exposés/non exposés
Transcription
exposés/non exposés
Les différents types d’études en épidémiologie 2 types Expérimentales Observationelles Expérimentales Exposé Exposition assignée maladie Non exposé Non Ethique de faire des expériences sur des humains si l’exposition est délétère Si l’exposition n’est pas délétère Traitement Mesure Préventive (vaccination) Essai Randomisé Controllé Aveugle Doses Pas de biais Si impossible restent les observations des expériences de la nature Cohorte Cas témoin Études de Cohorte en marche vers la maladie Qu’est ce qu’une cohorte? Une division de légionaires romains Groupe d’individus - Partageant la même expérience - Suivis pendant une période de temps spécifiée exemples - Cohorte de naissance Cohorte d’invités à un barbecue Cohorte professionnelle dans une usine chimique Cohorte d’étudiants en épidémio Période de suivi Calculer mesure de fréquence: Incidence Cumulative - proportion d’Incidence - taux d’attaque (épidémie) Densité d’Incidence Fin du suivi Etudes de Cohorte But - Étudier si une exposition associée a 1 ou +événement(s) - Estimer le risque de l’événement dans la cohorte exposée et non exposée - Comparer les risques de survenue de l’événement entre les 2 cohortes Appartenir a la cohorte - Etre à risque pour l’événement étudié - Etre vivant et ne pas avoir « l’événement » au début du suivi Études de cohorte exposé Non exposé Études de cohorte exposé Incidence chez les exposés Non exposé Incidence chez les non exposés Présentation des données de cohorte: tableau 2x2 M+ A mangé du jambon N’a pas mangé de jambon M- 49 49 98 4 6 10 Présentation des données de cohorte Population à risque Est que le VIH ↑ le risque de TB chez les toxicomanes IV? Population Cas (suivi 2 ans) HIV + HIV - 215 289 Source: Selwyn et al., New York, 1989 8 1 Présentation des données de cohorte: Personnes-années à risque Tabac et cancer du poumon, GB, 1951 Pers-an Cas Fumeurs 102600 133 Non fumeurs 42800 3 Présentation des données: différents niveaux d’exposition cas cancer poumon Nbre cigarettes/J Pers-an à risque > 25 25100 57 15 - 24 38900 54 1 - 14 38600 22 0 42800 3 Cohorte Prospective Maladie Exposition Début étude temps Maladie Début étude Exposition temps Cohorte Rétrospective maladie Exposition Début étude temps Recette: étude de Cohorte Identifier groupes de - Sujets exposés - Sujets non exposés Suivi pour détecter survenue de maladie Mesurer l’incidence de la maladie Comparer l’incidence entre sujets exposés et non exposés Principe des études cas témoin Population Source Exposé Non exposé Population Source Exposé Non exposé Cas Population Source Exposé échantillon Non exposé témoins Cas Population Source Exposé échantillon Cas Non exposé témoins =échantillon représentatif du dénominateur par rapport à l’exposition témoins Intuitivement Si la fréquence de l’exposition est plus élevée chez les cas que chez les témoins alors le taux d’incidence sera +↑ chez les exposés que chez les non exposés Études cas témoin Exposition ? ? malades témoins Rétrospective Distribution des cas et témoins selon l’exposition dans une étude cas témoin Cas temoins Exposé a b Non exposé c d Total a+c b+d % exposé a/(a+c) b/(b+d) Distribution des infarctus selon l’utilistion des contraceptifs contraceptifs IDM Témoins oui 693 320 Non 307 680 Total 1000 1000 % exposition 69.3% 32 % Distribution des cas et témoins IDM par rapport à l’activité physique Activité Physique IDM Témoins >= 2500 Kcal 190 230 < 2500 Kcal 176 136 Total 366 366 % exposés 51.9% 62.8 % 2 types d’études cas témoin Explicative Nouvelle maladie nouveau facteurs de risque plusieurs expositions “partie de pêche" Analytique Précise une hypothèse unique Effet Dose Études de Cohorte exposé Incidence chez exposés Non exposé Incidence chez non exposés Mesure de l’Effet dans cohortes Mesures Absolues Ie - Ine - Différence des Risques (DR) Mesures Relatives - Risque relatif (RR) Ie = incidence chez exposés Ine= incidence chez non exposés Ie Ine Jambon+ Jambon- M+ M- Incidence 49 49 98 50 % 4 6 10 40 % Différence risques 50% - 40% = 10% Risque relatif 50% / 40% = 1.25 Est ce que HIV augmente risque TB chez idu? Exposition Population (suivi 2 ans) Cas Incidence (%) HIV + 215 8 3.7 HIV - 298 1 0.3 Risque Relatif 11 Efficacité Vaccinale (EV) Pop. Cas Cas pour 1000 RR Vaccinés 301545 150 0.49 0.28 Non vaccinés 298655 515 1.72 Ref. Total 600200 665 1.11 Statut EV = 1 - RR = 1 - 0.28 = 72% Niveaux d’exposition divers Niveau Exposition Population à risque Cas Incidence élevé N1 a1 I1 moyen N2 a2 I2 bas N3 a3 I3 Non exposé Nne c Ine Différents niveaux d’exposition Niveau d’exposition Population a risque Cas Incidence RR élevé N1 a1 I1 RR1 Moyen N2 a2 I2 RR2 bas N3 a3 I3 RR3 Non exposés Nne c Ine Référence Etude de Cohorte : tabac et K poumon, 1951 Cigarettes Personnesannées a risque Cas > 25 25100 57 2.27 32.4 15 - 24 38900 54 1.39 19.8 1 - 14 38600 22 0.57 8.1 Source: Doll & Hill taux par Risque 1000 p-a relatif Une étude de cohorte permet de calculer des indicateurs à la signification claire et précise. Les résultats sont immédiatement compréhensibles Cohorte taux d’incidence/risque différence des risques Risque relatif (force de l’association) Cas témoin pas de calcul de taux d’incidence proportion d’exposés Y a t’il une façon d’estimer le RR ? Cas témoin Cas témoins Odds ratio E E a c b d a ---c b --d = axd --- ---bxc K sein Radiation Exp Total Cas 28010 Non exp. 19017 Source: Rothman 41 15 taux RR 14.6 1.9 7.9 Ref. K sein Radiation Exp Total Cas 28010 non exp. 19017 Source: Rothman 41 15 taux RR témoins OR 14.6 1.9 280 1.9 7.9 Ref. 190 Ref. Distribution de IDM chez cas et temoins Par rapport à l’utilisation récente de contraceptifs Contraceptifs IDM témoins OR Oui 693 320 4.8 Non 307 680 Ref. Total 1000 1000 % exposés 69.3% 32 % Distribution de IDM chez cas et témoins Par rapport au niveau d’activité physique Activité Physique IDM Témoin OR >= 2500 Kca l 190 230 0.64 < 2500 Kcal 176 136 Ref. Total 366 366 % exposés 51.9% 62.8 % Distribution des cas de k endomètre par utilisation oestrogènes Oestrogènes Cas témoins Odds ratio élevé a1 b1 a1d/b1c bas a2 b2 a2d/b2c Aucun c d Réference Relation entre adénome Hépatocellulaire et durée d’utilisation de contraception chez 79 cas et 220 témoins Mois d’utilisation 0-12 13-36 37-60 61-84 >= 85 Total Cas témoins Odds ratio 7 11 20 21 20 79 121 49 23 20 7 220 Ref. 3.9 15.0 18.1 49.7 Source: Rooks et al. 1979 Limitations des études cas témoins On ne peut calculer directement le risque relatif Pas adapté pour les expositions rares Lien temporel entre exposition et maladie difficile à établir Biais +++ - Sélection des témoins - Biais de mémorisation lorsque l’on recueille données Perte de précision due à l’échantillonnage Désavantages des études de cohorte échantillon large période de latence perdus de vue l’exposition peut varier difficultés pour les expositions multiples considérations éthiques coût temps Avantages des études cas temoin maladies rares plusieurs expositions latence longue rapidité faible coût échantillon faible données disponibles pas de problème éthique Forces des études de cohorte Peut directement mesurer - incidence chez exposés et non exposés - vrai risque relatif Bien adapté aux expositions rares Lien temporel clair Moins sujet aux biais de sélection Force des études de cohorte peut examiner effets multiples pour un seul facteur d’exposition population exposé Ne Non exposé Nne effet 1 effet 2 effet 3 Ie1 Ie2 Ie3 Ine1 Ine2 Ine3 RR1 RR2 RR3 L’étude de cohorte est le gold-standard de l’épidémiologie analytique Les cas témoins ont leur place en épidémiologie mais si une étude de cohorte est possible ne pas se contenter de ce deuxième choix Les différents types d’études en épidémiologie Expérimentale Randomisée Non randomisée Observationnelle Descriptive Longitudinale Transversale De tendance Étiologique Longitudinale Cohorte (population/échantillon électifs) Cas témoins Transversale Sur échantillons électifs (maladie/exposition) Sur échantillons non électifs Exemple 1 On veut étudier l’efficacité d’un nouveau médicament antirétroviral. Parmi des patients infectés par le VIH on va tirer au sort ceux qui recevront le traitement classique et ceux qui vont recevoir le nouveau médicament. Les comprimés ne se ressemblent pas le médecin et le patient savent quel traitement est administré. On étudie ensuite l’immunité et la charge virale. De quel type d’étude s’agit il? Exemple 2 On suit une population de buveurs en stratifiant la consommation d’alcool selon la quantité et une population de personnes ne buvant pas d’alcool. On compare la survenue de différents cancers. De quel type d’étude s’agit il? Exemple 3 On veut étudier un nouveau médicament qui sera comparé à un placébo de même apparence. On tire au sort les personnes recevant le médicament ou le placébo. Ni le médecin ni le patient ne savent ce qui est administré. De quel type d’étude s’agit il? Exemple 4 On veut étudier le lien entre l’hypertension artérielle et le niveau socio économique dans un petit village en forêt amazonienne. Une équipe se rend sur place et va prendre la tension de toutes les personnes et leur poser quelques questions permettant d’approcher leur niveau socioéconomique. On compare ensuite la proportion d’hypertendus selon le niveau bas, moyen, haut. De quel type d’étude s’agit il? Exemple 5 Vous voulez étudier les facteurs prédictifs d’accès palustre grave. Vous sélectionnez des patients ayant un accès palustre étant dans le coma et vous comparez à des patients ayant un accès palustre n’étant pas grave. Vous comparez la proportion ayant une beta thalassémie hétérozygotes entre les 2 groupes. De quel type d’étude s’agit il? Exemple 6 Vous mesurez la fréquence d’utilisation du préservatif au cours du dernier rapport sexuel dans une population de jeunes adultes De quel type d’étude s’agit il? Après un programme de prévention, vous refaites la même étude 4 ans plus tard, puis 8 ans plus tard dans le même groupe d’âge. De quel type d’étude s’agit il? Vous suivez tous les habitants d’un village pendant 50 ans en mesurant leurs habitudes de vie, leurs problèmes de santé De quel type d’étude s’agit il? Les différents types d’études en épidémiologie Expérimentale Randomisée Non randomisée Observationnelle Descriptive Longitudinale Transversale De tendance Étiologique Longitudinale Cohorte (population/échantillon électifs) Cas témoins Transversale Sur échantillons électifs (maladie/exposition) Sur échantillons non électifs Exposition maladie 3ème variable 2 complications principales (1) Modification de l’effet - Information utile (2)Facteur de confusion -biais Analyser modification effet éliminer confusion Solution = stratification/analyse stratifiée Créer strates par modalités de la 3ème variable Modificateur effet Variation de l’amplitude de la mesure de l’effet selon des niveaux d’une 3ème variable. modification n’est pas un biais mais une info utile Survient quand RR ou OR est different entre les strates (sous groupes de population) Modificateur effet Identifier un sous groupe avec un risque inférieur ou supérieur Pour cibler une action de santé publique D’étudier l’intéraction entre facteurs de risque contraception (C) et IDM Étude cas-témoin, données non stratifiées C IDM témoins OR Oui Non 693 307 320 680 4.8 Ref. Total 1000 1000 fumeuses CO IDM Oui Non Total Témoins 517 183 160 340 1000 1000 IDM Témoins OR 6.0 Ref. Non fumeuses CO OR Oui 176 160 3.0 Non 124 340 Ref. 1000 1000 Total Activité Physique et IDM Activité physique IDM Témoins OR, IC95% ≥ 2500 kcal/J 190 266 0.67, 0.6-0.9 < 2500 kcal/J 176 157 Ref. Hommes Activité physique IDM Témoins OR, IC95% ≥2500 kcal/j 141 208 0.53, 0.4-0.7 < 2500 kcal/j 144 112 Ref. IDM Témoins OR, IC95% ≥2500 kcal/j 49 56 1.2, 0.7-2.2 < 2500 kcal/j 32 45 Ref. Femmes Activité physique Fonction Effet Effet (OR ou RR) est 1 fonction du modificateur de l’effet Risque relatif (RR) de mourrir d’insuffisance coronarienne