Méthodes en épidémiologie

(SPUB009)

Alain LEVEQUE, MD, PhDDépartement d’Epidémiologie et de Promotion de la Santé

Interprétation des résultats dans une étude épidémiologique

Les biais

le rôle du hasard

SPUB009 ESP/AL 3

L’interprétation des résultats d’une étude épidémiologique :

Quelles questions se poser ?

• N’y a-t-il pas d’erreurs dans l’étude ?

• Le résultat n’est-il pas du au hasard ?

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

• L’association mesurée est-elle causale ?

SPUB009 ESP/AL 4

SPUB009 ESP/AL 5

SPUB009 ESP/AL 6

Variabilité• Caractéristique dans le domaine

des sciences de la santé : VARIABILITE – chez un même individu– entre les individus– entre les groupes d ’individus,– etc.

difficulté pour interpréter et utiliser les informations mesurées

SPUB009 ESP/AL 7

validité

• Le concept de VALIDITE concerne la capacité de la mesure (ou de l ’étude) à livrer la conclusion correcte (càd à traduire la réalité des faits)

SPUB009 ESP/AL 8

PRECISION

SPUB009 ESP/AL 9

SPUB009 ESP/AL 10

PRECISION

SPUB009 ESP/AL 11

SPUB009 ESP/AL 12

Les erreurs possibles

• Erreurs aléatoires = le hasard

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

SPUB009 ESP/AL 13

EXPOSITION MALADIE

SPUB009 ESP/AL 14

Erreurs aléatoires

Variabilité inter et intra individus

erreurs aléatoires toujours présentes

SI ….N

SPUB009 ESP/AL 15

SPUB009 ESP/AL 16

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

 

SPUB009 ESP/AL 17

Et la CONFUSION

• Classée par certains auteurs dans les BIAIS

• liée à la multicausalité des problèmes de santé

SPUB009 ESP/AL 18

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• ......

SPUB009 ESP/AL 19

1. biais d’échantillonnage / biais d’affiliation:

  posera un problème lors de l’inférence statistique.

Il apparaît chaque fois que la probabilité que les sujets entrent dans l’étude est liée à un (ou plusieurs) facteurs(s) étudié(s).

  Ex :• Les résultats d’une étude sur les facteurs de risque

cardiovasculaire chez les employés de banque peut-elle servir pour la population en général ?

• Les patients sélectionnés à l’hôpital, au cabinet médical peuvent-ils représenter la population générale ?

• Les volontaires ????

Exemples :

SPUB009 ESP/AL 20

SPUB009 ESP/AL 21

2. biais d’admission (biais de Berkson):

  biais pouvant être présent dans les études menées à partir d’une population hospitalière. Il résulte de la probabilité différente d’être admis à l’hôpital parmi les différents groupes étudiés

  Ex :• Enquête Cas-Temoins dans un hôpital : les patients

avec deux problèmes de santé (ou avec 1 problème et 1 facteur de risque) sont «plus fréquemment hospitalisés » que ceux qui présentent un seul problème lien entre ces deux problèmes plus facilement établi qu’au sein de population générale

Exemples :

SPUB009 ESP/AL 22

SPUB009 ESP/AL 23

3. biais de prévalence / incidence (ou survie sélective):

Lorsque l’on étudie un problème de santé à forte létalité, si le facteur d’exposition étudié modifie la durée de survie, l’observation des seuls sujets survivants risque de conduire à une mesure biaisée de la force de l’association (surtout dans études CAS-TEMOINS)

SPUB009 ESP/AL 24

SPUB009 ESP/AL 25

4. biais de surveillance ou de diagnostic:

Biais qui peut survenir quand une exposition «innocente» provoque un symptôme qui va entraîner un examen de diagnostic et de recherche de la cause.

SPUB009 ESP/AL 26

SPUB009 ESP/AL 27

5. biais de non réponse (ou de refus de participation):

les non répondants peuvent avoir des expositions et/ou des événements qui diffèrent de ceux qui répondent. Ce biais est présent dans toute recherche épidémiologique.

L’effet de ces non répondants est évident ; il faut donc tout faire pour obtenir des taux de réponse importants (80%).

Des informations sur les non répondants sont utiles pour comparer R et NR.

SPUB009 ESP/AL 28

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– …– …

SPUB009 ESP/AL 29

1. biais de suspicion de diagnostic:

La connaissance de l’exposition à un facteur de risque peut influencer l’intensité des recherches et donc le DIAGNOSTIC

SPUB009 ESP/AL 30

2. biais de suspicion d’exposition:

La connaissance de la maladie du sujet peut influencer l’intensité de la recherche d’expositions

SPUB009 ESP/AL 31

SPUB009 ESP/AL 32

3. biais de mémorisation ( recall bias) 

• la mémorisation des cas et des témoins en ce qui concerne d’éventuelles expositions peut grandement différer.

 

Ex :

  questions auprès des mères dont la grossesse s’est terminée par une mort du foetus ou malformation : l’exposition à des médicaments est plus souvent rapportée par les CAS que par les témoins.

 

(même si médicaments sans relation avec problème).

