Cours D’Epidémiologie Pour Urgentiste

Cours dpidmiologie pour urgentiste #1 version sept 2008

Cours dpidmio #1Mesures de la frquence des maladies et associations Objectifs du cours : - Dfinir et savoir calculer : incidence, prvalence, taux - Savoir calculer et connatre les avantages et inconvnients des ratio de cote, risque relatif, risque attribuable. lire: Barbara W. Trautner, MDa,bet al., Prospective Evaluation of the Risk of Serious Bacterial Infection in Children Who Present to the Emergency Department With Hyperpyrexia (Temperature of 106F or Higher) PEDIATRICS Vol. 118 No. 1 July 2006, pp. 34-40. http://pediatrics.aappublications.org/cgi/reprint/118/1/34 Exercices pratiques faire avant le cours. Il sagit dexercices qui serviront de point de dpart pour les discussions. Question #1 Selon vous laquelle des 2 entits suivantes a la prvalence la plus leve : le pulled elbow ou la fracture du fmur ? Pourquoi ? Question #2 Faites la dmonstration mathmatique que OR=RR si la maladie est rare.

Question #3 Dans un petit village de 20 000 personnes, il y avait 100 personnes sous traitement pour cancer du testicule et 1000 sous traitement pour cancer de la prostate en 1998. Au cours des 5 annes subsquentes, le mdecin du village a diagnostiqu 18 nouveau cas de cancer du testicule et 20 cancer de la prostate. Laquelle des 2 maladies a lincidence la plus leve dans ce village et pourquoi?

Question #4 Si on sait que la prvalence dune maladie X est de 10 cas / 1 000 personnes et on sait que son incidence est de 5 nouveaux cas / 1 000 personnes risque par anne, peut-on estimer la dure moyenne de la maladie ?

page1

Cours dpidmiologie pour urgentiste #1 version sept 2008 Question #5 Voici des tables donnant les taux de mortalit selon les ges pour 2 pays trs diffrents. Age 0-1 ans 1-5 ans 5-10 ans 10-18 ans Pays A Taux mortalit / 100 000 pers 100 20 10 5 population 10 000 30 000 30 000 30 000 Pays B Taux mortalit / 100 000 pers 200 40 20 10 population 3 000 7 000 30 000 60 000

total

20.5

100 000

20.8

100 000

Comment expliquer que les taux de mortalit totaux sont similaires pour des populations de tailles similaires malgr le fait que pour chaque catgorie dge, le taux de mortalit est 2 fois plus lev dans le pays B que le pays A ? Question #6 Voici un tableau construit partir dune tude prospective Maladie + Maladie Facteur de risque + 20 80 Facteur de risque 10 90 Total 30 170

Total 100 100 200

Quel est le risque relatif de dvelopper la maladie chez les gens expos ? Quelle est la diffrence de risque ? Quest-ce que a veut dire ? Quelles en sont les implications ? Quel est le odds ratio ? Voici le mme tableau construit sur le mme sujet partir dune tude cas-tmoin. Facteur de risque + Facteur de risque Total Maladie + 20 80 100 Maladie 10 90 100 Total 30 170 200

Quel est le risque relatif de dvelopper la maladie chez les gens expos ? Quel est le odds ratio ? Quelle est lexplication ?

page2

Cours dpidmiologie pour urgentiste #1 version sept 2008 Question #7 Supposons que les cancers A et B sont tout aussi mchant et mortels. Si vous savez que la prise destrogne par les femmes mnopauses diminue le risque du cancer A de 25% mais il augmente le risque du cancer B de 75%, quelle autre donne concernant les cancers A et B vous sera ncessaire avant de faire des recommandations face lutilisation destrogne ? Question #8 Quels sont les avantages du risque relatif ? Quels sont les avantages du odds ratio ? Question #9 Un mdecin a dvelopp un nouveau mdicament qui permet aux gens atteint de cancer des os de vivre 9 mois de plus avec une bonne qualit de vie. Avant cette nouvelle mdication, lesprance de vie au moment du diagnostic tait de 18 mois. Malheureusement, cette nouvelle mdication est associe une hausse de la prvalence de la maladie de 50%. Est-ce que vous utiliseriez ce mdicament dans votre pratique ? Expliquez.

Question # 10 Dans larticle de Trautner : Doit-on dire lincidence ou la prvalence dhyperthermie (hperpyrexia)? Quelle est lincidence/prvalence dhyperthermie dans leur population ? Quelle est la prvalence de bactrimie parmi leurs patients avec hyperpyrexie ? Les auteurs disent que tous les patients avec hyperthermie furent inclus dans ltude. Estce une bonne affaire et pourquoi ? Quelle est lutilit de la FSC dans leur tude ?

page3

Cours dpidmiologie pour urgentiste #1 version sept 2008

Cours # 1 Mesures de la frquence des maladies et associationsLpidmiologie consiste en la description et ltude de la distribution des maladies et de leurs facteurs associs. Pour ce faire la premire tape consiste dterminer la frquence de la maladie. 1.1 Mesures de frquence Quantifier le nombre de personnes atteintes dune pathologie est utile pour valuer les ressources ncessaires. Si lon veut comparer loccurrence de la maladie dans diverses populations ou situations, il faut par contre avoir une ide de la taille de la population risque (dnominateur). Il existe 3 types de paramtre mathmatique permettant de dcrire la relation entre le numrateur et le dnominateur : - Une cote (odds) est obtenue en divisant le nombre de cas de la maladie ou condition X par le nombre de cas nayant pas la maladie ou la condition X. Il sagit donc dun ratio de 2 probabilits. On dira par exemple que dans les cas dun traumatisme de la cheville on retrouve 2 patients avec fracture pour 8 patients avec une lsion des tissus mous dont une cote de 2:8 ou 1:4. Ce paramtre est plus difficile conceptualiser mais il est utile au point de vue statistique pour des raisons mathmatiques. Il est donc utilis frquemment mme sil nest pas instinctif de parler en terme de cote. - Une proportion ressemble un ratio mais le dnominateur contient tous les cas et les non-cas (donc tous les participants). On peut aussi parler de risque. On dira par exemple 2 patients avec fractures sur les 10 patients avec traumatisme de la cheville donc 20% des patients avec un traumatisme de la cheville ont une fracture. - Un taux est une mesure dassociation o le dnominateur contient aussi une dimension temporelle. On dira par exemple que le taux dIVRS est en moyenne de 2 rhumes par enfant par anne. On peut toujours transformer une cote en risque et vice-versa. Pour ce faire, on utilise la formule : Cote = risque / (1-risque) et risque = Cote / (1+ cote) La prvalence dune maladie est dfinie par le nombre de patients atteints de la maladie divis par la population totale un moment prcis. On peut la voir comme une photographie fixe dans le temps pour dcrire une situation. Elle nous donne la probabilit quun participant soit atteint de la maladie un moment prcis. La prvalence est leve pour les maladies frquentes et pour celles qui durent longtemps. Ainsi, une maladie qui tue rapidement comme un cancer agressif aura une prvalence plus faible quune autre qui tue lentement. On peut aussi parler de la prvalence dune maladie pour un moment non fixe dans le temps mais fixe dans une vie. Par exemple, on parlera de la prvalence danomalie congnitale la naissance, du taux dune maladie lautopsie ou de la prvalence denfants non vaccins lentre lcole. Prvalence = Nombre de personne avec la maladie ou la condition X Nombre de personne risque de la maladie ou la condition X

page4

Cours dpidmiologie pour urgentiste #1 version sept 2008 Lincidence de la maladie permet dajouter la dimension temporelle au calcul du ratio entre les cas et la population risque. Il sagit du nombre de patients ayant dvelopps la maladie pendant une priode donne divis par le nombre de participants risque de dvelopper la maladie. Le dnominateur contient tout ET seulement les gens risque; il exclut donc les participants ayant dj la maladie au dbut de la priode de surveillance ou ceux qui ne pourrons jamais avoir la maladie. Incidence : Nombre de nouveaux cas de la maladie ou condition X Nombre de personnes risque * priode de temps Linclusion de patients qui nont aucun risque davoir la maladie dans le dnominateur diminuera le taux mesur de la maladie. Par exemple, lincidence de balanite paratra faussement basse dans les rgions ou une majorit de garons sont circoncis car ceux ci nont aucune chance de faire une balanite. Lincidence nest pas influence par la dure de la maladie parce quon mesure le taux de nouvelle maladie. Si le risque de dvelopper la maladie est constant dans le temps, les participants ne doivent pas ncessairement tre tous valus pendant toute la dure de ltude. Par exemple, voici une tude sur le risque de pneumonie chez 6 enfants avec FKP : Patients Patient 1 Patient 2 Patient 3 Patient 4 Patient 5 Patient 6 Dbut 3 mois 6 mois 9 mois 12 mois -----------------------------------------------------------------Pneumonie -----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------pneumonie ----------------------------------------------------

Priode dobservation patient 1 : 9 mois Priode dobservation patient 2 : 3 mois Priode dobservation patient 3 : 6 mois Priode dobservation patient 4 : 12 mois Priode dobservation patient 5 : 6 mois Priode dobservation patient 6 : 6 mois Donc total de priodes dobservation : 42 mois Il y a 2 pneumonies pour 6 patients qui totalisent 42 mois dobservation. Il y a donc 2 / (6*4 ans (ou 42 mois) Incidence : 1 pneumonie / 21 patients-mois On peut exprimer la relation entre lincidence et la prvalence par la formule : Prvalence = incidence * dure de la maladie. On peut donc calculer la dure moyenne dune maladie si on en connat la prvalence ainsi que lincidence. Dans le cas de maladie chronique, la prvalence (cas avec la maladie) est grande mais lincidence (nouveaux cas) est petite donc la dure de la maladie est longue.

