Méthodes épidémiologiques appliquées à la Santé Publique Alain LEVEQUE Département...

Méthodes épidémiologiques appliquées à la Santé Publique

Alain LEVEQUEDépartement d’Epidémiologie et Promotion de la Santé

SPUB053

Module 2-3-4

AL2005-06 SPUB053 - MAS SP -MultiD 2

Plan général

• Introduction : » Santé Publique » Épidémiologie

• Rappels méthodologiques

• Méthodes pour la description des problèmes de santé

• Méthodes pour l’évaluation des interventions

Des rappels et/ou…approfondissements

• Les mesures de fréquence / associations / impact

• Les types d’études• Les biais et erreurs• Le rôle du hasard• La causalité

•Mesures de fréquence

•Mesures d’association

•Mesures d’impact

MESURES EN EPIDEMIOLOGIE

En épidémiologie

• Deux mesures de fréquence importantes :

•La prévalence

•L’incidence

La prévalence correspond au nombre de cas existant dans une population à un moment donné

Prevalence et Incidence

L’incidence est le nombre de nouveaux cas qui apparaissent dans une population au cours d’une période d’observation

Prevalence

• c’est la proportion d’individus dans une population qui présente les caractéristiques recherchées (cas de maladie, p.ex.) à un moment donné

• elle estime la probabilité d’être atteint d’un problème donné à un certain moment

• évalue l’importance du “problème de Santé Publique” à ce moment

• utilisée pour la planification des services de santé (infrastructures, personnel, …)

c’est un taux : il mesure le nombre de nouveaux cas (d’une maladie ou d’un état de santé) qui apparaissent dans une population donnée durant une certaine période

– elle mesure la probabilité qu’une personne encourt de développer la “maladie”

– il existe deux sortes d’incidence :• l’incidence cumulée (analogue à une

proportion)• la densité d’incidence (analogue à une

vitesse)

Incidence

Incidence cumulée :

Rapport entre le nombre de nouveaux cas survenus pendant la période d'observation, et le nombre de personnes en observation et susceptibles de devenir des cas, au début de l'étude.

Il s'agit d'une proportion et d'une mesure du risque, qui doit toujours être accompagnée de la mention de la durée d'observation.

Formule pour l’incidence cumulée :

Nombre de nouveaux cas survenant durant une période donnéeIC =

Population “à risque” totale au début de la période

Formule pour la densité d’incidence :

Nombre de nouveaux cas survenant durant une période donnéeDI = Total des « personnes-années » exposées pendant la période

Densité d ’incidence :

Taux qui mesure la vitesse de propagation d'une maladie ou d'un phénomène de santé.

C'est le rapport entre, d'une part, les nouveaux cas survenus pendant une période de temps déterminée et d'autre part, le cumul du temps d‘exposition (temps écoulé avant la survenue de chaque nouveau cas ou avant la fin de la période d'observation des personnes susceptibles de devenir des cas mais qui ne contractent pas la maladie étudiée).

Calcul des PERSONNES-TEMPS

Population dynamique FERMEE

•Tous les membres sont identifiés au début de l ’étude, •Personne ne s’ajoute,•chacun est suivi jusque l’apparition du problème ou jusque la fin de la période d ’observation

Population dynamique OUVERTE

•Pas d ’identification individuelle,

•entrées et sorties, ...

Postulats pour le calcul d ’incidence dans une population ouverte:

- équilibre (population fin étude population début)

- prévalence faible dans la population étudiée (<= 5%)

- proportion des « non susceptibles » est faible

Si population importante et stable

(Entrées ≈ sorties)

• Temps d’observation = 1 an : • effectif en milieu d’année

• Temps d’observation plus long : • (effectif début + effectif fin) /

Quelques mesures particulières

• Espérance de vie à la naissance :• nombre moyen d’années durant

lesquelles un nouveau-né peut espérer vivre si les taux de mortalité par tranche d’âge, tels qu’ils ont été calculés l’année de sa naissance s’appliquaient de son vivant.

• Mortalité (= taux d’incidence)

• Taux brut de mortalité • Taux spécifiques de mortalité • Mortalité autour de la naissance

Taux brut de Mortalité : • nombre de décès toutes causes confondues

survenant dans une population durant une certaine période (svt 1 an)

Nombre total de décès• = -----------------------------

population milieu de période

Taux spécifique de Mortalité :• nombre de décès pour une cause donnée,

pour un sexe donné, …survenant dans une population durant une certaine période

Nbre total décès dus à la cause (accident de la route)

• = --------------------------------------------------population milieu de période

L’importance des mesures STANDARDISEES

• Pour comparer des situations, des groupes, des populations, il est important de travailler avec des mesures de fréquence standardisées, c’est-à-dire rendues « artificiellement comparables » pour un ou plusieurs caractères épidémiologiques.

• Deux techniques :– standardisation DIRECTE– Standardisation INDIRECTE

But de la standardisation

• Produire des taux globaux comparables qui tiennent compte de la composition des strates

(le taux global brut est un bon paramètre de réduction des données mais n ’est pas un bon paramètre pour la comparaison)

• Ces taux sont donc ajustés pour des différences entre les populations comparées : age, genre, caractéristiques sociales, …

Ces taux deviennent fictifs puisqu’ils correspondent à des hypothèses de travail

permettant une comparaison

Standardisation : exemple

En prenant comme exemple de phénomène observé le taux de mortalité et comme facteur de confusion l'âge, la méthode directe consiste à appliquer les taux spécifiques de mortalité (par classe d'âge) de chacune des populations comparées à une population de référence commune (population "type"), éliminant ainsi l'effet de la structure d'âge sur les taux de mortalité.

