schéma habituel
Sélection des malades élligibles
Critères d’inclusion/exclusion
Très rarement tirage au sort
Population
des
malades
Malades
inclus
Randomisation
Tirage au sort des traitements
T0
Nvx TT
S1
S2
S..
Réf.
S’1
S’2
S’..
T1
T Final
Effet placébo
• Effet bénéfique du traitement apporté en dehors
de tout effet réel physiologique
– « Le simple fait d’avoir vu le docteur je me sens
mieux »
• Lors de l’essai thérapeutique on souhaite que le
médicament testé face mieux que « la mie de
pain » ou la simple rencontre avec le médecin
– Effet placébo = élément parasite dont on cherche à se
débarrasser
Type de l’étude
QUESTIONS
EPIDEMIOLOGIE Incidence
EPIDEMIOLOGIE Prévalence
PROTOCOLE
Suivie de population (suivi de cohorte ou
registre)
Transversal (sur échantillon représentatif)
THERAPEUTIQUE Efficacité
THERAPEUTIQUE Sécurité
Etude contrôlée randomisée
Etude contrôlée randomisée ou suivi de cohorte
DIAGNOSTIC
Reproductivité/Variabilité
DIAGNOSTIC
Sensibilité/Spécificité
DIAGNOSTIC Efficacité/Utilité
DIAGNOSTIC Stratégie
Transversal comparatif avec répétition de mesure
CAUSALITE Phénomène
contrôlable fréquent
CAUSALITE Phénomène non
contrôlable fréquent
CAUSALITE Phénomène rare
PRONOSTIC Maladie fréquente
PRONOSTIC Malade rare
Etude contrôlée randomisée
Transversal comparatif avec étalon-or
Etude contrôlée randomisée
Etude contrôlée randomisée ou arbre décisionnel
Suivi de cohorte (exposés/non exposés)
Etude cas-témoin
Etude contrôlée randomisée ou suivi de cohorte
Etude cas-témoin
38
Quelques points clés
Le critère de jugement
– Il est unique
– Intérêt des critères composites
• Mortalité toutes causes par exemple
– Ne pas confondre avec les éléments de
définition de la ou des populations étudiées
– C’est avec le critère de jugement qu’est
calculé le nombre de sujets nécessaire
– Il peut y avoir des critères secondaires peu
nombreux
40
41
Population étudiée et population cible.
Recrutement
• Quelle généralisation prévoit-on ?
– Critères d’inclusion
– Critères d’exclusion
• En cas de tirage au sort dans la population
cible
– Quelle méthode (tirage au sort simple, sondage
en grappe, stratification…)
• En cas de répartition des sujets qui peuvent
être inclus dans plusieurs groupes, quelles
méthode d’allocation (randomisation) ?
42
Patients
• Quand il y a comparaison de plusieurs
groupes, les critères d’inclusion et de non
inclusion doivent être les mêmes dans
tous les groupes, à l’exception :
– De l’exposition (ex : études exp/non exp),
– De la maladie (ex : études C/T)
– Du traitement (essai thérapeutique)
• Points particuliers, en fonction du type
d’étude
– Etudes étiologiques prospectives : Vérifier que les inclus
sont bien indemnes de la maladie
– Etudes cas témoins : Préférer l’utilisation de cas incidents
– Etudes pronostiques : Préférer l’utilisation de cohortes
43
Importance de la représentativité
• Études descriptives
• Études analytiques et d’évaluation
– La représentativité n’est pas indispensable (il s’agit
de comparer les inclus entre eux) pour la causalité
– En revanche, la généralisation des résultats est
compromise s’il n’y a pas de représentativité
44
Niamey février 2008
– La représentativité de l’échantillon est capitale
(sinon l’estimation est biaisée)
– Dans ce cas, le recrutement peut être soit exhaustif
(ex: patients consécutifs dans une période donnée),
soit reposer sur un sondage (avec de préférence
tirage au sort)
Schéma de l’étude
• Etude de la mortalité hospitalière suite à un accident
vasculaire cérébral dans un groupe traité par fibrinolyse
versus placébo
Tirage aléatoire simple des établissements à partir de la liste nationale
des établissements de santé
Patients éligibles (critère d’inclusions et d’exclusions
Tirage au sort de l’affectation dans le groupe
Groupe sans fibrinolyse
Groupe avec fibrinolyse
45
Recueil des données
• Définition des observations
• Définition des méthodes de mesure et des
unités choisies
• Lecture des résultats si possible en aveugle
• Exemple :
–
–
–
–
–
Préparation utilisée pour une coloscopie
Méthode de mesure de la pression artérielle
Echelles de qualité de vie
Tabagisme
….