page5

Cours dpidmiologie pour urgentiste #1 version sept 2008 Dans le cas de maladies aigues frquente mais non ltales, i.e. : un rhume, lincidence (nouveaux cas) sera grande mais tant donn que la dure est courte la prvalence est petite moins davoir une pidmie. Cette relation est importante car on a souvent dans les donnes publies la prvalence dune maladie mais si on veut faire une tude prospective de prvention ou de traitement de cette maladie, cest plus intressant de savoir lincidence de la maladie (nouveaux cas). Si on connat la prvalence et quon estime la dure de la maladie selon nos connaissance on peut driver lincidence. Il est parfois difficile de comparer les prvalence et incidence dune maladie pour 2 populations trs diffrentes parce quil peut y avoir plusieurs facteurs influenant ces donnes. Ainsi les taux de mortalit de nos jours sont difficiles comparer ceux des annes 30 parce que notre population est beaucoup plus vielle de nos jours Une faon de remdier ce problme est de calculer des taux spcifiques pour chaque catgorie (ge, sexe, race) de la population. On appelle cela la standardisation. La standardisation directe consiste utiliser une distribution standard et a y appliquer les taux de la maladie spcifiques chaque catgorie. Par exemple, si lon veut comparer les taux de mortalit de 1930 et de 2000, on peut utiliser la population de lan 1980 stratifie en groupe dge (0-10 ans, 10-20 ans, etc.) et on applique les taux de mortalit pour les diffrentes strates dges pour les 2 populations. Les taux de mortalit obtenus seront donc plus comparables parce que non influencs par la population totale qui diffre entre 1930 et 2000. Cependant, plusieurs maladies ou conditions sont intimement lies lge. On obtient donc des rsultats qui ne reprsentent pas la ralit si on modifie la distribution dge. Pour contourner ce problme, on peut comparer le taux de mortalit obtenu dans une population celui que lon sattendrait avoir normalement. Cette technique sappelle le taux de standardisation indirect. Elle consiste appliquer les taux de maladie dune population standard la population tudie. On obtient ainsi un nombre de maladie prvu (expected outcome). On divise le nombre de maladie observ par le nombre prvu pour obtenir un ratio de maladie standardis. Ce ratio permet dvaluer le taux de maladie par rapport une population standard. Voici un exemple pour des gens travaillant dans les mines damiante. Le taux de mortalit contrle est celle de la population gnrale dhomme blanc: Groupe dge # participant # dcs taux de mortalit # dcs prvu pop gnrale (taux mort * #particip) (/100 000) 15-24 1250 2 5 0.1 25-34 3423 3 7 0.2 35-44 3275 5 9 0.3 Total 7948 10 7 0.6 Taux de mortalit 1,25 par 1000 chez les participants (10 cas/7948 participants) vs un nombre de dcs prvu de 0.07 par 1000 hommes (7 par 100 000 contrles) Taux de mortalit standardis : taux de maladie observ / taux de maladie prvu=

page6

Cours dpidmiologie pour urgentiste #1 version sept 2008 1.2/0.07= 17.1 1.2 Mesures dassociation 1.2.1 Risque relatif Les mesures dassociation permettent dvaluer lampleur dune association entre une exposition (mdicaments, toxine etc.) et une maladie ou une condition X. Pour valuer les associations, il faut tre familier avec les tables 2x2. Ces tables prsentent dans un axe (habituellement en vertical) une variable indpendante (le facteur de risque ou lexposition ou le mdicament) et dans lautre axe une variable dpendante (le outcome : maladie ou condition X). Chacune des cellules se nomme a, b, c, d. Pour crer cette table, il est important davoir des variables dichotomiques (mort-vivant, maladie/pas de maladie, etc.). Lorsquil sagit dune variable continue ( ex chiffre de tension artrielle, niveau dhmoglobine) cette dernire doit tre transforme en variable dichotomique en choisissant un point de brisure (cut-off). On pourrait, par exemple, dcrter quune tension artrielle < que le 5me percentile est une hypotension (outcome+) et que tout ce qui est au-dessus est une absence dhypotension. Expos Non expos Outcome + A C Outcome B D

Le risque (R) consiste en la probabilit davoir loutcome choisi pour un groupe. Par exemple, on dira que pour les gens expos lamiante, le risque de dvelopper un cancer du poumon est de 1 pour 10 000 patients. Le risque relatif (RR) estime lampleur dune association entre une exposition et une maladie et indique la probabilit de dvelopper la maladie dans un groupe expos versus un groupe non expos. Dfinition: Ratio de lincidence de maladie dans le groupe expos divis par lincidence de la mme maladie dans un groupe non expos. RR : Incidence dans le groupe expos Incidence dans le groupe non expos Cest une mesure dassociation pouvant tre utilise pour les tudes prospectives comme les tudes de cohorte ou les essais cliniques randomiss. Pour ce faire on compare lincidence dune maladie dans le groupe expos divise par celle du groupe contrle. Dans la table e, on calculerait le risque relatif par la formule : RR = A / (A+B) C / (C+D) Un risque relatif de 1 indique que le risque de maladie est le mme dans les 2 groupes. Si RR est > 1, lexposition est un facteur de risque de la maladie tandis que si le RR est

page7

Cours dpidmiologie pour urgentiste #1 version sept 2008 entre 0 et 1, lexposition protge de la maladie. On ne peut pas avoir de valeur ngative. Lavantage principal du risque relatif est quil est facile concevoir lesprit. Un RR de 3 signifie que le risque de dvelopper la maladie est trois fois plus lev pour le groupe expos. Il ne nous donne aucune information sur lincidence de la maladie dans les 2 groupes. Le principal inconvnient du risque relatif est dordre statistique : il ne peut pas tre utilis dans les tudes o le ratio de cas et de contrles sont dtermins au pralable. Ainsi il ne peut pas tre utilis dans les tudes cas-tmoin. Il existe plusieurs faons de comparer les risques de diffrentes populations. La diffrence de risque (risk difference RD) ou risque attribuable est une mesure dassociation donnant de linformation sur leffet absolu davoir la maladie si on est expos ou non. Elle est dfinie comme la diffrence entre lincidence de la maladie entre les patients exposs et les non exposs. La diffrence entre le RR et risque attribuable peut tre illustr par cet exemple. Une longue tude sur leffet dune diminution du cholestrol avec la mdication X sur la mortalit dmontre une baisse de la mortalit de 30 %. Lorsque lon calcule le nombre de dcs vits par la diminution du cholestrol, la faible incidence de mortalit dans les 2 groupes (traits ou non) mne une baisse de seulement 4 cas sur 1000 patients. La diffrence de risque est une mesure brute de la diffrence entre les 2 groupes. Ainsi, une maladie qui est trs rares pourra avoir un risque relatif lev mais elle aura une faible diffrence de risque. En contrepartie, une exposition avec un effet minime aura un impact important sur la diffrence de risque dune maladie frquente. RD : A/A+B - C/C+D RD = Ie - Io O Ie = risque chez le groupe expos et Io= risque chez le groupe non expos Interprtation des RD : RD=0, pas dassociation RD>0: association causale positive entre lexposition et la maladie, indique le nombre de cas de maladie attribuable lexposition RD 0.05 Si la valeur de 0 nest pas inclue comme dans lexemple, la valeur p est < 0.05 (p=0.02) La largeur de lintervalle de confiance indique la somme de variabilit inhrente lestimation donc leffet de la taille de lchantillon. Plus lintervalle de confiance

page10

Cours dpidmiologie pour urgentiste #1 version sept 2008 est large plus la variabilit de lestimation est grande et la taille de lchantillon est petite. Cest particulirement important dans linterprtation de rsultats dtudes qui ne sont pas statiquement significatifs. Ex: si lintervalle de confiance est troit, cela supporte limpression quil ny a pas daugmentation relle du risque. Si lintervalle est large, cest compatible avec une augmentation ou diminution relle du risque mais la taille de lchantillon ne permet pas davoir la puissance ncessaire pour exclure que la chance seule ait pu donner ces rsultats. Les notions de valeur p et dintervalle de confiance seront reprises de faon extensive au cours # 10.

page11

Cours dpidmiologie en urgence pdiatrique # 2 version sept 2007

Cours dpidmio #2 Tests diagnostics et scores de svritObjectifs du cours : - Savoir calculer et interprter les sensibilit, spcificit et valeurs prdictives - Savoir interprter les rapports de vraisemblance - Comprendre et savoir interprter une courbe ROC - Savoir comment crer et valuer un score de svrit - Notions de base sur lvaluation de la fiabilit dune mesure dichotomique - Comprendre la mesure de Bland-Altman pour les mesures continues Lecture faire en concordance avec le cours - Thayyil Set al., Is procalcitonin useful in early diagnosis of serious bacterial infections in children? Acta Paediatrica 2005; 94: 155-8. - Kharmada et al , A clinical decision rule to identify children at low risk for appendicitis. Pediatrics 2005 ; 116 : 709-16. http://pediatrics.aappublications.org/cgi/content/abstract/116/3/709 Exercices pratiques faire avant le cours. Il sagit dexercices qui serviront de point de dpart pour les discussions. Question #1 Pourquoi est-ce que la majorit des articles sur les tests diagnostics rapportent les valeur de sensibilit et spcificit au lieu des valeurs prdictives positive et ngative? Question #2 Sachant que le risque de bactrimie est de 2% pour un nourrisson fbrile et que le dcompte leucocytaire a une sensibilit de 80% et une spcificit de 60% ; quel est le risque de bactrimie chez un enfant fbrile avec des leucocytes levs ? Il existe au moins 2 faons de le calculer. Question #3 Dans larticle de Thayyil, la figure 1 montre la distribution des patients selon leur niveau de CRP ou procalcitonine et leur statut (SBI vs infection viral possible vs infection bactrienne possible). Si on dit que le seuil pour la procalcitonie est de 2 ng/l, pouvez vous remplir le tableau de la distribution des patients en utilisant la figure 1 : Infection srieuse (SBI) PCT > 2.0 (Test +) PCT < 2.0 (test -) total 3a Quelle est la valeur prdictive positive calcule? Quelle est votre analyse de ce tableau ? Question #4 Dans larticle de Thayyil Tous les autres total

Page 1


Quel est le risque pr-test dinfection bactrienne srieuse ? Quel est le risque dinfection post-test si : - la CRP est leve (et que lon na mesur que la CRP)? Faites-les calculsCar lun des participants viendra les faire au tableau. - Les globules blancs sont levs (et quon na fait quune FSC) ? Faites les calculs, car lun des participants viendra les faire au tableau. Question #5 Dans larticle de Thayyil Quelles sont les sensibilits et spcificits pour les 2 valeurs de procalcitonine values ? valeur sensibilit spcificit 1-spcificit

Dessinez une courbe ROC pour valuer lhabilet de la procalcitonine prdire le risque dinfection bactrienne srieuse.

Question #6 6a Appliquer la grille du QUADAS larticle de ThayilItem Yes Was the spectrum of patients representative of the patients who will () receive the test in practice? Were selection criteria clearly described? Is the reference standard likely to correctly classify the target condition? () () No Unclear

1. 2. 3. 4. 5. 6.

() () () () () ()

() () () () () ()

Is the time period between reference standard and index test short enough to be reasonably sure that the target condition did not change ( ) between the two tests? Did the whole sample or a random selection of the sample, receive verification using a reference standard of diagnosis? Did patients receive the same reference standard regardless of the index test result? () ()

Page 2


7. 8. 9. 10. 11. 12. 13. 14.