Dans l'exemple ci-dessous, on décide de comparer le taux de mortalité féminine dans le Pas-de-Calais à celui du Var. La population de référence prise en compteest celle de la France.

9,39 /°°10,46 /°°

9,89 /°°

11,06 /°°9,01 /°°

9,89 /°°

Dans cet exemple, le taux brut de mortalité (donc avant standardisation) est de 9,39 pour 1000 habitants dans le PDC, et de 10,46 dans le Var, ce qui peutsurprendre étant donnée la notion bien connue de surmortalité dans le nord du pays. Le taux brut de mortalité de la population de référence (la France) est de 9,89 pour 1000.

En réalité, les structures d'âge sont différentes dans les populations de ces 2 départements, celle du Var étant nettement plus âgée que celle du PDC.

La standardisation directe aboutit à un taux standardisé de 11,06 dans le PDC, et de 9,01 dans le Var.

La standardisation indirecte aboutit à un ICM(*) de 1,121 dans le PDCet de 0,907 dans le Var.

Pour obtenir les taux standardisés par la méthode indirecte, on réalisera les calculs suivants: Taux standardisé (PDC) = 1,121 x 9,89 = 11,09. Taux standardisé (Var) = 0,907 x 9,89 = 8,97.

Tous les résultats obtenus sont donc concordants, quelle que soit la méthode de standardisation retenue.

L'utilisation de taux bruts de mortalité donnait une mauvaise idée du classement de ces 2 départements du fait du rôle de l'âge sur les données. La mortalité est en fait plus élevée dans le PDC que dans le Var.

(*) Indice comparatif de mortalité = SMR en anglais

Les Mesures d’association• Recherche d’une valeur qui mesure

l’association, la relation entre une exposition (par exemple l’alcool) et un problème de santé (accident de la route)

• Les plus utilisées : – Risque relatif– Rapport de cote

Qu’est-ce que le RISQUE ?

• Probabilité qu’un événement survienne dans une population donnée– Probabilité: 0 à 1– Exprimé sous la forme d’un TAUX : càd

nombre d’événement / pop.donnée, pdt période donnée (ex: 3 pour 1000 sur 5ans)

– Événement = mortalité, morbidité, handicap,…

Point de départ : table de contingence

Disposition classique de la table 2X2

EXPOSITION EFFET

Décès +

Décès - TOTAL

<= 19 700 13.300 14.000

>19 800 45.200 46.000

Total 1.500 58.500 60.000

Enquête prospective (un an) sur la mortalité maternelle au Niger : 1.500 décès maternels sur 60.000 naissances

L’âge de la mère est-il un facteur de risque ?

Risque absolu

= fréquence relative de l’événement

Décès +

Décès - TOTAL

<= 19 700 13.300 14.000

>19 800 45.200 46.000

Total 1.500 58.500 60.000

= 1.500 / 60.000 = 0.025 = 25 pour mille

Risque absolu

= fréquence relative de l’événement chez les EXPOSES

Décès +

Décès - TOTAL

<= 19 700 13.300 14.000

>19 800 45.200 46.000

Total 1.500 58.500 60.000

= 700 / 14.000 = 0.05 = 50 pour mille

Risque absolu = fréquence relative de l’événement chez les NON EXPOSES

Décès +

Décès - TOTAL

<= 19 700 13.300 14.000

>19 800 45.200 46.000

Total 1.500 58.500 60.000

= 800 / 46.000 = 0.017 = 17 pour mille

Risque Relatif (RR)

= Rapport entre le risque dans le groupe présentant le FR et le risque dans le groupe ne présentant pas le FR

= mesure de la force de l’association entre FR et événement

= 50 pour mille / 17 pour mille =

Absence de relation : RR=1

Relation d’autant plus forte que RR éloigné de 1

RAPPORT DE COTES (ODDS RATIO)

• Rapport entre la COTE de maladie chez les exposés et la COTE de maladie chez les non exposés

OU• Rapport entre la COTE

d’exposition chez les malades et la COTE d’exposition chez les non malades

Qu’est ce qu’une COTE (ODDS)

• Définition: COTE = rapport entre la probabilité de survenue d’un événement et celle de la survenue d’un autre événement (le plus souvent opposé au premier)

• On considérera la cote comme le rapport : EVENEMENT / 1- EVENEMENT

MALADIE + MALADIE -

EXPOSE A B A+B

NON EXPOSE C D C+D

A+C B+DA+B+C+

Cote de MALADIE chez les EXPOSES =

(a/a+b) / (b/a+b) =A / B

Cote de MALADIE chez les

Non exposes=(c/c+d) / (d/c+d) =

MALADIE + MALADIE -

EXPOSE A B A+B

NON EXPOSE C D C+D

A+C B+DA+B+C+

Cote d’expo.chez les MALADES =

(a/a+c) / (c/a+c) =A / C

Cote d’expo.chez les

NON MALADES=(b/b+d) / (d/b+d) =

MALADE NON MALADE

EXPOSE A B A+B

NON EXPOSE C D C+D

A+C B+D A+B+C+D

Rapport de COTE

Rapport de COTE = A.D / B.C

(produit croisé)

