Health Research Methods FR

MTHODOLOGIE DE LA RECHERCHE
DANS LE DOMAINE DE LA SANT

GUIDE DE FORMATION AUX MTHODES DE LA RECHERCHE SCIENTIFIQUE
DEUXIME DITION
ORGANISATION MONDIALE DE LA SANT Bureau rgional du Pacifique occidental Manille, 2003
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
MTHODOLOGIE DE LA RECHERCHE
DANS LE DOMAINE DE LA SANT
Guide de formation aux mthodes de la recherche scientifique
Deuxime dition
ORGANISATION MONDIALE DE LA SANT

Bureau rgional du Pacifique occidental Manille, 2003
Catalogue la source : Bibliothque de lOMS Mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique. Deuxime dition. 1. Health services research - methods. 2. Research design. I. World Health Organization. Regional Office for the Western Pacific ISBN 92 9061 204 5
LOrganisation mondiale de la Sant est toujours heureuse de recevoir des demandes dautorisation de reproduire ou de traduire ses publications, en partie ou intgralement. Les demandes cet effet et les demandes de renseignements doivent tre adresses au Bureau des Publications, Organisation mondiale de la Sant, Genve, Suisse, ou au Bureau rgional du Pacifique occidental, Manille, Philippines, qui se fera un plaisir de fournir les renseignements les plus rcents sur les changements apports au texte, les nouvelles ditions prvues et les rimpressions et traductions dj disponibles. Organisation mondiale de la Sant 2003 Les publications de lOrganisation mondiale de la Sant bnficient de la protection prvue par les dispositions du Protocole N 2 de la Convention universelle pour la Protection du Droit dAuteur. Tous droits rservs. Les appellations employes dans cette publication et la prsentation des donnes qui y figurent nimpliquent de la part du Secrtariat de lOrganisation mondiale de la Sant aucune prise de position quant au statut juridique des pays, territoires, villes ou zones, ou de leurs autorits, ni quant au trac de leurs frontires ou limites. La mention de firmes et de produits commerciaux nimplique pas que ces firmes et produits commerciaux sont agrs ou recommands par lOrganisation mondiale de la Sant de prfrence dautres, de mme nature qui ne sont pas mentionns. Sauf erreur ou ommission, une majuscule initiale indique quil sagit dun nom dpos.
ii
TABLE DES MATIRES

Avant-propos Prambule Remerciements v vii ix
Chapitre 1 : La recherche et ses mthodes scientifiques 1 Chapitre 2 : Stratgies et plan de recherche Chapitre 3 : tudes pidmiologiques descriptives Chapitre 4 : tudes exprimentales et quasi-exprimentales Chapitre 5 : Mthodes dchantillonnage et taille de lchantillon Chapitre 6 : Biais et confusion Chapitre 7 : Les principales mesures du risque Chapitre 8 : Analyse statistique des donnes Chapitre 9 : Association et causalit Chapitre 10 : Aspects thiques de la recherche mdicale Chapitre 11 : Rdaction dune proposition de recherche 13 45 57 75 89 103 113 131 147 155
Annexes Annexe 1 : laboration dun questionnaire Annexe 2 : La statistique descriptive Tableaux, graphiques et diagrammes Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant 179 197 221
iii
iv
AVANT-PROPOS
La recherche scientifique apporte une contribution trs importante nos efforts pour prserver la sant et combattre les maladies. La recherche contribue lmergence de connaissances nouvelles et llaboration de meilleurs outils pour exploiter les connaissances existantes. Elle est source de progrs en diagnostic et en thrapeutique pour ceux qui rendent les prestations de sant et galement source de donnes factuelles pour clairer ceux qui sont responsables des politiques et des dcisions en matire de sant et de dveloppement. LOMS et ses tats Membres reconnaissent toute limportance de la recherche. Cependant, de nombreux pays en dveloppement de la Rgion nont pu accorder la priorit souhaitable la recherche dans le domaine de la sant. Dans plusieurs de ces pays, labsence dune mthodologie de la recherche et le manque de chercheurs qualifis font obstacle la conduite de programmes de recherche nationaux. Souvent, il ny existe pas de systme de gestion et de coordination des recherches en sant, ou, si un tel systme a t cr, il fonctionne mal. LOMS a pris le ferme engagement de stimuler la recherche scientifique dans les pays en dveloppement. Grce des perspectives et un cadre de collaboration clairement dfinis et noncs en matire de recherche et de partenariat avec ses tats Membres, lOMS renforcera les capacits de recherche dans les pays en dveloppement. Au cours des deux dernires dcennies, le Bureau rgional de lOMS pour le Pacifique occidental a organis plus dune vingtaine de programmes de formation consacrs au plan de recherche et la mthodologie de la recherche. En 1992, le Bureau rgional a publi un manuel de formation intitul Health Research Methodology: A Guide for Training in Research Methods. (La mthodologie de
la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique). Ce manuel, trs apprci par ses lecteurs travers le monde, a t traduit en chinois, en coren, en khmer, en laotien, en mongolien et en vietnamien. Pour rpondre la demande des lecteurs qui souhaitent bnficier des derniers dveloppements en mthodes de recherche scientifique et de lexprience tire de nos cours de formation, nous avons procd la rvision et une nouvelle dition de ce manuel. Nous esprons que la nouvelle dition mise jour de ce manuel unique permettra aux scientifiques, aux chercheurs, aux praticiens et aux administrateurs de la sant, de mieux assimiler et mettre en pratique les concepts et les principes de la recherche scientifique. Lassimilation des mthodes scientifiques les aidera laborer et conduire des projets de recherche rigoureux dans leurs propres pays. La nouvelle dition de ce manuel est aussi une faon de marquer notre engagement permanent envers les pays en dveloppement dans la Rgion de les aider btir et consolider leur systme de recherche dans le domaine de la sant.
Docteur Shigeru Omi Directeur rgional Bureau rgional de lOMS pour le Pacifique occidental
vi
PRAMBULE
Cette deuxime dition du manuel Mthodologie de la Recherche dans le domaine de la Sant traite des concepts et principes fondamentaux dont sont issues les mthodes de la recherche scientifique, dans loptique particulire de la recherche en matire de sant. Toute prise de dcision raisonne et de porte efficace repose sur lactivit de recherche qui fait partie intgrante des efforts dun pays pour amliorer la sant de son peuple et lefficacit de ses systmes de sant. La contribution de la recherche est particulirement importante dans des priodes de bouleversements pidmiologique, dmographique et conomique qui touchent les systmes de sant en profondeur. Conduite par des quipes pluridisciplinaires, la recherche dans les domaines (1) de la politique de la sant et des systmes de sant (2) de lpidmiologie des maladies non transmissibles et des maladies transmissibles, connues, nouvelles et mergentes (3) de la reproduction, la sant infantile et la nutrition, y compris la violence domestique et sexuelle, et (4) du comportement socital, y compris lanalyse des processus suivis par les individus en qute de bonne sant et leurs croyances, connaissances et habitudes en matire de sant et de maladie, soutiendra les efforts des pays en dveloppement pour combattre les maladies et prserver la sant de leur population. Ce manuel a pour but de dcrire des mthodes de planification et de conduite dune recherche scientifique, depuis la formulation dun problme sous forme dun sujet de recherche, la dfinition des objectifs de la recherche, llaboration du plan dtude, y compris les mthodes de collecte des donnes et danalyse statistique, et jusqu linterprtation et la diffusion des rsultats de ltude. Dans sa premire
vii
version ce manuel sest avr un excellent support et une source de rfrence utile pour lanimation de sminaires sur la Mthodologie de la Recherche dans le domaine de la Sant organiss dans diffrents pays de la Rgion du Pacifique occidental de lOMS. Cette nouvelle dition introduit plus de dtails concernant des mthodes statistiques dapplication courante et apporte des clarifications qui sont apparues ncessaires au cours de ces sminaires. Le biais en matire de recherche a fait lobjet dun dveloppement spcial. Ce manuel est destin servir de guide et de source de rfrence lors de la formation de jeunes scientifiques la conduite dune recherche en sciences de la sant par le Bureau rgional de lOMS pour le Pacifique occidental. ce titre, il doit servir comme introduction aux mthodes de la recherche et na pas lambition den prsenter un trait exhaustif. Il existe dj dexcellents manuels ce sujet qui sont cits dans les rfrences bibliographiques. Dans la mesure du possible nous avons choisi des exemples tirs de la ralit rgionale pour illustrer les principes et les mthodes dcrits dans ce manuel afin den faciliter lapplication dans le contexte rgional. On y trouvera des informations utiles pour toutes les tapes dlaboration dun projet de recherche et en particulier pour la rdaction dune demande de subvention du projet de recherche lorganisme susceptible de participer son financement. titre dexemple, le formulaire de demande de subvention de lOMS est prsent en annexe. Les questions souleves dans ce manuel permettront au chercheur de mieux srier les lments importants avant de proposer et dengager son tude. Nous pensons aussi que ltudiant de licence en sciences de la sant y trouvera des indications utiles pour la rdaction de son diplme de matrise. Nous esprons, surtout, quau-del de son apport dinformations essentielles sur les mthodes de recherche dans le domaine de la sant, ce manuel incitera le lecteur poursuivre sa formation dans le domaine complexe de la mthodologie de la recherche, permettra aux jeunes chercheurs de la Rgion dtre plus efficaces, et encouragera des chercheurs engager de plus nombreuses tudes dans le domaine de la sant, quil sagisse dessais cliniques, denqutes pidmiologiques sur le terrain ou dtudes relatives aux services de la sant.
viii
REMERCIEMENTS
Le Bureau rgional de lOrganisation mondiale de la Sant pour le Pacifique occidental est redevable au Professeur Yung-Han Parik, au Professeur Ung-Ring Ko, et au Docteur Kamini Mohan Patwary, pour leurs contributions originales la premire dition de ce manuel. Ses remerciements vont galement au Docteur Rama Nair et au Docteur Lye Munn Sann pour leur travail conjoint de rvision et de mise jour du manuel.
ix
Chapitre 1
La recherche et ses mthodes scientifiques
1.1
Dfinition La recherche consiste en une qute des connaissances au moyen dune enqute, dune tude ou dune exprimentation conduite avec application dans le but de dcouvrir et dinterprter des connaissances nouvelles. La mthode scientifique est un ensemble systmatique de procdures et de techniques relatives lexcution dune tude ou dune exprience destine acqurir de nouvelles connaissances. Dans le contexte de ce manuel, la recherche et les mthodes scientifiques peuvent tre considres comme une suite dinterrogations dcisives conduisant la dcouverte de faits ou dinformations qui amliore notre comprhension de la sant et des maladies de ltre humain.