Was the reference standard independent of the index test (i.e. the index test did not form part of the reference standard)? Was the execution of the index test described in sufficient detail to permit replication of the test? Was the execution of the reference standard described in sufficient detail to permit its replication? Were the index test results interpreted without knowledge of the results of the reference standard? Were the reference standard results interpreted without knowledge of the results of the index test? Were the same clinical data available when test results were interpreted as would be available when the test is used in practice? Were uninterpretable/ intermediate test results reported? Were withdrawals from the study explained?

() () () () () () () ()

() () () () () () () ()

() () () () () () () ()

6b Appliquer la grille du QUADAS larticle de KharbandaItem Yes Was the spectrum of patients representative of the patients who will () receive the test in practice? Were selection criteria clearly described? Is the reference standard likely to correctly classify the target condition? () () No Unclear

1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14.

() () () () () () () () () () () () () ()

() () () () () () () () () () () () () ()

Is the time period between reference standard and index test short enough to be reasonably sure that the target condition did not change ( ) between the two tests? Did the whole sample or a random selection of the sample, receive verification using a reference standard of diagnosis? Did patients receive the same reference standard regardless of the index test result? Was the reference standard independent of the index test (i.e. the index test did not form part of the reference standard)? Was the execution of the index test described in sufficient detail to permit replication of the test? Was the execution of the reference standard described in sufficient detail to permit its replication? Were the index test results interpreted without knowledge of the results of the reference standard? Were the reference standard results interpreted without knowledge of the results of the index test? Were the same clinical data available when test results were interpreted as would be available when the test is used in practice? Were uninterpretable/ intermediate test results reported? Were withdrawals from the study explained? () () () () () () () () () ()

Page 3


Question #7 Dans une tude, on value lutilit dune FSC chez les patients suspects dappendicite. 100 patients furent tests et 20 avaient une appendicite. Au total, 30 patients ont eu une FSC perturbe. De plus, des 20 patients avec appendicite, 15 avaient une FSC perturbe. Pour une FSC perturbe, calculez : La VPP La VPN La sensibilit La spcificit Le risque de vraisemblance + Le risque de vraisemblance La prvalence de la maladie Question # 8 Pour ltude de Kharbanda Quel tait le but de ltude ? Quelle est la conclusion de ltude ? Quels sont le pourcentage et le nombre de patient ayant un CT scan au total ? Peut-on savoir le pourcentage ayant un ct-scan dans la priode de validation ? Si on considre que tous les patients avec critre positif selon la rgle base sur la rgression logistique devaient avoir un ct-scan (tel que recommand), quel serait le taux de CT-scan ? Et pour la rgle avec un arbre dcisionnel ? A votre avis, quel est le pourcentage de scan pour suspicion dappendicite au CHU SainteJustine (3 choix : 10 %, 50 %, 90%)? Quelles sont vos conclusions sur lutilit de cette rgle en pratique au CHU Sainte-Justine? Question # 9 On vous demande de crer une rgle de svrit afin de prdire le risque dpilepsie chez les patients se prsentant avec une convulsion fbrile. Donnez les tapes suivre allant de la conception la diffusion de cette rgle.

Question # 10

Page 4


Quels sont les taux de corrlation simple (pourcentage des fois o les 2 observateurs sont en accord) ainsi que le score kappa pour les tudes suivantes : tude 1 Pour un test de dpistage pour une maladie prvalente chez 10% de la population Observateur 1 dit + Observateur 1 dit Total Observateur 2 dit + 2 18 20 Observateur 2 dit 18 162 180 Total 20 180 200 Corrlation : Kappa :

tude 2 Pour un test de dpistage pour une maladie prvalente chez 10% de la population Observateur 1 dit + Observateur 1 dit Total Observateur 2 dit + 12 8 20 Observateur 2 dit 8 172 180 Total 20 180 200 Corrlation : Kappa :



Page 5


Tests diagnostics et scores de svritLe raisonnement clinique est bas sur une approche probabiliste o le mdecin tente de dterminer le diagnostic de son patient en liminant diverses pathologies laide de donnes de lanamnse, de lexamen o de rsultats de tests para-cliniques. Avant de raliser un test diagnostique, le contexte clinique permet dtablir une probabilit dexistence de la maladie, la probabilit pr-test. Gnralement, un test positif augmente la probabilit dexistence de la maladie, un test ngatif la diminue. La probabilit post-test reprsente la situation aprs le test. Chaque test diagnostic possde des caractristiques intrinsques dterminant sa validit. 2.1.1 Critres de validit pour une variable dintention primaire dichotomique. Les sensibilit et spcificit sont des mesures de validit bien connues. Elles sont utilises pour dcrire les tests donnant des rsultats dichotomiques (oui/non). On dit quelles sont robustes la population value car il sagit de proprits intrinsques au test : ainsi quelle que soit la prvalence de la maladie dans la population tudie, les valeurs de sensibilit et spcificits seront les mmes. On peut donc les valuer chez des populations ayant une prvalence leve de la maladie et les appliquer chez des populations o la maladie est plus rare. On utilise habituellement une table 2x2 pour rapporter les rsultats dune valuation dun test diagnostic (table 2.1). Dans un axe, on inscrit les rsultats du test diagnostic tandis que dans lautre axe, on rapporte ce quon croit tre la vraie valeur base sur un talon de rfrence (gold standard). Pour bien classer les sujets parmi les malades et les non-malades, il faut disposer dun talon de rfrence de qualit. Il existe des talons de rfrence de toutes sortes avec des niveaux de fiabilit variables: - Les rsultats de pathologie sont habituellement fiables mais difficiles appliquer - Il existe parfois des tests diagnostics fiables (CT-scan, tests sanguins complexe), pouvant servir dans un contexte dtude mais ne pouvant tre utilis dans une situation clinique pour des raisons deffets secondaires, de cots ou autre. - Lpreuve du temps est souvent utilise pour les tests valuant la svrit dune situation. On peut ainsi comparer le test avec le devenir du patient (dcs, greffe, etc) - On value parfois la svrit du patient en utilisant le consensus dun groupe dexpert pour chaque situation (adjudicating process, mthode de Delphi). - Enfin, certains construisent des talons de rfrence partir de la combinaison de plusieurs tests. Par exemple, il nexiste aucun talon de rfrence pour valuer un outil de triage pour lurgence parce quil nexiste aucune mesure fiable de lurgence dune situation. Pour remdier ce problme, les tudes valuants les outils de triage utilisent des marqueurs de svrit tel que ladmission, lutilisation des ressources, le temps pass lurgence ou ladmission aux soins intensifs. Pour viter les biais, il faut suivre certaines rgles : 1) ltalon de rfrence doit tre valu chez tous les sujets ; 2) ltalon de rfrence et le test tudi doivent tre valus de faon aveugle ; 3) si lon veut comparer 2 tests, les 2 doivent tre compar au mme talon de rfrence plutt que de les comparer entre eux ; 4) la validation dun test doit toujours tre faite avec le meilleur talon de rfrence disponibleun test ne peut pas savrer meilleur que ltalon de rfrence qui sert le valider. Table 2.1 Exemple de table pour valuer un test Maladie + Maladie Test + A (vrai positif) B (faux positif) Test C (faux ngatif) D (vrai ngatif) Total A+B C+D

Page 6


Total

A+C

B+D

A+B+C+D

La sensibilit est dfinie comme le pourcentage des patients ayant la variable dintrt primaire (maladie) qui ont un rsultat positif au test. Il sagit donc du pourcentage de malade diagnostiqu par le test. Plus la sensibilit est leve, meilleure sont les chances de dpister la maladie avec le test. Dans le tableau 2.1, la sensibilit se calcule par la formule : A / (A+C). Ainsi, un test a la sensibilit leve manquera peu de cas. La spcificit est dfinie comme le pourcentage des patients nayant pas la variable dintrt (sains) qui ont un rsultat ngatif au test. Il sagit donc de lhabilet du test trouver les patients exempts de la maladie. Une spcificit leve signifie que le test na pas tendance sur diagnostiquer la maladie chez les patients non atteints. Dans la table 2.1, la spcificit se calcule par la formule : D / (B+D). Bien quelles dcrivent la fiabilit des tests, les sensibilit et spcificit ont le dsavantage de ne pas rpondre la question qui intresse le clinicien face au patient : quelle est la probabilit que mon patient ait la maladie ? Pour rpondre cette question, 2 mesures furent rapportes : Les valeur prdictive positive et valeur prdictive ngative. La valeur prdictive positive (VPP) est la probabilit davoir la variable dintrt primaire (maladie) pour les patients qui ont un test positif. Autrement dit : quel est la probabilit que le patient est la maladie si le test est positif. Dans le tableau 2.1, la VPP se calcule par la formule : A / (A+B). La valeur prdictive ngative (VPN) est la probabilit de ne pas avoir la variable dintrt primaire (sain) pour les patients ayant un test ngatif. Dans le tableau 2.1, la VPN se calcule par la formule : D / (C+D). Ces 2 mesures dpendent des sensibilit, spcificit et prvalence de la maladie. Plus la prvalence de la maladie est leve dans la population, plus leve sera la VPP et plus basse sera la VPN. Plus la prvalence est basse, plus la VPP sera basse et la VPN sera haute. Plus le test est sensible, meilleure est la valeur prdictive ngative Plus le test est spcifique, meilleure est la valeur prdictive positive. Bien que les VPP et VPN semblent plus utiles pour le clinicien parce que mieux applicables la clinique, ces mesures sont rarement utilises en pratique car, souvent, on ne connat pas la prvalence de la maladie dans la population de base. La valeur globale ou efficience dun test est un autre indice employ et dsigne la proportion des rsultats qui sont vrais : Valeur globale = (vrais positifs + vrais ngatifs) / (vrais positifs + faux ngatifs + faux positifs + vrais ngatifs) On peut calculer un intervalle de confiance (IC 95%) pour chacune de ces valeurs mais ces calculs seront discuts dans les modules 9 et 10. 2.2 Les rapports de vraisemblance(1)