Dans le milieu des paris et jeux

• On met en avant l’échec

Gagne PerdTotal des

Cheval A 2884 97116 100.000

Cheval B 36000 64000 100.000

Cote du cheval A :97.116 / 2.884 = 33.7

Cheval A est à 34 CONTRE 1

Cote du cheval B :64.000 / 36.000 = 1.8

Cheval B est à 2 CONTRE 1

Les mesures d’impact

• Risque attribuable

• Fraction étiologique du risque

•Chez les exposés

•Dans la population générale

Décès +

Décès - TOTAL

<= 19 700 13.300 14.000

>19 800 45.200 46.000

Total 1.500 58.500 60.000

Enquête prospective (un an) sur la mortalité maternelle au Niger : 1.500 décès maternels sur 60.000 naissances

L’âge de la mère est-il un facteur de risque ?

= 700 / 14.000 = 0.05 = 50 pour mille

R.absolu

= 800 / 46.000 = 0.017 = 17 pour mille

Risque attribuable (à l’exposition)

C’est l’excès de risque qui peut être expliqué par la présence du FR (sous-entendu qu’il y a une relation causale entre FR et ISSUE)

= Incidence exposé – Incidence non exposés

Dans notre exemple de la mortalité maternelle := 0.050 – 0.017 = 0.033 = 33 pour mille

– La mortalité maternelle attribuable au jeune âge est de 33 pour mille

– Le « surplus » de mortalité maternelle attribuable au jeune âge est de 33 pour mille

– Cette valeur indique « le nombre de cas » qui pourraient être évités en l’absence d’exposition.

Fraction étiologique du risque (FER)

Risque attribuable exprimé en pourcentage Il estime la proportion de cas de « maladie »

imputable à l’exposition chez les sujets exposés. Il estime la proportion des cas qui pourraient

être évités en éliminant l’exposition

FER= (R.Att. / Incid. Exposés) x 100

Dans notre exemple :

FER= (R.Att. / Incid. Exposés) x 100

= [(0.050 – 0.017) / 0.050] x 100 = 66%

Si le jeune âge est responsable de décès maternel (relation causale), environ 66% des décès maternels survenant chez des femmes de moins de 19 ans sont imputables à ce jeune âge et pourraient être évités si l’accouchement ne survenait pas avant 19 ans.

Risque attribuable d’une population (RAP)

C’est l’excès de cas de « maladie » imputable à l’exposition, au niveau de l’ensemble de la population étudiée (exposés et non exposés)

= Risque Attribuable à une Population (RAP) (sous-entendu qu’il y a une relation causale entre FR et ISSUE)

• Deux modalités de calculs: 1) RAP = Incidence totale – Incidence non exposésNotre exemple = 0.025 – 0.017 = 0.008 = 8 pour mille

2) RAP = R Att x prévalence du FR Notre exemple = 0.033 x (14.000/60.000) = 7.7 pour

Fraction étiologique du risque pour l’ensemble des sujets étudiés (FER pop)

RAP exprimé en pourcentage Il estime la proportion de cas de « maladie »

imputable à l’exposition parmi l’ensemble des sujets étudiés (exp et non exp).

Il estime l’impact pour l’ensemble de la population des cas qui pourraient être évités en éliminant l’exposition

FERpop = (RAP / Incid. pop) x 100

Dans notre exemple :

FER pop = (0.008 / 0.025) x 100 = 32 %

Si le jeune âge est responsable de décès maternel (relation causale), environ 32% des décès maternels sont imputables à ce jeune âge et pourraient être évitées si l’accouchement ne survenait pas avant 19 ans.

A noter :

• RR, RC : recherche étiologique, recherche d’associations causales

• R Att, FER : estimation d’impact pour les individus à risque

• RAP, FER pop : estimation d’impact pour une communauté aide au choix de priorités

Relation entre RR, FR, R Att.

Si Facteur de Risque est fréquent mais association faible (RR petit), son impact (R Att, FER) sera plus élevé que si FR peu fréquent et RR élevé

Important pour l’aide à la décision(sans oublier la prise en compte de la VULNERABILITE du facteur de risque)

• Les mesures de fréquence / associations / impact

• Les types d’études• Les biais et erreurs• Le rôle du hasard• La causalité

Études d’observation

Études Expérimentales

(ou quasi)

descriptive

analytique

transversale

longitudinale

transversale

longitudinale

prospective

rétrospective

prospective

Le chercheur La finalité La « durée » Le « sens temporel »

OBSERVATION INTERVENTION

descriptive analytique

TransversaleLongitudinale

Écologique

CohorteCas-TémoinsÉcologique

expérimentale Quasi-expérimentale

Essais cliniques randomisésEssais communautairesrandomisés

Essais cliniques non randomisésEssais communautairesnon randomisés

Des études spécifiques…

Écologique

Les études descriptives

Objectifs des études descriptives

• Décrire l’importance d’un problème de santé

• Évaluer les interventions menées• Aide à la prise de décision en

médecine clinique• Orienter la recherche étiologique

Principaux types d’études descriptives

• Étude de cas/série de cas• Études écologiques

(corrélationnelles)• Études descriptives sur échantillon

de population

Abordées en détail dans le module 5

Écologique

Études de cohorte

Étude de cohorte

• Au moins deux groupes– Exposés :

• Choix d’un groupe particulièrement exposé• Accessibilité• Motivation à participer

– Groupes intéressants: » Mutuelles, assurances» Groupes professionnels» Femmes enceintes» Volontaires

• Plusieurs groupes d’exposition à des degrés variables (dose-effet)

– Non exposés :• Apportent une information sur la fréquence attendue de la

maladie dans un groupe de sujets « en tous points comparables » au groupe des exposés à l’exception du fait qu’ils ne sont pas exposés.

