Méthodes en épidémiologie (SPUB009)

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 épidémiologiqueLes biaisle 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 ? ESP/AL

4. ESP/AL

5. 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 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) ESP/AL

8. PRECISION ESP/AL

9. ESP/AL

10. PRECISION ESP/AL

11. ESP/AL

12. Les erreurs possibles • Erreurs aléatoires = le hasard • Erreurs systématiques = BIAIS • Biais de sélection • Biais de mesure ou d’observation ESP/AL

13. EXPOSITION MALADIE ESP/AL

14. Erreurs aléatoires Variabilité inter et intra individus erreurs aléatoires toujours présentes SI ….N ESP/AL

15. 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 ESP/AL

17. Et la CONFUSION • Classée par certains auteurs dans les BIAIS • liée à la multicausalité des problèmes de santé 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 • ...... ESP/AL

19. 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-ilsreprésenter la population générale ? • Les volontaires ???? ESP/AL

20. ESP/AL

21. 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 ESP/AL

22. 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) ESP/AL

24. 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. ESP/AL

26. 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. ESP/AL

28. Biais de mesure ou d’observation oud’information • biais d’interview • techniques de mesure défaillantes et biaisées • questionnaires erronés • perte de mémoire sélective • excès de zèle des enquêteurs • … • … 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 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 ESP/AL

31. 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). 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 ESP/AL

34. 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 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… 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 ESP/AL

38. ESP/AL

39. Le rôle du HASARD ESP/AL

40. 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 ESP/AL

41. Inférence statistique • Deux approches principales pour l ’inférence: • inférence par les TESTS STATISTIQUES • inférence par INTERVALLE DE CONFIANCE 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 ??? 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 ESP/AL

44. 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 Risques dans un test statistique 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 ESP/AL

46. ESP/AL

47. 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 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 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 ?? ESP/AL