1.2
Catgories de recherches 1. Recherche empirique, recherche thorique Lapproche philosophique de la recherche est fondamentalement de deux types : empirique et thorique. Les recherches dans le domaine de la sant sont principalement de nature empirique, cest--dire quelles sont fondes plus sur lobservation et lexprience que sur la thorie et labstraction. La recherche pidmiologique, par exemple, dpend de la collecte systmatique dobservations sur des phnomnes de sant spcifiques au sein dune population dfinie. De plus, mme dans labstraction de modles mathmatiques, aucun progrs dans la comprhension de lapparition et de la cause des maladies nest possible sans comparer les constructions thoriques avec la situation relle observe dans la population. La recherche empirique et la recherche thorique se
Chapitre 1 : La recherche et ses mthodes scientifiques
compltent pour dvelopper la comprhension des phnomnes, pour prvoir des vnements futurs, ainsi que pour prvenir des vnements nuisibles au bien-tre gnral de la population concerne. La recherche empirique dans le domaine de la sant peut tre de nature qualitative ou quantitative. En rgle gnrale, cette recherche concerne des informations de nature quantitative et ce manuel traitera exclusivement de ce type de recherche. Pour la plus grande part, il sagit de : lidentification de la population concerne, les caractristiques (variables) des individus (units) composant cette population, et enfin ltude de la variabilit de ces caractristiques parmi les individus de la population. Ainsi, dans cette recherche empirique, la quantification est ralise par trois procdures numriques associes : (a) mesure des variables ; (b) estimation des paramtres de la population (paramtres de la distribution de probabilit qui reflte la variabilit des observations dans la population) ; et (c) test statistique des hypothses, cest--dire, estimation de la part contribue par le hasard dans les carts observs parmi les individus ou les groupes tudis. La prise en compte du hasard ou de la probabilit est dterminante dans la recherche biologique ; elle est la base du plan de recherche. Pour en assurer la validit, ce plan de recherche doit tenir compte, avant toute autre chose et en permanence, du rle du hasard. Ce sont les mthodes statistiques qui permettent de respecter les lois de probabilit au cours de notre tude, et danalyser et dinterprter correctement les rsultats. La statistique est loutil qui permet la recherche dans le domaine de la sant dtre empirique plutt quabstraite ; elle nous permet de confirmer nos constatations au moyen dobservations et dexprimentations supplmentaires. 2. Recherche fondamentale, recherche applique. Du point de vue fonctionnel, la recherche peut tre fondamentale (ou pure) ou applique. On considre dhabitude que la recherche fondamentale se consacre lacquisition des connaissances sans but dfini dutilit ou dobjet spcifique. La recherche applique dcoule dun problme et elle est dirige pour rsoudre un problme existant. Le bien-fond et les bnfices relatifs pour la socit de la recherche fondamentale ou applique sont continuellement lobjet de controverses. Certains prtendent que la science, qui dpend beaucoup des contributions de la socit, devrait se consacrer directement rsoudre les problmes relatifs lhomme, tandis que dautres arguent que la recherche scientifique est la plus productive lorsquelle est
entreprise librement et que les plus grands progrs dans les sciences rsultent de la recherche pure. Il est gnralement admis quil faut un bon quilibre entre les deux types de recherche ; les socits plus riches et plus avances techniquement sont en mesure de soutenir la recherche fondamentale en plus grande proportion que les socits ayant moins de ressources disponibles. 3. Le triangle de recherche en matire de sant. Que la recherche dans le domaine de la sant soit empirique ou thorique, fondamentale ou applique, il existe encore une autre faon de la classer dans trois catgories oprationnelles lies entre elles biomdicale, services de sant, comportementale - pour constituer ce que lon appelle le triangle de la recherche en matire de sant. La recherche biomdicale comprend essentiellement les tudes fondamentales sur les processus au niveau de la cellule ; la recherche en sant concerne les problmes lis lenvironnement de lhomme et leurs effets au niveau cellulaire : la recherche sur le comportement tudie linteraction entre lhomme et lenvironnement, de faon reflter les croyances, les attitudes et les habitudes de lindividu dans la socit. 1.3 Les fondements scientifiques de la recherche. Ltude scientifique utilise plusieurs principes de base : 1. Ordre. Pour parvenir aux conclusions, la mthode scientifique diffre du sens commun en ce quelle utilise lobservation organise dentits ou dvnements qui sont classs ou ordonns sur la base de proprits et de comportements communs. Cest la frquence des proprits et des comportements communs qui permet les prvisions, conduisant en dernier ressort des lois. 2. Infrence et hasard. Le raisonnement, ou linfrence, est la force qui permet les avances dans la recherche. Dans le contexte de la logique, cela signifie quun nonc ou une conclusion doit tre accept parce quun ou plusieurs autres noncs ou prmisses (vidence) sont vrais. Des suppositions, des prsomptions ou des thories peuvent tre ainsi dveloppes par infrence selon une construction minutieuse, en vue de postuler des hypothses tester. Le test dhypothses est la
mthode de base pour faire avancer les connaissances dans les sciences. Deux approches ou raisonnements distincts simposent dans le dveloppement des infrences : dductif et inductif. Dans la dduction, la conclusion rsulte ncessairement des prmisses, comme dans le syllogisme (tout A est B, tout B est C, donc tout A est C) ou les quations algbriques. La dduction se distingue par le fait quelle va du gnral au particulier et quelle ne tolre aucun lment de hasard ou dincertitude. Les infrences dductives conviennent donc tout particulirement la recherche thorique. tant essentiellement empirique, la recherche en matire de sant repose presque entirement sur des raisonnements par induction. La conclusion ne rsulte pas ncessairement des prmisses ou de lvidence (faits). On peut dire seulement que la conclusion est plus probablement valide si les prmisses sont vraies, cest--dire, quil y a une possibilit davoir les prmisses vraies mais la conclusion fausse. Il faut donc tenir compte de tous les effets du hasard. Par ailleurs le raisonnement inductif se distingue par le fait quil va du particulier vers le gnral, donc il construit. 3. valuation de la probabilit. Lexigence dcisive pour assurer la validit du plan de recherche, est lvaluation de la probabilit du dbut la fin. Les lments du plan les plus notables qui doivent assurer lintgrit de la probabilit et la prvention de biais, sont les suivants : chantillonnage reprsentatif, randomisation dans la slection des groupes dtude, maintien de groupes de comparaison servant de tmoins, expriences et sujets traits en double aveugle, et utilisation de mthodes statistiques de probabilit dans lanalyse et linterprtation des rsultats. La probabilit est une mesure de lincertitude ou de la variabilit des caractristiques parmi les individus dune population. Si lon observe une population entire, le calcul des frquences relatives des variables fournit toute linformation sur la variabilit. Si nous observons seulement un chantillon dindividus tir de la population, linfrence de lchantillon vers la population (extrapolation du particulier au gnral), impliquera lidentification des probabilits des vnements en cours dobservation, ainsi que le recours aux lois de probabilit qui nous permettent de mesurer le degr dincertitude dans nos infrences. Seul un plan de recherche correct qui intgre les lois de probabilit permettra datteindre ces objectifs.
4. Hypothse. Les hypothses sont des noncs soigneusement construits relatifs un phnomne dans la population. Les hypothses peuvent dcouler dun raisonnement dductif ou se fonder sur un raisonnement inductif partir dobservations antrieures. Lun des outils les plus utiles dans les recherches sur la sant est la gnration dhypothses qui, aprs avoir t testes, conduiront lidentification des causes les plus probables dune maladie ou du changement dun tat en observation. Bien que nous ne puissions tirer des conclusions dfinitives ou revendiquer la preuve en utilisant des mthodes inductives, nous pouvons nous approcher toujours plus prs de la vrit en dtruisant des hypothses existantes et en les remplaant par dautres plus plausibles. Dans les recherches sur la sant, les hypothses sont souvent construites et testes pour identifier les causes de maladies et pour expliquer la distribution de maladies parmi la population. On fait souvent appel aux critres de Mill du raisonnement inductif pour former des hypothses sur le lien entre association et causalit. nonces brivement ces mthodes sont les suivantes : (a) mthode de la diffrence : lorsque la frquence dune maladie prsente une diffrence marquante dans deux circonstances, et lorsquon peut identifier un facteur dans lune des circonstances et non dans lautre, ce facteur, ou son absence, peut tre la cause de la maladie (par exemple la diffrence de frquence du cancer du poumon chez les fumeurs et chez les non-fumeurs). mthode de concordance : si un facteur, ou son absence, est commun un certain nombre de circonstances diffrentes o on constate la prsence dune maladie, ce facteur ou son absence peut tre li aux causes de la maladie (par exemple lapparition de lhpatite A est associe au contact avec un malade, au surpeuplement, et de mauvaises conditions dhygine et dassainissement, chaque facteur participant la transmission du virus de lhpatite). mthode des variations concomitantes, ou la relation dose-effet: citons des exemples de variations concomitantes : augmentation de la prsence du goitre endmique avec la diminution de la teneur en iode des aliments ; augmentation de la frquence de la leucmie avec laugmentation de lexposition aux
(b)
(c)
rayonnements ; augmentation de la prvalence de llphantiasis dans les rgions o saccrot lendmicit de la filariose). (d) mthode danalogie : la distribution et la frquence dune maladie ou dun effet peuvent tre suffisamment analogues celles dune autre maladie pour suggrer une cause commune (par exemple infection par le virus de lhpatite B et cancer du foie).