Page 7


Le rapport de vraisemblance (likelihood ratio LR) est un terme de plus en plus utilis dans la littrature mdicale pour dcrire la validit dun test diagnostic. Il sagit dune faon de synthtiser les valeurs de sensibilit et spcificit en une seule mesure afin dvaluer la probabilit de maladie post-test. Les rapports de vraisemblance se basent sur les thories des cotes (odds). Les cotes (odds) Le rapport du nombre de malades au nombre de non-malades est appel cote (odd). Il sagit dune faon diffrente dexprimer une proportion : au lieu de dire que la prvalence dappendicite est de 20 %, on dira quil y 20 appendicites pour 80 non-appendicites (20/80 ou 0.25). Toute proportion peut tre transforme en cote et vice versa. On utilise les cotes parce quelles ont certains avantages au niveau des calculs statistiques. Odds = risque / (1- risque) ET risque = Odds / (1+odds) Ainsi : Cote pr-test = probabilit pr-test / (1-probabilit pr-test) Cote post-test = probabilit post-test / (1-probabilit pos-test) Risque (probabilit) = Cote / (1+cote) Le rapport de vraisemblance positif (positive likelihood ratio, LR+) est calcul selon la formule : sensibilit/ (1-spcificit). Le rapport obtenu est le facteur par lequel on peut multiplier la cote pr-test pour obtenir la cote post-test chez les patients ayant eu un test positif. Il rsume ce que lexamen diagnostique nous apprend sur le patient. Il est propre cet examen diagnostique. On dit que le LR est robuste car il ne change pas dun contexte clinique lautre. Le LR+ a habituellement de valeur >1.0. Plus il est lev, plus le risque que le patient ait la maladie est lev. On considre quun LR+ est utile lorsque sa valeur dpasse 34. Le rapport de vraisemblance ngatif (negative likelihood ratio, LR-) est calcul selon la formule : (1-sensibilit) / spcificit. Le rapport obtenu est le facteur par lequel on peut multiplier la cote pr-test pour obtenir la cote post-test chez les patients ayant eu un test ngatif. Il est propre cet examen diagnostique. On le dit robuste car il ne change pas dun contexte clinique lautre. Le LR- a une valeur < 1.0. La formule qui lie le rapport de vraisemblance, le pr-test (probabilit a priori) et le post-test (probabilit a posteriori) est la suivante : Cote pr-test x rapport de vraisemblance = cote post-test Les rapports de vraisemblance sont utiles car ils sont robustes (peu influencs par la prvalence de la maladie) en plus de pouvoir tre utilis par les cliniciens en pratique. Il existe encore des articles o lon ne rapporte pas les valeurs de LR mais il est facile de les calculer en connaissant les sensibilit et spcificit. Voici un exemple de rapport de vraisemblance afin dillustrer le concept : Disons que le risque dappendicite aigu pour un enfant qui se prsente lurgence est de 20%. Un chirurgien dcide de faire une radiographie abdominale afin daider au diagnostic. Il sait que la sensibilit dun appendicolithe la radiographie est de 10% mais que la spcificit est de 99%. Il calcule les rapports de vraisemblances ainsi que la cote pr-test : LR+ : 0,10 /(0,01) = 10.0 LR- : 0,90 / 0,99 = 0.91

Page 8


Cote pr-test : 0.2 /0.8 =

0.25

Si le patient une radiographie positive (prsence dappendicolithe), sa cote post-test sera de 0.25 * 10.0 = 2.5 Selon la formule donne dans lencadr plus haut : Probabilit post test = Cote post test / ( 1 + cote post test) Probabilit post test = 2.5 (1+2.5) = 0.71 ceci donne une probabilit dappendicite 71%. Si le patient une radiographie ngative, sa cote post-test sera de 0.25 * 0.91 = 0.23 ceci donne une probabilit dappendicite 18,6%. On voit donc que la prsence dappendicolithe augmente de beaucoup la probabilit dappendicite tandis que son absence na que peu deffet. Pour ceux qui naime faire les calculs, on peut toujours utiliser le nomogram suivant afin destimer la probabilit post test. Lavantage du nomogram est sa simplicit dutilisation au dtriment de la prcision.

http://xnet.kp.org/permanentejournal/fall97pj/gifs/testsfig4.gif

2.3 Les courbes ROC (receiver operating characteristic) Dans les cas discuts plus haut, il tait considr que les tests donnaient un rsultat dichotomique. Dans la ralit, la majorit des tests para-cliniques ont des valeurs continues ou multiples. Puisque la variable dintrt primaire est dichotomique, il faut donc dterminer un point de rupture (cut-off) qui sparera les rsultats dits positifs de ceux qui sont ngatifs. La variation de ce point de rupture influencera les spcificit et sensibilit. Ainsi, un changement qui augmente la sensibilit aura pour effet de diminuer la spcificit et vice-versa. La courbe ROC (de langlais Receiver Operator Characteristic curve) est un moyen dexprimer la relation entre la sensibilit et la spcificit dun test diagnostique. On la

Page 9


construit en utilisant les valeurs de sensibilit et spcificit pour diffrents points de rupture. Les caractristiques de base de la courbe sont : - En ordonne (Y) on met la sensibilit tandis quen abscisse(x) on met la valeur de 1spcificit correspondante. - La courbe commence toujours du point (0,0) parce que lorsque la sensibilit est de 0%, la spcificit devrait tre de 100%. - La courbe termine toujours au point (1,1) parce que lorsque la sensibilit est de 100%, la spcificit devrait tre de 0%. - La courbe est toujours au-dessus de la diagonale des points (0,0) et (1,1) - Pour un test dont le rsultat sexprime sur une chelle numrique (par exemple, des dosages biologiques), on pourrait avoir une multitude de points, constituant une courbe. Dans la majorits des cas, par contre, on aura quelques points reprsentant les diffrentes valeurs dune chelle. - Plus la courbe ROC sloigne de la diagonale pour rejoindre langle suprieur gauche, plus le test diagnostique est globalement " puissant ". Voici un exemple : Un chercheur veut tester la validit de la numration leucocytaire pour dpister le risque dappendicite chez les patients avec douleur abdominale. Il obtient les rsultats suivant pour 3 points de rupture : Point Valeur Sensibilit Spcificit 1-spcificit A >15.0 40% 95% 5% B >10.0 80% 50% 50% C >5.0 90% 40% 60% Ceci signifie que si le chercheur voulait utiliser la valeur de >5.0 comme point de rupture pour dire que le patient a une appendicite, la sensibilit de son test serait de 90% mais sa spcificit serait de 40%. En utilisant les points de sensibilit et 1-spcificit, on construit la courbe :

On compare habituellement les diffrents tests diagnostic laide de laire sous la courbe ROC (AUC). Plus la courbe est dplace vers le haut et la gauche, plus laire sera grande et plus performant est le test. Laire est toujours plus grande que 0,5. Par exprience, les tests trs performants ont des valeur daire sous la courbe de >0.8.

Page 10


On utilise parfois la courbe ROC pour dterminer le point de rupture dun test. Le point le plus proche du coin suprieur gauche est le plus performant. Ce point de rupture nest par contre pas ncessairement celui que lon voudra utiliser pour toutes les situations. Ainsi dans lexemple suivant les courbes C et D sont les courbes ROC schmatiques de deux tests. C est prfr si on veut privilgier la sensibilit au prix dune perte de spcificit. D est prfr si cest la spcificit qui prime mme au prix dun plus grand nombre de faux ngatifs.

2.4 Les scores de svrit Un score de svrit consiste en une mesure de la svrit de la condition dun patient base sur la somme de plusieurs critres clinique ou para-cliniques. Les scores de svrit sont de plus en plus populaire en mdecine. Il semble exister un score de svrit pour presque toutes les pathologie courantes..Ces scores de svrits ont plusieurs utilits : Dans les tudes cliniques, ils permettent de comparer des population semblables parce quon peut sassurer de la similarit des groupes avant ltude. Par exemple dans une tude sur la bronchiolite, on peut stratifier les groupes de randomisation selon le score RDAI. Ils permettent de suivre lvolution dune pathologie dans le temps chez une population. On peut ainsi dterminer que les patients admis aux soins intensifs ont des scores de svrit PRISM de plus en plus levs. Ils permettent de prvoir le devenir des patients ainsi que les soins de sant requis. Par exemple, le Pediatric Trauma Score aide dterminer si un patient doit aller dans un centre de traumatologie tertiaire lors de sa prise en charge par lambulancier.

-

Comment crer un score de svrit en 6 tapes Premirement, on dfini la question de recherche. Par la suite, on runit des experts sur un sujet afin de sortir tous les facteurs pouvant potentiellement tre corrls avec la svrit ou le devenir du patient. On utilise souvent une approche nomme mthode de Delphi(2). Cette mthode ne fait pas partie du cadre de ce cours mais il est bon de savoir quil sagit dune mthode o lon sonde

Page 11


-

-

des experts sur un sujet en effectuant de multiples rondes de questionnairePar la suite, on dtermine quelle est la variable dintrt primaire la plus adquate. Cette dernire, doit bien reprsenter ce quon cherche valuer et tre le plus objectif possible. On value, dans une tude prospective ou rtrospective, lassociation entre chacun des facteurs de risque possible et la variable dintention primaire (analyse univarie). Par la suite, on fait une analyse multi-varie pour dterminer les facteurs statistiquement associs la variable dintrt primaire. La reproductibilit de la mesure des composantes du score doit tre effectue cette tape. Cette analyse permet de crer la rgle. Ltape suivante consiste valuer prospectivement la rgle dans une autre population. Enfin, le score devra idalement tre valid dans une tude multi-centrique prospective. Un exemple de dveloppement de score de svrit est donn en rfrence(3;4).

2.5 valuer un test diagnostic ou un score de svrit Il existe plusieurs paramtres valuer afin de dterminer de lutilit dun test diagnostic ou dun score clinique. La premire tape consiste sassurer de la reproductibilit de la mesure. Sil sagit dune mesure effectue par une machine ou dun test enzymologique, les auteurs devront dmontrer que les rsultats du test sont constant lorsque mesurs par 2 personnes diffrentes. Sil sagit dun score clinique, les auteurs devraient dmontrer, pour chaque constituant du score, que diffrents observateurs obtiennent le mme rsultat. Ceci est dmontr par le coefficient de corrlation Kappa pour les variables dichotomiques. Pour les variables continues, on utilise des courbes de corrlation et des coefficients de corrlation intra-classe. Ces coefficients seront discuts plus loin Une fois quil est dmontr que le test ou score est reproductible, il faut valuer sa validit interne. Cette dernire est la proprit dun test dire la vrit. Il existe plusieurs faons dtudier la validit dun test. La plus frquente est dvaluer lhabilet du test prdire une variable dintention primaire (outcome) vrifie avec une mthode sure (gold standard). Tel que discut plus haut, cet talon de rfrence peut tre un autre instrument de mesure, un rapport de pathologie, lvolution du temps (pour prdire la mort ou lhospitalisation par exemple) ou autre Il existe, par contre, certaines situations o il ny a pas de mesure parfaite. Dans ces cas les chercheurs peuvent dvelopper des stratgies pour infrer la vrit. La validit de construit consiste comparer les rsultats dun test ou score avec une hypothse thorique fonde par les chercheurs. Par exemple, pour une chelle de triage de la svrit des patients se prsentant lurgence, on pourrait supposer que le niveau de triage devrait corrler avec les taux dadmission lhpital et aux soins intensifs ainsi quau taux de dcs. La validit de contenu consiste sassurer que le test/score incorpore tous les aspects du domaine quil value. Par exemple, un score sur la qualit de vie devrait avoir des items touchant la sant mais aussi la vie sociale et familiale du patient. La validit par critre consiste vrifier que le test/ score est en corrlation avec dautres variables dintention primaires parallles au phnomne tudi.