• Proviennent de la même population que les exposés

Collecte et follow-up

• Données sur l’exposition:• Définition claire de l’exposition (Intensité,

Durée, Régularité, Variabilité)

• Sources d’information (registre, participants, examens médicaux, etc. )

• Changement d’exposition durant l’étude (ex: tabac)

• Fiabilité des mesures d’exposition : si possible des mesures objectivables

Collecte et follow-up

• Données sur l’incidence:• Rythme et durée :

– Le même dans les différents groupes– Dépend évidemment du problème étudié :

» Suivi long si latence longue» Parfois suivi très bref (exemple étude APGAR et

mortalité)• Qui collecte les données :

– Investigateur– Services de santé– Patients eux-mêmes– Certif de décès, autopsie, etc.

• Critères de diagnostics ( capital en multicentrique)

Analyse des résultats

– Mesures d’associations (RR, RA, FER,etc)– Risque relatif : si incidence cumulée (risk ratio)– Rapport des taux : si densité d’incidence (rate

ratio)

– Rôle du hasard ? – Tests de signification statistique

» Comparaison de moyenne» Comparaison de proportions» Analyse de survie » etc…

Exemple:

Relation entre le score d’apgar à 10’ et le risque de décès de l’enfant durant sa première année de vie, chez les enfants dont le poids de naissance est supérieur à 2500 gr.Deux groupes d’enfants :

•Groupe 1: enfants ayant eu un score d’APGAR de 0 à 3 (= EXPOSE)

•Groupe 2 : enfants ayant eu un score d’APGAR de 4 à 6 (= NON EXPOSE)

•Groupe 1: n = 122

•Groupe 2 : n = 345

•Au total : 85 décès dont 43 dans le groupe 2

DECES SURVIE TOTAL

APGAR0-3

42 80 122

APGAR4-6

43 302 345

Total 85 382 467

RAbs exposé : 42/122 = 34,4%

Rabs non exposé : 43/345 = 12,5%

RR : 34.4 / 12.5 = 2.8

Donner un « sens statistique » à cette association ?

• 1. Intervalle de confiance autour du RR[1.9 ; 4.1 ]

• 2. test d’hypothèse – Ho : RR dans la population = 1– Ha : RR dans la population ≠ de 1– α = 5%

• chi carré : = 29.2 ; p=0.000001

Des problèmes très importants

• Non répondants :– Les non réponses sont SELECTIVES– Les éviter :

– Plan de communication avant le démarrage– Fidéliser les participants

– Les prendre en compte : – Informations minimales sur les non répondants

pour comparaison des caractéristiques socio-démo.,etc.

Des problèmes très importants

• Perdus de vue :– Les perdus de vue sont SELECTIFS– Les éviter :

– Fidéliser les participants– Rendre l’investigation la plus légère possible

– Les prendre en compte : – Informations minimales sur le devenir (?)

Avantages et désavantages

• Calcul RISQUE• Info sur incidence• Pas d’ambiguïté

temporelle• Expositions rares• Occurrence de

plusieurs problèmes de santé– Alcool : cirrhose,

accidents, polynévrites, etc.

• Dose-effet

• Temps• Coût• Taille échantillon• Non adapté pour

pathologies rares• Perte follow-up• Changement

d’exposition durant la période de suivi

Études CAS-TEMOINS

• Études à visée analytique• Sélection de MALADE (CAS) • Constitution d’un groupe de TEMOINS

qui ne présentent pas le problème• Recherche RETROSPECTIVE de

l’exposition

Plan d’étude

Sélection des cas et des témoins

• CAS:• Définition claire et précise de la maladie • Identification de la population source • Source :

– Hôpitaux, MG, etc.– Population générale (dépistage)

• TEMOINS:• C’est le groupe qui permet de voir la fréquence du

Facteur de risque quand on ne présente pas la maladie.

• Choisi dans la même population que les CAS• « en tout point comparable » aux cas (sauf MALADIE)

– Appariement individuel – Stratification– Etc.

Collecte des informations

• Informations– sur l’exposition – Sur des facteurs confondants potentiels

• Informations obtenues de la même façon dans les deux groupes

• Source :– interview personne / famille– Dossier– Registre état civil, etc.– Dossiers professionnels

• Biais de mémorisation +++

Analyse

• Cote d’exposition chez les CAS• Cote d’exposition chez les témoins

• Rapport de cote

• Statistique : – intervalle de confiance autour de l’OR– Chi carré

Avantages et désavantages

• Maladies rares• Maladies avec

latence longue• Taille

d’échantillon plus limitée

• Données d’accès facile

• Pas de problèmes éthiques: déjà malade

• On ne détermine pas le risque

• Peu intéressant pour expositions rares

• Biais de sélection ++• Validation des

données (mémorisation)

Calcul des RAPPORTS

• Dans une étude de cohorte :– RISQUE RELATIF :

• Risque Exposé / Risque non exposé

– RAPPORT DE COTE de maladie (disease odds ratio) :• Cote chez les exposés / cote chez les Non

