Embed Size (px)
Citation preview
1
Epidémiologie: quelques outils
D.U Santé Précarité
Lille – 16/02/2012 B. Tilmont
2
Qu’est-ce que l’épidémiologie ?
Etude de la distribution et des déterminants
des problèmes de santé dans les populations
humaines (M. Gregg)
– Savoir pourquoi les individus deviennent malades
et quels sont les déterminants qui affectent la
santé des individus
3
Formulation des questions en épidémiologie
Quelle est l’importance d’un problème de santé dans une population donnée? = répondre aux questions: quoi? combien? quand? où? qui?
→ épidémiologie descriptive
Quelle est la cause d’une maladie ou quels sont les facteurs de risque?= expliquer pourquoi
→ épidémiologie analytique
4
Différents types de variables
Variable quantitative: “que l’on mesure”: on peut toujours répondre à la question “combien?”
ex: âge, pression artérielle, taux de sucre dans le sang…
Variable qualitative: “que l’on observe”: caractéristique ayant un certain nombre de catégories exhaustives et mutuellement exclusives
ex: groupe sanguin, sévérité de la douleur
(aucune douleur/douleur minime/douleur modérée/douleur sévère)…
5
Variables quantitatives: quelques éléments de description (1)
Moyenne= somme des valeurs / nombre de valeurs – Ex: 5 personnes : 24,17, 35, 37,32 ans
Moyenne d’âge=145/5=29 ans
Médiane= valeur qui partage une distribution en deux effectifs égaux
– Si effectifs = n, médiane = (n+1)/2
– Toujours classer les effectifs
– Ex: Série: 2, 5, 6, 9, 9 : médiane = 6
• Série: 2, 5, 8, 8, 9,10,11 :
médiane = 8
• Série: 2, 5, 9, 10, 11, 11 :
médiane = 9,5
• Série: 2,5,5,5 :
• Médiane = 5
6
Variables quantitatives: quelques éléments de description (2)
Valeur minimale, valeur maximale, étendue de la distribution (= différence entre les valeurs extrêmes)
– Ex: série de valeurs d’âge 17, 24, 27, 27, 29, 29,
32, 35, 37 ans valeur min: 17 valeur max: 37 étendue: 17-37 (ou 20 ans)
7
Variables quantitatives: quelques éléments de description (3)
Quartiles: valeurs qui partagent une distribution en 4
groupes d’effectifs égaux (3 quartiles)
– 1er quartile: 25% de la distribution au dessous, 75% au
dessus
– 2ème quartile: 50% de la distribution au dessous, 50% au
dessus
= médiane
– 3ème quartile: 75% de la distribution au dessous, 25% au
dessus
8
Variables qualitatives: quelques éléments de description
Proportion: rapport de 2 valeurs dont le numérateur
est compris dans le dénominateur
– Ex: nombre d’hommes/nombre d’hommes et de femmes (=
nombre total de cas) atteints de tuberculose
Ratio: rapport de 2 valeurs dont le numérateur n’est
pas compris dans le dénominateur
– Ex: sex ratio
Population: 20 hommes et 50 femmes
Sex ratio H/F= 20/50 = 0,4
9
Mesures de mortalité : définitions
Mortalité globale = nombre de décès / population
étudiée
Mortalité spécifique
– pour une cause x = nombre de décès dus à cette cause /
population étudiée
– pour une classe d’âge donnée = nombre de décès dans
cette classe d’âge / population étudiée
Létalité: nombre de décès dus à une maladie /
nombre de patients atteints par cette maladie
10
Mesures de mortalité : exemples
Camp de réfugiés de 18 000 personnes (stable)
184 décès observés en 2000
12 900 cas de paludisme
44 décès dus au paludisme
– Mortalité brute=184/18 000 = 0,0102
soit 10,2 décès pour 1000 personnes
– Mortalité spécifique due au paludisme =
184/18 000 = 2,4 pour 1000 personnes
– Létalité due au paludisme = 44/12900 =
0,0034 soit 0,34% des cas
11
Morbidité : définition
Nombre de personnes souffrant d’une
maladie donnée pendant un temps donné
dans une population
– Prévalence
– Incidence
12
Morbidité: Prévalence et incidence
Prévalence fréquence d’une maladie dans une population
– nombre de cas observés / population étudiée à un instant temps donné
– Ex: 2007 en France: prévalence de l’infection par le VIH = 113 000 et 141 000 personnes
Incidence fréquence de survenue d’une maladie dans une population
– nombre de nouveaux cas /population étudiée au cours d’une période donnée
– Ex: entre 1996 et 2005 en France: nombre de nouveaux cas = incidence de la coqueluche chez les nourrissons de moins de 3 mois = 276 / 100 000
13
Estimation d’une moyenne (ou d’un pourcentage) (1)
Mesures faites sur un échantillon le plus souvent
But du calcul d’une moyenne sur échantillon = estimer la moyenne inconnue dans la population d’étude
Problème: Fluctuations d’échantillonnage
D’où: on estime la moyenne inconnue en calculant un intervalle de confiance (IC) (formule de calcul)
14
Estimation d’une moyenne (ou d’un pourcentage) (2)
IC : 2 bornes entre lesquelles la valeur inconnue de
la moyenne a la plus grande probabilité de se
trouver
IC généralement fixé à 95% = 95 chances sur 100
que la moyenne se situe dans cet intervalle
Ex: moyenne « m » de la glycémie d’un échantillon de 25 sujets
représentatifs de la population d’étude = 1,52 g/l
Calcul de l’IC à 95% : m = 1,52 +/- 0,165 g/l
ou m compris dans l’intervalle [1,355-1,685]
15
Estimation d’une moyenne (ou d’un pourcentage) (3)
Exemple de présentation des résultats:
– Pourcentage = 11,7 % [10,6 ; 12,3]
Signification de l’IC à 95% – il y a 95 chances sur 100 pour que le pourcentage inconnu
(population) soit compris dans cet intervalle
– il y a 5 chances sur 100 pour qu’il soit extérieur à cet
intervalle
– il y a donc 5 chances sur 100 de se tromper
16
Principaux schémas d’études: étude de cohorte (1)
Comparer la survenue d’une maladie entre des groupes exposés et non-exposés à un facteur de risque – Sujets exposés et sujets non exposés à une
caractéristique
– Suivis puis comparés pour l’incidence de l’évènement
Etudes prospectives ou rétrospectives
17
Principaux schémas d’études: étude de cohorte (2)
Etude de cohorte prospective
Etude Exposition Survenue de la maladie
Exposition Etude Survenue de la maladie
Temps
18
Principaux schémas d’études: étude de cohorte (3)
Etude de cohorte rétrospective
Exposition Survenue de la maladie Etude
Temps
19
Principaux schémas d’études: étude de cohorte (4)
Ex: l’infection à VIH augmente-t-elle le risque
de survenue de tuberculose?