-

Page 12


La dernire tape consiste vrifier la validit externe du test/score. Ceci est lapplication des rsultats obtenus dans la population tudie une plus vaste population. Il est important de vrifier les critres dinclusion et dexclusion de la population tudie afin de savoir si la population tudie ressemble celle laquelle on veut appliquer le test. Il existe souvent beaucoup de restrictions linclusion dans une tude qui diminuent la porte des rsultats obtenus. Dautres qualits vrifier afin de sassurer de lutilit dun test sont la facilit dutilisation, la facilit dinterprtation, lapplicabilit clinique, le rapport cot-bnfice et la disponibilit et la pertinence. Au cours des dernires annes, un outil a t dvelopp pour standardiser lvaluation des tudes traitant de tests diagnostic. Il fut cr suite de multiple rencontre dexpert sur le sujet. Cet outil permet lvaluation qualitative des tudes sur des tests diagnostics avant des inclure dans une mta-analyse par exemple. Les auteurs ont nomm loutil QUADAS pour Quality Assessment of Diagnostic Accuracy Studies(5). Il sagit dun nonc de 14 items qui doivent tre valus par les rviseurs de larticle. Chacun des items se rpond par oui, non ou inconnu. Les auteurs nont pas voulu que le QUADAS soit utilis comme un score de qualit mais plutt comme un outil dvaluation qualitative standardise. Loutil QUADAS est dcrit la fin du prsent texte. 2.6 Mesurer la corrlation entre plusieurs observations (fiabilit ou reliability anglais) Que ce soit pour une mesure objective effectue laide dun appareil ou pour une mesure clinique, il est important dvaluer la reproductivit inter-observateur. On appelle fiabilit (reliability) la mesure de cette reproductibilit. 2.6.1 Variables catgoriques (score Kappa) Pour les variables catgoriques, loutil de mesure de fiabilit utilis est souvent le score Kappa(6;7). Cette mesure permet dvaluer la corrlation entre plusieurs observateurs qui nest pas d au hasard. On dit que la valeur du Kappa va de 0 (aucune corrlation non-due au hasard) 1 (corrlation parfaite) mais il est aussi possible davoir des kappa ngatifs si les observateurs sont en dsaccord plus souvent que ne le serait le hasard (corrlation pire que le hasard !). On peut calculer un score Kappa pour un nombre dobservateurs allant de 2 un nombre trs lev. La formule pour le calcul dun score kappa est la suivante : = (Po-Pe) / (1-Pe) o Po = La proportion des mesures concordantes observes Pe = La proportion des mesures concordantes prdites par le hasard Voici un tableau utilis pour faire la nomenclature des formules utiliser Observateur 2 + Observateur 2 Total Observateur 1 + A C (C1) Observateur 1 B D (C2) Total (R1) (R2) (N)

Page 13


Voici un exemple de calcul pour une table montrant les rsultats dune tude sur lefficacit dun test X dterminer la prsence dune maladie Y. Table des rsultats de ltude : Observateur 2 + Observateur 2 Total Observateur 1 + 80 (A) 20 (C) 100 (C1) Observateur 1 10 (B) 90 (D) 100 (C2) Total 90 (R1) 110 (R2) 200 (N)

Po = La proportion des mesures concordantes observes = (80+90) / 200 = 85% Dans ce tableau, on voit que lobservateur 1 a un test + pour 50 % des rsultats tandis que lobservateur 2 a un test + pour 45% (90/200) des rsultats. Si la distribution se faisait au hasard, il y aurait donc la distribution suivante (formule entre les parenthses) : Observateur 2 + Observateur 2 Total Observateur 1 + 45 (R1* C1/ N) 55 (R2* C1/ N) 100 Observateur 1 45 (R1* C2/ N) 55 (R2* C2/ N) 100 Total 90 110 200

Pe = La proportion des mesures concordantes prdites par le hasard = (45+55) / 200 Le score Kappa est donc de : (170/200 - 100/200) / 1- 100/200 = 0.35 / 0.5 = 0.7

Une autre faon de calculer les probabilits observe et celle prdite par le hasard est dutiliser les formules : Po = La proportion des mesures concordantes observes (a + d) / N Pe = La proportion des mesures concordantes prdites par le hasard (r1c1 + r2c2)/ N2 Linterprtation des scores Kappa ne se fait pas de faon intuitive. Des chercheurs (Landis et Koch)(8) ont propos les barmes suivant pour la corrlation en fonction des scores Kappa : - < 0.40 faible corrlation - 0.40-0.60 modre - 0.60-0.80 bonne - >0.80 presque parfaite. Limitations : Score peu fiable lorsque la concordance ou la discordance sont totales parce quil ne peut plus diffrencier la concordance relie la chance de la concordance observe

Page 14


Score kappa varie en fonction de la prvalence des cas dans les diffrentes cellules du tableau de contingence indice de concordance lev et un score k bas selon la disposition des nombres dans les cellules (une disposition trs asymtrique va donner un score k plus bas) On ne peut pas calculer le score si le nombre de colonne est diffrent du nombre de rang et lorsquil y a un 0 dans une cellule. 2.6.2 Variables continues (corrlation) En mdecine, il existe plusieurs situations o lon veut mesurer la reproductibilit dune mesure continue. Pour ce faire, on utilise la corrlation linaire. Le graphique suivant est une illustration de la corrlation entre les observations de 2 valuateurs pour une mesure quelconque. Chaque point reprsente un spcimen valu par 2 observateurs. Sur laxe des x se trouve la valeur mesure par lvaluateur A tandis que sur laxe des Y sont les mesure de lvaluateur B. Dans une situation idale, tous les points seraient aligns parfaitement. La corrlation R est une valeur mesure tmoignant de la distance entre les points et la ligne idale. La valeur R va de -1 (pour une corrlation inverse parfaite +1 pour une corrlation parfaite). Une valeur de 0 signifie quil ny a pas de corrlation.100 90 80 70 60 50 40 30 20 10 0 0 20 40 60 80 100 Observateur A

Une corrlation leve signifie que les 2 mesures varient de faon proportionnelle mais a ne veut pas dire que les deux mesures sont pareilles. Dans la figure ci-haut, un changement dans lchelle des x ne changera en rien la corrlation mais on ne pourra plus dire que les observateurs disent la mme choseLa figure suivante dmontre un bel exemple de situation o la corrlation R est leve mais les 2 mesures ne sont pas pareilles.100 90 80 70 60 50 40 30 20 10 0 0 10 20 30 Observateur A

Page 15

Observateur B

Observateur B


2.7 La mesure de Bland-Altman(9) Lutilisation de la corrlation R peut savrer adquate dans la mesure de la corrlation entre 2 individus utilisant le mme outil de mesure mais lorsque lon veut comparer un nouvel instrument de mesure un ancien, il ne faut pas utiliser la corrlation. En 1983, Douglas Altman et Martin Bland ont propos une nouvelle faon dvaluer la corrlation entre deux instruments de mesures dans la revue Statistician (Altman DG, Bland JM. (1983). Measurement in medicine: the analysis of method comparison studies. The Statistician 32, 307-317). Personne nen a parl dans le monde mdical jusquau jour o ils ont publi un article similaire dans le Lancet en 1986 (Bland JM, Altman DG. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. Lancet, 1986, 307310). Cet article expliquait une faon dvaluer la corrlation entre 2 mesures continues maintenant connue sous le nom de mthode de Bland-Altman. La mesure de Bland-Altman est complexe. On pourrait la rsumer ainsi : lvaluation de la frquence o la diffrence entre les 2 mthodes est plus grande quune valeur juge cliniquement significative. Nous expliquerons la mthode laide dun exemple rcemment publi par le groupe durgentiste. Il sagit dune tude o lon valuait linterchangeabilit des diffrentes chelles de douleur pour les enfants avec douleur abdominale. Ltude fut mene auprs de 90 enfants souffrants de douleur abdominale. Dans cette tude, la mesure du VAS (Visual Analog Scale) tait considre comme le Gold standard. Le VAS est compos dune ligne droite de 100 mm et lenfant doit faire un trait lendroit reprsentant le mieux sa douleur allant de pas de douleur la pire douleur quil est dj eue. Dans ltude, on lui comparait 3 autres chelles de douleur pdiatriques. La premire tape faire est de dterminer quelle diffrence entre loutil test et loutil de rfrence est cliniquement significative. Ceci se fait souvent avec lopinion dexpert dans le domaine. Il faut idalement le faire au moment dcrire le protocole de recherche. Pour ltude de la douleur, il existe des tudes suggrant quune diffrence de 20 mm dans le VAS devrait tre considr cliniquement significatif. Ce fut donc la limite choisie La deuxime tape est de faire un graphique o lon crit les diffrences entres les deux mesures en fonction de la valeur moyenne des 2 mesures. Voici le graphique gnr par la comparaison des valeurs de VAS et dune autre chelle de douleur (CAS). Les 2 lignes en gras qui dpassent reprsentent les limites cliniquement significatives:

Page 16


50 40 30 20 10 0 -10 -20 -30 0 20 40 60 80 100 120 AVERAGE of VAS and CAS -1.96 SD -18.6

VAS - CAS

+1.96 SD 14.4 Mean -2.1

La troisime tape est de comparer lintervalle de confiance de la diffrence (qui se dfini comme la diffrence moyenne 1.96 dviation standard) avec les limites cliniquement significatives. Dans lexemple ci-haut, on voit que lintervalle de confiance va de -18,6 +14,4). On peut donc conclure que les diffrences entre les 2 mesures ne sont pas cliniquement significatives. Les outils de mesure sont donc interchangeables. En rsum, voici les termes utilis dans la mthode de Bland-Altman ; Limit of acceptability : ce sont les diffrences maximales qui seraient cliniquement acceptables (dans lexemple 20 mm) Limit of agreement : Ce sont les limites de lintervalle de confiance 95% des diffrences (dans lexemple -18,6 +14.4) On conclut que 2 mthodes sont interchangeables si les limit of agreement sont plus petites que les limit of acceptability Avantages de la mthode de Bland Altman: Ce test permet de : - mesurer la diffrence entre les 2 tests (moyenne des diffrences entre les tests DS) - vrifier si la diffrence entre les 2 tests est cliniquement significative - vrifier si la concordance demeure bonne tout au long de ltendue des rsultats du test - vrifier sil existe une relation entre la diffrence entre les test et le rsultat du test (corrlation significative entre le rsultat moyen des deux tests et la diffrence entre les tests)Page 17


Item

Voici une copie de loutil QUADAS Yes No Unclear

1. 2. 3.