pour les médecins fumeurs, par groupe d’âge, GB, RR 6 * 5 4 3 * 2 * 1 10 20 30 40 50 Age 60 * 70 * 80 Confusion Distortion de la mesure de l’effet par un 3ème facteur Doit être prévenue Doit être contrôlée Cas de trisomie 21 par ordre de naissance Cas pour 100 000 naissances vivantes 180 160 140 120 100 80 60 40 20 0 1 2 3 4 ordre de naissance 5 Cas de trisomie 21 par groupe d'age 1000 Cas pour 100000 900 naissances 800 700 600 500 400 300 200 100 0 < 20 20-24 25-29 30-34 groupes d'age 35-39 40+ Cas de trisomie 21 par ordre de naissance et age maternel Cas pour 100000 1000 800 600 400 200 0 1 2 3 4 ordre de naissance 5 <2 0 20 - 24 25 - 29 30 -34 35 -39 g 40 + e ' ag d s pe u ro Confusion Être un facteur de confusion, 2 conditions à remplir: Exposition maladie 3ème variable être associé à exposition - sans être la conséquence de l’exposition Être associé à la maladie indépendemment de l’exposition Identifier la confusion Comparer mesure brute de l’effet (RR ou OR) à Mesure ajustée (pondérée) de l’effet (Mantel Haenszel RR ou OR) Est ce que les Mercedes sont plus dangereuses que les Porsches? Type Total Accidents % RR Porsche 1 000 300 30 1.5 Mercedes 1 000 200 20 Ref. Total 2 000 500 25 IC 95% = 1.3 - 1.8 < 25 ans Type Total Accidents % Porsche 550 250 45.5 Mercedes 300 120 40.0 RR, IC 95% 1.14 (0.9-1.3) ≥25 ans Type Total Accidents % Porsche 450 50 11.1 Mercedes 700 90 11.4 RR brut = 1.5 RR ajusté = 1.1 (0.94 - 1.27) RR, IC 95% 0.97 (0.7-1.4) Type auto Accidents Facteur de confusion: Age du conducteur Exposition maladie Hypercholesterolaemie IDM 3ème facteur Atherome Exposition maladie Hypercholesterolaemie IDM 3ème facteur Atherome N’importe quel facteur qui est une étape nécessaire dans la chaine de causalité n’est pas un facteur de confusion Sel IDM Hypertension Comment prévenir/contrôler confusion? Prevention - Restriction à une strate - appariement Contrôle - Analyse stratifiée - Analyse multivariée Exemples d’analyse stratifiée Exemples 1 2 3 4 5 Strate 1 4.00 1.01 3.05 1.02 1.07 Strate 2 RR brut 4.00 1.03 5.20 1.86 9.40 4.00 4.00 4.00 4.00 4.00 Modificateur d’effet Naturel Different effets dans différentes strates Simple Utile Améliore notre connaissance d’un mechanisme biologique Permet de cibler actions de santé publique Facteur de confusion Lié à structure de l’étude RR pondéré different RR brut Distortion de l’effet Crée confusion dans les données Prevenir (protocole d’étude) Contrôler (analyse) Ordre logique d’analyse des données Comment gérer plusieurs facteurs de risque: Analyse brute Analyse Multivariée 1. analyse stratifiée 2. modellisation regression linéaire multiple regression logistique Biais Dois je croire ma mesure? Soja Asthme RR = 23 Association vraie causale non-causale Hasard? Confusion? Biais? Definition d’un biais Toute erreur systématique dans une etude épidémiologique qui entraîne une estimation incorrecte de l’association entre exposition et risque de développer maladie Les erreurs dans les études épidémiologiques Erreur erreur aléatoire Erreur systématique (biais) Taille de l’échantillon 2 types de biais Biais de Sélection Biais d’Information [Confusion] Biais de Sélection Erreurs dans le processus d’identification de la population d’étude Sélection préférentielle de certains sujets liée à - leur statut de cas /témoin - leur statut par rapport à l’exposition Biais de Sélection Cas cirrhose Temoins traumatologie Conso alcool élevée 80 40 Conso alcool modérée 20 60 OR=6 Est ce que les témoins sont représentatifs de la population dont proviennent les cas? Biais de Sélection Cas cirrhose Témoins traumato Conso alcool élevée 80 40 10 Conso alcool légère 20 60 90 Témoins nontraumato OR=6 OR=36 Biais Diagnostique Approche diagnostique pour déterminer exposition Cas C ancer e n d o m e tre te m o in s C o n tra c e p tio n o ra le a b Pas de c o n tra c e p tio n c d contraception ⇒ saignement ⇒ augmente probabilité de détecter cancer • surestimation de “a” ⇒ surestimation de OR Biais