46
Procédures qualités
• Quelles sont les procédures qualité mise
en œuvre ?
– Vérification des dossiers par des acteurs
indépendants de l’étude (ARC)
– Indépendance financière
– Data safety board
– Dossiers et échantillons test
–…
47
Analyse statistiques
• Logiciel statistique utilisé
– Exemple : Epi-info, R, SAS…
• Paramètres fournis avec leur définition
– Exemple : les moyennes et pourcentages
(fréquences) sont fournis accompagnées des
bornes de l’intervalle de confiance à 95%
• Risques consentis
• Modèles utilisés
– Analyse en intention de traitement
• On donne tous les éléments permettant de
comprendre comment les résultats fournis
ont été obtenus
48
Analyse en intention de traiter
• Dans les essais “pragmatiques” comparant des
plusieurs stratégies
– Analyser tous les patients randomisés dans leurs
groupes d’allocation indépendamment du
traitement qu’ils ont effectivement reçu fait reçus
• Permet une comparaison non biaisée des
stratégies
49
Analyse per protocole
• Compare les groupes effectivement traités
dans les termes du protocole (90 A
• La comparabilité originelle n’est pas garantie
(par exemple on a 2 fois plus d’abandon de
traitement dans des 2 groupes
• Risque de Biais de sélection
50
Respect de la réglementation et des
règles éthiques
• La réglementation dépend du pays
– Certaines attitudes sont interdites dans certains
pays : Interruption Volontaire de Grossesses,
utilisation de certaine technique génétique…
– Certaines instances doivent être consultées :
CPPRB
• Les règles éthiques sont universelles
– Respect des droits de l’homme et de l’enfant
– Prise en compte du consentement du patient
–…
• Intérêt des comités d’éthique
51
La causalité
• L’existence d’un lien significatif n’est pas
nécessairement un lien de causalité
– Facteur de confusion
• Seule les études comparatives, randomisées,
prospectives en double aveugle sont
fortement susceptible de conclure en terme
de causalité
Causalité
• Austin Bradford Hill 1965 : 9 critères
1. Force de l’association
– Niveau de corrélation
– Importance de la différence
2. Cohérence
– Externe : Reproductibilité, constance des résultats
avec d’autres travaux, équipes, populations
– Interne : protocole, prise en compte des biais
Causalité suite
3. Temps
– L’effet précède la cause
4.
5.
6.
7.
Relation dose-effet
Preuves expérimentales
Spécificité de l’association
Cohérence biologique
– En fonction de l’histoire naturelle de la maladie,
physiopathologie
8. Plausibilité biologique
– En regard des connaissances disponibles
9. Analogie
–
Avec d’autres évènements reliés à une autre pathologie
Différence statistiquement significative
et importance clinique
• Un différence statistiquement significative, (p<0,05) un lien
statistiquement significatif, un IC de RR ou de OR ne
comprenant pas 1, signifie simplement qu’il est peu
probable que le hasard soit à l’origine du résultat
• Un différence non significative en dehors de la planification
de l’expérience avec des risques accepté et une différence
minimale attendue ne peut pas être interprété : on a pas
été capable de la mettre en évidence mais conclure qu’il
n’y en pas est souvent très risqué
• Une différence significative ne signifie pas importance
clinique :
– Augmenté de manière statistiquement significative la durée de
vie des cancéreux de 1 minute n’a que peu d’importance
clinique!!!