1.4
Plan dtude. Lapproche pidmiologique est fonde sur des principes statistiques dans llaboration du plan de recherche. Dans cette dmarche, la recherche peut tre subdivise en recherche de type bas sur lobservation, et recherche de type exprimental. Les tudes bases sur lobservation emploient gnralement la mthode denqute sur chantillon, dans laquelle on observe diffrentes caractristiques dun chantillon de la population. On peut y procder en interrogeant effectivement le sujet, en obtenant les mesures de caractristiques physiques, ou simplement en extrayant des informations de sources existantes telles que les registres de dclaration des maladies, les dossiers mdicaux des hpitaux ou des dossiers des services demploi. Les tudes du type transversal, o lon collecte simultanment les donnes de cause et deffet, sans pouvoir dterminer la squence temporelle, sont considres comme gnratrices dhypothses. Par contre, les tudes o les observations de causes et deffets sont dcales dans le temps sont considres comme analytiques (ou causales) et peuvent donner lieu une infrence dassociations, par exemple dans les tudes cas-tmoins et les tudes de cohortes. La meilleure vrification des hypothses est ralise par des expriences dans lesquelles tous les facteurs, sauf celui en considration, peuvent tre matriss. Cependant, pour des raisons thiques et pratiques, cette mthode est rarement possible dans le contexte des maladies humaines. On lui substitue souvent des expriences dites naturelles ou des observations soigneusement planifies (tudes cas-tmoins, tudes de cohortes) comportant suffisamment dinformations sur les facteurs parasites pour permettre de corriger leurs effets lors des infrences. Ces tudes analytiques par observations peuvent tre rtrospectives (tude castmoins) ou prospectives (tude de cohorte ou tude historique de cohorte). Dans ces mthodes, on compare des groupes dindividus pour relever les diffrences en matire dexposition ou de rsultat.
Elles se distinguent des expriences par le fait quil ny a pas dintervention directe du chercheur et que ce chercheur ne peut matriser aucun des facteurs tiers (ou parasites) agissant sur lun ou lautre des individus en observation. Dans les deux approches, le raisonnement statistique utilisant les lois de probabilit, guide le processus dinfrence. On fait quelques suppositions de base concernant la population, ses caractristiques et leur distribution de probabilit, et on value la vraisemblance des observations confirmant ou infirmant lhypothse nonce. En se basant sur les probabilits calcules, on accepte ou on rejette lhypothse (ou bien ltat dincertitude reste non rsolu, ce qui est le cas en particulier lorsque la taille de lchantillon est trop petite pour assurer la fiabilit). Des plans dtude spcifiques seront discuts plus loin dans ce manuel. Le processus allant de la gnration de lhypothse au test de lhypothse est illustr ci-dessous. Une observation ou une srie dobservations lance une hypothse; une tude transversale est entreprise pour gnrer des hypothses correctes ; une tude par observations tablit des associations et confirme (ou rejette) lhypothse ; et une exprience est mene pour tester lhypothse.
Srie de cas
Enqute transversale
tude analytique
> >
>
Cas-tmoins Cohorte Cohorte historique
>
Exprience Essai randomis Quasi-exprience
1.5
Planification et gestion de la recherche 1. Programme de recherche La recherche est une activit complexe dont llaboration et la mise en oeuvre exigent une planification, une gestion et une administration minutieuses. Dans le contexte mondial actuel de restrictions budgtaires en matire de recherche, il est de plus en plus ncessaire de programmer la recherche dans le domaine de la sant en lui fixant des objectifs clairement dfinis et ralisables dans la pratique. Llaboration dun programme de recherche comporte ncessairement un certain nombre dtapes essentielles : (a) (b) dfinir le rle et le champ daction prvus pour lunit charge de la recherche ; dterminer les moyens et les ressources de lunit de recherche, en incluant : personnel, installations, quipement, fournitures, dlais et budget, ainsi que laccessibilit aux documents de recherche ; slectionner le sujet de recherche, en considrant des facteurs tels que : (d) importance du problme et de son impact urgence du besoin dune solution pertinence par rapport aux objectifs de lorganisme qui finance ltude possibilit de traiter le problme par une tude faisabilit du programme chances de succs consquences prvisibles en cas de succs retombes en matire de formation du personnel et dautres lments renforant les capacits de recherche.
(c)
laborer des protocoles de recherche, documents qui serviront de guides lors de lexcution, du contrle et de lvaluation de la recherche ; installer une structure administrative clairement dfinie, avec des fonctions de direction, dencadrement, de consultation et
(e)
de collaboration, et des profils de postes bass sur des tches spcifiques. (f) formuler un calendrier dobjectifs pour la consolidation des rsultats, et la prparation de ces rsultats en vue de la diffusion, y compris la publication dans la documentation scientifique.
2. Excution de la recherche. Le mcanisme pour conduire une recherche suit des tapes simples : formulation du problme ; planification de la dmarche (plan de recherche) ; excution des activits dans un rseau stratgique visant des objectifs spcifiques qui aboutiront la solution du problme. Un cadre pour la rdaction dune proposition de recherche est donn ci-aprs. Il comporte les lments de base dune tude de recherche, qui seront traits en dtail dans le chapitre 11. a. Conceptualisation du problme : identifier le problme (quel est le problme ?) donner une priorit au problme (pourquoi est-ce un problme important ?) expos raisonn (le problme peut-il tre rsolu et quels sont les bnfices pour la socit si le problme est rsolu ?)
b.
Situation actuelle : tude documentaire (que savons-nous dj ?)
c.
Formulation des objectifs : disposer les questions selon les objectifs gnraux ou spcifiques ; dvelopper une hypothse tester pour atteindre les objectifs.
d.
Mthodologie de recherche : dfinir la population, caractristiques considrer et distribution de probabilit ; type dtude (observation ou analyse, enqutes ou expriences) mthode de collecte, de gestion et danalyse des donnes:
e.
choix de lchantillon instruments de mesure (fiabilit et validit des instruments) formation des enquteurs contrle de la qualit des mesures calcul, vrification et validation des mesures le problme des observations manquantes traitement statistique des informations test de lhypothse considrations thiques.
Plan de travail : personnel chronologie (qui va faire quoi et quand ?) administration du projet.
f.
Plan de diffusion : prsentation aux autorits pour la mise en oeuvre des rsultats de la recherche (le cas chant) publication dans des revues scientifiques et dans dautres documents (y compris ceux de lorganisme qui a financ le projet) en vue dune large diffusion des connaissances rsultant de la recherche.
Une bonne proposition contiendra aussi un rsum rdig par le chef du projet, donnant une vue gnrale des points prcdents dans un langage clair et simple, comprhensible par un non-spcialiste; elle comportera aussi une liste de rfrences. 1.6 Le chercheur Parmi les qualits importantes conduisant au succs dans la recherche, on peut citer : un esprit curieux pour trouver de nouveaux faits la persvrance et la patience
10
lintgrit pour soi-mme et pour la valeur de la mthode scientifique un esprit analytique capable de participer des rflexions critiques la rceptivit aux critiques au niveau professionnel louverture desprit et la capacit de dceler la signification dobservations inattendues lobjectivit.
1.7
Conclusion Linvestigation scientifique est une vritable gageure pour lhumanit, et le soutien quelle reoit de la socit est une mesure de la force, de la vitalit et de la foi dans lavenir de cette socit. La dmarche et les mthodes de la recherche ont lentement volu pour devenir de plus en plus prcises et efficaces. La technologie existe pour explorer linconnu. Le succs de cette entreprise dpend cependant, aujourdhui comme hier, des talents individuels et collectifs des chercheurs attachs aux principes de la science, tels que lordre, linfrence et le hasard, dont ils tiendront compte en les intgrant dans un plan de recherche et une mthodologie solides.
11
12
Chapitre 2
Stratgies et plan de recherche
2.1
Introduction Le choix dune stratgie de recherche est au coeur du plan de recherche et cest probablement la dcision unique la plus importante que doit prendre le chercheur. En consquence, llaboration dune stratgie de recherche est le thme principal trait dans ce manuel. Les composantes essentielles dun plan de recherche et leurs bases scientifiques sont lobjet des chapitres suivants. La stratgie de recherche doit comporter la dfinition de la population concerne, la dfinition des variables (caractristiques des individus dans cette population), leur nature et les relations entre elles. Par exemple, pour tester une hypothse, le chercheur doit pouvoir attribuer la variable indpendante, ou variable dexposition, un certain nombre de sujets dans ltude, et lomettre pour dautres sujets (tmoins), tandis quil matrise les autres variables parasites ou confusionnelles. Cette stratgie constitue une exprience dans laquelle lhypothse est teste par intervention. Un autre chercheur peut choisir de comparer des individus exposs un facteur de risque ceux non exposs, lors de lanalyse de lincidence dune maladie dans ces groupes, afin de constater si cette maladie est lie lexposition. Dans ce cas il sagit dune tude analytique dont il existe plusieurs varits. Ce type dtude englobe aussi le test dhypothse. Un autre chercheur encore peut simplement dcrire la distribution dun phnomne ou le rsultat dun programme. Il sagit alors dune tude descriptive sans intervention ni hypothse pralable.
13
Chapitre 2 : Stratgies et plan de recherche
Dans toutes les situations prcdentes, on fait des observations sur un groupe dindividus, puis on tire des infrences concernant les relations ou les associations entre diverses expositions et rsultats. Les infrences ralises sont toujours sujettes incertitude en raison des variations des caractristiques travers la population. En consquence, lexactitude de linfrence dpend de lexactitude des informations recueillies et de la reprsentativit des sujets observs par rapport au groupe plus large des sujets de la population, ainsi que de lexactitude des mthodes statistiques utilises pour tablir linfrence. Pour dvelopper une bonne stratgie de recherche, il nous faut comprendre la nature de ces variations ou carts et les mthodes disponibles pour mesurer les erreurs. 2.2 Erreurs dans linfrence Il est ncessaire de matriser deux sources derreurs courantes qui rsultent de problmes lis la fiabilit et la validit. Notre infrence doit avoir une fiabilit leve (si les observations sont rptes dans des conditions similaires, les infrences doivent tre similaires) et une validit assure (linfrence doit reflter la nature vraie de la relation). La fiabilit et la validit des infrences dpendent de la fiabilit et de la validit des mesures (mesurons-nous la bonne caractristique ? avec exactitude ?), ainsi que de la fiabilit et de la validit des chantillons choisis (partons-nous dune vraie reprsentation de la population pour effectuer les infrences ?). La fiabilit de lchantillon est obtenue en choisissant un chantillon de grande taille, et la validit est assure en vrifiant que le choix de lchantillon est sans biais. En termes statistiques, la fiabilit est mesure par lerreur alatoire et la validit par le biais. 2.2.1 Fiabilit Fiabilit des mesures Si des mesures rptes dune caractristique dun mme individu et dans des conditions identiques, donnent des rsultats similaires, on peut dire que la mesure est fiable. Si on rpte des observations indpendantes et si on dtermine la distribution de probabilit, lcart-type des observations donne une mesure de la fiabilit. Si la mesure a une fiabilit leve, lcart-type doit tre plus petit. Une faon daccrotre la fiabilit est de prendre la moyenne dun certain nombre dobservations (car la moyenne prsente un cart-type - erreur sur la moyenne - plus petit que lcart-type des observations individuelles).
