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