méthodes en épidémiologie (spub009) alain leveque, md, phd département depidémiologie et de...
Post on 03-Apr-2015
117 Views
Preview:
TRANSCRIPT
Méthodes en épidémiologie
(SPUB009)
Alain LEVEQUE, MD, PhDDépartement d’Epidémiologie et de Promotion de la Santé
Interprétation des résultats dans une étude épidémiologique
Les biais
le rôle du hasard
SPUB009 ESP/AL 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
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
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:
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 ????
Exemples :
SPUB009 ESP/AL 20
SPUB009 ESP/AL 21
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
Exemples :
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
4. 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
– 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
• 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…
PREVENTION DES BIAIS (2)
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
population
échantillon
Inférence statistique
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
• Deux approches principales pour l ’inférence:
•inférence par les TESTS STATISTIQUES
•inférence par INTERVALLE DE CONFIANCE
Inférence statistique
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 » différenceentre deux populations ???
SPUB009 ESP/AL 43
Inférence statistique par Inférence statistique par les TESTS d ’HYPOTHESES (ou tests les TESTS d ’HYPOTHESES (ou tests
statistiques)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
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
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
paramètre
Limites de confiance
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
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
MAIS :
• Vérification d’une hypothèse • Intervalle de confiance
Ne suffisent pas à affirmer la validité des résultats
BIAIS CONFUSION
top related