Aspects épidémiologiques, diagnostiques et thérapeutiques ...
Enquêtes épidémiologiques F. Kohler NDjamena 2010.
-
Upload
fernande-mounier -
Category
Documents
-
view
114 -
download
1
Transcript of Enquêtes épidémiologiques F. Kohler NDjamena 2010.
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’étudePT = 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 - Total
Ethylisme +
73
927
1 000
Ethylisme -
37
963
1 000
Total
110
1 890
2 000
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 :– Carottes
C1 = 40/2= 20– Pas de carottes
•C2 = 10/48=0,21
OR = C1/C2= 20/0,21 = 96
Toxi-infection
(Cas)
Indemnes (Témoins
) Total
Carottes rappées 40 2 42Pas de Carottes rappées 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
Population des
malades
Sélection des malades élligiblesCritères d’inclusion/exclusionTrès rarement tirage au sort
Malades inclus
RandomisationTirage au sort des traitements
Nvx TTS1S2S..
Réf.S’1S’2S’..
T0 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 PROTOCOLE EPIDEMIOLOGIE Incidence Suivie de population (suivi de cohorte ou
registre) EPIDEMIOLOGIE Prévalence Transversal (sur échantillon représentatif) THERAPEUTIQUE Efficacité Etude contrôlée randomisée THERAPEUTIQUE Sécurité Etude contrôlée randomisée ou suivi de
cohorte DIAGNOSTIC Reproductivité/Variabilité
Transversal comparatif avec répétition de mesure
DIAGNOSTIC Sensibilité/Spécificité
Transversal comparatif avec étalon-or
DIAGNOSTIC Efficacité/Utilité
Etude contrôlée randomisée
DIAGNOSTIC Stratégie Etude contrôlée randomisée ou arbre décisionnel
CAUSALITE Phénomène contrôlable fréquent
Etude contrôlée randomisée
CAUSALITE Phénomène non contrôlable fréquent
Suivi de cohorte (exposés/non exposés)
CAUSALITE Phénomène rare Etude cas-témoin PRONOSTIC Maladie fréquente
Etude contrôlée randomisée ou suivi de cohorte
PRONOSTIC Malade rare Etude cas-témoin38
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
Critères d
e diagnostic
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
– 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)
• 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
Nia
mey fé
vrie
r 20
08
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
ZZ
ZZ
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’éthique51
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 critères1.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 suite3. Temps
– L’effet précède la cause4. Relation dose-effet5. Preuves expérimentales6. Spécificité de l’association7. 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
18012060Total
5020Pas de complications
1.437040Complications
ORTémoinsCasEtude 1
16050110Total
4080Pas de complications
1.501030Complications
ORTémoinsCasEtude 2
170170Total
90100Pas de complications
0.798070Complications
ORTémoinsCasSomme des effectifs
La sommation des études ne correspond pasen raison des déséquilibres arithmétiqueset de l’hétérogéinité des patients inclus
Paradoxe de Simpson
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
i
ii
w
w^
45.1eOR
3762,00039,15
6458,5
ww
)w*()1w*(
8536,5wet1708.0var
15032,9var1w
10928,0501
201
701
401
d1
c1
b1
a1var
4054,0ORlnet35767,0ORln
3762.0
21
221
22
11
1
2211
18012060Total
5020Pas de complications
1.437040Complications
ORTémoinsCasEtude 1
16050110Total
4080Pas de complications
1.501030Complications
ORTémoinsCasEtude 2
Calcul OR ln OR
Puis calcul de l ’IC à 95 %
Exemple de calcul : modèle fixe, log OR
18012060Total
5020Pas de complications
1.437040Complications
ORTémoinsCasEtude 1
16050110Total
4080Pas de complications
1.501030Complications
ORTémoinsCasEtude 2
Test d ’association
15,0psoit457,1
0039,151
3762,0
w1
03762,0
)var(z
i
0
0
Test d ’hétérogénéité de Cochran
)²( iiwQ
90.0psoit08,0)²)50,143,1(*85,5(()²)50,143,1(*15,9((Q
Résultats avec EASYMA Odds ratio, fixed model Bilateral CI, 95% for trials, 95% for MA Trial D var w (%) OR [OR- -OR] Essai 1 0.357 0.109 0.61 1.429 0.747 2.731Essai 2 0.405 0.171 0.39 1.500 0.667 3.373
Sum of sizes: T- group = 170 , T+ group = 170 , trials = 340 Sum of events: T- group = 80 , T+ group = 70 , trials = 150 association chi= 2.1179 df = 1 p = 0.15heterogeneity chi(Q Cochran) = 0.0085 df = 1 p = 0.93heterogeneity chi(Breslow & Day) = 0.0085 df = 1 p = 0.93Common 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 Q Cochran test) : Trial ORc [ORc- -ORc] p ass p hetEssai 1 1.429 0.747 2.731 0.281 1.000Essai 2 1.456 0.878 2.415 0.146 0.927
Trial
Risk
RR[95% CI]
ptreated group(x/n)
control group(x/n)
OKER-BLOM 197011.3%16/141
27.0%41/152
0.35[0.18; 0.65]
MULDOON 19761.89%
1/5315.4%
8/520.11
[0.01; 0.88]
MONTO 19795.88%8/136
20.1%28/139
0.25[0.11; 0.57]
KANTOR 198015.3%
9/5917.6%
9/510.84
[0.31; 2.31]
PETTERSON 198033.7%32/95
60.8%59/97
0.33[0.18; 0.59]
QUARLES 198114.0%15/107
20.2%20/99
0.64[0.31; 1.34]
DOLIN 19821.77%2/113
20.5%27/132
0.07[0.02; 0.30]
REUMAN 19890.95%3/317
3.14%5/159
0.29[0.07; 1.25]
Meta-analysis0.36
[0.26; 0.48]<0.001
Heterogenity: 0.095
Ramantadine dans la prévention de la grippe
Jefferson 2002 – Higgins 2003
Représentation graphique