Exp.– = (a/b) /(c/d)

– = a.d / b.c (produit croisé)

Calcul des RAPPORTS

• Dans une étude cas-témoins :– RISQUE RELATIF– RC de maladie– RAPPORT DE COTE d’Exposition

• Cote d’exposition chez les cas / cote d’exposition chez les témoins

– = (a/c) / (b/d)

– = a . d / b . C (= produit croisé)

Écologique

Les études d’intervention

Études d’intervention

• Types d’étude qui reproduisent le plus fidèlement les conditions des expériences en laboratoire

• L’enquêteur exerce un contrôle direct sur l’exposition et sur l’affectation des sujets dans les groupes études observation où les participants eux-mêmes déterminent cette affectation

• Bases très solides pour tester les hypothèses

• Problèmes éthiques importants

Études expérimentales

• Dans des conditions NON CONTROLEES : • pas de sélection de sujets; tous ceux qui

« présentent le besoin » font partie de l’expérience• Exemple: vaccination dans une population …

diminution incidence maladie

• Dans des conditions CONTROLEES :• Essais cliniques• Essai sur le terrain• Interventions communautaires

• Dans les conditions naturelles :• Essais accidentels (accidents nucléaire,…)

Exposition est imposée !!!

Types d’études d’intervention

• Essais cliniques : – but = évaluation de l’efficacité d’un médicament ou

d’un traitement– Concernent les plus souvent des maladies– Sont le plus souvent menés en structure de soins

• Essais sur le terrain :• Soit à l’échelle de l’individu : unité statistique = individu• soit à l’échelle du groupe : unité statistique = groupe• soit à l’échelle d’une communauté entière: unité statistique =

communauté

Seront vues plus en détails lors de l’abord de « l’évaluation des

interventions en santé publique »

• Les mesures de fréquence / associations / impact• Les types d’études

• Le rôle du hasard• Les biais et erreurs• La causalité

EchantillonnageEn épidémiologie, on étudie quelque fois des populations entières.

- analyse des décès et des naissances (statistiques démographiques)

- certains registres exhaustifs

- c’est le cas des données de recensement

MAIS le plus souvent on recourt à la méthode des sondages :

- on y étudie un échantillon de cette population

- le plus souvent, cet échantillon doit être représentatif de la population visée

EchantillonnagePour constituer un échantillon le plus représentatif possible de la population enquêtée (tous les individus doivent avoir la même probabilité de figurer dans l'échantillon):

• Sondage empirique: l'enquêteur choisit les individus formant l'échantillon en fonction de certaines caractéristiques (âge, sexe, profession), afin de refléter le plus possible la population que l'on désire étudier. Méthode forcément biaisée.

• Sondage aléatoire: repose sur le tirage au sort (randomisation) effectué à partir d'une base de sondage (annuaire, liste électorale...).

Echantillonnage

Le sondage aléatoire peut être:

• élémentaire :

les sujets sont tirés directement dans la population étudiée

Ex:on numérote les individus d'une population de 2000 personnes de 1 à 2000, et on tire au sort 100 numéros

population

Echantillon

Echantillonnage aléatoire SIMPLE

Echantillonnage

•systématique :

au lieu de numéroter les 2000 personnes, on en tire une au sort parmi les 20 premières, puis on "saute" de 20 en 20 pour arriver à un total de 100

Plus rapide, mais attention aux variations périodiques);

population

Echantillon

Echantillonnage SYSTEMATIQUE

Le PAS : k = N / n

l l+k l+2k l+3k l+ (n-1)k

Nbre aléatoire

Echantillonnage

En grappes :

Ex:l'ensemble des foyers résidant dans des villages tirés au sort: un village est une grappe de foyers qui sont des grappes d'individus.

Très utilisés car très pratiques, mais attention à l'homogénéité des individus dans une même grappe : mêmes habitudes alimentaires dans un foyer...

Population N

Echantillon n

Echantillonnage en GRAPPES (clusters)

G grappes mutuellement exclusives et exhaustives

G grappes mutuellement exclusives et exhaustives sélectionnées par tirage aléatoire simple, systématique ou avec probabilité

proportionnelle à la taille

Echantillonnage

stratifié :

plusieurs tirages, chacun étant réalisé dans une sous-population plus homogène quant au facteur étudié.

Ex:dans une enquête sur le recours aux soins, on subdivisera la ville concernée en 3 secteurs: milieu aisé, classe moyenne, classe populaire et on fera un tirage dans chacun.

Population N

Echantillon n

Echantillonnage aléatoire STRATIFIE

S strates mutuellement exclusives et exhaustives

S strates mutuellement exclusives et exhaustives dont les sujets ont été sélectionnés par tirage

aléatoire simple

Echantillonnage

Si l'échantillon n'est pas représentatif de la population sur laquelle doit porter l'étude, il en résulte des biais qui doivent faire remettre en question le mode d'échantillonnage et la représentativité des résultats obtenus.

Si l'échantillon n'est pas suffisamment grand, il risque d ’y avoir manque de précision pour les estimateurs étudiés.

Echantillonnage

Population-cible : celle dont on voudrait connaître les caractéristiques

Ensemble des éléments visés, en principe, par une problématiquescientifique. Il est fréquent que l’échantillonnage ne puisse pas couvrirtoute la population cible. “Target population”.