14
Fiabilit de ltude Un rsultat est dit fiable si on obtient le mme rsultat lorsque ltude est rpte dans les mmes conditions. La variabilit naturelle des observations parmi les individus de la population est communment appele erreur alatoire. Par exemple, lorsquon mesure la pression sanguine systolique (PSS) dindividus, on a observ que les mesures faites dans un groupe de trs nombreux individus suivent une distribution normale, si bien que lcart-type du PSS reprsente lerreur alatoire dans la mesure du PSS. Il est vident que si lcart-type est faible, des tudes rptes sur cette population produiront ncessairement des rsultats similaires. Si lcart-type est grand, des chantillons diffrents de la mme population tendront avoir des diffrences de mesure notables. Comme nous considrons souvent des mesures rcapitulatives sur des chantillons ayant un cart-type inversement proportionnel la racine carre de la taille de lchantillon, laugmentation de la taille de lchantillon accrot la fiabilit de ces mesures (voir les dtails sur ce point au chapitre 5). 2.2.2 Validit Une mesure est dite valide si elle sapplique ce quelle est cense mesurer. Lorsquune mesure nest pas valide, on dit quelle est biaise. Le biais est une erreur systmatique (contrairement lerreur alatoire) qui dvie lobservation dun seul cot de la vrit. Ainsi, si nous utilisons une balance qui nest pas rgle au zro, les poids mesurs avec cette balance seront biaiss. Pareillement, si un chantillon est biais, les rsultats tendent tre biaiss (par exemple un chantillon contenant plus dhommes que la proportion dhommes dans la population, ou comparaison de cas choisis parmi les patients hospitaliss et de tmoins choisis dans la population gnrale, dans une tude cas-tmoins). Comme il est souvent difficile de corriger les effets du biais une fois les donnes collectes, il est toujours recommand dviter les biais au moment de planifier une tude (on trouvera au chapitre 6 des dtails sur les biais et sur les moyens de les viter).
15
2.3
Stratgies dexprimentation et stratgies dobservation. Malgr la valeur de lexprience dans ltablissement de la causalit, il est souvent ni praticable ni thique de soumettre des tres humains des facteurs de risque dans des tudes tiologiques. la place, les pidmiologistes emploient des expriences naturelles si cela est possible, ou ils sappuient, plus frquemment, sur des tudes analytiques dobservations ou des quasi-expriences. Cependant, il existe un domaine de lpidmiologie o on utilise largement des stratgies exprimentales : il sagit des campagnes dessais cliniques ou sur le terrain pour tester de nouveaux mdicaments ou des programmes dintervention. Les avantages de la dmarche exprimentale sont les suivants : La capacit de manipuler ou dattribuer des variables indpendantes ; cest de loin lavantage le plus net des stratgies exprimentales. Il est facilement illustr par les essais cliniques, dcrits au chapitre 4, o les cas dune maladie spcifique sont affects volontairement (dans un ordre alatoire ou par appariement) au groupe trait et au groupe tmoin. Par exemple, dans lvaluation de lefficacit de dispositifs intrautrins, on affecte, au hasard ou par paires apparies, des femmes dune certaine tranche dge et ayant en commun certaines autres caractristiques, des mdecins dune part et des infirmires dautre part. On compare entre les deux groupes un critre dvaluation tel que la frquence des complications. Il est aussi possible dans certains cas de manipuler le degr dexposition ou la dose thrapeutique. La capacit de rpartir au hasard les sujets entre le groupe trait et le groupe tmoin. Grce la randomisation on trouvera plus vraisemblablement une distribution gale des variables parasites entre les deux groupes. Nanmoins, lors de lanalyse il faut toujours comparer la distribution de ces variables pour assurer la validit des infrences tires de ltude. Dans des expriences (et aussi dans certaines tudes par observation), il est aussi possible dutiliser lappariement en association avec la randomisation. En outre, la randomisation donne une base de calcul des probabilits appropries derreur dans linfrence. La capacit de matriser les confusions et dliminer les sources dassociations fausses. La plupart des autres facteurs qui interfrent avec lassociation tudie, peuvent tre matriss plus facilement dans des expriences (surtout chez les animaux) que dans des tudes par observation.
16
La capacit de dterminer la squence temporelle. Il est plus facile de dterminer quelles variables prcdent et lesquelles sont les consquences dune intervention dans des tudes exprimentales que dans certaines tudes analytiques, en particulier les tudes cas-tmoins et les tudes de cohortes. La capacit de rpliquer les rsultats. Les expriences sont souvent plus faciles rpliquer que les tudes par observation. La rplication satisfait les exigences de constance dans la confirmation de la causalit. Cependant, dans la pratique peu dessais cliniques sont exactement rpliqus.
Tout bien considr, la preuve dune relation de causalit est plus irrfutable si elle provient dune tude exprimentale soigneusement excute, car les facteurs de la slection qui par inadvertance biaisent les tudes par observation, peuvent tre virtuellement limins par le processus de randomisation. Toutefois, il existe dautres sources de biais qui ne sont pas automatiquement cartes par la randomisation. On tend parfois oublier les limitations de la dmarche exprimentale, car les avantages impressionnants des expriences ont conduit certains rejeter les preuves de causalit si elles ne sont pas bases sur lexprimentation. Si nous tions tenus lapproche exprimentale seule, cependant, nous devrions abandonner la plupart des preuves qui ont permis de raliser des progrs significatifs dans le domaine de la sant publique. Les expriences prsentent aussi les limitations suivantes : Manque de ralisme. Dans la plupart des situations humaines, il est impossible de randomiser tous les facteurs de risque en dehors de ceux tudier. Les mthodes par observation sappliquent des situations plus ralistes. Difficult dextrapolation. Les rsultats dexpriences sur un modle animal, expriences qui sont contrles rigoureusement, ne peuvent pas tre extrapols directement aux populations humaines. Problmes dthique. Dans lexprimentation humaine, soit les individus sont exposs dlibrment des facteurs de risque (dans les tudes tiologiques), soit le traitement est dlibrment cart pour les cas tudis (essais dintervention). La mme question dthique se pose lorsquil sagit de tester lefficacit ou les effets secondaires de nouveaux traitements sans valuation critique dans un petit groupe de sujets humains (voir aussi la chapitre 10).
17
Difficult de manipuler la variable indpendante. Par exemple, il est virtuellement impossible daffecter au hasard lhabitude de fumer au groupe exprimental et au groupe tmoin. Manque de reprsentativit des chantillons. Beaucoup dexpriences portent sur des populations captives ou des volontaires, qui ne sont pas ncessairement reprsentatifs de la population en gnral. Les expriences entreprises dans les hpitaux (o la dmarche exprimentale est la plus praticable et frquemment pratique) souffrent de plusieurs sources de biais dans la slection.
2.4
tudes descriptives Dfinition Lorsquune tude pidmiologique na pas la structure formelle dune tude analytique ou dune tude exprimentale, autrement dit, lorsquelle na pas pour objet spcifique de tester une hypothse, elle est dite tude descriptive et fait partie des tudes par observation. La richesse des informations obtenue dans la plupart des tudes descriptives permet la gnration dhypothses quon peut ensuite tester par un plan dtude analytique ou exprimentale. Une enqute, telle une enqute de prvalence, correspond aussi la dfinition dune tude descriptive puisquelle englobe les composantes dune tude descriptive. Le droulement dune tude descriptive Une tude descriptive ncessite la collecte, lanalyse et linterprtation de donnes. On peut faire appel des techniques qualitatives et quantitatives laide de questionnaires, dinterrogatoires, des observations de participants, de statistiques des services, ainsi que de documents donnant des renseignements sur des communauts, des groupes, des situations, des programmes et dautres units individuelles ou cologiques. Le trait caractristique de cette catgorie dtudes est quelle sattache avant tout dcrire une situation plutt qu tester une hypothse ou rechercher une causalit. Cependant, la dmarche descriptive peut tre intgre ou ajoute aux mthodes utilises dans ces deux derniers cas car elle permet denrichir considrablement la base de donnes.
18
Types dtudes descriptives Sries de cas Ce type dtude est bas sur les comptes-rendus dune srie de cas dune pathologie donne ou dune srie de cas traits, sans affectation spcifique dun groupe tmoin. Dans ce type dtude on ne considre que le nombre de cas de la maladie, qui reprsente le numrateur, si bien quil ne doit pas servir pour faire une valuation de risques. Quelquefois pour mettre en valeur ses rsultats, un clinicien prsente le calcul dune distribution proportionnelle pour une telle srie, cest--dire les pourcentages du nombre total de cas qui appartiennent telle tranche dge, tel sexe ou tel groupe ethnique. Ces valeurs ne sont pas des taux car le dnominateur dans le calcul est toujours le nombre de cas de la srie et non pas la population risque. Diagnostic ou valuation des besoins dune communaut Ce type dtude ncessite la collecte de donnes sur la situation actuelle concernant les problmes sanitaires, programmes de sant, progrs raliss, contraintes, couches sociales, forces vives, noyaux de rsistance ou de forte prvalence ou groupes particulirement exposs. Son but est didentifier les besoins et de fournir les donnes de base qui orienteront les tudes complmentaires ou les actions mener. Description pidmiologique des cas de maladies On adopte souvent lapproche descriptive cette fin. Il faut recueillir des donnes sur le nombre de cas et sur la rpartition de la maladie dans des populations en fonction de certaines caractristiques spcifiques des individus (par exemple, ge, sexe, niveau dinstruction, consommation de tabac, religion, profession, catgorie sociale, tat civil, sant, personnalit) ; en fonction du lieu (rural ou urbain, local, rgional, national, international) ; et en fonction du facteur temporel (pidmique, saisonnier, cyclique, sculaire). Une description peut porter aussi sur des caractristiques familiales : rang de naissance, nombre denfants, taille de la famille, ge maternel, espacement des naissances, composition de la famille.
