NOTIONS DE BASE EN EPIDEMIOLOGIE

Présentation au sujet: "NOTIONS DE BASE EN EPIDEMIOLOGIE"— Transcription de la présentation:

1 NOTIONS DE BASE EN EPIDEMIOLOGIE
1/04/2009 GONFRIER Sébastien (Interne de Santé Publique) KOENIG David (Interne de Santé Publique) Département de Santé Publique, Archet 1 CHU de Nice

2 Objectifs Pédagogiques
Connaître les différentes familles d’épidémiologie Calculer et interpréter une prévalence et une incidence Calculer et interpréter un risque relatif et un odds ratio Discuter les avantages et inconvénients des études cas-témoins et des études de cohorte au niveau de leur mise en place et leurs résultats Discuter les différents biais qui peuvent affecter ces deux types d ’études Connaître les critères de causalité. Savoir interpréter un test statistique

3 Plan du cours I] Définitions
II] Les différents types d’enquêtes épidémiologiques III] Généralités sur les biais IV] Interpréter un test statistique

4 I) Introduction et définitions

5 Epidémiologie Épidémiologie = étude de la distribution des états de santé et de leurs déterminants dans la population Au départ, principale application aux maladies transmissibles (étude des épidémies) Puis extension à d’autres phénomènes de santé (maladies chroniques, accidents domestiques…)

6 Déterminants de santé Intrinsèque : Extrinsèque :
Facteurs qui influencent l’état de santé Intrinsèque : génétique immunitaire hormonal Extrinsèque : comportementaux : tabac, alcool, alimentation, sédentarité environnementaux : pollution atmosphérique : Ex : Tabac = facteur de risque connu de cancer du poumon Amiante = FDR du mésothéliome pleural

7 Définitions Un facteur de risque (FDR) est un facteur dont la présence ou l’absence augmente le risque absolu de survenue de la maladie. 2 types : intrinsèques (endogènes) = âge, sexe, génétique… Extrinsèques (exogènes) = environnementaux ou comportementaux. Attention : un FDR n’est pas forcément causal ! (lien statistique est différent de causalité)

8 (prévention, actions de santé publique , soins)
Qui utilise l’épidémiologie ? Professionnels de santé : mieux cibler les interventions dans les populations à risques (prévention, actions de santé publique , soins) Les politiques et les administrations : décider (promotion de la santé, éducation à la santé) Les gestionnaires : planifier, allouer, organiser Les usagers : savoir défendre leurs causes (associations de malades)

9 Les 3 grands types d’épidémiologie
Décrire : épidémiologie descriptive fréquence des problèmes de santé dans une population et leur répartition dans le temps et l’espace Comprendre : épidémiologie analytique Identifier les Facteurs de Risque Évaluer : épidémiologie évaluative ou d’intervention efficacité, efficience (coût)

10 II) Les différents types d’enquêtes épidémiologiques

11 Types d’enquêtes

12 A] Enquêtes avec intervention
1) Enquêtes évaluatives évaluer l’efficacité d’une action de soins, d’une intervention de santé publique Études ici/ailleurs (mortalité, région dépistage + vs région dépistage -) Études avant/après (incidence M, avant vaccination vs après vaccination) 2) Essais thérapeutiques test efficacité d’un nouveau médicament versus groupe placebo ou médicament de référence (groupe témoin) Ex : essais randomisés en double aveugle

13 B] Enquêtes descriptives
Définition : description de l’état de santé de la population Objectifs Déterminer la fréquence (prévalence, incidence) de maladies dans le temps et l’espace Déterminer la répartition (âge, sexe, catégories socioprofessionnelles…) des maladies dans une population pendant une période donnée Formulation des hypothèses étiologiques (FDR, causes) vérifiées par des enquêtes analytiques

14 Types d’enquêtes

15 Prévalence « statique »
= Mesure relative qui rapporte le nombre de malades (anciens et nouveaux cas) à un nombre de sujets. C’est une proportion qui s’exprime le plus souvent en %. M = Nombre de malades N = Population totale étudiée Nombre malades : anciens + nouveaux. Oui, sous 4 conditions : - que la population soit stable, - que l'incidence instantanée soit faible, - que l'incidence instantanée soit constante, que la prévalence soit constante. Une maladie ayant une incidence élevée peut avoir une prévalence faible si d est petit (guérison ou mort). 15

