Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

COURS EPIDEMIOLOGIE ANALYTIQUE L2 ENATSE ANNEE ACADEMIQUE 2021-2022 Dr HOUEHANO

COURS EPIDEMIOLOGIE ANALYTIQUE L2 ENATSE ANNEE ACADEMIQUE 2021-2022 Dr HOUEHANOU CORINE PARTIE III 2 SOMMAIRE 4 Biais et validité interne 4.1. Biais de sélection ................................................................................................................................. 5 4.2. Biais d’information ............................................................................................................................. 6 4.2.1. Erreurs non différentielles ................................................................................................................... 6 4.2.2. Erreurs différentielles .......................................................................................................................... 6 4.3. Biais de confusion ............................................................................................................................... 7 4.3.1. Vérification de l’existence d’un biais de confusion ............................................................................ 7 4.3.2. Prévention des biais de confusion ....................................................................................................... 8 4.4. Biais spécifiques aux schémas d’étude.............................................................................................. 10 5. Validité externe........................................................................................................................................... 16 6. Notions sur la causalité ............................................................................................................................... 16 Objectifs pédagogiques de l’UE Ce cours est destiné aux étudiants de la deuxième année de licence en santé publique à l’ENATSE ayant comme prérequis : Notions de base en bio-statistique Notions en épidémiologie descriptive Notions d’exposition et d’évènement L’objectif général est : utiliser les principes d’épidémiologie pour identifier les facteurs de risque (versus facteurs protecteurs) de problèmes de santé d’une communauté. 3 A la fin de cette partie du cours, l’étudiant doit être capable de : - Comprendre les notions de validité interne, validité externe et biais lors d’une étude d’observation analytique - Etablir la relation de cause à effet en épidémiologie analytique 4 4. biais et validité interne On distingue la validité iterne et la validité externe. La validité interne concerne l’étude elle-même. Dans une étude ayant un objectif analytique, une mesure d’association valide suppose que les groupes soient constitués et comparés de telle manière que la différence d’effet peut être attribuée à l’exposition que l’on étudie. Par exemple, si l’on souhaite étudier le lien entre l’usage des pesticides et la survenue du diabète et que le recrutement des cas de diabète se fait uniquement à partir d’un service hospitalier, il est vraisemblable que le groupe des cas ne contiendra que les cas les plus graves, non représentatifs de l’ensemble des cas. La validité interne pourra donc être remise en cause. En épidémiologie analytique, le (ou les) biais conduisent à une distorsion de la mesure d’association : - une surestimation (par exemple, on trouve un RC de 4 alors qu’en réalité, on devrait trouver 1,2). - une sous-estimation (par exemple, on trouve un RC égal à 2 alors qu’en réalité, on devrait trouver 3). - parfois même, un changement de direction (par exemple, le RC estimé à partir d’une enquête est égal à 3,5, alors qu’en réalité, le facteur est protecteur et qu’on devrait trouver 0,5). Il est donc impératif de prendre toutes les précautions possibles à chaque nouvelle enquête en sachant prévenir et reconnaître les différents biais, afin de les maîtriser au mieux et d’interpréter correctement les résultats des études épidémiologiques. La validité externe, quant à elle, concerne la capacité d’extrapolation des résultats d’une étude. Elle concerne donc la population à laquelle on peut extrapoler les résultats. Par exemple, si l’étude a porté uniquement sur des jeunes des villes à statut particulier du Bénin, peut-on extrapoler les résultats à l’ensemble des jeunes du Bénin ? Cette étape d’extrapolation des résultats d’une étude n’est toutefois possible que si la validité interne est elle-même suffisante. Pour améliorer la validité interne, il faudrait maitriser les biais : de sélection, d’information et de confusion. Les biais de sélection et d’information ne peuvent éventuellement être maîtrisés en principe qu’au stade de la conception du protocole, alors que les biais de confusion peuvent 5 être également pris en compte au moment de l’analyse, à condition que les tiers facteurs concernés soient identifiés et mesurés. 