SPUB009 ESP/AL 33

4. biais d’information familiale : 

L’histoire familiale et d’autres informations historiques concernant la famille peuvent varier de façon importante selon que l’individu interrogé est un CAS ou un TEMOIN

Exemple : arthrite rhumatoïde

SPUB009 ESP/AL 34

SPUB009 ESP/AL 35

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 

SPUB009 ESP/AL 36

• 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)

SPUB009 ESP/AL 37

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

SPUB009 ESP/AL 38

SPUB009 ESP/AL 39

Le rôle du HASARD

SPUB009 ESP/AL 40

population

échantillon

Inférence statistique

échantillonnage

Au départ d ’une même population:

- nombreux échantillons différents de même taille n

- paramètre varie d ’échantillon à échantillon

-variations suivent une distribution de probabilité

SPUB009 ESP/AL 41

• Deux approches principales pour l ’inférence:

•inférence par les TESTS STATISTIQUES

•inférence par INTERVALLE DE CONFIANCE

Inférence statistique

SPUB009 ESP/AL 42

Comment savoir si la variation du paramètre

que l ’on mesure est liée à la fluctuation d ’échantillonnage

ou s ’il s ’agit d ’une

« vraie » différenceentre deux populations ???

SPUB009 ESP/AL 43

Inférence statistique par Inférence statistique par les TESTS d ’HYPOTHESES (ou tests les TESTS d ’HYPOTHESES (ou tests

statistiques)statistiques)

On émet l ’hypothèse que le paramètre réel dans la population est EGAL au

paramètre mesuré dans l ’échantillon : c ’est l’HYPOTHESE NULLE (H0)

L ’hypothèse nulle est accompagnée d ’une HYPOTHESE ALTERNATIVE (Ha) qui est l ’existence d ’une différence entre les

paramètres de la population et de l ’échantillon

SPUB009 ESP/AL 44

Risques dans un test statistique

• Risque de 1ère espèce = risque – probabilité de

rejeter l ’hypothèse nulle alors qu ’en réalité il n ’y a pas de différence entre les deux paramètres, c ’est à dire que hypothèse nulle est vraie

• Risque de 2ème espèce = risque – probabilité de ne

pas rejeter l ’hypothèse nulle alors qu ’en réalité il y a une différence, c ’est à dire que l ’hypothèse alternative est vraie

SPUB009 ESP/AL 45

L’HYPOTHESE NULLE :

admet que le seul hasard a provoqué la variation

L’HYPOTHESE ALTERNATIVE:

est la contre hypothèse ; la variation des résultats constatés ne peut pas être due aux seules lois du hasard mais bien à une différence dans les populations étudiées

SPUB009 ESP/AL 46

SPUB009 ESP/AL 47

SPUB009 ESP/AL 48

Puissance d ’un test

Complément de l ’erreur c ’est à dire la probabilité (1-)

= risque d ’accepter l ’hypothèse nulle alors qu’elle est fausse

1- = puissance = probabilité de rejeter l ’hypothèse nulle quand elle est fausse = probabilité de mettre en évidence une différence significative quand elle existe.

Puissance est d ’autant meilleure que est petit

SPUB009 ESP/AL 49

Démarche à suivre dans les tests statistiques

• Déterminer la nature des données à comparer (variables quantitatives, qualitatives) et le type de comparaison

• définir l’hypothèse nulle et l’hypothèse alternative (uni ou bilatéralité du test)

• définir le paramètre (moyenne, proportion,…)• fixer le risque d ’erreur alpha• comparer la valeur du paramètre calculé (test) à la

valeur théorique (voir distribution de probabilité)

• conclure si H0 doit être rejetée ou pas. Si on rejette H0 on accepte implicitement Ha

• si test significatif, voir le niveau de signification exact dans les tables

SPUB009 ESP/AL 50

Inférence par INTERVALLE DE CONFIANCE

On tente de répondre à la question:

Quel est l’ensemble des valeurs les plus probables pour le paramètre dans la population ??

SPUB009 ESP/AL 51

paramètre

Limites de confiance

Intervalle de Confiance (IC)

SPUB009 ESP/AL 52

Signification de l ’Intervalle de confiance (à 95%)

On est certain, à 95%, que le paramètre de la population-mère se trouve

dans cet intervalle(ou: l ’intervalle à 95% contient

la vraie moyenne pour 95% des échantillons)

SPUB009 ESP/AL 53

Largeur de l ’intervalle

Dépend :

• de la taille de l ’échantillon:•si N augmente, IC diminue

• du risque d ’erreur choisi :•si augmente, IC diminue

• de la variabilité des

observations:•si SD augmente, IC augmente

SPUB009 ESP/AL 54

Rôle du hasard ?

• Test de signification– Significatif– Non significatif

• Calcul de p : qui dépend : – de l’effet réel – de la taille de l’échantillon

En référence à l’Hypothèse et au risque d’erreur fixé préalablement

SPUB009 ESP/AL 55

Le souci en épidémiologie :

Outre la signification statistique

Estimation des paramètres

Intervalle de confiance

SPUB009 ESP/AL 56

MAIS :

• Vérification d’une hypothèse • Intervalle de confiance

Ne suffisent pas à affirmer la validité des résultats

BIAIS CONFUSION