19
Enqutes transversales descriptives ou enqutes de population (communaut) Comme son nom lindique, une enqute transversale ncessite la collecte de donnes sur une coupe transversale dune population, qui peut tre la population totale ou une partie (chantillon) de la population. Beaucoup denqutes transversales ne cherchent pas tester une hypothse concernant une association, et appartiennent donc la catgorie des tudes descriptives. Elles fournissent un taux de prvalence un moment donn dans le temps (prvalence ponctuelle) ou sur une priode de temps (prvalence priodique). La population risque, objet de ltude, sert de dnominateur pour le calcul des taux de prvalence. Dans ce type dtude descriptive on retrouve les enqutes dvaluation de la distribution dune maladie, dune incapacit, dun tat pathologique, dune condition immunologique, dun tat nutritionnel, de ltat physique, de lintelligence et ainsi de suite. On peut suivre le mme plan dtude dans la recherche sur les systmes de sant pour dcrire la prvalence par certaines caractristiques la tendance dutilisation des services de sant et de lobservance ou dans des sondages dopinion. Une pratique gnralise dans les services de planification familiale et dans dautres services est lenqute KAP (enqute sur les connaissances, les attitudes et la pratique). tudes descriptives cologiques Lorsque lunit dobservation est un agrgat (par exemple, une famille, un clan ou une cole) ou une unit cologique (un village, une ville ou un pays) ltude devient une tude descriptive cologique. Comme nous lavons dj soulign, en rgle gnrale le test dhypothse nest pas un objectif de ltude descriptive. Cependant, dans certaines des tudes cites plus haut (enqutes transversales, tudes cologiques) un test dhypothse peut trouver sa place. Dautre part, la description des donnes fait partie intgrante de ltude analytique.
20
2.5
Stratgies analytiques en pidmiologie Lorsque le principal objectif dune tude par observation est dtablir la relation (association) entre un facteur de risque (agent tiologique) et un rsultat (maladie), cette tude est dite analytique (ou causale). Dans ce type dtude, le test dhypothse est le premier outil dinfrence. La dmarche essentielle dans une tude analytique est dlaborer une hypothse spcifique susceptible dtre mise lpreuve et de faire un plan dtude qui permet de matriser les variables parasites ventuelles qui risqueraient de confondre la relation observe entre le facteur tudi et la maladie. Cette dmarche varie en fonction de la stratgie analytique adopte. 2.5.1 Enqutes cas-tmoins En pidmiologie, la stratgie analytique la plus simple et la plus souvent adopte fait appel ltude comparative cas-tmoins. Essentiellement, elle consiste tablir les causes de maladies en recherchant les relations ou associations entre lexposition un facteur de risque et lapparition de la maladie. Son plan est relativement simple mais toujours rtrospectif se basant sur les antcdents des cas et des tmoins en matire dexposition au risque. Dans ce type dtude, on recherche une association en comparant lexposition dune srie de cas de la maladie concerne avec la situation dexposition de groupes tmoins soigneusement slectionns qui sont exempts de cette maladie (Figure 2.1). Lanalyse des donnes permet de dterminer si les conditions dexposition des cas taient diffrentes de celles des tmoins. Le facteur de risque sest produit ou a commenc dans le pass, probablement avant lapparition de la maladie, par exemple, lhabitude de fumer ou une infection antrieure ou la prise dun mdicament. On recueille les donnes relatives lexposition en se renseignant sur les antcdents et/ou en consultant les dossiers mdicaux. Parfois le facteur ou lattribut incrimin est une condition permanente, comme le groupe sanguin, que lon dtermine par un examen clinique ou de laboratoire. Une frquence plus leve de lattribut ou du facteur de risque chez les cas de maladie que chez les tmoins indique une relation entre celui-ci et la maladie/pathologie. Cette relation peut avoir une signification tiologique. Autrement dit, si la proportion des cas de maladie ayant des antcdents en matire dexposition, ou des dossiers indiquant une exposition par le pass, est plus leve que celle des tmoins, on peut considrer que le facteur ou lattribut est un facteur causal.
21
FIGURE 2.1 PLAN DTUDE DUNE ENQUTE CAS-TMOINS
exposs (avec le facteur de risque ou la caractristique) Cas (avec la pathologie) non exposs (sans le facteur de risque ou la caractristique)
exposs (avec le facteur de risque ou la caractristique) Tmoins (sans la pathologie) non exposs (sans le facteur de risque ou la caractristique) Exemple Chiqueurs de tabac Cas de cancer de la bouche Non chiqueurs de tabac
Chiqueurs de tabac Cas exempts de cancer de la bouche Non chiqueurs de tabac
22
Slection des cas Les cas slectionns pour ltude doivent correspondre une dfinition prcise en matire de type histologique et dautres caractristiques particulires de la maladie, comme la date de diagnostic, le lieu gographique, entre autres. Les cas qui ne correspondent pas ces critres doivent tre carts de ltude. Cette dmarche est particulirement efficace dans le cas de maladies rares car la slection comprendra normalement tous les cas qui rpondent aux critres de ltude dans un milieu donn et dans une priode donne. On aura ainsi un nombre suffisant de cas tudier sans avoir attendre lapparition de nouveaux cas de la maladie sur une priode plus ou moins longue. Pour des raisons de commodit et daccs aux dossiers, les cas slectionns dans les tudes cas-tmoins proviennent souvent dun milieu hospitalier, des cabinets de mdecins libraux ou des registres de dclaration des maladies. Sur une priode donne, on prfrera les cas rcemment diagnostiqus (les cas dincidence) aux cas de prvalence, ce qui permet dliminer la possibilit dune exposition au facteur de risque tudi aprs lapparition de la maladie chez des patients qui vivent depuis longtemps avec la maladie. Les cas slectionns pour ltude doivent favoriser lacquisition de rsultats fiables et valables. On suivra donc les directives suivantes pour la slection des cas dans une tude cas-tmoins : a. nonc clair des critres de slection pour ltude (la dfinition dun cas) et des critres dexclusion de ltude, afin damliorer la validit des rsultats ; Les cas peuvent provenir de : tous les cas dadmission ou de sortie dun hpital, dun dispensaire ou dun cabinet de mdecin libral au cours de la priode spcifie ; tous les cas signals ou diagnostiqus pendant une enqute ou un programme de surveillance au cours dune priode spcifie ; des cas dincidence ou diagnostiqus rcemment ; des cas dincidence dans une tude de cohorte en cours ou dans une cohorte professionnelle (appele parfois tude cas-tmoins embote) ;
b.
23
c. d.
des cas de mortalit lorsque les causes de dcs sont indiques et dautres critres de ltude sont satisfaits ; des cas individuels rpondant un rsultat prescrit en termes de sant ;
Si le nombre de cas est trop important, on peut utiliser un chantillon respectant les rgles de probabilit ; Les cas slectionns pour ltude doivent tre reprsentatifs de tous les cas de la maladie en considration.
Slection des tmoins. Il est essentiel de crer un ou plusieurs groupes tmoins de personnes exemptes de la maladie ou de la pathologie tudie pour pouvoir valuer la frquence de lattribut ou du facteur de risque et la comparer la frquence chez les cas de maladie. Cest ltape la plus importante de ltude cas-tmoins, puisquune slection de tmoins biaise peut invalider les rsultats de ltude. Le biais dans la slection des tmoins est souvent la principale source de proccupation dans lanalyse des donnes dune enqute cas-tmoins. a. Les groupes tmoins de comparaison peuvent provenir de : un chantillon reprsentatif dune population dfinie, si les cas tudis sont tirs de cette population dfinie ; un chantillon de patients admis ou prsents dans le mme tablissement que les cas tudis ; un chantillon prlev parmi les parents ou les relations des cas tudis (tmoins de voisinage) ; un groupe de personnes slectionnes partir de la mme source de population que les cas tudis et apparies aux cas tudis pour les variables pouvant introduire des facteurs de confusion ; une slection base sur dautres facteurs de risque que le facteur tudi ;
b.
La slection de tmoins peut comprendre un appariement bas sur dautres facteurs de risque : Lappariement signifie que le choix des tmoins se fait en fonction de caractristiques identiques (ou trs analogues) celles des cas tudis lexception de la
24
maladie ou du facteur de risque en considration. Ces caractristiques sont celles qui auraient pour effet de confondre le facteur de risque incrimin, cest--dire des caractristiques reconnues pour leur relation avec la maladie et qui peuvent tre associes au facteur de risque tudi. Le but de lappariement est dassurer la comparabilit de ces caractristiques chez les deux groupes, de sorte que lassociation observe entre le facteur de risque incrimin et la maladie ne soit pas perturbe par une distribution diffrente de ces autres caractristiques. Habituellement lappariement se fait pour lge, le sexe, la race et le niveau socio-conomique dans les tudes cas-tmoins relatives une maladie, car tous ces facteurs influencent lincidence de la plupart des maladies. Lappariement se fait titre individuel (paires apparies) ou pour lensemble du groupe (frquences apparies). Lappariement individuel est prfrable car il facilite la prise en compte de lappariement dans lanalyse. Les inconvnients de lappariement sont une perte de prcision et un excs dappariement, entre autres. De plus, une fois fix le plan dappariement, la variable utilise pour lappariement nest plus prise en considration dans ltude. Il nest donc plus possible dtudier sa relation tiologique avec la maladie. A titre dexemple, si dans une tude sur le cancer du sein lappariement des groupes se fait sur ltat civil, marie ou clibataire, il nest plus possible de savoir si le risque dun cancer du sein est plus lev pour les femmes maries ou pour les clibataires. De nombreux pidmiologistes prfrent conduire des tudes sans appariement et utiliser des mthodes statistiques pour corriger une confusion ventuelle au moment de lanalyse. Cette approche augmente la prcision de ltude et laisse ouverte la possibilit dexaminer des interactions ventuelles. La slection de tmoins par chantillonnage alatoire sans appariement offre plus de libert de manoeuvre pour tudier diverses interactions. Le plus important est de recueillir des informations sur les facteurs confusionnels potentiels afin den corriger les effets lors de lanalyse. c. Le nombre de groupes tmoins peut varier. Il est souvent souhaitable davoir plusieurs groupes tmoins reprsentant des conditions pathologiques autres que celle tudie et/ou des
25
groupes non hospitaliss. Lemploi de groupes tmoins multiples prsente trois avantages : Si la frquence de lattribut ou du facteur de risque nest pas diffrente dun groupe tmoin un autre, mais est constamment plus faible que dans le groupe du cas tudi, la cohrence interne de lassociation est renforce. Si le groupe tmoin est compos de patients qui souffrent dune autre maladie associe de faon indpendante au mme facteur de risque, lcart des frquences entre le groupe de cas de la maladie tudie et le groupe tmoin a toutes les chances dtre cach. Le recours un autre groupe tmoin en parallle va permettre de sauver le projet de recherche. Les groupes tmoins multiples permettent un contrle du biais.
