M

1
Méthodes en épidémiologie(SPUB009)

• Alain LEVEQUE, MD, PhD
• Département dEpidémiologie et de Promotion de la
  Santé

2
Interprétation des résultats dans une étude
épidémiologiqueLes biaisle rôle du hasard
3

• Linterprétation des résultats
• dune étude épidémiologique
• Quelles questions se poser ?

• Ny a-t-il pas derreurs dans létude ?
• Le résultat nest-il pas du au hasard ?
• Le résultat nest-il pas du à autre chose ?
• Lassociation mesurée est-elle causale ?

4
(No Transcript)
5
(No Transcript)
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

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)

8
PRECISION
9
(No Transcript)
10
PRECISION
11
(No Transcript)
12
Les erreurs possibles

• Erreurs aléatoires le hasard
• Erreurs systématiques BIAIS
• Biais de sélection
• Biais de mesure ou dobservation

13
EXPOSITION MALADIE
14
Erreurs aléatoires

• Variabilité inter et intra individus

erreurs aléatoires toujours présentes
SI .N
15
(No Transcript)
16
Les BIAIS en EPIDEMIOLOGIE

• ERREUR SYSTEMATIQUE gt 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 dinformation ou
  dobservation)
• naissent par des  fautes  dans le recueil /
  enregistrement / codification des données
•  

17
Et la CONFUSION

• Classée par certains auteurs dans les BIAIS
• liée à la multicausalité des problèmes de santé

18
Biais de Sélection

• Les groupes à comparer ne sont pas comparables
  !!
•  
• biais déchantillonnage
• population  couverte  est incomplète (non
  réponse, non participation, perte sélective)
• admission sélective des sujets dans létude
  (exsélection à lhôpital,...)
• migration sélective
• survie sélective
• ......

19
Exemples

• 1. biais déchantillonnage / biais daffiliation
•   posera un problème lors de linférence
  statistique.
• Il apparaît chaque fois que la probabilité que
  les sujets entrent dans létude est liée à un (ou
  plusieurs) facteurs(s) étudié(s).
•   Ex
• Les résultats dune étude sur les facteurs de
  risque cardiovasculaire chez les employés de
  banque peut-elle servir pour la population en
  général ?
• Les patients sélectionnés à lhôpital, au cabinet
  médical peuvent-ils représenter la population
  générale ?
• Les volontaires ????

20
(No Transcript)
21
Exemples

• 2. biais dadmission (biais de Berkson)
•   biais pouvant être présent dans les études
  menées à partir dune population hospitalière. Il
  résulte de la probabilité différente dêtre admis
  à lhôpital 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 quau sein de
  population générale

22
(No Transcript)
23
3. biais de prévalence / incidence (ou survie
sélective) Lorsque lon étudie un problème de
santé à forte létalité, si le facteur
dexposition étudié modifie la durée de survie,
lobservation des seuls sujets survivants risque
de conduire à une mesure biaisée de la force de
lassociation (surtout dans études CAS-TEMOINS)
24
(No Transcript)
25
4. biais de surveillance ou de diagnostic Bia
is qui peut survenir quand une exposition
innocente provoque un symptôme qui va entraîner
un examen de diagnostic et de recherche de la
cause.
26
(No Transcript)
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.
Leffet 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.
28
Biais de mesure ou dobservation ou dinformation

• biais dinterview
• techniques de mesure défaillantes et biaisées
• questionnaires erronés
• perte de mémoire sélective
• excès de zèle des enquêteurs

29
1. biais de suspicion de diagnostic La
connaissance de lexposition à un facteur de
risque peut influencer lintensité des recherches
et donc le DIAGNOSTIC
30
2. biais de suspicion dexposition La
connaissance de la maladie du sujet peut
influencer lintensité de la recherche
dexpositions
31
(No Transcript)
32

• 3. biais de mémorisation ( recall bias)
•  
• la mémorisation des cas et des témoins en ce qui
  concerne déventuelles expositions peut
  grandement différer.
•  
• Ex
•   questions auprès des mères dont la grossesse
  sest terminée par une mort du foetus ou
  malformation lexposition à des médicaments est
  plus souvent rapportée par les CAS que par les
  témoins.
•  
• (même si médicaments sans relation avec
  problème).

33

• biais dinformation familiale  
• Lhistoire familiale et dautres informations
  historiques concernant la famille peuvent varier
  de façon importante selon que lindividu
  interrogé est un CAS ou un TEMOIN
• Exemple arthrite rhumatoïde

34
(No Transcript)
35
PREVENTION DES BIAIS

•  
• de sélection
•  
• cacher à linvestigateur les informations
  concernant ou la maladie dans les études
  longitudinales ou lexposition dans les
  cas-temoins
• techniques correctes déchantillonnage
• deux groupes de témoins dans les Cas-témoins
• suivi le plus complet dans les études
  longitudinales
•  

36
PREVENTION DES BIAIS (2)

• dobservation
• en travaillant en aveugle / double / triple quand
  le plan d étude le permet
• cacher lhypothèse de travail dans les études non
  expérimentales
• recueillir de linformation qui  na rien à
  voir  de façon à  noyer le poisson .
• cacher lappartenance aux groupes (expo/non expo,
  cas/témoins) pendant le codage
• Etc

37
Lors de l interprétation des résultats

• garder en mémoire lexistence possible de biais
  lors de linterprétation des résultats de
  létude.
•  
• comparer le profil des non répondants et des
  répondants.
•   
• il faut essayer destimer limpact et la
  directionalité de ces biais éventuels

38
(No Transcript)
39
Le rôle du HASARD
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

41
Inférence statistique

• Deux approches principales pour l inférence
• inférence par les TESTS STATISTIQUES
• inférence par INTERVALLE DE CONFIANCE

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 ???
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 lHYPOTHESE 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
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

45
LHYPOTHESE NULLE admet que le seul hasard a
provoqué la variation
LHYPOTHESE 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
46
(No Transcript)
47
(No Transcript)
48
Puissance d un test
Complément de l erreur ? c est à dire la
probabilité (1-?)
? risque d accepter l hypothèse nulle alors
quelle 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
49
Démarche à suivre dans les tests statistiques

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

50
Inférence par INTERVALLE DE CONFIANCE
On tente de répondre à la question
Quel est lensemble des valeurs les plus
probables pour le paramètre dans la population ??
51
Limites de confiance
paramètre
Intervalle de Confiance (IC)
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)
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

54
Rôle du hasard ?

• Test de signification
• Significatif
• Non significatif
• Calcul de p qui dépend
• de leffet réel
• de la taille de léchantillon

En référence à lHypothèse et au risque derreur
fixé préalablement
55
Le souci en épidémiologie

• Outre la signification statistique
• Estimation des paramètres
• Intervalle de confiance

56
MAIS

• Vérification dune hypothèse
• Intervalle de confiance
• Ne suffisent pas à affirmer la validité des
  résultats
• BIAIS
• CONFUSION