Quelle confusion! Est-ce de la dyslexie ou un trouble d'apprentissage?
Confusion
description
Transcript of Confusion
-
CONFUSION MODIFICATION DEFFET
INTERACTION
Une vision commune ???
Alain Levque, atelier mthodo mars 2005
-
Mars 2005 AL atelier "mthodo" 2
LA CONFUSION EN EPIDEMIOLOGIE
Consommation de caf
Cancer du pancras
Constat dune association : par exemple RR = 2,1 [1,6-2,6]
Tent de transformer lassociation en relation causale !!
-
Mars 2005 AL atelier "mthodo" 3
LA CONFUSION EN EPIDEMIOLOGIE
Consommation de caf
Cancer du pancras
effets dautres Facteurs
? ?
-
Mars 2005 AL atelier "mthodo" 4
LA CONFUSION EN EPIDEMIOLOGIE
Consommation de caf
Cancer du pancras
TABAGISME ??
-
Mars 2005 AL atelier "mthodo" 5
Conditions pour parler dun effet confondant possible ?
Consommation de caf
Cancer du pancras
Le facteur X est un facteur de risque connu de la maladie tudie, indpendamment du facteur A
TABAGISME
A
X
-
Mars 2005 AL atelier "mthodo" 6
Conditions pour parler dun effet confondant possible ?
Consommation de caf
Cancer du pancras
Le facteur X est associ A
TABAGISME
A
X
-
Mars 2005 AL atelier "mthodo" 7
Conditions pour parler dun effet confondant possible ?
Consommation de caf
Cancer du pancras
Le facteur X nest pas une consquence de A
TABAGISME A X
-
Mars 2005 AL atelier "mthodo" 8
LA CONFUSION EN EPIDEMIOLOGIE
Consommation Cancer du Cancer du
Constat dune association : par exemple RR = 2,1 [1,6-2,6]
Soit il existe une vrai relation causale
Soit la relation constate est en ralit due en TOUT ou PARTIE au tabagisme PARTIE au tabagisme
-
Mars 2005 AL atelier "mthodo" 9
Exemple
de Down (Rothman, Epidemiology. An Introduction, 2002)
ORDRE Synd.DOWN
-
Mars 2005 AL Mars 2005 AL atelier "mthodo" 10
-
Mars 2005 AL atelier "mthodo" 11
Exemple
de Down (Rothman, Epidemiology. An Introduction, 2002) de Down (Rothman, Epidemiology. An Introduction, 2002)
Age de la mre Age de la mre
??
-
Mars 2005 AL Mars 2005 AL atelier "mthodo" 12
-
Mars 2005 AL atelier "mthodo" 13
Exemple
Relation entre ordre de naissance et syndrome
ORDRE Synd.DOWN
ORDRE Synd.DOWN
!!
-
Mars 2005 AL atelier "mthodo" 14
-
Mars 2005 AL atelier "mthodo" 15
Exemple : tude cas-tmoins non apparie (Gordis, Epidemiology,2000)
Cas Tmoins
Exposs
30 18 48
Non exposs
70 82 152
100 100 200
OR = 1.95
Association causale ?
Effet confondant de lge ??
-
Mars 2005 AL atelier "mthodo" 16
Exemple : tude cas-tmoins non apparie (Gordis, Epidemiology,2000)
Cas Tmoins
< 40 A 50 80 130
>=40 A
50 20 70
100 100 200
AGE MALADIE ?
Il y a une association entre AGE et MALADIE, indpendamment de lexposition
-
Mars 2005 AL atelier "mthodo" 17
Exemple : tude cas-tmoins non apparie (Gordis, Epidemiology,2000)
Expos
Non expos
% exposition
< 40 A 13 117 10
>=40 A
35 35 50
48 152
AGE EXPOSITION ?
Il y a une diffrence dans la distribution des AGES dans les deux catgories dexposition !!