16 Prévalence Exemple de la toxoplasmose : Enquête Janvier 1995
Toutes les femmes ayant accouché en France la dernières semaine de janvier 13485 femmes 7322 sérologie positives La prévalence de la toxoplasmose chez les femmes enceinte en France fin janvier 95 était de 54.3%

17 Incidence C’est une mesure dynamique
Mesure la fréquence d’apparition d’une maladie chez des individus sains sur une période de temps donnée (risque d’être atteint): NOUVEAUX cas. C’est une mesure dynamique

18 Taux d’incidence Notion de durée d’exposition à un facteur de risque.
Comparaison dans l’espace et le temps à niveau d’exposition égal. Calcul exact de la durée d’exposition est exprimé en personnes-temps (PT). PT = Somme des durées d’exposition de chaque individus depuis le début de la période étudiée jusqu’à ce qu’ils tombent malades, décèdent ou soient perdus de vue.

19 Incidence Exemple de la toxoplasmose
Calcul de l’incidence de la toxoplasmose chez la femme enceinte Début de grossesse accouchement 327 nvx cas 13485 femmes 6995 sérologie positives 13485 femmes 7322 sérologie positives L’incidence de la toxoplasmose pendant la grossesse en France chez les femmes tombées enceintes la dernière semaine d’avril 2004 est de 2.4%

20 Nb de PA = 26 Nb de cas = 4 TI = 4/26 20

21 Exemple: famille D victime de la grippe durant le mois de Janvier
1er janvier 1er Février Julie Marie Pierre Pierre Joel Luc Véronique Valérie Début des symptômes Guérison Exemple: famille D victime de la grippe durant le mois de Janvier 10 Incidence 3/7 Prévalence 4/7 21

22 Liaison Incidence-Prévalence
P = TI x d P = prévalence TI = Taux d’incidence d = durée de la maladie SI population stable, TI petit et incidence et prévalence constantes au cours du temps.

23 Exercice

24 Corrigé Exercice 2 1) On a vu que P = TI x d P = 0.03
d = 54 mois soit 54/12 = 4.5 ans. Donc TI = P / d = 0.03/4.5 = soit 6.7 cas pour 1000 PA. 2) Augmentation de la durée de la maladie, donc augmentation de la prévalence ; mais incidence non changée.

25 C] Enquêtes analytiques
1) Généralités 2) Les mesures d’association 3) Etudes cas-témoins 4) Etudes de cohorte 5) Etudes transversales

26 1) Généralités

27 Types d’enquêtes 27 27

28 Enquêtes prospectives, rétrospectives
Enquête de cohorte, rétrospective Exposition au facteur de risque Maladie Temps Enquête de cohorte, prospective Enquête cas-témoins, rétrospective 28

29 29

30 Types d’enquêtes Enquête cas-témoins: Compare la fréquence de l’exposition antérieure chez des sujets atteints par une maladie (cas) et chez des sujets non atteints (témoins). Sujets inclus au moment du diagnostic de la maladie. Recueil de données rétrospectif. Enquête de cohorte: compare l’incidence d’une maladie chez des sujets exposés à sa valeur chez des sujets non-exposés. Sujets inclus au moment de l’exposition et suivis dans le temps. 30

31 2) Mesures d’association

32 Comment mesurer, quantifier l’association entre une maladie et un facteur de risque?
2 questions :  question statistique et épidémiologique ( tester et quantifier la relation).  relation cause à effet (biais, fluctuation d’échantillonnage…).

33 Mesures d’association
Odds ratio Facteur de risque Maladie Risque relatif 33

34 Définitions Un facteur de risque (FDR) est un facteur dont la présence ou l’absence augmente le risque absolu de survenue de la maladie. 2 types : intrinsèques (endogènes) = âge, sexe, génétique… Extrinsèques (exogènes) = environnementaux ou comportementaux. Attention : un FDR n’est pas forcément causal ! (lien statistique est différent de causalité)

35 Mesures d’association et d’impact
Niveau individuel - Risque Relatif (RR) - Odd-Ratio (OR) Niveau population - Proportion de cas attribuables (PCA) = risque attribuable.