Un exemple classique de leffet important du mauvais choix des tmoins sur les conclusions dune tude cas-tmoins est celui de ltude de Pearl en 1929. Pearl a compar 816 tumeurs malignes identifies chez 7500 cas autopsis lHpital Johns Hopkins Baltimore, Maryland, tats-Unis, avec 816 tumeurs bnignes chez des cas autopsis (tmoins) qui taient apparis au moment du dcs pour lge, le sexe, la race et la date de dcs. On constatait des lsions indicatives dune tuberculose active chez 6,6 % des cas tudis et chez 16,3 % des tmoins, do on tirait la conclusion quil y avait antagonisme entre la tuberculose et le cancer. Lexprimentation sur animal na aucunement corrobor cette conclusion. Une explication des faits constats par Pearl est que son groupe tmoin comprenait par inadvertance beaucoup de tuberculeux dcds du fait que lautopsie tait plus frquente pour les dcs par tuberculose que pour les dcs dus une autre cause. Son groupe tmoin ntait donc pas reprsentatif de la population des patients dcds. Collecte de donnes sur lexposition et dautres facteurs. Le recueil de donnes se fait souvent par interrogatoires, questionnaires et/ou examen de dossiers. Parfois on procde des examens cliniques ou de laboratoire, mais ceci nest pas toujours possible, notamment lorsque les cas tudis comprennent des cas anciens et ventuellement des cas mortels. On doit prendre les prcautions suivantes dans le choix dune stratgie de collecte de donnes :
26
Les observations doivent tre objectives ou, si elles proviennent dune enqute, normalises avec rigueur ; Lexaminateur ou lenquteur ne doit pas savoir si un sujet appartient au groupe tudi ou au groupe tmoin (mthode aveugle) ; La mme procdure doit tre suivie pour tous les groupes (mme interrogatoire, mme cadre).
Enqutes cas-tmoins facteurs multiples La forme habituelle de lenqute cas-tmoins considre un seul facteur ou un seul attribut la fois. Cependant, il nest pas exclu dtudier plusieurs facteurs dexposition dans la mme tude. Par exemple, une tude mene dans trois tats des tats-Unis ayant une population de 13 millions comportait une enqute par interrogatoire auprs de toutes les mres denfants leucmiques gs de 1 4 ans (cas diagnostiqus entre 1959 et 1967). Un chantillon de 13 000 autres femmes servait de groupe tmoin. Quatre facteurs ont t tudis, deux relatifs la priode avant la conception (exposition aux rayonnements, et checs antrieurs de la reproduction) et deux relatifs la priode aprs la conception (irradiation in utero et infection virale pendant la grossesse). Lanalyse a dmontr que chaque facteur tait li la leucmie chez leurs enfants (Gibson et col. 1968). Une poursuite de lanalyse a port sur laction conjointe de facteurs, dans laquelle lestimation du risque relatif en labsence de lun quelconque des quatre facteurs tait gal 1,0 (voir Tableau 2.1).
TABLEAU 2.1 ESTIMATION DES RISQUES RELATIFS DE LEUCMIE CHEZ LES ENFANTS DE 1 4 ANS POUR DIFFRENTES ASSOCIATIONS DE FACTEURS DE RISQUE
Nombre de facteurs antrieurs la conception
Nombre de facteurs postrieurs la conception Aucun Un 1,1 1,6 3,1 Deux 1,8 2,7 4,6
Aucun Un Deux
1,0 1,2 1,9
27
Il est clair que la prsence de lensemble des quatre facteurs chez les femmes produit leffet le plus notable et quil existe une synergie entre ces facteurs. Avantages des enqutes cas-tmoins On cite ci-aprs quelques exemples des avantages des tudes cas-tmoins : Applicables lorsque la maladie tudier est rare, par exemple le cancer dun organe spcifique ; Relativement efficaces, avec un chantillon plus petit que dans le cas dune tude de cohorte ; Peu de problmes de perte de participation (attrition), comme dans un suivi avec examens priodiques o certains sujets refusent de cooprer ; Cest parfois la stratgie par observation la plus prcoce praticable pour dterminer une association (par exemple, administration de dithylstilbestrol chez la femme enceinte et ladnocarcinome vaginal cellules claires chez son enfant).
Amlioration de la validit des enqutes cas-tmoins Pour amliorer la validit dune tude on doit sassurer que : les cas tudis sont reprsentatifs de tous les cas dans un milieu donn ; les tmoins sont analogues aux cas tudis pour tous les facteurs de risque autres que le facteur tudi ; des tmoins multiples sont utiliss et donnent des rsultats constants ; les cas et les tmoins sont slectionns tout fait indpendamment de leur exposition au facteur de risque ; les sources de biais sont attnues ou quelles sont sans effet sur les rsultats (un exemple classique est ltude britannique de lassociation entre la consommation de tabac et le cancer du poumon par Doll et Hill, 1952). Aprs les interrogatoires des cas tudis et des tmoins, on a constat que le diagnostic de cancer chez certains des cas tudis tait erron. Une nouvelle analyse a
28
montr que lassociation navait pas chang, indiquant que, dans cette tude, la notification au patient de son cancer du poumon navait pas biais la faon de rpondre aux questions relatives la consommation de tabac) ; des tudes rptes dans des milieux diffrents et par des chercheurs diffrents se corroborent (par exemple, lassociation entre la consommation de tabac et le cancer du poumon est signale par plus de 25 chercheurs travaillant dans dix pays) ; il est possible de dmontrer une relation dose-effet ou un effet de gradient (par exemple, plusieurs tudes castmoins montrent que le cancer du poumon est fonction du nombre de cigarettes consommes par jour) ; enfin, on peut utiliser une stratgie trs puissante qui consiste en un plan dtude hybride o ltude cas-tmoins est embote dans une tude de cohorte sur une population dfinie.
Inconvnients et sources de biais des enqutes cas-tmoins. On rappelle ci-aprs certains des problmes lis aux tudes cas-tmoins : en labsence de dnominateurs pidmiologiques (la population risque) tout calcul des taux dincidence, et donc des risques attribuables, est impossible ; la squence temporelle est un problme srieux pour beaucoup dtudes cas-tmoins o il est impossible de savoir si lattribut a prcd la maladie/tat pathologique ou en est le rsultat ; la slection des cas tudis et des tmoins est trs sujette au biais. Ceci est particulirement grave lorsquun seul groupe tmoin est associ au facteur de risque tudi ; il peut tre trs difficile voire impossible dobtenir des informations sur lexposition si la priode de remmoration est longue. la survie slective, qui a un effet dans les tudes castmoins, peut biaiser la comparaison. Il ny a aucun moyen de savoir si lexposition tait identique pour ceux qui sont morts et ceux qui ont survcu ;
29
tant donn que la plupart des tudes cas-tmoins se droulent en milieu hospitalier, elles tombent dans le cadre du faux raisonnement de Berkson, cest--dire sont sujettes leffet des changements dans les politiques et des taux dadmission de ltablissement. un biais de mesures est possible, y compris par la remmoration slective ou lerreur de classification (des cas classs avec les tmoins, et rciproquement). Il existe aussi leffet de Hawthorne, selon lequel par le fait des interrogatoires rpts, les rpondants sont influencs par le fait dtre tudis. Les tudes cas-tmoins sont incapables de rvler dautres tats lis au facteur de risque : par exemple, dans une tude des effets secondaires des contraceptifs oraux, il faut connatre davance ces effets secondaires pour pouvoir tablir un plan dtude cas-tmoins.
2.5.2 tude de cohorte prospective (enqute exposs/non exposs) La stratgie classique des tudes de cohorte est de prendre au dpart une population de rfrence (ou un chantillon reprsentatif de celle-ci), dont certains individus prsentent des caractristiques ou des attributs dintrt pour ltude (groupe expos), tandis que dautres individus ne les prsentent pas (groupe non expos). Les deux groupes doivent tre exempts de la ou les pathologie(s) en considration au commencement de ltude. Lobservation des deux groupes se poursuit sur une priode donne afin de dcouvrir pour chaque groupe son risque de dvelopper la ou les pathologie(s) objet de ltude. Cette dmarche est illustre schmatiquement dans la figure 2.2. Caractristiques du plan dtude a. Slection dune cohorte : Une cohorte appartenant une mme communaut, dge et de sexe spcifiques ; Une cohorte ayant le mme facteur dexposition : radiologues, fumeurs, utilisatrices de contraceptifs oraux ; Une cohorte ayant la mme anne de naissance : coliers de premire anne ;
30
FIGURE 2.2 PLAN DTUDE DUNE ENQUTE DE COHORTES (PROSPECTIVE)
Dveloppent la maladie Avec facteur Ne dveloppent pas la maladie Population de rfrence chantillon Dveloppent la maladie Sans facteur Ne dveloppent pas la maladie
Exemple
Dveloppent le cancer de la bouche Chiquent Ne dveloppent pas le cancer de la bouche Population exempt de cancer de la bouche chantillon Dveloppent le cancer de la bouche Ne chiquent pas Ne dveloppent pas le cancer de la bouche
31
Une cohorte ayant la mme profession : mineurs ; militaires ; Une cohorte ayant le mme tat civil (mari, clibataire) ; Une cohorte de mme diagnostic ou de mme traitement : cas traits par radiothrapie, par chirurgie, par traitement hormonal.
La procdure habituelle est de situer ou didentifier la cohorte, qui peut tre la population totale dune rgion ou un chantillon de celle-ci. b. Donnes recueillir : c. Donnes sur lexposition considre dans les hypothses de ltude ; Donnes sur le rsultat considr dans les hypothses de ltude ; Caractristiques de la cohorte qui risquent de confondre lassociation tudie.