Reproductibilité des résultats
• En général, on trouve dans la littérature
plusieurs enquêtes qui traitent du même
problèmes et qui ne retrouvent pas toujours
les mêmes résultats.
• On utilise alors la méta-analyse
Méta-analyse
•
Une méta-analyse est une démarche statistique combinant les résultats d'une
série d'études indépendantes sur un problème donné.
• La méta-analyse permet une analyse plus précise des données par l'augmentation
du nombre de cas étudiés et de tirer une conclusion globale.
• Cette démarche est largement utilisée en médecine pour l'interprétation globale
d'études cliniques parfois contradictoires. Elle permet aussi de détecter les biais de
méthode des études analysées.
• Elle peut néanmoins elle-même être sujette à un biais de publication, les
chercheurs pouvant avoir moins tendance à publier une étude concluant à une
absence de résultat.
• La première méta-analyse fut effectuée en 1904 par Karl Pearson afin d'essayer de
surmonter le problème de puissance statistique réduite dans les études
d'échantillons de petites tailles.
• Il faut attendre 1955 pour voir l'édition de la première méta-analyse d'un
traitement médical et le début de sa large utilisation dans les études cliniques.
• Dans les années 1970, à partir des travaux de Glass, Schmidt et Hunter, des
techniques analytiques plus sophistiquées voient le jour.
Wikipédia
Angioplastie primaire
à la phase aiguë de l’infarctus
Mortalité
Nombre
Groupe
traité
Groupe
témoin
p
Essai 1
56
6.9 %
5.2 %
NS
Essai 2
100
6.0 %
2.0 %
NS
Essai 3
395
2.5 %
6.5 %
NS
Essai 4
52
4.3 %
17.2 %
NS
Essai 5
103
4.2 %
3.5 %
NS
Essai 6
301
1.9 %
7.3 %
P<0.05
Principe de la méta-analyse
• Les essais « significatifs » ne posent pas de problème
– Etudier la représentativité de l’ échantillon
– Se méfier des facteurs de confusion
– Ces essais sont plus facilement publiés
• Ils sont cités 40 fois par an / 7 fois pour les non-S
• Les essais « non significatifs » posent plus de questions
– Ils peuvent correspondre à la réalité : il n’y a pas de lien
– Ils peuvent manquer de puissance
• Alors qu’il y a un lien = par faiblesse de la taille de l’échantillon
– .. Et ils sont moins facilement publiés
• Biais de publication
• L'existence de résultats S ET NS posent problème
– Le « pooling » des enquêtes est une tentation : addition des résultats mais qui
ne marche pas
Exemple : « pooling » des enquêtes
Etude 1
Cas
Témoins
OR
Etude 2
Cas
Témoins
OR
Complications
40
70
1.43
Complications
30
10
1.50
Pas de
complications
20
50
Pas de
complications
80
40
Total
60
120
Total
110
50
Paradoxe de Simpson
180
Somme des effectifs
Cas
Témoins
OR
Complications
70
80
0.79
Pas de
complications
100
90
Total
170
170
La sommation des études ne correspond pas
en raison des déséquilibres arithmétiques
et de l’hétérogéinité des patients inclus
160
Méthodes statistiques de combinaison
• Méthodes possibles
–
–
–
–
–
–
–