36 L’exposition à un facteur E est-elle associée à une augmentation du risque de maladie M?
1/ Quantification du risque (OR ou RR) 2/ Prise en compte des fluctuations d’échantillonnage (IDC)

37

38 Risque absolu Définition = probabilité qu’en évènement donné (décès, maladie, effets secondaires…) surviennent pendant une période déterminée (jour, mois, année) au sein d’une population donnée. S’apparente au Taux d’Incidence pour une maladie donnée et éventuellement un groupe de population.

39 Risque Relatif

40 Odds-Ratio (OR) = rapport des cotes. OR = ad / bc
Lorsque que p est petit, l’OR s’interprète comme un RR.

41 Relation OR et RR

42 OR et RR

43 Exemple

44 Prise en compte des fluctuations d’échantillonnage (IDC)
Tout calcul d’un OR ou d’un RR doit s’accompagner du calcul de son Intervalle de confiance à 95%. Son calcul ne sera pas détaillé ici. En revanche il faut savoir interpréter un IDC d’un OR ou d’un RR.

45 Interprétation de l’IDC d’un OR ou d’un RR.
Si l’IDC 95% d’un OR ou d’un RR contient la valeur 1, l’OR (RR) ne diffère pas significativement de 1 au risque 5%. Si l’IDC 95% d’un OR ou d’un RR ne contient pas la valeur 1, l’OR (RR) diffère significativement de 1 au risque 5%. Exemples : OR = 2.10 [ ]  le facteur étudié est un FDR de la maladie. OR = 2.18 [ ]  le facteur étudié n’est pas un FDR de la maladie. OR = 0.63 [ ]  la facteur étudié est un facteur protecteur vis-à-vis de la maladie.

46 Interprétation ∞ RR<1 OR<1 Facteur protecteur RR≈1 OR≈1 RR>1
Absence de risque Facteur de risque ∞ 1 46

47 3) Etudes cas-témoins

48 Études cas témoins (rétrospective)
choix témoin +++ appariement Malades Qu’est ce qui différencie les malades des témoins ? Questionnaires portant sur le passé des cas et des témoins : exposition ?

49 Nature des données Les données de l’étude cas-témoins furent obtenues à partir de malades hospitalisés à Londres et dans les environs, entre Avril 1948 et Février 1952. D’abord 20 hôpitaux, puis d’autres, notifièrent aux responsables de l’enquête les malades admis avec un diagnostic de cancer du poumon. Ces malades furent interrogés pour déterminer leurs habitudes tabagiques. Il en fut de même des témoins, choisis parmi les malades présentant d’autres problèmes (principalement non cancéreux), hospitalisés, en même temps, dans le même hôpital.

50 Quels sont les éléments qui font de l’étude une étude cas-témoins ?
Étude comparant les malades à des témoins non malades sur leur exposition antérieure au tabac. Sujets inclus après diagnostic de la maladie. Recherche rétrospective de l ’exposition au facteur de risque.

51 Calculer la valeur de l ’odds ratio. Que signifie cette valeur ?
Le tableau 1 montre l’exposition au tabagisme chez les cas et les témoins de sexe masculin: cas témoins Tot. Tabagisme Fumeurs 1350 1296 2646 Non-fumeurs 7 61 68 1357 2714

52 Calculer la valeur de l ’odds ratio. Que signifie cette valeur ?
OR = 9,08 Le risque de cancer du poumon est 9 fois plus élevé chez les fumeurs que chez les non-fumeurs.