-
Mars 2005 AL atelier "mthodo" 18
Exemple : tude cas-tmoins non apparie (Gordis, Epidemiology,2000)
AGE EXPOSITION
LAGE nest videmment pas une consquence de lexposition
MALADIE
-
Mars 2005 AL atelier "mthodo" 19
Mthodes pour limiter la confusion:
Lors de la prparation de l tude : randomisation la restriction l appariement
Lors de l analyse : analyse stratifie analyse multivarie
-
Mars 2005 AL atelier "mthodo" 20
Lors de la prparation de l tude RANDOMISATION N est possible que dans les tudes
exprimentales Est le scnario de choix Rparti alatoirement les diffrences (donc
les variables confondantes connues et inconnues)
Si n petit, contrle des biais de confusion moins bon : complter par la restriction Tenir compte lors de lanalyse
-
Mars 2005 AL atelier "mthodo" 21
Lors de la prparation de l tude RESTRICTION on restreint les critres d admissibilit des sujets
dans l tude (exemple: un groupe d ge o l incidence du problme est assez constante, ...)
Annule leffet de confusion de la variable qui a t artificiellement limine
Inconvnients : cette technique limite la taille de la population ligible Rend plus difficile la construction de lchantillon
!!! la catgorie retenue peut encore prsenter une certaine htrognit !!! (exemple: ge)
!!! La variable qui a fait lobjet de la restriction ne peut plus tre prise en compte dans lanalyse
-
Mars 2005 AL atelier "mthodo" 22
Lors de la prparation de l tude APPARIEMENT INDIVIDUEL Lobjectif est davoir une rpartition
identique des facteurs de confusion dans les groupes tudis
Inconvnients : Difficult de trouver les personnes pour
lappariement individuel Difficile dans les tudes autres que cas-tmoins Rserve mise par Rothman pour le matching
dans les tudes cas-tmoins (case-control matching induces bias. Modern Epidemiology, p151)
Impossibilit de prendre en compte dans lanalyse, la(les) variable(s) dappariement
-
Mars 2005 AL atelier "mthodo" 23
Lors de lANALYSE : ANALYSE STRATIFIEE
on contrle la confusion en valuant l association dans les catgories ou les classes de la variable potentiellement confondante
-
Mars 2005 AL atelier "mthodo" 24
Exemple : tude cas-tmoins non apparie (Gordis, Epidemiology,2000)
Cas Tmoins
Exposs
5 8 13
Non exposs
45 72 127
50 80 130
OR = 1.0
< de 40 ans
Cas Tmoins
Exposs
25 10 35
Non exposs
25 10 35
50 20 70
OR = 1.0 >= de 40 ans
La seule explication du 1.95 est la rpartition diffrente de lge dans les catgories CAS-TEMOINS
-
Mars 2005 AL atelier "mthodo" 25
-
Mars 2005 AL atelier "mthodo" 26
-
Mars 2005 AL atelier "mthodo" 27
ANALYSE STRATIFIEE
Permet une analyse de la relation de base au sein de chaque strate
Permet de tirer des conclusions au sein de chaque strate
Cette analyse stratifie est ralise sous lhypothse que, lintrieur des strates, il ny a pas de grande variabilit !!
Sexe, groupe sanguin, : OK
Age, : il peut rester une variabilit au sein de la strate (residual confounding) ; Dautant plus importante que nombre de strate est faible. Dautant plus importante que strates ouvertes ..
-
Mars 2005 AL atelier "mthodo" 28
ANALYSE STRATIFIEE
Chercheurs ont souvent la volont de rsumer la relation tudie, en prenant en compte leffet de la variable confondante
2 mthodes : Pooling standardisation
-
Mars 2005 AL atelier "mthodo" 29
ANALYSE STRATIFIEE
Pooling : Calcul dun estimateur pondr Ncessite une assomption : leffet de la
variable confondante est constant au travers des strates !!