Population échantillonnée (ou population statistique) : celle que l ’on pourra effectivement étudier, et à laquelle se rapporteront les résultats de l ’étude

EchantillonnageEchantillon : sous-ensemble de la population échantillonnée; à condition de répondre aux exigences de représentativité, les paramètres mesurés dans cet échantillon pourront servir d ’estimateurs pour la population échantillonnée

Unité d ’échantillonnage : élément de l ’échantillon sur lequel porte la mesure et l ’observation: unité permettant de construire un échantillon en vue d'une enquête.

(= unité statistique)

Résultats obtenus sur un échantillon:

peu intéressant

Ce que l ’on veut:

utiliser ces résultats pour une population

Echantillonnage

Inférence statistique

Echantillon

Population

Introduction à la notion de fluctuation d ’échantillonnage

population

échantillon

échantillonnage

Echantillon 1

Population

Echantillon 2

Echantillon n

Echantillon 3

Au départ d ’une même population: -nombreux échantillons différents de même taille n

-paramètre (moyenne, médiane, proportion, …) varie d ’échantillon à échantillon

-variations suivent une distribution de probabilité

• Deux approches principales pour l ’inférence:

•inférence par les TESTS STATISTIQUES

•inférence par INTERVALLE DE CONFIANCE

Inférence statistiqueV

Exemple:

•Groupe 1: n = 122

•Groupe 2 : n = 345

DECES SURVIE TOTAL

APGAR0-3

42 80 122

APGAR4-6

43 302 345

Total 85 382 467

RAbs exposé : 42/122 = 34,4%

RR : 34.4 / 12.5 = 2.8

Les erreurs possibles

• Erreurs aléatoires = le hasard

• Erreurs systématiques = BIAIS– Biais de sélection– Biais de mesure ou d’observation

Erreurs aléatoires

Variabilité inter et intra individus

erreurs aléatoires toujours présentes

si ….N

Les BIAIS en EPIDEMIOLOGIE

ERREUR SYSTEMATIQUE ===> résultats réalité

• biais de sélection :utilisation de critères non comparables dans la sélection des sujets ; non réponses ou perte de vue ou abandons sélectifs

• biais de mesure (ou d’information ou

d’observation):naissent par des « fautes » dans le recueil / enregistrement / codification des données

Biais de Sélection

Les groupes à comparer ne sont pas comparables !!

• biais d’échantillonnage• population « couverte » est incomplète (non

réponse, non participation, perte sélective)• admission sélective des sujets dans l’étude

(ex:sélection à l’hôpital,...)• migration sélective• survie sélective• ......

Biais de mesure ou d’observation ou d’information

– biais d’interview– techniques de mesure défaillantes et biaisées– questionnaires erronés– perte de mémoire sélective– excès de zèle des enquêteurs– …– …

PREVENTION DES BIAIS

• de sélection

– cacher à l’investigateur les informations concernant ou la maladie dans les études longitudinales ou l’exposition dans les cas-temoins

– techniques correctes d’échantillonnage– deux groupes de témoins dans les Cas-témoins– suivi le plus complet dans les études

longitudinales

• d’observation

– en travaillant en aveugle / double / triple quand le plan d ’étude le permet

– cacher l’hypothèse de travail dans les études non expérimentales

– recueillir de l’information qui « n’a rien à voir » de façon à « noyer le poisson ».

– cacher l’appartenance aux groupes (expo/non expo, cas/témoins) pendant le codage

– Etc…

PREVENTION DES BIAIS (2)

Lors de l ’interprétation des résultats

• garder en mémoire l’existence possible de biais lors de l’interprétation des résultats de l’étude.

• comparer le profil des non répondants et des

répondants.

il faut essayer d’estimer l’impact et la directionalité de ces biais éventuels

Exemple:

•Groupe 1: n = 122

•Groupe 2 : n = 345

BIAIS ?????

Exemple:

•Groupe 1: n = 122

•Groupe 2 : n = 345

DECES SURVIE TOTAL

APGAR0-3

42 80 122

APGAR4-6

43 302 345

Total 85 382 467

RAbs exposé : 42/122 = 34,4%

RR : 34.4 / 12.5 = 2.8 HASARD ????

Donner un « sens statistique » à cette association

• 1. Intervalle de confiance autour du RR

[1.9 ; 4.1 ]

• 2. test d’hypothèse – Ho : RR dans la population = 1– Ha : RR dans la population ≠ de 1– α = 5%

chi carré : = 29.2 ; p=0.000001

L’interprétation des résultats d’une étude épidémiologique :

Quelles questions se poser ?

•Le résultat n’est-il pas du à autre chose ?

EXPOSITION MALADIE

variable CONFONDANTE

La CONFUSION est inhérente à la multicausalité

Méthodes pour limiter la confusion:

• Lors de la préparation de l ’étude :– randomisation – la restriction– l ’appariement

• Lors de l ’analyse :– analyse stratifiée– analyse multivariée (modélisation)– standardisation

Lors de la préparation de l ’étude

randomisation • N ’est possible que dans les études

expérimentales• Est le scénario de choix• Réparti aléatoirement les différences

(donc les variables confondantes connues et inconnues)

• Si n petit, contrôle des biais de confusion moins bon :– compléter par la restriction– Tenir compte lors de l’analyse

• Lors de la préparation de l ’étude : restriction

• on restreint les critères d ’admissibilité des sujets dans l ’étude (exemple: à un groupe d ’âge où l ’incidence du problème est assez constante, ...)