53 Consommées quotidiennement
Calculer la valeur de l ’odds ratio par nombre de cigarettes fumées /jour. Interpréter. Le nombre de cas et de témoins de sexe masculin répartis par nombre de cigarettes consommées quotidiennement est indiqué dans le tableau 2: Nombre de cigarettes Consommées quotidiennement CAS (Nombre) TEMOINS Odds ratio 7 61 1 (ref) 1 - 4 49 91 5 - 14 516 615 445 408 25 -49 299 162 ≥50 41 20 4,6 7,3 9,5 16,0 17,8 ---> Effet dose

54 Les biais des enquêtes cas-témoins
Définition : Erreurs systématiques dans une étude qui mettent en causes la validité des résultats 3 types : Biais de sélection Biais de classement Biais de confusion

55 Biais de sélection Echantillon non-représentatif de la population que l’on cherche à étudier Cas-témoins+++: sélection des cas ET sélection des témoins Non-réponses

56 Quelle est la représentativité ?
- Des malades hospitalisés avec un cancer du poumon (cas) par rapport à l ’ensemble des personnes atteintes d ’un cancer du poumon ? cas les plus graves ou au contraire ceux qui sont encore en vie - Des malades hospitalisés sans cancer du poumon (témoins) par rapport à l ’ensemble des personnes n ’ayant pas un cancer du poumon ? probablement plus de fumeurs que dans la population générale (ex : service de cardiologie) En général: facteurs de risques communs à plusieurs maladies (ex: alcool, tabac,…)  surestimation de l’exposition chez les témoins ----> Attention à la sélection des témoins

57 Comment ces 2 paramètres peuvent-ils affecter l ’interprétation des résultats ?
Mauvaise représentativité ---> résultats non extrapolables à l ’ensemble de la population Mauvaise sélection de témoins: surestimation de l’exposition  sous-estimation de l’association entre exposition et risque de survenue de la pathologie

58 Biais de classement Examens objectifs
Erreurs de mesure systématiques sur l’exposition et/ou la maladie (ex: sous-estimation de l’exposition car mauvaise définition) Lors de la rédaction du protocole, définition précise de l’exposition et de la maladie (ou du cas): Examens objectifs questionnaires standardisés et validés par ailleurs

59 Avantages et inconvénients des études cas-témoins
- maladies rares - rapidité d’exécution, faible coût - Peu de problèmes éthiques Inconvénients - Recueil rétrospectif (perte information ) - Biais de sélection des témoins - Approximation dans le calcul du risque relatif 59 59

60 Critères de causalité Critères:
Relation temporelle: l’exposition précède la maladie. Force de l’association (valeur du RR ou de l’odds ratio). Présence d’un effet-dose. Plausibilité biologique: existence d’un mécanisme d’action souvent montré par expérimentations chez l’animal. Cohérence avec les connaissances générales et les hypothèses. Reproductibilité de l’association: plusieurs études dans des populations et lieux différents. Spécificité de l’association: l’exposition est présente chez tous les malades (ou presque), et pour cette seule maladie.

61 4) Etudes de cohorte

62 Études exposés / non exposés cohorte prospective
Exposé : fumeur 1996 2006 Maladie Recueil Prospectif Non exposé : non fumeur RR > 1 : FDR de maladie RR=1 : pas d’effet RR < 1 : facteur protecteur (proportion de malades chez les exposés) (proportion de malades chez les non exposés) Calcul du RR =

63 Types d’enquêtes

64 Enquêtes prospectives, rétrospectives
Enquête de cohorte, rétrospective Exposition au facteur de risque Maladie Temps Enquête de cohorte, prospective Enquête cas-témoins, rétrospective

65 Exemple Les données de l’étude de cohorte furent obtenues à partir de l’ensemble de la population des médecins inscrits au « British Medical Register », résidant en Angleterre et au Pays de Galles en Octobre 1951. Les informations concernant les habitudes tabagiques furent obtenues par questionnaire. Les informations concernant la survenue d’un cancer du poumon furent obtenues à partir des certificats de décès et d’autres données de mortalité accumulées au cours de la période de suivi.

66 Exemple Des questionnaires furent envoyés par la poste en Octobre 1951 à 59 600 médecins, afin de les classer en 3 groupes : 1 – Fumeurs 2 – Anciens fumeurs 3 – Non-fumeurs. On demanda aux fumeurs et aux anciens fumeurs la quantité de cigarettes consommées, leur manière de fumer, l’âge auquel ils commencèrent à fumer et, s’ils avaient arrêté de fumer, depuis combien de temps ils avaient cessé. Les non-fumeurs furent définis comme toute personne n’ayant jamais fumé régulièrement plus d’une cigarette par jour au maximum pendant un an. Des réponses analysables furent reçues de 40 637 médecins, soit 68 % de l’échantillon initial, 34 445 hommes et 6 192 femmes.