On fait une moyenne pondre des effets, cest--dire prenant en compte le poids de chaque strate
RRMH, ORMH, (approche dveloppe par Mantel-Haenszel)
Si assomption nest pas respecte, possibilit de faire une standardisation
-
Mars 2005 AL atelier "mthodo" 30
RD MH = 0.035 = 3.5%
-
Mars 2005 AL atelier "mthodo" 31
RR MH = 1.33
-
Mars 2005 AL atelier "mthodo" 32
1re question : 1.81 1.19 ????
-
Mars 2005 AL atelier "mthodo" 33
1re question : 1.81 1.19 ????
Tester lhomognit des mesures de chaque strate ( de Wald)
H0 : RR1 = RR2 = RR3 = RR4 (RR population)
Ha : au moins un RR dune strate
Apprcier par lobservation des I de C : chevauchement ou non
chevauchement : il y a homognit des mesures dans les strates
pas de chevauchement pour au moins une strate : htrognit !!
Pas de pooling
-
Mars 2005 AL atelier "mthodo" 34
1re question : 1.81 1.19 ????
Tester lhomognit des mesures de chaque strate ( de Wald)
H0 : RR1 = RR2 = RR3 = RR4 (RR population)
Ha : au moins un RR dune strate
Apprcier par lobservation des I de C : chevauchement ou non
chevauchement : il y a homognit des mesures dans les strates
pas de chevauchement pour au moins une strate : htrognit !!
Pooling
RRMH=1.33
-
Mars 2005 AL atelier "mthodo" 35
1re question : 1.81 1.19 ????
2re question : 1.33 1.44 ????
RR MH = 1.33
-
Mars 2005 AL atelier "mthodo" 36
2re question : 1.33 1.44 ????
Utiliser la mesure poole ? Utiliser la mesure brute ?
Diffrence > 15-20% = confusion mesure poole
Diffrence < 15-20% : pas de confusion mesure brute
Autre mthode : observation des donnes et des consquences de la dcision
Autre mthode : ???...
Pas de TOUT ou RIEN
-
Mars 2005 AL atelier "mthodo" 37
ANALYSE STRATIFIEE
Chercheurs ont souvent la volont de rsumer la relation tudie, en prenant en compte leffet de la variable confondante
2 mthodes : Pooling standardisation
-
Mars 2005 AL atelier "mthodo" 38
Standardisation: Alternative pour obtenir une mesure deffet
rsume Ne ncessite pas lassomption dhomognit au
sein des strates Choix dune population standard avec une
distribution connue de la variable confondante (ge par exemple)
Application des mesures deffet observes dans ltude, sur la population standard
Approche trs utilise en dmographie Les plus classiques : standardisation pour lge
Standardisation directe Standardisation indirecte
-
Mars 2005 AL atelier "mthodo" 39
ANALYSE STRATIFIEE Pour 2 ou plus de 2 variables : mmes principes mais.difficults lies au nombre de strates
Age (5 cat) ET sexe (2 cat) : 10 strates 5 variables en 3 catgories : 243 strates
n / strate petit !!
Analyse stratifie nest pas une mthode pratique pour contrler plusieurs facteurs confondants en mme temps.
-
Mars 2005 AL atelier "mthodo" 40
ANALYSE MULTIVARIEE prise en compte simultane de variables
multiples pour une modlisation et un calcul de mesures pondres. Nevertheless, stratified analysis is preferable and
should always be the method of choice to control confounding
Nevertheless, stratification is the preferred approach, at least as the initial approach to data analysis. (Rothman, 2002.)
Avec lanalyse stratifie, le chercheur (ET LE
LECTEUR dun article) visualise la distribution des sujets (exposition, maladie, confondant). Des distributions particulires apparaissent demble. Ce qui nest pas le cas en analyse multivarie
Pour lanalyse stratifie, il y a des assomptions poses, qui rduisent le risque de rsultats biaiss.
-
Mars 2005 AL atelier "mthodo" 41
Modification deffet - Interaction
Les mcanismes causaux sont complexes !!!!!
Certaines causes nont deffets que sous certaines conditions !!