Mthodes de collecte des donnes : On emploie diffrentes mthodes, qui doivent se prolonger dans le temps, pour recueillir les donnes mentionnes ci-dessus. Ces mthodes comprennent : Les enqutes avec interrogatoires et des procdures de suivi ; Les dossiers mdicaux qui sont contrls au cours du temps ; Les examens mdicaux et les essais de laboratoire ; Regroupement des archives avec les ensembles de donnes dexposition et avec les ensembles de donnes de rsultat : par exemple, donnes sur le travail pass dans les mines avec les donnes de mortalit des archives nationales de mortalit.
Dans une tude de cohorte classique, on effectue souvent une enqute transversale pralable afin dexclure les individus qui prsentent dj le rsultat considr (maladie) et didentifier la cohorte exempte de la maladie.
32
Mesures de frquence. Dans les tudes de cohorte on utilise couramment deux mthodes pour mesurer lincidence de la maladie (tat pathologique) tudie : a. Incidence cumule Cet indicateur de la frquence dune maladie est bas sur la population totale risque qui tait, au commencement de ltude, exempte de la maladie tudie. On calcule lincidence de la maladie pour chaque niveau dexposition au facteur de risque, lincidence tant le nombre de cas ou dvnements nouveaux au cours de la priode dobservation, rapport la population totale risque au cours de la mme priode. La mesure dincidence donne une estimation de la probabilit ou du risque de dvelopper la maladie chez tous les membres du groupe, inclus dans ltude son commencement, qui taient susceptibles de dvelopper la maladie. Comme la mesure est obtenue par le cumul de tous les nouveaux cas dans la population totale risque, on a adopt le terme de incidence cumule. Lincidence cumule est une proportion mais nest pas un taux. Elle peut varier de 0 1, cest--dire quentre 0 % et 100 % de la population risque peut dvelopper la maladie. Cette mesure de la frquence de la maladie se calcule comme si la mme priode dobservation sappliquait toutes les units ou tous les individus de la population, mais les nouveaux cas qui ont dvelopp la maladie ne font plus partie de la population risque. b. Densit dincidence, ou taux dincidence, ou incidence instantane (approche personne-temps) Cette approche amliore la mesure classique de lincidence puisquelle tient compte non seulement du nombre dindividus observs mais galement de la dure de lobservation de chaque individu. Ainsi, si lobservation de 30 individus se droule de la faon suivante : 10 pendant deux ans, 5 pendant trois ans, et 15 pendant quatre ans, leurs parts respectives sont de (10x2)+(5x3)+(15x4) soit un total de 95 personnes-anne dobservation. Cette dernire valeur devient le dnominateur alors que le numrateur est le nombre de nouveaux cas observs dans le groupe au cours de la priode spcifie. On obtient
33
ainsi un taux dincidence exprim en personnes par anne, qui sappelle la densit dincidence (ou incidence instantane). La valeur personnes par anne ne correspond pas un nombre dfini de personnes : 400 personnes/anne dobservation peut correspondre 400 personnes observes pendant une anne ou 40 personnes observes chacune pendant 10 ans. Cette mesure a deux inconvnients : il est souvent difficile de dterminer le moment prcis de lapparition de la maladie ; la maladie ne progresse pas ncessairement taux constant au cours du temps. Les mesures essentielles utilises avec profit dans les tudes de cohorte sont le risque relatif (RR), le risque attribuable (RA), le risque attribuable dans la population (RAP), et le risque attribuable chez les exposs ou la fraction tiologique (FE). Ces mesures seront traites en dtail au chapitre 7. Avantages des tudes de cohorte Parmi les avantages dune tude de cohorte par rapport une tude cas-tmoins, on peut citer : Comme la population risque est bien dfinie, les tudes de cohorte permettent une mesure directe du risque relatif de dvelopper ltat pathologique chez la population expose au facteur de risque par rapport la population non expose ce facteur, grce aux mesures dincidence calcules sparment pour chaque population. Dans une tude de cohorte, on sait que la caractristique ou facteur de risque prcde lapparition de la maladie, puisque tous les sujets sont exempts de la maladie au commencement de ltude. Ceci est une condition ncessaire (mais non suffisante) pour conclure une relation de cause effet. tant donn que la prsence ou labsence du facteur de risque est constate avant lapparition de la maladie, on ne risque pas dintroduire un biais par le fait que le sujet apprend son tat pathologique, comme cela se produit dans les tudes cas-tmoins. Il y a aussi un moindre risque de problmes de survie slective ou de remmoration slective, bien quun biais li la slection ne soit pas totalement cart puisque
34
certains sujets qui tombent malades au dbut de ltude ne sont plus pris en considration. Les tudes de cohortes peuvent identifier dautres maladies ventuellement associes au mme facteur de risque. Contrairement aux tudes cas-tmoins, les tudes de cohorte permettent destimer des risques attribuables, indiquant ainsi la part absolue de la maladie attribuable au facteur de risque. En prenant un chantillon respectant les rgles de probabilit dans la population de rfrence, il est possible dextrapoler de lchantillon la population de rfrence avec un degr de prcision connue.
Inconvnients des tudes de cohorte Parmi les inconvnients des tudes de cohorte on peut citer : Ces tudes sont de longue dure ce qui pose un problme de faisabilit ; elles sont relativement peu efficaces pour ltude de pathologies rares. Elles sont exigeantes en temps, en personnel, en locaux, et en planification de suivi des patients. La taille des chantillons requise pour une tude de cohorte est trs grande ; en particulier pour des pathologies rares, il est difficile de constituer et de grer des chantillons de la taille ncessaire. Le problme le plus grave est celui de lattrition, ou la perte deffectif dans les groupes exposs et non exposs au cours de la dure de ltude par suite de migration ou de refus de continuer de participer ltude. Lattrition peut entacher la validit des rsultats, si elle a pour effet de rendre les chantillons moins reprsentatifs ou si les patients qui participent au suivi sont diffrents de ceux qui ont abandonn. Plus la perte deffectif est leve (suprieure 10-15 %) plus grand sera le risque de rsultats biaiss. Le risque dattrition existe aussi pour les chercheurs. Ils peuvent se dsintresser de ltude, changer dactivit, ou se consacrer un autre projet de recherche.
35
Au cours dune longue priode, on assiste beaucoup de changements de lenvironnement, chez les personnes comme dans la nature de lintervention, et ceux-ci peuvent crer une confusion en ce qui concerne lassociation ou le risque attribuable. Au cours dune longue priode, le protocole de ltude peut influencer le comportement des patients tudis de faon modifier lvolution de la maladie (effet Hawthorne). Cet effet se produit surtout dans les tudes o il y a beaucoup de contacts avec les participants, par exemple dans les tudes de rgime ou de contraception. En raction aux interrogatoires rpts, les participants modifient leur rgime ou changent de mthode de contraception. Les changements de comportements posent aussi un problme srieux dans les sondages dopinion, les tudes dacceptabilit et les enqutes de nature psychologique, comme les tudes sur les squelles psychologiques de la strilisation. Un problme thique trs proccupant peut se poser si lon constate que le surnombre de cas de maladies de la population expose est trs significatif avant la fin de la priode de suivi.
Il faut souligner que, mme si une tude de cohorte est proche de lessai randomis (exprience) du point de vue de sa puissance pidmiologique, elle peut avoir des problmes de validit. Il faut prendre soin de sassurer quelle satisfait aux autres exigences de la recherche pidmiologique, en particulier pour ce qui concerne le choix de lchantillon, la constitution des groupes de comparaison, le traitement des donnes manquantes, la mise en oeuvre de mthodes statistiques appropries, et dautres exigences de base dun plan de recherche solide. 2.5.3 tude de cohorte historique Dans une tude de cohorte prospective les chercheurs, ou leurs remplaants, sont normalement prsents depuis le commencement et jusqu la fin de la priode dobservation. On peut conserver les avantages de ltude de cohorte sans la contrainte de la prsence permanente des chercheurs et sans la ncessit dattendre longtemps pour la collecte des donnes par ladoption dune tude de cohorte historique. La figure 2.3 reprsente un plan dtude de cohorte historique.
36
FIGURE 2.3 PLAN DTUDE DUNE ENQUTE DE COHORTES HISTORIQUE
Maladie Avec la caractristique Sans maladie Population risque chantillon
Maladie Sans la caractristique Sans maladie
Lenqute commence ici et reconstruit le pass de lexposition et de lvolution de la maladie
Dure
>
37
Une tude de cohorte historique nest possible que si des archives ou des donnes disponibles permettent de reconstituer une cohorte expose un facteur de risque incrimin et de faire le suivi de sa mortalit ou de sa morbidit au cours du temps. Autrement dit, bien que le chercheur nait pas assist lidentification initiale du facteur de risque, il reconstitue partir des archives les populations exposes et non exposes, et poursuit ltude comme il le ferait pour une tude suivie depuis le commencement. Les tudes de cohorte historiques partagent plusieurs des avantages de ltude de cohorte prospective. En fait, si toutes les conditions sont satisfaites, une tude de cohorte historique saffranchit des inconvnients de cot et de dure de ltude prospective. Elle a nanmoins dautres inconvnients : Certaines des variables pertinentes peuvent manquer dans les dossiers dorigine. Il peut tre difficile de prouver que la population tudie tait exempte de la pathologie au commencement de ltude de comparaison. Ce problme ne se pose pas, toutefois, si lindicateur de la maladie est le dcs. Des problmes dattrition se posent avec la perte darchives, des dossiers incomplets, ou des difficults pour retrouver tous les sujets de la population dorigine pour la poursuite de ltude. Une telle tude exige un esprit inventif pour identifier les populations adaptes et acqurir des informations fiables concernant lexposition et dautres facteurs pertinents. On peut citer parmi de tels groupes de population les membres dune mutuelle dassurance sociale, les militaires, les travailleurs de lindustrie (comme les mineurs), les membres des syndicats professionnels, des syndicats ouvriers, etc.
2.5.4 tude de cohorte pronostique Les tudes de cohorte pronostiques sont un type spcial dtude de cohorte utilis pour identifier des facteurs qui peuvent influencer le pronostic aprs un diagnostic ou un traitement. Ce sont des tudes de suivi caractrises par le fait que : La cohorte est compose de cas diagnostiqus une date prcise, ou traits une date prcise par une intervention mdicale ou chirurgicale, un programme de rducation, ou de radaptation psychologique ou professionnelle.