Was the spectrum of patients representative of the patients who will receive the test in practice? Were selection criteria clearly described? Is the reference standard likely to correctly classify the target condition? Is the time period between reference standard and index test short enough to be reasonably sure that the target condition did not change between the two tests?

() () ()

() () ()

() () ()

4.

()

()

()

5. 6. 7.

Did the whole sample or a random selection of the sample, receive verification using a () reference standard of diagnosis? Did patients receive the same reference standard regardless of the index test result? Was the reference standard independent of the index test (i.e. the index test did not form part of the reference standard)? () ()

() () ()

() () ()

8.

Was the execution of the index test described in sufficient detail to permit replication of the () test? Was the execution of the reference standard described in sufficient detail to permit its replication? Were the index test results interpreted without knowledge of the results of the reference standard? ()

()

()

9.

()

()

10.

()

()

()

11.

Were the reference standard results interpreted without knowledge of the results of the index ( ) test? Were the same clinical data available when test results were interpreted as would be available ( ) when the test is used in practice? Were uninterpretable/ intermediate test results reported? Were withdrawals from the study explained? () ()

()

()

12. 13. 14.

() () ()

() () ()

BMC Med Res Methodol. 2003; 3: 25. Published online 2003 November 10. doi: 10.1186/1471-2288-3-25. Copyright 2003 Whiting et al; licensee BioMed Central Ltd. This is an Open Access article: verbatim copying and redistribution of this article are permitted in all media for any purpose, provided this notice is preserved along with the article's original URL.

Page 18


Reference List (1) Halkin A, Reichman J, Schwaber M et al. Likelihood ratios: getting diagnostic testing into perspective. QJM. 1998;91(4):247-258.

(2) Jones J, Hunter D. Consensus methods for medical and health services research. BMJ. 1995;311(7001):376-380.

(3) Leclerc F, Leteurtre S, Duhamel A et al. Cumulative influence of organ dysfunctions and septic state on mortality of critically ill children. Am J Respir Crit Care Med. 2005;171(4):348-353.

(4) Leteurtre S, Martinot A, Duhamel A et al. Development of a pediatric multiple organ dysfunction score: use of two strategies. Med Decis Making. 1999;19(4):399-410.

(5) Whiting P, Rutjes AW, Reitsma JB et al. The development of QUADAS: a tool for the quality assessment of studies of diagnostic accuracy included in systematic reviews. BMC Med Res Methodol. 2003;3:25.

(6) Cohen J. A coefficient of agreement for nominal scales. Educ Psychol Meas. 1960;20:27-46.

(7) McGinn T, Wyer PC, Newman TB et al. Tips for learners of evidence-based medicine: 3. Measures of observer variability (kappa statistic). CMAJ. 2004;171(11):1369-1373.

(8) Landis JR, Koch GG. The measurement of observer agreement for categorical data. Biometrics. 1977;33(1):159-174.

Page 19


(9) Bland JM, Altman DG. Statistical methods for assessing agreement between two methods of clinical measurement. Lancet. 1986;1(8476):307-310.

Page 20

Cours dpidmio #3 pour fellow de lurgence version dc 2006

Cours dpidmio #3 Les tudes descriptives et analytiquesObjectifs du cours: - Connatre les caractristiques inhrentes aux tudes descriptives - Connatre les caractristiques inhrentes aux tudes cas-tmoin - Connatre les caractristiques inhrentes aux tudes de cohorte Lecture : - Martens et al., Predictiors of Hospital Readmission of Manitoba Newborn Within Sixweeks Postbirth Discharge : A population-Based Study. Pediatrics 2005; 114(3):708-713. http://pediatrics.aappublications.org/cgi/content/abstract/114/3/708 - Goldman et al.,Patients who leave the pediatric emergency department without being seen: a case-control study. CMAJ 2005; 172(1): 39-43. http://www.cmaj.ca/cgi/content/abstract/172/1/39 - Valent et al., A case-crossover study of sleep and childhood injury. Pediatrics 2001; 107 (2); e23. http://pediatrics.aappublications.org/cgi/content/abstract/107/2/e23 Question #1 Laquelle des figures suivantes a la corrlation la plus leve ?Table 1 a

9 8 7 6 5 4 3 2 1 0 0 2 4 6 8 10

Table 1 a

Table 1 b 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3

Table 1 b

Page 1


Question #2 Dessinez une tude cas-tmoin sur un sujet durgence pdiatrique. Quelle est la question ? Comment allez-vous identifier les cas ? Quelle est la population de base ? Quel sera le groupe contrle ? Comment allez-vous valuer lexposition ? Question #3 (concernant larticle de Goldman et al dans CMAJ) Quels sont les cas ? Quels sont les contrles ? Quelle est la population de base ? Selon la table 1, y a-t-il des facteurs associs avec le fait de partir avant davoir t vu ? Quelle est votre interprtation de ces rsultats ? Goldman et ses collgues disent quils ont fait une tude cas-tmoin. tes-vous daccord ? Comment pourrait-on aussi appeler ce type dtude et pourquoi ? Question #4 Une tude de cohorte value si il y a une association entre porter une tuque pour aller lcole et le risque davoir la grippe chez les enfants dge scolaire. Suite un sondage men auprs des mres des enfants, on dcide de suivre pendant un hiver complet 200 enfants porteur de tuque vs 200 enfants dont les parents ne demande pas de porter la tuque. Voici le tableau des rsultats : Enfant porteur de tuque Enfant Cool Total Grippe 60 90 150 Pas de grippe 140 110 250 total 200 200 400

Quel est le risque relatif davoir une grippe si un enfant porte une tuque ? Si tous les enfants cool (pas de tuque) portait une tuque, de combien leur taux de grippe baisserait-il ? Quelle est lincidence de grippe ? -Chez les porteurs de tuque ? - Dans la population de lcole ? Question # 5 Pour larticle de Valent et coll (Ped 2001) au sujet du risque daccident en relation avec le taux de fatigue, quel est lavantage dutiliser ce type de design vs une tude cas-tmoin traditionnelle ? Les auteurs rapportent le risque relatif dans une tude cas-tmoin !!!! Comment peuvent-ils le justifier ? quel type de biais sont sujet les tudes case-crossover ? Y a-t-il des rsultats de la table 1 qui nous font penser que ce type de biais peut tre prsent ? Certains chercheurs ont suggrer que la priode contrle (24 48h pr accident) peut-tre associ la priode cas. Par exemple, pendant une priode de fte, un enfant dormira peu

Page 2


pendant quelques jours conscutifs. Selon ces chercheurs, il aurait fallu choisir une autre priode. Quels serait leffet sur le odds-ratio si les 2 priodes taient effectivement associes ? Comment remdier ce problme ? Question #6 Pour larticle de Martens et al quels sont les 2 types dtude rapportes dans larticle ? Quelle est votre interprtation de la figure 3 ? Quelle est votre interprtation de la figure 4 ?

Page 3


3.1. Les tudes descriptives.Les tudes descriptives dcrivent la distribution des maladies en relation avec certaines variables telles que le temps ou les endroits. Ces tudes dcrivent lincidence ou la prvalence dune maladie pour une population donne. Elles utilisent linformation provenant de diverses sources (souvent gouvernementales) comme les registres de cancer, les donnes provenant darchive mdicale ou les sondages et recensements. Linstitut statistique Canada est un bon fournisseur de donnes pour ce genre dtude. Puisquelles utilisent des donnes dj collectes, les tudes descriptives sont souvent plus rapides et moins dispendieuses. Elles peuvent rarement, par contre, tester des hypothses et servent surtout en gnrer ou soulever des questions. On peut parfois se servir des rsultats dtudes descriptives titre dtude prliminaire. Il existe 3 types dtudes descriptives - tudes de corrlations - Srie de cas - tudes transverses (cross-sectionnal) Les tudes de corrlation Les tudes de corrlation utilisent les donnes concernant des populations. Dans ces tudes, pour les diverses populations, on met le taux dune maladie X en relation avec une variable Y. Pour ce faire on utilise habituellement les rsultats de 2 tudes : lune value lincidence ou la prvalence dune maladie X en fonction des populations tandis que lautre value la prvalence du facteur Y en fonction des populations. Par exemple, larticle de Martens et coll. (Peds 2005 ; 114/3/708-713) rapporte une tude de corrlation pour valuer si le taux de rhospitalisation des nouveau-ns est associ au niveau socio-conomique ou au taux de mortalit infantile (fig 3 et 4). Pour ce faire, ils ont tudi les taux de r-hospitalisation dans les 6 premires semaines de vie pour les nourrissons provenant de 11 rgions rurales du Manitoba et de 12 rgions de Winnipeg. Ils ont aussi valu le taux de mortalit des prmaturs et le niveau socio-conomique des gens pour chacune de ces rgions. Ils ont finalement fait la corrlation entre les taux de r-hospitalisation et le taux de mortalit des prmaturs ou le niveau socio-conomique. Dans la figure 3 et 4, chaque point reprsente 1 rgion. Les rsultats de ces tudes sont habituellement rapports en terme de CORR LATION R. Le coefficient de corrlation r (allant de -1 +1) est une mesure de la dispersion des points. Plus il est loin de 0, plus la corrlation est forte. Lorsque les points sont aligns et forment une ligne droite parfaite, on obtient une corrlation parfaite de +1 (relation proportionnelle) ou 1(relation inversement proportionnelle). La pente de la courbe nest pas une indication de la corrlation car on peut changer la pente de la courbe en modifiant lchelle du graphique. Lavantage principal des tudes de corrlation est son faible cot et la vitesse dexcution. Pour les mener, il suffit habituellement dutiliser des bases de donnes dj existantes (provenant de statistique Canada ou de la RAMQ par exemple). Une limite importante des tudes de corrlation est labsence de lien causal direct entre le maladie X et la variable Y sur une base individuelle. On peut, par exemple, montrer par une tude de corrlation que le taux de cancer de la prostate est corrl avec le nombre de