67 Calculer et interpréter les incidences de cancer du poumon et les risques relatifs pour chaque catégorie de fumeurs

68 Calculer et interpréter les taux de cancer du poumon et les risques relatifs pour chaque catégorie de fumeurs Effet dose.

69 Le tableau 4 concerne les relations entre la consommation de cigarettes et la mortalité par cancer du poumon en tenant compte de l’effet de l’arrêt du tabagisme: Statuts vis-à-vis de la consommation de cigarettes Nombre de cas Taux pour 1000 personnes années Risque relatif Fumeurs 133 1,30 18,57 Fumeurs ayant cessé de fumer depuis : moins de 5 ans 5 à 9 ans 10 à 19 ans 20 ans et + 5 7 3 2 0,67 0,49 0,18 0,19 9,57 7,00 2,57 2,71 Non fumeurs 0,07 réf

70 Qu'est-ce que ces données suggèrent pour la pratique de la santé publique et de la médecine préventive ? Arrêter le plus vite possible Ne pas commencer Cela vaut la peine d'arrêter

71 Limite principale des études de cohorte
Pour obtenir un nombre suffisant d’évènements (apparition de la maladie): Il faut un grand échantillon de sujets Et/ou Il faut une longue période de suivi Surtout quand le risque de développer la maladie est faible.

72 Les biais Biais de sélection: Biais de classement:
échantillon non-représentatif de la population que l’on cherche à étudier Perdus de vue Biais de classement: erreurs de mesure systématiques sur l’exposition et/ou la maladie (ex: sous-estimation de l’exposition car mauvaise définition) Facteur de confusion

73 Conso de café (tasses/j)
Biais de confusion Biais de confusion: influence de tiers facteurs sur l’association entre l’exposition et la maladie Ex: on a mis en évidence une association entre consommation de café et mortalité par infarctus du myocarde (IDM): Conso de café (tasses/j) RR de décès par IDM Ref 1-2 1.3 3+ 2.0 73

74 Les biais On a pu constater que les buveurs de café tendaient aussi à être fumeurs. On sait que la consommation de cigarettes est associée à la mortalité par IDM. On suspecte un biais de confusion. Conso de cigarettes (paquets/j) Conso de café (tasses/j) 1-2 3+ RR de décès par IDM Ref 1.5 1.1 0.9 1.3 1.2 1.0 2.0 74

75 Tirage au sort des 2 groupes Restriction de la population d’étude
Les biais A consommation égale de cigarettes, il n’y a pas d’effet de la consommation de café sur la mortalité par IDM. L’association café-mortalité par IDM n’est pas causale. Solutions pour éliminer un biais de confusion: Tirage au sort des 2 groupes Restriction de la population d’étude Stratification: division de la population “source” en strates. 2 groupes dans chaque strate Tabac Café IDM 75

76 Association et causalité (lien de cause à effet)
Critères: Relation temporelle: l’exposition précède la maladie. Force de l’association (valeur du RR). Présence d’un effet-dose. Plausibilité biologique: existence d’un mécanisme d’action souvent montré par expérimentations chez l’animal. Cohérence avec les connaissances générales et les hypothèses. Consistance (reproductibilité) de l’association: plusieurs études dans des populations et lieux différents. Spécificité de l’association: l’exposition est présente chez tous les malades (ou presque), et pour cette seule maladie.