4.1. Biais de sélection Rappelons qu’en l’absence de biais de sélection, il n’y a pas de différence entre échantillon d’étude et population source. Pour une étude : - de cohorte, le groupe des sujets exposés représente donc l’ensemble des sujets exposés et le groupe des non exposés l’ensemble des non exposés ; - cas-témoins, le groupe des cas représente l’ensemble des malades et le groupe des témoins l’ensemble des sujets non malades. Les biais de sélection sont donc liés à la constitution de l’échantillon, et plus précisément dans le cas de l’épidémiologie analytique à la constitution des groupes comparés. Si l’on souhaite étudier l’association entre tabac et cancer du poumon grâce à une étude cas- témoins par exemple, on peut recruter les cas dans les services de pneumologie d’un hôpital. La question que l’on devra se poser est « ces cas sont-ils ou non représentatifs de l’ensemble des cas » ? S’ils ne le sont pas, il faudra se demander « en quoi cela peut-il biaiser l’estimation de l’effet du tabac ? ». Un biais de sélection n’est à même de survenir que si la répartition des exposés et non exposés ou des malades et des non malades change entre d’une part la population cible, et d’autre part la population source ou l’échantillon analysé. La non-participation des sujets à une étude peut entraîner un biais de sélection en épidémiologie analytique. Il y aura biais de sélection à l’origine d’une estimation biaisée de la mesure d’association : - dans une étude de cohorte, si la non-participation entraîne une sélection des exposés ou des non exposés liée à l’événement ; - dans une étude cas-témoins, si la non-participation entraine une sélection des cas ou des témoins liée à l’exposition. Le biais de survie sélective survient dans le cas de l’étude d’une maladie à forte létalité, lorsque l’exposition étudiée modifie la durée de survie des sujets, et que l’on n’étudie que les sujets survivants. Par exemple, on souhaite étudier l’association entre une anomalie génétique et la survenue d’un accident vasculaire cérébral (AVC). On réalise une étude cas-témoins en n’incluant parmi les cas que les sujets sortis du service de réanimation, et donc survivants à leur AVC. Si les sujets 6 porteurs de cette anomalie génétique décèdent plus rapidement que les autres, on inclura plus fréquemment des cas non porteurs de cette anomalie génétique. Les cas sélectionnés seront donc moins exposés que l’ensemble des cas, ce qui conduit à sous-estimer l’association. 4.2. Biais d’information Ce biais est lié à des défauts dans le recueil de l’information, une fois l’échantillon d’étude constitué : - lors de la détermination du statut malade/non malade dans une étude de cohorte ; - lors de la détermination du statut exposé/non exposé dans une étude cas-témoins. Rappelons que ce biais est lié à un défaut de sensibilité ou de spécificité de l’outil (on parlera ici de test) utilisé pour déterminer le statut des sujets inclus, et que, si on s’intéresse au statut malade/non malade : - la sensibilité correspond à la proportion de sujets que le test classe malades parmi l’ensemble des sujets qui sont réellement malades ; en cas de sensibilité imparfaite, certains sujets réellement malades sont considérés à tort comme non malades : on parle de faux négatifs ; - la spécificité correspond à la proportion de sujets que le test classe non malades parmi l’ensemble des sujets réellement non malades ; en cas de spécificité imparfaite, certains sujets réellement non malades sont considérés à tort comme malades : on parle de faux positifs. On peut tenir le même raisonnement si on s’intéresse au statut exposé/non exposé. 4.2.1. Erreurs non différentielles Quand la proportion de sujets mal classés ne dépend pas du statut exposé/non exposé dans une étude de cohorte, ou du statut malade/non malade dans une étude cas-témoins, les erreurs commises sont dites non différentielles. Cette erreur conduit à une sous-estimation de la mesure d’association. 4.2.2. Erreurs différentielles Dans le cas des erreurs différentielles, l’erreur de classement varie selon les groupes que l’on compare : erreur de classement vis-à-vis de la maladie différente entre les exposés et les non exposés dans une étude de cohorte, ou erreur de classement vis-à-vis de l’exposition différente 7 entre les cas et les témoins dans une étude cas-témoins. On retiendra que les erreurs de classement différentiel peuvent conduire à tous les cas de figure : sur ou sous-estimation de l’effet. Les biais d’information peuvent être liés : - à l’instrument de mesure (questionnaire, test diagnostique), - au sujet enquêté lui-même (biais de mémorisation, biais de prévarication, biais de désirabilité sociale) : on l’a vu, les souvenirs sur l’exposition peuvent être : - plus activement et plus précisément recherchés chez des cas motivés à comprendre leur maladie ; Par exemple, lors d’une étude cas-témoins sur la relation entre exposition à certains médicaments pendant la grossesse et naissance d’un enfant malformé. - ou au contraire plus refoulés chez des cas dont le problème de santé suscite une certaine honte. Par exemple, lors de l’étude de la relation entre consommation d’alcool et cirrhose du foie. - à l’investigateur : la connaissance du statut du sujet enquêté (cas/témoin dans une étude cas-témoins, exposé/non exposé dans une étude de cohorte) peut conduire l’investigateur à rechercher de façon différente les informations dans chacun des groupes ; - à la qualité des données disponibles. Afin de prévenir ce type de biais, comme en épidémiologie descriptive, pour chaque mesure nécessaire à l’enquête, il est indispensable d’utiliser la meilleure mesure (adaptée, valide, fiable, standardisée, aussi objective que possible) dans le contexte dans lequel s’inscrit l’étude. 4.3. Biais de confusion On sait qu’un biais de confusion survient uploads/Sante/ epi-anal21-l2-cours-iii-v2.pdf