Exposition Population Cas de TB
suivie sur 2 ans
VIH + 215 8
VIH - 298 1
20
Etude de cohorte: mesure du Risque Relatif (RR)
– Calcul incidence maladie chez les exposés
(a/E1) et chez non exposés (c/E0)
– Risque relatif = (a/E1) / (c/E0)
– Signifie l’excès de risque de survenue d’une
maladie chez des sujets exposés à un facteur de
risque
Malades Non malades Total
Exposés a b Nb d'exposés (E1)
Non exposés c d Nb de non exposés (E0)
Total Nb de malades (M1) Nb de non malades (M0) Total (T)
21
Principaux schémas d’études: étude cas-témoins (1)
Identifier un groupe de malades (cas) et un
groupe de non malades (témoins)
Comparer la fréquence d’exposition chez les
cas et chez les témoins
ATCD Recrutement
exposition des cas et témoins Etude
Temps
22
Principaux schémas d’études: étude cas-témoins (2)
Ex: Toxi-infection alimentaire collective Consommation
mayonnaise
cas témoins
oui 36 9
non 2 8
23
Etude cas-témoins: mesure de l’Odds-Ratio (OR)
– Calcul parmi les cas du rapport sujets exposés/ sujets non exposés (a/c)
et parmi les témoins du rapport exposés/ sujets non exposés (b/d)
– Odds- ratio = (a/c)/(b/d)= ad/bc
– Signifie l’excès de risque de survenue d’une maladie
chez des sujets exposés à un facteur de risque
Malades Non malades Total
Exposés a b Nb d'exposés (E1)
Non exposés c d Nb de non exposés (E0)
Total Nb de malades (M1) Nb de non malades (M0) Total (T)
24
Interprétation du RR ou de l’OR
=1 – pas d’association entre l’exposition et la maladie:
« pas d’association »
>1 – risque de maladie plus fort chez les exposés que
chez les non exposés: « facteur de risque »
<1 – risque de maladie moins fort chez les exposés
que chez les non exposés: « facteur protecteur »
25
Ce qu’il faut retenir…
Quelque soit le choix, se rappeler que études cas-témoin et de cohorte ont la même finalité :
Mettre en évidence une liaison entre exposition et survenue de la maladie
Le choix du type d’étude dépend :
– fréquence du facteur de risque
– fréquence de la maladie
– ressources disponibles
– temps disponible
– et …..du jugement de l’épidémiologiste
26
Interprétation de l’Intervalle de Confiance du RR ou de l’OR (1)
Etudes de cohorte ou cas-témoins: sur échantillons représentatifs de population d’étude
Problème: Fluctuations d’échantillonnage
D’où: intervalle de confiance (IC) à 95% du RR ou de l’OR (formules de calcul)
27
Interprétation de l’IC du RR (ou de l’OR) (2)
IC95%IC95%
RR<1 RR<1 facteurfacteur protecteurprotecteur
RR=1 absence de RR=1 absence de risquerisque (pas (pas
dd’’associationassociation))
RR>1 RR>1 facteurfacteur de de risquerisque
00 11
28
Notions de signification statistique (1)
Le plus souvent en épidémiologie :
comparaison
– d’une observation sur un échantillon à une valeur
théorique
– d’un paramètre observé sur un échantillon à ce
même paramètre observé sur un autre échantillon
– …
29
Notions de signification statistique (2)
Ex:
Entreprise: surpoids parmi les femmes travaillant de nuit
Hypothèse : ration calorique quotidienne plus importante
parmi les femmes effectuant un travail de nuit par rapport
aux recommandations ( 2000 kcal/j)
Enquête décrivant la moyenne des apports caloriques pour un
échantillon de 100 femmes travaillant de nuit : 2500 kcal/j
« Compte-tenu que cette observation provient d’un échantillon,
cette ingestion est-elle réellement plus importante que celle
qui est recommandée ou bien cette différence peut-elle être
due au seul hasard? »
30
Notions de signification statistique (3)
Tests statistiques de comparaison des différences entre paramètres: moyennes, pourcentages …
– calcul de la probabilité p, p étant la probabilité que « la différence observée soit due uniquement au hasard »
Différence significative : p<0,05
Il est peu probable que la différence observée soit due au hasard = la différence entre les paramètres étudiés est significative
Différence non significative: p>0,05
La probabilité que la différence observée soit due au hasard est forte = la différence observée entre les paramètres observés est non significative
31
Notions de signification statistique (4)