77 Avantages et inconvénients des études cas-témoins et des études de cohorte (à partir des 2 exemples donnés dans cet exercice). Cas-témoins Cohortes Avantages - maladies rares - Recueil prospectif (moins de biais) - rapidité d’exécution, faible coût - Estimation de l’incidence - Peu de problèmes éthiques - Calcul précis du risque relatif Inconvénients - Recueil rétrospectif (biais de mémorisation) -Lourdeur méthodologique et financière (taille de l’échantillon, moyens du long suivi, perdus de vue) - Biais de sélection des témoins - Maladies relativement communes uniquement - Approximation dans le calcul du risque relatif - Problèmes éthiques

78 Comparaison cohorte/cas témoins
Type prospectif rétrospectif Coût Élevé ++++ Faible Rapidité des résultats Longs, peu reproductibles + Rapides Reproductibles Biais + - Perdus de vue ++++++ Témoins comparables au cas : biais sélection Mémorisation (rétrospectif) mesure Maladie multiples fréquente Unique Maladie Rare Indicateur RR Risque relatif (IC) OR Odds Ratio (IC)

79 5) Enquête transversale
Recueil de donnée sur un temps court Calcul de prévalence (Recherche de facteur de risque)

80 Types d’enquêtes 80 80

81 Enquête Nationale Périnatale en 2003
Enquête réalisée en octobre 2003 Totalité des naissances d’enfants nées vivants ou mort nées survenues pendant une semaine 15378 enfants Recueil de caractéristiques cliniques, sociodémographiques, comportementales Caractériser la population étudiée Suivi dans le temps par des enquêtes répétées

82 Résultats de l’enquête comparaison à l’enquête précédentes 1998
Augmentation du recours à la péridurale Augmentation de la prévalence des césariennes Augmentation de la prévalence de la prématurité Diminution de la consommation du tabac

83 Résultat de l’enquête recherche de facteur de risque
Proposer des hypothèses : expliquer la prématurité Comparer les prévalences des prématurités: chez les fumeuses et non fumeuses en fonction de l’âge en fonction de la parité ….

84

85 Exercice Une enquête cas-témoins visant à étudier le lien entre la survenue d’un cancer (M) et une exposition (E) est menée chez 300 cancéreux et 600 témoins. Parmi les cancéreux, 25% ont été exposés. Parmi les témoins, ils sont 17.5%. Y a-t-il une association entre la survenue du cancer et l’exposition? Quelle est la bonne mesure d’association? Faire le calcul.

86 Correction exercice 1 M+ M- Total E+ 75 105 180 E- 225 495 720 300 600
900 Il s’agit d’une étude cas-témoins, on ne peut donc pas calculer le RR. Il faut calculer l’Odds-Ratio. OR = (75x495) / (225x105) = 1.57 [ ]  interprétation?

87 Exercice 2 On voudrait étudier les facteurs de risque de développer le SIDA parmi les sujets séropositifs (HIV+). On décide de réaliser dans ce but une étude de cohorte prospective sur 1835 sujets homosexuels HIV+ suivi pendant 18 mois. Parmi eux, 59 vont être atteints du SIDA pendant l’étude.

88 Exercice 2 (suite) M+ M- Total E+ 28 431 459 E- 31 1345 1376 59 1776
1835 M+ = SIDA M- = Pas de SIDA E+ = Relation sexuelles avec partenaire atteint SIDA E- = Pas de relation sexuelles avec partenaire atteint SIDA 1/ Peut-on calculer le RR associé au facteur de risque E? 2/ Peut-on calculer l’OR associé au facteur de risque E? 3/ Rôle pronostic de E?

89 Corrigé exercice 2 1/ Etude de cohorte (prospective) donc on peut calculer le RR. RR = (28/459) / (31/1376) = 2.71 [ ]. 2/ Lorsque que la maladie est rare, RR peut être estimé par OR. OR = (28x1345) / (431x31) = 2.82 Résultats très proche car le RR est petit. 3/ Le valeur 1 n’est pas comprise dans l’IDC95% donc le facteur « relation sexuelles avec un partenaire SIDA » est un facteur de risque de développer SIDA chez les HIV+

90 III) Récapitulatif sur les biais

91 Les erreurs aléatoires
Erreur de mesure aléatoire : manque de précision Liées au hasard (fluctuations d’échantillonnage) Plus l’effectif est grand, plus la précision de la mesure est grande, plus erreurs aléatoires diminuent (puissance statistique) Notion d’intervalle de confiance : mesure la précision IC large : précision – IC étroit : précision +

92 Notion de biais Un biais est une erreur systématique (non liée au hasard) qui compromet la validité de l'enquête et empêche l'interprétation juste des résultats. Il existe trois catégories de biais : biais de sélection biais de mesure biais d’analyse Problème : extrapolation des résultats observés sur l’échantillon à la population ? Représentativité ??