Page 4


tlviseur par maison en comparant les taux de cancer de la prostate et le nombre moyen de tlviseur par maison de diffrents pays.Labsence de lien temporel entrane que lon ne peut pas toujours dterminer lequel des 2 vnements tudi est prcurseur de lautre (quel est lagent causal et quelle est la consquence). Une autre limite revient au fait que lon compare habituellement de valeur moyennes (pour la variable Y) qui peuvent ne pas montrer les subtilits de la relation (par exemple une population peut avoir une consommation moyenne dalcool leve mais avoir peu dindividu faisant des excs tandis quune autre population peut avoir plusieurs individus faisant des excs les mettant risques mais avoir une moyenne de population plus basse). Enfin, la forte possibilit de facteur confondant peut limiter la validit de ces tudes. Les sries de cas ou rapport de cas Cest probablement du type de publication mdicale le plus frquent. Il sagit habituellement dun mdecin lesprit veill qui rapporte une situation nouvelle ou inhabituelle concernant un ou une srie de patients. Ce type de publication constitue une zone charnire entre la clinique et la recherche pidmiologique. Ces rapports servent souvent gnrer des questions qui pourront ultrieurement tre values. Un des exemples les plus connus de ce type de publication est le rapport de 5 hommes homosexuels ayant prsents une pneumonie Pneumocytis Carinii entre octobre 1980 et avril 1981 Los Angeles (MMWR, 1981).Suite la rvlation de ces cas, une surveillance plus accrue fut instaure par le CDC Amricain. Cette surveillance permit de dvoiler que les patients avaient acquis un type dimmunosuppression secondaire une maladie transmissible par le sang. Ceci mena finalement la dfinition du SIDA puis la dcouverte du VIH. Une limite importante des sries de cas est quil ny a pas de groupe contrle afin de sassurer que le phnomne rapport nest pas quune concidence. De plus les sries de cas ne se basent habituellement que sur lexprience dun ou de quelques mdecins et ceci en limite la sensibilit. Aussi, on ne rapporte que le nombre de cas sans avoir une ide du dnominateur afin de pouvoir calculer lincidence ou la prvalence. tudes transverses (cross-sectionnal) Il faut voir les tudes transverses comme une photo prise un moment prcis dans le temps. Il sagit dtude o la maladie et lexposition sont values au mme instant dans une population prcise. Cette photo donne une ide de la prvalence dune maladie dans la population ainsi que des facteurs de risque. Larticle de Martens et coll. (Peds 2005 ; 114/3/708-713) dcrit aussi une tude transverse. Pour cette partie, les auteurs ont valu sur une base individuelle la relation entre le risque dtre admis dans les 6 premires semaines et plusieurs facteurs dmographiques et mdicaux. La table 2 donne les Odds Ratio pour divers facteurs. Le fait que certains facteurs mesurs ne puissent tre modifis avec le temps rend cette tude un peu plus analytiques que la moyenne des tudes descriptives observationnelles. Il sagit presque dune tude cas-tmoin On rapporte habituellement les rsultats des tudes transverses de 2 faons : Premirement, elles permettent de donner la prvalence dune maladie. Deuximement, on peut donner les odds ratio pour lassociation entre la maladie et les facteurs de risque. Un avantage important de ce type dtude est que lon value les participants sur une base individuelle. La corrlation entre les variables indpendantes et la maladie est donc plus

Page 5


prcise. De plus, il sagit dune tude qui se mne rapidement car on na pas suivre les patients. La relation temporelle entre les 2 variables nest par contre pas value et ceci peut tre une source de biais important. Par exemple une tude transverse pourrait montrer une certaine corrlation entre les enfants non asthmatiques et le tabagisme chez les parents puisque les parents denfant asthmatiques auront tendance cesser de fumer aprs que leur enfant fut diagnostiqu dasthme. Une autre limite est le fait que lon ne mesure que la prvalence. Ainsi une variable, qui augmenterait la survie des patients pourrait semble associe la maladie. Il existe 2 types de fentres de temps pour ces tudes : La premire consiste valuer tous les patients pendant la priode de temps selon le calendrier (exemple : jan avril 2005). La deuxime consiste valuer les patients une priode prcise de leur vie (exemple : la naissance, lentr lcole, etc.). 3.2. Les tudes cas-tmoin. Les tudes cas-tmoin sont des tudes observationnelles analytiques o les participants sont choisis en fonction quils aient (cas) o quils naient pas (tmoin) une maladie particulire. Par la suite, on compare les taux dexposition une ou plusieurs variables indpendantes. Ces tudes sont habituellement rtrospectives. Elles ont plusieurs avantages : - Permet dtudier les maladies dont les expositions on eu lieu longtemps avant la maladie - Plus rapide et moins chre complter d leur nature rtrospective - Permet dtudier des maladies rares parce quon fixe dans la mthode le nombre de cas et de tmoin - Permet dvaluer plusieurs variables dexposition simultanment. Elles ont, par contre, quelques dsavantages : - Risques plus lev davoir un biais de slection parce que lexposition et la maladie ont dj eu lieu lors de linclusion dans ltude. o La connaissance de lexposition peut influencer le diagnostic : par exemple, un mdecin voyant une patiente en choc septique posera plus facilement un diagnostic de syndrome du choc toxique si il sait que la patiente portait un tampon vaginal dans les derniers jours. o Les patients auront une tendance consulter plus rapidement sil croit avoir t expos un facteur de risque. Par exemple, le taux de consultation pour douleur rtro sternal augmentera chez les patients ayant pris du vioxx depuis lannonce de son risque associ aux infarctus. o De plus, certaines expositions peuvent donner des effets qui mneront consulter un mdecin. Ceci augmentera le nombre de test fait chez les patients et augmentera le risque de trouver une maladie. Cest ce que les gens suggraient lors des premires tudes sur leffet de lstrogne sur le risque de cancer de lutrus. Lstrogne augmentait les saignements vaginaux et ceci augmentait le taux de consultation par les femmes sous hormonothrapie. Plusieurs de ces femmes furent investigues et le taux de cancer de lutrus sest avr plus leve que dans la population gnrale. Il est possible que

Page 6


-

plusieurs de ces femmes nauraient pas consult aussi prcocement si elles navaient pas pris dhormonothrapie. Risque de biais dobservation. o Les patients avec une maladie auront peut-tre tendance se rappeler diffremment de leur exposition une fois quon leur diagnostic une maladie.

La facilit dexcution ainsi que le cot modr des tudes cas-tmoin en fait des tudes idales pour faire une premire valuation dune question (hypothesis testing). Ce type dtude bien mene permet dvaluer une hypothse de faon adquate et de rpondre une question prcise. Le risque de biais plus lev fera par contre douter certains chercheurs quand la validit des rsultats rapports. Il faut donc souvent confirmer les rsultats dune tude cas-tmoin par une autre tude prospective. On peut dfinir 8 tapes ncessaires pour dessiner une tude cas-tmoin : 1. Dterminer la question de recherche laquelle on veut rpondre. 2. tablir des critres diagnostics prcis et objectifs afin davoir les groupes les plus homognes possibles 3. Identifier la population de base do viennent les cas. Il peut sagir de tous les patients venant une urgence ou de tous les membres dune population (cole, ville, etc.). Le risque de biais de slection est moindre avec les populations compltes. 4. Choisir les tmoins constitue habituellement la partie la plus complique de ltude. Il faut des participants qui nont pas la maladie mais qui auraient probablement t inclus dans ltude si lavait eue. Les possibilits de recrutement sont diverses et aucune nest parfaite. On peut prendre un chantillon ou tous les patients visitant lurgence pour un autre problme. On peut prendre un chantillon de la population gnrale (avec le recensement, ou des registres). Une autre option souvent pratique est de prendre un membre de la classe du patient ou un ami. On peut aussi choisir des tmoins qui seront pairs (match) avec les cas selon certaines caractristiques (sexe, age, etc). Les avantages du pairage sont multiples parce quils permettent de diminuer les risques de biais connus et inconnus secondaires aux diffrences dans les caractristiques de base. Il faut faire attention ne pas faire dovermatching : Si les caractristiques des cas et des tmoins sont trop semblables, il est possible que lon induise dans ltude une trop grande ressemblance au point de vue des facteurs de risques entres les 2 groupes. 5. Dcider du ratio cas : tmoin. Un ratio idal serait de 1 :1 mais il est parfois difficile dobtenir beaucoup de cas dune maladie rare. En augmentant le nombre de tmoin, on augmente la puissance de ltude. Ceci est vrai jusqu un ratio de 1:4. Aprs cela, il ny a pas davantage. 6. Dterminer la mthode dvaluation de lexposition des cas et des tmoins. Idalement, le mode dvaluation devrait tre le mme pour les 2 groupes. Il peut sagir de questionnaire aux parents ou dune revue de dossier ou de registre. 7. Lanalyse des rsultats se fait en rapportant les odds ratio parce que le nombre de cas et de tmoin et fix par le protocole dtude. Deux situations sont possibles : a. Les tmoins ne sont pas pairs. Dans ce cas on fait un tableau 2x2 traditionnel et on calcul le odds ratio. b. Les tmoins sont pairs (match). Dans ce cas, chaque cellule du tableau ne reprsente pas le nombre de patient mais le nombre de paire de patient. On peut donc calculer le odds ratio en omettant dutiliser les paires concordantes (celles o les cas et tmoin sont exposs et celles o les cas et tmoins ne sont

Page 7


pas exposs). Ces paires concordantes ne sont quand mme pas inutiles car elles serviront pour le calcul de lintervalle de confiance. Exemple de tableau dune tude NON-paire expos Cas 30 Tmoin 10 Le odds ratio sera de 40*30 /(20*10) = 6.0 Exemple de tableau dune tude paire Tmoin expos Cas expos 24 Cas non-expos 13 Le odds ratio sera de 26/13 = 2.0 Les tudes case-crossover Ltude case-crossover est une nouvelle variante de ltude cas-tmoin qui fut dveloppe au cours des annes 1990. Les premires tudes rapportes touchaient lvaluation du risque dinfarctus chez les patients faisant une activit physique intense (Willich SN NEJM 1993 et Mittleman MA NEJM 93). Ces tudes servent dterminer si une exposition transitoire peut augmenter momentanment le risque davoir une maladie (par exemple, exercice et infarctus, ou pollution dans lasthme). Un avantage important est quon ne recrute que des cas pour faire les tudes case-crossover. La logique derrire ces tudes est que le meilleur contrle pour un cas est le cas lui-mme un autre moment avant ou aprs avoir t malade. La question de base est : Quest-ce que le patient faisait au moment de dclencher son problme de sant quil naurait pas fait normalement ? Voici le schma dune tude case-crossover : On mesure lexposition un facteur X pendant une priode CAS situe juste avant que le patient ne devienne un cas (exposition juste avant le dclenchement de la maladie). Puis on mesure lexposition ce facteur X lors dautre priodes dites CONTRLES. Enfin, on compare les taux dexposition entre les priodes cas et les priodes contrles. non expos 20 40