Parmi les GROS FUMEURS.seulement 1 sur 10 dveloppera un cancer des poumons
Donc si on accepte quil y a une relation causale entre TABAC et CANCER, cela signifie que les causes complmentaires qui agissent galement sur le cancer des poumons joueront leur rle causal seulement chez 10% des gros fumeurs.
Ces autres causes interagissent avec la fume de cigarette.
Intrt majeur pour lINTERACTION en pidmiologie !!!!!!!
-
Mars 2005 AL atelier "mthodo" 42
Modification deffet - Interaction
Intrt nest pas seulement ACADEMIQUE
Implications importantes de SANTE PUBLIQUE : identification de sous groupes, de situations particulires, pour lesquels les interactions sont constates. Influenza : complications importantes surtout
pour les plus jeunes, les personnes ges, les personnes cardiaques et pulmonaires
Aspirine pdt pisode grippal : jamais plus jamais ?!
Interaction avec AGE et dveloppement possible dun syndrome de Reye chez les plus jeunes : EVITER Aspirine chez les enfants.
-
Mars 2005 AL atelier "mthodo" 43
Modification deffet - Interaction
Termes utiliss diffremment en EPIDEMIOLOGIE et en STATISTIQUE STATISTIQUE :
terme utilis dans les modles statistiques Nombreux modles et donc il ny a pas un
sens unique au terme interaction statistique EPIDEMIOLOGIE : fait rfrence au fait
quune mesure dun effet (association, ) change selon les valeurs dautres variables
-
Mars 2005 AL atelier "mthodo" 44
Modification deffet modification de la mesure deffet
-
Mars 2005 AL atelier "mthodo" 45
modification deffet modification de la mesure deffet ???
One cannot speak in general terms about the presence or absence of effect modification, any more than one can speak in general terms about the presence or absence of clouds in the sky, without being more specific as to the details. For clouds in the sky, the details would include the geographic area, the time, and perhaps what is meant by a cloud. In the case of effect-measure modification, the details are in the choice of effect measure. (Rothman, 2002)
-
Mars 2005 AL atelier "mthodo" 46
Diffrence des risques :
Non fumeurs : 5 1 = 4 / 100.000
Fumeurs : 50 10 = 40 / 100.000
Rapport des risques :
Non fumeurs : 5/1 = 5
Fumeurs : 50/10 = 5
10 x : Tabac modifie leffet de lASBESTE
Tabac NE modifie PAS leffet de lASBESTE
TABAC = modificateur deffet ????
Dpend de la mesure utilise
-
Mars 2005 AL atelier "mthodo" 47
Modification deffet - Interaction
Cette ambigut va se retrouver lorsque lon aborde le CONCEPT mme de lINTERACTION :
Interaction : When the incidence rate of disease in the presence of two or more risk factors differs from the incidence rate expected to result from their individual effects (Mac Mahon) Effet plus grand quattendu : interaction positive
(synergisme) Effet plus faible quattendu: interaction ngative
(antagonisme)
Mais la question est :
Quest-ce quon attend comme rsultat des effets individuels ???
-
Mars 2005 AL atelier "mthodo" 48
Modification deffet - Interaction
- + - 3.0 9.0
+ 15.0
Facteur A
Fact
eur B
- + - 3.0 9.0
+ 15.0 21.0
Facteur A
Fact
eur B
- + - 0 6
+ 12
Facteur A Fa
cteu
r B
Taux dincidence pour groupes exposs 0, 1 ou 2 facteurs de risque
Groupes exposs 0, 1 ou 2 facteurs de risque : MODELE ADDITIF
18
Taux dincidence Risques attribuables
-
Mars 2005 AL atelier "mthodo" 49
Modification deffet - Interaction
- + - 3.0 9.0
+ 15.0
Facteur A
Fact
eur B
- + - 3.0 9.0
+ 15.0 45.0
Facteur A
Fact
eur B
- + - 1 3
+ 5
Facteur A Fa
cteu
r B
Taux dincidence pour groupes exposs 0, 1 ou 2 facteurs de risque
15
Groupes exposs 0, 1 ou 2 facteurs de risque : MODELE MULTIPLICATIF
Taux dincidence Risques Relatifs
-
Mars 2005 AL atelier "mthodo" 50
Modification deffet - Interaction Interaction : When the incidence rate of
disease in the presence of two or more risk factors differs from the incidence rate expected to result from their individual effects (Mac Mahon)
Mais la question est :
Quest-ce quon attend comme rsultat ???