93 Notion de biais Biais de sélection
L’échantillon doit être représentatif de la population. Idéal = tirer au sort les personnes dans une liste exhaustive Pb : pas de liste exhaustive en population générale (listes électorales, annuaire téléphone et liste rouge, et sujets sans tel…) Biais de volontariat => risque de  Biais d’échantillonnage = biais de sélection Healthy Worker Effect : sélection de sujets dans le cadre de leur activité professionnelle, sélection à l’embauche = sélection de populations en meilleur état de santé général les personnes gravement malades ou handicapées sont habituellement exclues de la population active = HWE : Biais de sélection comparable

94 Notion de biais Biais de mesure
biais d'investigation (mauvaise reproductibilité du questionnaire, qualité questionnaire) biais de mémorisation (oubli de la part de l'intéressé d'évènements passés) biais de déclaration (réponses fausses, mauvaise compréhension du questionnaire) biais de classement (malades classés chez les non malades M+ noté M-) biais de comportement (changement de comportement des individus lorsqu'ils sont observés : enquête de cohorte, sous-déclaration alcoolisme, drogues: craintes, peur)

95 Notion de biais Biais d’analyse : Dus à des facteurs de confusions :
Facteurs associés à la maladie ET à l’exposition Corrigeable

96 IV) INTERPRETER UN TEST STATISTIQUE

97 Quand on observe un résultat dans un échantillon (ex: trt A > trt B), il y a 3 possibilités:
A est meilleur que B Il y a un biais (un autre facteur explique cette différence) Ce n’est que la variabilité naturelle de la réponse au traitement

98 Signification statistique
Presque toutes les « statistiques » de test sont de la forme (ce qu’on observe) – (ce à quoi on s’attend s’il n’y a pas d’association) variabilité naturelle En gros, si (ce qu’on observe) – (ce à quoi on s’attend) > 2 x variabilité Alors notre attente était fausse : l’association existe réellement (avec un risque d’erreur de 5%).

99 1. Faire l’hypothèse nulle qu’il n’y pas de différence:
le pourcentage de sujets ayant un ATCD de tabagisme est le même dans les 2 groupes (cancer du poumon/ pas de cancer du poumon) H0: p1= p0

100 2. Calculer la statistique de test qui compare le phénomène observé au phénomène attendu si l’hypothèse nulle est vraie (effet observé) – (effet attendu sous H0) variabilité naturelle

101 3. Calculer le niveau de signification ou p = probabilité d’observer une statistique de test au moins aussi grande si H0 est vraie.

102 Toute décision statistique implique un risque d’erreur = seuil de signification du test = alpha =risque de 1ère espèce = risque de rejeter à tort H0 Choisir α =5%=0,05 signifie qu’on accepte une probabilité de 5 chances sur 100 de conclure à tort à un effet significatif

103 4. Interpréter: Si p < 0,05, alors on rejette l’hypothèse nulle: on observe une différence significative au risque d’erreur près de 5% Si p > 0,05, alors on ne rejette pas l’hypothèse nulle: l’effet observé peut être le résultat du hasard. L’effet est non significatif. (on n’accepte pas non plus l’hypothèse non nulle). En gros, p est la probabilité à postériori de conclure à un résultat qui n’existe pas en réalité

104 Taille de l’échantillon et test non significatif
Une différence statistiquement significative signifie que cette différence ne peut s’expliquer par le seul hasard Inversement, une différence non significative n’est pas forcément due au hasard car elle dépend de la taille de l’échantillon

105 Un petit échantillon est soumis à un risque élevé d’erreur d’échantillonnage
Dans ce cas, on ne peut pas conclure (manque de puissance): il ne faut pas dire qu’il y a absence d’effet réel Il est important de prévoir la taille d’échantillon (nombre de sujets nécessaires) dans le protocole en fonction de ce que l’on veut démontrer