d’Admission Les cas exposés ont une probabilité d’admission plus élevée Cas de K poumon Témoins de services chirurgie Contact amiante a b Pas de contact amiante c d Chef de service de pneumo=sommité mondiale sur l’exposition à l’amiante • K poumon exposés à amiante ne sont pas représentatifs des autres K poumon • surstimation de “a” ⇒ surestimation de OR Biais de survie Seuls les survivants d’une maladie trés létale sont inclus dans une étude Cas de fièvre hemorragique temoins Exposé a “léthal” a b Non exposé a “léthal” c d Contact avec facteur de risque létal entraîne mort rapide • sous estimation de “a” ⇒ sous estimation de OR te s t d e P a p a n ic o la u C as de k col t e m o in s N ’o n t p a s e u f r o t t is a b f r o t t is c d T o ta l 1000 1060 Témoins choisis chez femmes au foyer: 13000 foyers contactés ⇒1060 témoins • Témoins femmes au foyer ont une probabilité d’avoir frottis < que femmes au travail • Sous estimation de “d” ⇒ sous estimation de OR Perdus de vue Biais dus à différences de suivi entre groupes de comparaison Exemple - Étude du risque de maladie chez migrants - Migrants sont plus susceptibles de retourner chez eux lorsqu’ils sont malades ⇒perdus de vue ⇒ moindre taux de malades chez les exposés (=migrant) Minimiser les biais de selection Definition claire de la population d’étude Définitions explicites des cas et des témoins Cas et témoins de la même population Selection des exposés et non-exposés sans connaître statut vis-à-vis de la maladie (cohorte retrospective) Types de biais Biais de Sélection Biais d’Information Biais d’Information Erreur Systématique dans la mesure de l’information sur l’exposition ou la maladie Différences de précision - Des données d’exposition entre cas et témoins - Des données concernant la survenue de la maladie entre groupes de différentes expositions Des sujets sont classés dans le mauvais groupe Mauvaise classification Erreur de mesure entraîne une mauvaise classification (exposition ou maladie) Non-différentielle Différentielle • erreur aléatoire • Erreur Systématique • non liée à l’exposition ou à la maladie • liée à l’exposition ou à la maladie • N’est pas un biais • Biais • affaiblit la mesure d’association • Mesure d’association distordue dans une certaine direction 2 principaux types de biais d’information Biais de déclaration - Biais de mémorisation Biais d’Observation - Biais de l’enquêteur - Biais du suivi Biais de mémorisation Cas se rappellent l’exposition différemment des témoins Mères de Enfants malformés témoins Ont consommé tabac, alcool, drogues a b N’en ont pas pris c d -Mère d’enfant malformés se rappelleront de leurs expositions passées mieux que celles qui ont des enfants en bonne santé -surestimation de “a” ⇒ surestimation de OR Biais de l’enquéteur Investigateur demande différemment aux cas et témoins à propos de l’exposition Cas de listeriose Temoins Manger fromage mou a b Pas manger fromage mou c d Investigateur peut demander au cas de listériose s’ils ont mangé fromage à pâte molle et pas au témoins • surestimation de “a” ⇒ surestimation de OR Suivi Biaisé Non-exposés sont moins à même d’être diagnostiqué pour la maladie que les exposés • Exemple - Etude de Cohorte pour enquêter sur les facteurs de risque du mésothéliome - Diagnostic histologique difficile - Histologiste plus à même de diagnostiquer biopsie comme mésotheliome si l’exposition à l’amiante est connue Minimiser le biais d’information Standardiser instruments de mesure utiliser instruments de façon égale aux cas et témoins (exposés/non exposés) Utiliser sources multiples d’information - Questionnaires Mesures directes Registres Dossiers médicaux Utiliser plusieurs groupes de témoins Biais dans les essais contrôlés randomisés Gold-standard: étude randomisée, contre placébo, en double aveugle La moins biaisée - Exposition affectée au hasard au sujets – minimise biais de selection - Masquer l’exposition pour les sujets et les investigateurs minimise le biais d’information