Modle additif ?? Modle multiplicatif ??
Incidence = 21
Incidence = 45
Incidence = 60
Compatible avec modle additif
Compatible avec modle multiplicatif
Prsence dune interaction
Incidence = 30 > Modle additif ; < modle multiplicatif ?
-
Mars 2005 AL atelier "mthodo" 51
Modification deffet - Interaction
Incidence = 30 > Modle additif ; < modle multiplicatif ?
Est-ce plus que ce que nous attendons des effets indpendants des deux facteurs ??
Rponse difficile sans informations complmentaires sur les mcanismes physiopathologiques et donc sur les mcanismes pouvant
expliquer le mode opratoire de cette possible interaction
???
-
Mars 2005 AL atelier "mthodo" 52
Modification deffet - Interaction
Nombreux pidmiologistes :
tout effet SUPERIEUR ce quattendu dans un modle ADDITIF = INTERACTION POSITIVE (synergisme)
MAIS
Opinion le plus souvent base sur des considrations STATISTIQUES
ALORS QUE :
Validit du modle doit idalement reposer sur des connaissances biologiques
-
Mars 2005 AL atelier "mthodo" 53
Cohort study, 17.800 travailleurs exposs lasbeste, 73800 non exposs
Si relation de type additive entre ASBESTE et TABAC : on attendrait une incidence en prsence des deux facteurs de risque :
58,4 + 122,6 11,3 = 169,7
Proche dun modle multiplicatif ; suggre
fortement une interaction positive entre les deux FdR
-
Mars 2005 AL atelier "mthodo" 54
Si relation de type multiplicative entre ALCOOL et TABAC : on attendrait une incidence en prsence des deux facteurs de risque :
1.53 x 1.23 = 1.88
suprieur effet multiplicatif
interaction
-
Mars 2005 AL atelier "mthodo" 55
15,5 > (2.43 x 2.33) Interaction
-
Mars 2005 AL atelier "mthodo" 56
4.46 > (1.60 x 1.43) Interaction
Trs diffrents de 15,5
-
Mars 2005 AL atelier "mthodo" 57
Modification deffet - Interaction
Cette ambigut va se retrouver lorsque lon aborde le concept de linteraction au sens STATISTIQUE
Modles statistiques utiliss frquemment en pidmiologie Bass sur laddition des effets :
Ex: rgression linaire simple Bass sur la multiplication des effets relatifs
Ex: rgression logistique
Pas dinteraction
interaction
-
Mars 2005 AL atelier "mthodo" 58
ambiguit
Modification de mesure deffet Interaction statistique
Les deux dpendent de choix arbitraires
Interaction statistique Interaction biologique
Mcanisme dinteraction :
Existe OU nexiste pas
Ne dpend pas du choix du modle statistique ou de la
mesure deffet !!!!
-
Mars 2005 AL atelier "mthodo" 59
Interaction statistique Interaction biologique
Importance de
spcifier de quoi on parle !!
Dfinition de linteraction biologique : mcanisme causal.Voir par exemple Rothman, 2002.
