Méthodes en épidémiologie (SPUB009)

Présentation au sujet: "Méthodes en épidémiologie (SPUB009)"— Transcription de la présentation:

1 Méthodes en épidémiologie (SPUB009)
Alain LEVEQUE, MD, PhD Département d’Epidémiologie et de Promotion de la Santé

2 Interprétation des résultats dans une étude épidémiologique Les biais le rôle du hasard

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 Erreurs aléatoires = le hasard Erreurs systématiques = BIAIS
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 toujours présentes
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:
Exemples : 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 ???? SPUB009 ESP/AL

20 SPUB009 ESP/AL

21 2. biais d’admission (biais de Berkson):
Exemples : 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 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 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
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 PREVENTION DES BIAIS (2)
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… 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 Inférence statistique
population Inférence statistique échantillon 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 Inférence statistique
Deux approches principales pour l ’inférence: inférence par les TESTS STATISTIQUES inférence par INTERVALLE DE CONFIANCE 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 » différence entre deux populations ??? SPUB009 ESP/AL

43 Inférence statistique par les TESTS d ’HYPOTHESES (ou tests 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 admet que le seul hasard a provoqué la variation
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 Complément de l ’erreur  c ’est à dire la probabilité (1-)
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 Intervalle de Confiance (IC)
Limites de confiance paramètre 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 Calcul de p : qui dépend :
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 Ne suffisent pas à affirmer la validité des résultats
MAIS : Vérification d’une hypothèse Intervalle de confiance Ne suffisent pas à affirmer la validité des résultats BIAIS CONFUSION SPUB009 ESP/AL