• Annule l’effet de confusion de la variable qui a été « artificiellement » éliminée

• Inconvénients : cette technique …– limite la taille de la population éligible– Rend plus difficile la construction de l’échantillon

• !!! la catégorie retenue peut encore présenter une certaine hétérogénéité !!! (exemple: âge)

• !!! La variable qui a fait l’objet de la restriction ne peut plus être prise en compte dans l’analyse

• Lors de la préparation de l ’étude l ’appariement individuel

• L’objectif est d’avoir une répartition identique des facteurs de confusion dans les groupes étudiés

• Dans une étude CAS-TEMOINS, chaque témoin sera choisi avec les même caractéristique d’âge, de sexe, de profession si l’on veut apparier pour ces trois variables.

• Inconvénients :– Difficulté de trouver les personnes pour l’appariement

individuel– Difficile dans les études autres que cas-témoins– Impossibilité de prendre en compte dans l’analyse, la

variable d’appariement

• Lors de l ’analyse

• analyse stratifiée

– on contrôle la confusion en évaluant l ’association dans les catégories ou les classes de la variable potentiellement confondante ET EN CALCULANT UNE MESURE PONDEREE

STRATIFICATION

Facteur d’exposition maladie

Variable potentiellementconfondante

• Lors de l ’analyse :

• analyse multivariée (modélisation)

prise en compte simultanée de variables multiples pour une modélisation et un calcul de mesures pondérées.

Analyse multivariée : prendre en compte plus de deux facteurs

• Si l’on doit prendre en compte un troisième facteur X3 (puis X4, X5, X6,…)…

Age de la mère Poids naiss. BB

Statut socio-éco

profession Nombre enfants

On ne peut plus procéder par stratification notamment parce que les effectifs dans chaque strate deviennent trop

petits

Analyse multivariée :

• Cette analyse consiste à étudier l’association entre une variable REPONSE et plusieurs autres variables EXPLICATIVES (ou PREDICTEURS) prises en considération simultanément.

• Elle utilise un modèle mathématique pour expliquer ces interrelations

Maladie (ou autre)

Association et Causalité

EXPOSITION MALADIE

association

EXPOSITION MALADIE

association

Association……« de cause à effet » !

L’ASSOCIATION est-elle

VALIDE ????

Association……« de cause à effet » !

L’ASSOCIATION est-elle

CAUSALE ????

Concept de CAUSE selon l’approche déterministe

• Koch (1882) : propose 4 postulats permettant d’identifier un agent pathogène responsable d’une maladie :

– Agent présent dans chaque cas de maladie– Agent doit pouvoir être isolé et cultivé dans un

milieu externe (culture)– Agent, si inoculé à un animal susceptible, doit

provoquer la maladie– Agent doit être identifiable et isolable chez l’animal

ainsi contaminé.

Evolution du concept

• Koch : déterminisme ABSOLU

• Mais qu’en est-il pour les maladies non infectieuses

• Déterminisme « relatif » : – Différentes causes peuvent produire le même

effet– Les causes peuvent être présentes sans que

l’effet n’apparaisse– Une cause peut produire différents effets,…

En épidémiologie, conception plus pragmatiquede la causalité

La cause d’une maladie est un événement, une condition, une caractéristique ou une combinaison de ces facteurs qui jouent un rôle important dans la survenue de la maladie ou du problème de santé

Evolution du concept

Bradford HILL (1965) : tabac et cancer du poumon

9 critères qui aident à l’établissement

d’une « relation causale »

Remarque: selon les auteurs, le nombre et le type de critères diffèrent.

Critères de causalité

• Force de l’association• Consistance• Spécificité• Temporalité• Gradient biologique (Relation « dose-réponse »)

• Plausibilité• Cohérence• Expérimentation (Plan d’étude expérimental)

Force de l’association

• RR, OR, etc.• Si forte il y a peu de chance que les biais

expliquent cette association• Si faible : il faut être très attentif au fait que

d’autres variables peuvent expliquer cette association (confusion)

• MAIS : – Relation « faible » n’exclu pas une relation

causale.– Relation forte ne garantit pas une relation

causale

Consistance

• Observation répétée d’une association dans différentes populations , dans différentes circonstances, dans différentes études.

• Attentif car :– L’absence de consistance n’équivaut

pas à une absence de relation causale – Des méthodologies différentes peuvent

expliquer une absence de consistance

Spécificité

• Plus l’association est spécifique (un facteur entraîne une cause et cette cause est due à ce « seul » facteur), plus la causalité est probable– Tabac cancer bronches– 9 cancer sur 10 : le malade est fumeur.

• Mais : – !!! Causes multiples– !!! Effets multiples

• Spécificité : • si + : forte évidence de causalité• si - : ne pas interpréter !!!

Temporalité

• L’exposition est présente avant la maladie

• Le respect de la « période d’incubation »

Critère qui souffre peu de contradiction mais très difficile à mettre en évidence notamment quand temps de latence long

Gradient biologique (relation « dose-réponse »)

• Augmentation de la fréquence de la maladie quand l’exposition augmente

• La mise en évidence d’une telle relation (dans des études non biaisées) est un argument TRES IMPORTANT dans la recherche d’une relation causale

• Rem :– il ne s’agit pas toujours de relation linéaire– N’est pas à l’abri de l’effet des variables

confondantes

Plausibilité biologique ou clinique

• L’hypothèse est-elle cohérente avec ce que l’on sait de l’histoire naturelle de la maladie

• Existe-t-il un mécanisme biologique qui peut expliquer la relation?