Tmoin non-expos 26 14

Maladie

Priode contrle 2

Priode contrle 1

Priode cas

Page 8


Voici un des premiers exemples dtude case-crossover : Des chercheurs ont valu lassociation entre faire un infarctus et pelleter son entre de garage. Pour ce faire, ils ont demand tous les cas dinfarctus sils ont pellet dans les dernires 24h (priode cas) et compar ce rsultat avec une ou plusieurs autres priodes de 24h prdtermine (priodes tmoins). Le problme le plus important de ces tudes est de dterminer quels sont les priodes que lon considre risque et celles que lon devrait estimer tre dans le groupe contrle. Par exemple, si on tudie le risque de thrombophlbite chez les patients prenant lavion, quelle sera la priode risque ? le jour mme, la dernire semaine ou le dernier mois ? En utilisant une priode cas trop grande, on diluera leffet de lassociation tandis quen prenant une priode trop troite, on risque de aussi de diluer lassociation. Pour remdier ce problme, la majorit des tudes utilisent maintenant plusieurs priodes de contrle. Ainsi, si toutes les priodes contrles ont une incidence de maladie semblable et que la priode cas en est trs diffrente, on peut conclure que le patient est risque diffrent pendant la priode cas. Une limite importante de ces tudes est le biais qui peut tre engendr par le fait que la majorit des patients vont devoir dcrire leur exposition juste aprs avoir eu leur diagnostic pour la priode cas et quils devront se souvenir dune autre priode loigne dans le temps pour lexposition contrle. Cest pour cela que dans certaines situations, les chercheurs vont rejoindre le cas une priode alatoire ultrieure afin de connatre son niveau exposition. Malheureusement, cette approche ne convient pas toutes les situations parce quil arrive que la maladie modifie le style de vie du patient (par exemple, les patients niront pas pelleter en post-infarctus). On analyse les donnes de ces tudes comme pour les tudes cas-tmoin appaires (match case-control). On peut donc faire un tableau 2X2 pour les facteurs dichotomiques ou comparer les moyennes pour les facteurs sous forme de variables continues.

3.3. Les tudes de cohorte.Les tudes de cohorte sont des tudes observationnelles analytiques o les participants sont choisis en fonction quils soient exposs ou non une variable dintrt. Par la suite, on compare lincidence dune pathologie chez les divers groupes. Bien quelle soient habituellement prospectives, il est possible de les mener rtrospectivement en rvisant les informations contenues dans les dossiers. Elles ont plusieurs avantages : - Meilleure dfinition de la relation temporelle entre le facteur de risque et la maladie - Permet dvaluer les expositions rares - Permet de voir plusieurs effets dune exposition - Permet destimer lincidence de la maladie dans la population value - Puisque les patients nont pas encore eu la maladie lorsquon les slectionne pour participer ltude, les biais de slections sont minimiss. Les dsavantages principaux des tudes de cohorte sont : - Parce quelles sont prospectives, il faut suivre les patients et attendre lavnement des maladies. Ceci est plus coteux et plus long faire que pour les autres tudes observationnelles

Page 9


-

-

Les erreurs de classification (expos vs non-expos) auront gnralement pour effet de diluer leffet de lassociation entre le facteur de risque et la maladie. Ces tudes peuvent tre biaises par les patients perdus au suivi. Les patients perdus au suivi ont souvent un risque de maladie diffrent de ceux qui restent dans ltude. Si le taux de patients perdu au suivi est diffrent entre les deux groupes, ceci peut entraner un biais. Le nombre de patients qui refuse de participer ltude peut nuire la gnralisibilit des rsultats mais il ne devrait pas nuire la validit de la relation entre le facteur de risque et la maladie. On pourra ainsi conclure quil y a une association entre le facteur de risque et la maladie mais on ne pourra pas commenter lincidence de la maladie dans la population gnrale.

Types dtude de cohorte Pour toutes les tudes de cohorte, on classe toujours initialement les patients selon leur exposition avant de dterminer sils ont eu la maladie. Par contre, on dfini quune tude de cohorte est prospective ou rtrospective selon la relation entre le moment o ltude dbute et la prsence de la maladie chez le participant. Les tudes de cohorte rtrospectives sont menes laide de rvision de dossier. Elles sont plus rapides et moins fastidieuses mais elles comportent des risques de biais de slection plus levs que pour les tudes prospectives. Il existe une situation particulire o lon peut faire une tude cas-tmoin partir dun sousgroupe de patients dune tude de cohorte. On appelle ces tudes nested case-conntrol study . Ces tudes sont idalement prvues au dbut de ltude de cohorte mais on peu les imaginer tout moment de la progression de ltude cohorte. Voici un exemple : Imaginons une tude de cohorte o lon value le risque de mort subite chez 10 000 enfants de 0 12 mois. Pour tous les patients ligibles, on fait une prise de sang et on passe un questionnaire exhaustif la naissance. Par la suite, on suit les patients pour 12 mois pour mesurer le taux de mort subite en relation avec les divers facteurs valus. Imaginons quun chercheur veut valuer un test sanguin nouveau quil croit excellent pour prdire les enfants risque de mort subite et que ce test est trs cher (parce quil ne se fait quen mode exprimental). Sachant que le taux de mort subite est denviron 3/1000, il faudrait faire le test aux 10 000 patients pour avoir 30 patients avec la maladie dans une tude de cohorte Loption nested casecontrol serait de garder un chantillon de sang congel chez tous les patients et de faire le test sur les spcimens des 30 patients avec mort subite et sur les spcimens dun chantillon de 30 patients tmoins. Un autre exemple serait dutiliser ce type dtude pour valuer le risque de bactrimie en relation avec le taux de procalcitonine chez les enfants fbriles. Analyse On analyse habituellement les rsultats dune tude de cohorte en rapportant le risque relatif. Cette valeur est plus facile conceptualiser. On peut aussi donner la diffrence de risque. Enfin, on peut trs bien calculer les odds ratio. Rexpos = # malade expos / # participant expos Rnon-expos = # malade non-expos / # participant non-expos Risque relatif = Rexpos / Rnon-expos

Page 10


Diffrence de risque = Rexpos - Rnon-expos

Page 11

Cours dpidmio #4 pour fellow de lurgence version Jan 2008

Cours dpidmio #4 Biais et facteurs confondantsObjectifs du cours: - Connatre les types derreurs voques lors dtudes pidmiologiques - Savoir dfinir et reconnatre un biais - Savoir dfinir et reconnatre un facteur confondant - Savoir dfinir une modification deffet - Connatre les stratgies visant minimiser les biais et facteurs confondants Lecture : - Sunday Clark, MPH, Thomas Costantino, MD, Gail Rudnitsky, MD and Carlos A. Camargo, jr., MD, DrPH. Observational Study of Intravenous versus Oral Corticosteroids for Acute Asthma: An Example of Confounding by Severity. Acad Emerg Med 2005; 12: 439-445. http://www.aemj.org/cgi/content/full/12/5/439 Question #1 De plus en plus, on suggre dutiliser des programmes informatiques de base de donne o lon doit entrer les donnes en double (par 2 transcripteurs). Pourquoi fait-on cela ? Si vous nutilisez pas cette technique, quels sont les risques potentiels pour votre tude ? Question #2 votre avis, quest-ce qui est pire une erreur systmatique ou des erreurs alatoires ? Et pourquoi ? Question #3 Voici 3 tableaux rsumant une tude de cohorte avec des hommes et des femmes. Exposition + Exposition Cas 70 50 Tmoin 50 70 Odds ratio : Voici une sous-analyse de cette tude pour les hommes Exposition + Cas 60 Tmoin 20 Odds ratio : Voici la sous-analyse pour les femmes Exposition + Cas 10 Tmoin 30 Odds ratio : Quelle est votre analyse de la situation ? Exposition 30 10

Exposition 20 60

Page 1


Question #4 Voici 3 tableaux rsumant une autre tude. Exposition + Cas 50 Tmoin 40 Odds ratio : Sous analyse pour les hommes Cas Tmoin Odds ratio : Sous analyse pour les femmes Cas Tmoin Odds ratio : Quelle est votre analyse de la situation ? Exposition + 40 20 Exposition + 10 20

Exposition 30 50

Exposition 20 40

Exposition 10 10

Question # 5 a) Comment value-t-on le risque de biais lorsquon lit un article scientifique ? Que faut-il rechercher ? b) Les tudes randomises sont-elles plus risque de biais de slection ou de biais dinformation ? Question #6 Dites de quel type de biais serait susceptible les tudes suivantes : - Une tude cas-tmoin sur lassociation entre lorigine ethnique et la maladie de kawasaki. - Une tude randomise entre une approche chirurgicale vs mdicale sur la qualit de vie chez les patients avec insuffisance cardiaque. Le tout value par un questionnaire men par un psychologue. - Une tude randomise clinique sur le traitement du pied dathlte. Recrutement par une annonce dans les journaux. Question #7 Nommez les 5 faons de contrler pour les facteurs confondants.

Question # 8 Les infirmires de lurgence sont invites participer une tude comparant la variabilit inter-observateur dans le triage des patients en utilisant 2 techniques. La premire est lutilisation de lancien systme de triage (version papier) tandis que la deuxime est lutilisation dune version informatise (statdev). Elles nont pas toutes accepte de participer Page 2


ltude. Lexposition est (triage informatis vs standard) et le outcome est la variabilit entre les observations (score kappa). Les auteurs tentent de dmontrer que lutilisation de lordinateur va diminuer la variabilit dans le triage. Quels sont les biais possible dans cette tude ? Comment minimiser ces biais ? Quels sont les facteurs confondant possible dans cette tude ? Question # 9 Dans larticle de Clark sur leffet confondant de la svrit dans lasthme. Faites les tableaux suivants Pour la population totale Cortico IV Admission + observ Cong Odds ratio : Cortico IV Symptmes svres Pas svre Odds ratio : Quelle table manque-t-il pour prouver que la svrit est un facteur confondant ? Cortico PO Cortico PO

Page 3


4 Les erreurs lors dtudes pidmiologiquesToutes les tudes pidmiologiques sont susceptibles d'inclure des erreurs car elles sont bases sur des mesures qui ne sont jamais parfaites. Il existe 2 types derreurs pouvant affecter les conclusions dune tude pidmiologique: Les erreurs alatoires et les erreurs systmatiques. Ces 2 types derreurs ont des con

Documents

Cours D’Epidémiologie Pour Urgentiste