Revoir les mthodes statistiques
-
Mars 2005 AL atelier "mthodo" 60
tout effet SUPERIEUR ce quattendu dans un modle ADDITIF = INTERACTION POSITIVE (synergisme)
Dcouper leffet observ en prsence des 2 FdR (13.6) en 4 parts :
bruit de fond (non CO, non HTA) = 1.0 Effet CO chez non HTA : 3.1-1.0 = 2.1 Effet HTA chez non CO : 6.9 1.0 = 5.9 Effet conjoint HTA et CO : 1.0 + 2.1 + 5.9 = 9
13.6 9 = 4.6
4.6 / 13.6 = 34%
Part attribuable linteraction des deux causes
-
Mars 2005 AL atelier "mthodo" 61
13.6 9 = 4.6
4.6 / 13.6 = 34%
34% attribuable linteraction entre les deux causes !!
Approche statistique : modle rgression logistique (multiplicatif)
effet attendu chez CO et HTA : 3.1 x 6.9 = 21.4
Interaction !
Conclusions diffrentes :
exposition conjointe a un effet plus petit que ce qui est prdit par les effets spars des 2 causes (modle multiplicatif)
Interaction biologique (ci-avant) : 34% en plus du interaction
-
Mars 2005 AL atelier "mthodo" 62
Dans la pratique (niveau 1 (et 2)
Facteur dexposition maladie
Variable potentiellement confondante
MODIFICATION DEFFET (= interaction) CONFUSION
-
Mars 2005 AL atelier "mthodo" 63
CONFUSION (1)
Pour tre potentiellement confondante , la variable doit :
tre associe lexposition Ne pas tre une consquence (tape
intermdiaire) de lexposition tre associ la maladie indpendamment de
lexposition
-
Mars 2005 AL atelier "mthodo" 64
sexe accident
AGE
sexe accident AGE
-
Mars 2005 AL atelier "mthodo" 65
CONFUSION (2)
Comment estimer la confusion : Calcul de la mesure dassociation dans chaque
strate de la variable confondante Calcul de la mesure dassociation pondre
(RR, OR de M-H) On estime quil y a confusion si RR (ou OR)
brut et RR (ou OR) pond sont diffrent de plus de 15 20 %.
Si OUI: on utilise le RR(OR) pondr comme mesure de lassociation
Si NON : on utilise le RR (OR) brut comme
mesure de lassociation
-
Mars 2005 AL atelier "mthodo" 66
Confusion : conditionnalit Pour procder une estimation pondre de
lassociation : exposition - maladie en tenant compte de la variable confondante, il faut : HOMOGENEITE de lassociation expo-maladie dans les diffrentes strates de la variable confondante ou en dautres termes : leffet de la variable confondante doit tre constant au travers des diffrentes strates (car le principe de la mthode est de faire un pooling cest--dire de calculer une moyenne pondre de leffet).
-
Mars 2005 AL atelier "mthodo" 67
Modification deffet (ou interaction) (1)
Nest pas une confusion mais plutt une information trs intressante :
mise en vidence de sous groupes plus haut risque
Mise en vidence de sous groupes o efficacit vaccinale diffrente,
Pas utile de rsumer lassociation globale ; une mesure dassociation pondre na pas dintrt
-
Mars 2005 AL atelier "mthodo" 68
-
Mars 2005 AL atelier "mthodo" 69
Modification deffet (ou interaction) (2)
Il y a modification deffet si la force de lassociation entre facteur dexposition et maladie diffre de faon importante dune strate lautre
Soit lil : IdC se recouvrent-ils ? Soit au niveau statistique : test dhomognit des RR,OR prudence dans linterprtation.
-
Mars 2005 AL atelier "mthodo" 70
ETAPES dans la recherche de confusion/interaction
Analyse brute : OR,RR pour EXPOISSUE Analyse stratifie : OR,RR dans chaque strate Recherche dune interaction (modification deffet)
Diffrence de RR/OR entre les strates Dun point de vue de sant publique Diffrences dans les IDC (chevauchement ??, test
dhomognit)
Si interaction : STOP ; pas de mesure pondre Si pas dinteraction, recherche de CONFUSION Calcul de RR/OR pondr : si diffrence avec OR/RR
de plus de 15-20% confusion prendre RR/OR pondr comme mesure dassociation de EXPOISSUE