Cohérence

• L’étude entre en COHERENCE avec tout ce qui est connu quant à l’histoire nature, la biologie, l’épidémiologie, l’expérimentation, etc.

Expérimentation

• Les études expérimentales apporte la preuve de la relation causale Mais : – Faisabilité ?– Ethique ?

• « autres expérimentations » : – Naturelles– Sur animal– In vitro

Plan d’étudeCapacité à « prouver »

la causalitéEssais contrôlés

randomisésForte

Études de cohorte Modérée

Études cas-témoins Modérée

Études transversales Faible

Études écologiques faible

Capacité des « autres » plans d’étude Capacité des « autres » plans d’étude

à apporter des informations sur la relation causaleà apporter des informations sur la relation causale

Important

Il ne s’agit pas d’une check-list :• Une association causale peut exister même si tous

les critères de causalité ne sont pas respectés• Certains critères sont plus important que d’autres

(temporalité, dose-réponse,…)• Le sens critique et la logique jouent un rôle

important dans la recherche de la causalité

Méthodes épidémiologiques appliquées à la Santé Publique Alain LEVEQUE Département...

Documents

Transcript of Méthodes épidémiologiques appliquées à la Santé Publique Alain LEVEQUE Département...

Lavage et désinfection des mains Unité dHygiène et dEpidémiologie Hôpital Neuro-Cardiologique - LYON Année 2002.

Démarche Qualité dans les Réseaux de Périnatalité JB Gouyon Cellule dévaluation du réseau périnatal de Bourgogne Centre dEpidémiologie des Populations.

Didier LEVEQUE (MF1) Formation Niveau 21. Didier LEVEQUE (MF1) Formation Niveau 22 Les tables MN 90 La plongée consécutive (intervalle < 15 mn): Cest.

Méthodes en épidémiologie (SPUB009) Alain LEVEQUE, MD, PhD Département dEpidémiologie et de Promotion de la Santé

Journal Bourg Leveque 175

DOSSIER DE PRESSE - Anjou Loire Territoire · 2019-02-01 · COVERTECH 49070 BEAUCOUZÉ Lot N°4 Etanchéité. LEVEQUE 49801 TRÉLAZÉ Lot N°5 Menuiseries intérieures bois ATELIER

Méthodes épidémiologiques appliquées à la Santé Publique Alain LEVEQUE Département dEpidémiologie et Promotion de la Santé SPUB053 Module 5.

Projet AGORA UNIVERSITE LIBRE DE BRUXELLES FACULTE DE MEDECINE ECOLE DE SANTE PUBLIQUE Département dEpidémiologie et de Promotion de la santé Unité Epidémiologie,

PLACE DES SOINS PALLIATIFS DANS LES SOINS DE SUPPORT évolution du concept et développement de la demande Dr LEVEQUE Pascal CH Cambrai DUSP (Octobre 2010)

Les Maladies virales Infantiles MICROBIOLOGIE DCEM1 Mercredi 11 Février 2009 Nicolas LEVEQUE Laboratoire de Virologie CHU Robert Debré - Reims Mail : nleveque@chu-reims.fr.

Didier LEVEQUE (MF1) Formation Niveau 21. Didier LEVEQUE (MF1) Formation Niveau 22 Partie 1 Partie 2 Partie 1 La loi de HENRY Les tables de plongée à

La Gazette du Brevet des Provinces Françaises - Cyclo Club … · 2020-01-24 · 1573 GRANDJEAN Marie-France 3693 AL Toul 1574 LEVEQUE Alain 1163 ASPTT Rennes 1575 MAILLARD Jean-Marie

QUESTIONS APPROFONDIES de SANTE PUBLIQUE Alain LEVEQUE Département Épidémiologie et Promotion de la santé SPUB002.

Classement Etape 1 E2M 2019 - Cyril Neveu Promotion · 2019-10-08 · 14 113 LEVEQUE François LEVEQUE Caroline JAGUAR F-Type Cabriolet 2016 Prestige 6 02:15.800 02:14.100 17 02:17.500

agenda CSLG.indd 3 28/11/14 17:03N 6 - Cyril CALAMIA N 8 - Imad LAMRABTI N 10 - Jérémy CHARLIER N 14 - Anthony CASTELLS N 18 - Julien LEVEQUE N 19 - Julien DUPUIS N 20 - P.André

Les virus émergents Arnaud Fontanet Unité dEpidémiologie des Maladies Emergentes Institut Pasteur.

Recommandations européennes SFPOjournee-2014.sfpo.com/wp-content/uploads/2014/10/04-Bardin.pdfChristophe BARDIN Jos Beijnen, A Paci, N Widmer, E Chatelut, N Widmer, G Veal, D Leveque,

Le nouveau conseil municipal - plescop.bzh juin 20… · Hommage à Jean LEVEQUE qui pendant 15 ans, de 1989 à 2004, a transformé l’image rurale que dégageait notre commune alentour.

Le Laboratoire dEpidémiologie et de Santé Publique UCB-Lyon1 Résultats sélectionnés P. Vanhems, PU-PH.

Les actes EDGAR, quels renseignements nous apportent-ils ? CH RAVENEL Dr Philippe LEVEQUE Département d’Information Médicale.