Maximum de vraisemblance simple ou conditionnelle
Méthode de Peto
Méthode du logarithme de l’OR
Méthode de Mantel-Haenszel
Méthode du logarithme du RR
Méthode de la différence de risque
Méthode de DerSimonian et Laird
• Hétérogénéité
– Q de Cochran (souvent NS)
• Si significatif en modèle fixe ==> voir modèle aléatoire
• Difficultés de la conclusion
– Test de Breslow et Day (moins souvent NS)
– I² de DG Altman (sept 2003) = 100 % * (Q - ddl) / Q
• Varie de 0 (homogénéité) à 100 (hétérogénéité)
• Moins souvent NS (intervalle de confiance à 95 %)
Higgins. BMJ 2003;327:557-9
Exemple de calcul : modèle fixe, log OR
Etude 1
Cas
Témoins
OR
Complications
40
70
1.43
Pas de complications
20
50
Total
60
120
Calcul OR  ln OR
w


w
^
i
i
i
180
Etude 2
Cas
Témoins
OR
Complications
30
10
1.50
Pas de complications
80
40
Total
110
50
160
1  ln OR1  0,35767et 2  ln OR2  0,4054
var1  1a  1b  1c  1d  140  170  120  150  0,10928
w1  1 var  9,15032
1
var2  0.1708 et w 2  5,8536
(1 * w1)  (2 * w 2 ) 5,6458
 0,3762


15,0039
w1  w 2
OR  e0.3762  1.45
Puis calcul de l ’IC à 95 %
Exemple de calcul : modèle fixe, log OR
Etude 1
Cas
Témoins
OR
Complications
40
70
1.43
Pas de complications
20
50
Total
60
120
180
Etude 2
Cas
Témoins
OR
Complications
30
10
1.50
Pas de complications
80
40
Total
110
50
160
Test d ’association
  0
0,3762 0
z


var(  0 )
1
 wi
0,3762
 1,457 soit p  0,15
1
15,0039
Test d ’hétérogénéité de Cochran
Q   wi (i   )²
Q  ((9,15*(1,43 1,50)²)  ((5,85*(1,43 1,50)²) 0,08 soit p  0.90
Résultats avec EASYMA
Essai 1
Essai 2
Odds ratio, fixed model
Bilateral CI, 95% for trials, 95% for MA
Trial
D
var w (%) OR
[OR- -OR]
0.357 0.109 0.61 1.429 0.747 2.731
0.405 0.171 0.39 1.500 0.667 3.373
Sum of sizes: T- group = 170
Sum of events: T- group = 80
, T+ group = 170
, T+ group = 70
, trials = 340
, trials = 150
association chi=
2.1179 df = 1
p = 0.15
heterogeneity chi(Q Cochran) =
0.0085 df = 1
p = 0.93
heterogeneity chi(Breslow & Day) =
0.0085 df = 1
p = 0.93
Common Odds ratio = 1.456
CI 95% : [ 0.878 ; 2.415 ]
(relative change in odds =
46%, [ -12%; 142%])
Sum of raw weights = 15.00
Cumulative analysis (heterogeneity by
Trial
ORc [ORcEssai 1
1.429 0.747
Essai 2
1.456 0.878
Q Cochran test) :
-ORc] p ass p het
2.731 0.281 1.000
2.415 0.146 0.927
Ramantadine dans la prévention de la grippe
Risk
Trial
treated
group
(x/n)
control group
(x/n)
RR
[95% CI]
p
0.35
OKER-BLOM 1970
11.3%
16/141
27.0%
41/152
MULDOON 1976
1.89%
1/53
15.4%
8/52
MONTO 1979
5.88%
8/136
20.1%
28/139
[0.11; 0.57]
KANTOR 1980
15.3%
9/59
17.6%
9/51
0.84
[0.31; 2.31]
PETTERSON 1980
33.7%
32/95
60.8%
59/97
[0.18; 0.59]
QUARLES 1981
14.0%
15/107
20.2%
20/99
0.64
[0.31; 1.34]
DOLIN 1982
1.77%
2/113
20.5%
27/132
REUMAN 1989
0.95%
3/317
3.14%
5/159
0.29
[0.07; 1.25]
Meta-analysis
0.36
[0.26; 0.48]
<0.00
1
Heterogenity:
0.095
Jefferson 2002 – Higgins 2003
[0.18; 0.65]
0.11
[0.01; 0.88]
0.25
0.33
0.07
[0.02; 0.30]
Représentation graphique