38
Par dfinition, ces cas ne sont pas exempts de la maladie concerne, comme dans ltude de cohorte classique (mais ils sont exempts du rsultat concern). Le rsultat concern est en gnral la survie, la gurison, lincapacit, la radaptation professionnelle, ou la rechute.
2.5.5 Enqute analytique transversale Dans une enqute analytique transversale, le chercheur mesure lexposition et la maladie simultanment sur un chantillon reprsentatif de la population. En prenant un chantillon reprsentatif, il est possible dextrapoler les rsultats obtenus pour lchantillon la population dans son ensemble. Les tudes transversales mesurent lassociation entre la variable exposition et la maladie prsente (prvalence), alors que les tudes de cohorte mesurent le taux de progression de la maladie (incidence). Les maladies rares, les tats pathologiques de courte dure, les maladies ltalit leve, peuvent chapper limage instantane saisie par lenqute transversale. Ces enqutes transversales sont mieux adaptes la mesure de la relation entre des caractristiques semi-permanentes des individus et des maladies chroniques ou tats pathologiques stables.
FIGURE 2.4 PLAN DTUDE DUNE TUDE TRANSVERSALE
Exposition et maladie
Exposition et exempt de maladie Population de rfrence chantillon
Pas dexposition avec maladie
Pas dexposition exempt de maladie
39
Plan dtude La figure 2.4 reprsente le plan dune enqute transversale. A partir dune population de rfrence on prend un chantillon randomis. On recueille en mme temps les donnes relatives au facteur ou la caractristique de risque et ltat pathologique. Avantages de lenqute transversale Parmi les avantages des enqutes transversales on peut citer : Le grand avantage des enqutes transversales compares aux tudes cas-tmoins est le fait quelles disposent au dpart dune population de rfrence do elles prlvent les cas et les tmoins. Elles peuvent tre de courte dure, donc moins coteuses que des tudes prospectives. Elles constituent la premire tape dune tude de cohorte prospective pour dpister et liminer les cas prsentant dj ltat pathologique. Elles fournissent une grande quantit de donnes trs utiles pour la recherche sur les systmes de sant. Elles permettent de formuler un nonc du risque mais qui manque de prcision.
Les inconvnients de lenqute transversale sont les suivants : Elles ne permettent pas une estimation directe du risque. Elles sont sujettes au biais li la survie slective. Etant donn que lexposition et la maladie sont mesures au mme moment au cours du temps, il nest pas possible de dterminer la squence temporelle (cest--dire si lexposition ou la prsence dune caractristique prcde lapparition de la maladie ou de ltat pathologique).
2.5.6 Etudes cologiques Dans les tudes cologiques, le sujet de lobservation est un agrgat, un secteur administratif, un lot urbain, une ville, un pays, etc. Ces tudes peuvent tre : descriptives
40
aprs.
cas-tmoins transversales de cohortes exprimentales. Des formes particulires dtudes cologiques sont traites ci-
Analyse de lagrgat des chiffres nationaux Ces tudes consistent faire lanalyse de lagrgat des chiffres sur la corrlation entre un facteur tudi et une maladie (ou la mortalit due une cause spcifique) dans le lieu gographique concern. Elles ne donnent pas dinformation sur la situation dexposition des individus qui souffrent ou sont dcds de la cause spcifique. Cest le niveau dexposition pour lunit gographique ou le pays qui sert de mesure de remplacement pour tous les individus de lunit gographique ou du pays. Parmi les exemples on peut citer : la corrlation cologique de la consommation de cigarettes par habitant et le nombre de dcs imputables au cancer du poumon la corrlation cologique de la duret de leau et le nombre de dcs par maladies cardio-vasculaires cartographie de la frquence du cancer dans un pays et son interprtation par les responsables nationaux de la recherche sur le cancer Corrlation cologique du taux de natalit et de lactivit salarie des femmes.
Etudes cologiques par squences chronologiques Une varit dtude cologique ajoute un aspect chronologique en examinant, toujours sous forme dagrgat, si lintroduction dun nouveau facteur dans une zone gographique a t associe une augmentation de la morbidit ou de la mortalit, ou si une intervention sanitaire dans une zone gographique a diminu la morbidit ou la mortalit. Un bon exemple est ltude des certificats de dcs des femmes amricaines en ge de procrer entre 1961 et 1966 (Markush et Siegel, 1969) pour rechercher si une augmentation de la mortalit fminine par thrombo-embolie a suivi lintroduction des contraceptifs oraux en 1960-61.
41
Inconvnients et biais des tudes cologiques Lintrt de ces tudes est de permettre de formuler des hypothses et de servir de mthode dtude prliminaire et rapide dassociations. Elles ne peuvent pas servir de base pour tablir une infrence de causalit. Leur plus grand dfaut est le danger dun faux raisonnement cologique, lorsque les caractristiques de lunit gographique sont attribus tort aux individus. Dautres sources de confusion existent, car de nombreux facteurs de risque ont tendance se regrouper dans certaines zones gographiques. A titre dexemple, la pollution de lair, lindustrie lourde, le vieillissement de la population, et le surpeuplement sont tous associs aux grandes villes. La prsence de lindustrie lourde peut avoir peu ou pas de lien avec le dcs dun citadin par maladie cardiaque.
2.6
Comparaison des trois principales stratgies analytiques Les attributs essentiels des trois principales stratgies, ltude cas-tmoins, ltude de cohorte et lenqute transversale, sont rsums dans le Tableau 2.2. On notera quune exprience (un essai clinique, par exemple) prsente les mmes caractristiques quune tude de cohorte prospective, sous rserve que la variable exposition (en gnral une intervention) est attribue volontairement au groupe exprimental (groupe expos).
2.7
Choix de la stratgie Le Tableau 2.3 numre les lments de base qui dterminent le choix de lune des stratgies de recherche.
42
TABLEAU 2.2 COMPARAISON DES TROIS STRATGIES ANALYTIQUES
Attribut Cohorte Classification de la population Population exempte de la maladie, avec ou sans la caractristique Sans la maladie
Type de stratgie analytique Cas-tmoins Cas avec la maladie avec ou sans la caractristique ; et tmoins Indtrmin : la population source des cas est inconnue Transversale Population sans identification de la maladie ou de la caractristique Survivants un moment donn ou pendant une priode donne Contemporaine ou historique Relve en mme temps lassociation entre lexposition et la maladie Prvalence de la maladie chez les exposs et les non exposs Taux de prvalence (estimation approximative du risque relatif par OR) titre indicatif
chantillon reprsentatif
Squence temporelle
Prospective ou historique Compare les taux dincidence chez les exposs et les non exposs Incidence de la la maladie chez les exposs et les non exposs Risque relatif Risque attribuable
Rtrospective
Fonction
Compare la prvalence de lexposition chez les cas et chez les tmoins Prvalence de lexposition chez les cas et chez les tmoins
Rsultat
Mesure de risque
Rapport de chances (Odds Ratio) OR
Degr de preuve de causalit Biais
lev
Exige une analyse plus approfondie Plus compliqu et souvent trs difficile traiter
Facile traiter
Parfois trs difficile traiter
43
TABLEAU 2.3 CHOIX DUNE STRATGIE
Critre Pathologie rare Pour dterminer un risque prcis
Cohorte Peu pratique Meilleur choix
Cas-tmoins Biais Ne donne quune estimation
Transversale Ne convient pas Ne donne que la prvalence relative, pas lincidence Ne convient pas
Pour vrifier que lexposition prcde la pathologie Pour des buts administratifs Si lattrition pose problme Si la survie slective pose problme Si tous les facteurs ne sont pas connus Dure et cot
Meilleur choix
Ne convient pas
Ne convient pas
Ne convient pas
Meilleur choix
Ne convient pas
Attrition minimale en rgle gnrale Ne convient pas
Attrition possible avant ltude Ne convient pas
Meilleur choix
Meilleur choix
Ne convient pas
Moins adapt
Le plus coteux
Le moins coteux
Intermdiaire
2.8
Rfrences et pour en savoir plus
Doll, R. and Hill, A. B. A study of the aetiology of carcinoma of the lung. Brit Med J 1952;2. Gibson R. W. [et.al.]. Leukemia in children exposed to multiple risk factors. N England J of Med 1968; 279: 906-909. Kleinbaum, D. G., Kupper, L. L. and Morgenstern, H. Epidemiologic research: principles and quantitative methods. London: Lifetime Learning Publications, 1982. Markush, R. and Siegel, D. Oral contraceptives and mortality trends from thromboembolism in the United States. Amer J Public Health, 1969; 59: 418-434. Schlesselman, J. J. Case-control studies. New York: Oxford University Press, 1982.
44
Chapitre 3
tudes pidmiologiques descriptives
3.1
Introduction Comme on la vu dans le Chapitre 2, on conduit habituellement une tude pidmiologique descriptive comme pralable ltude analytique qui teste des hypothses. Dans les tudes descriptives, on tudie la morbidit ou la mortalit dans la population, et leur occurrence et leur rpartition au sein des groupes de population en fonction (1) des caractristiques des individus, (2) des caractristiques de lieu et (3) des caractristiques de temps. On recense le nombre des vnements (mortalit ou morbidit) et on identifie la population risque. Le calcul des pourcentages, des taux et des proportions sont des mesures de la probabilit de ces vnements. Il faut prendre soin dutiliser les mesures appropries et les bons dnominateurs pour dterminer ces mesures de probabilit. On procde ensuite la comparaison des mesures de probabilit pour diffrents sous-groupes de la population pour identifier les variables (temps, lieu et personne) qui pourraient expliquer la variabilit de la mortalit et la morbidit au sein des groupes de population et entre ces groupes. Dans ce chapitre, on traite des problmes majeurs rencontrs dans la ralisation dune tude descriptive.
3.2
Les diffrents types dtudes descriptives Sries de cas Ce type dtude est bas sur les constatations relatives une srie de cas dune pathologie donne ou une srie de cas traits, sans dsignation spcifique dun groupe tmoin. Le nombre de cas
45
Chapitre 3 : tudes pidmiologiques descriptives
de la maladie constitue le numrateur dans ltude, donc celle-ci ne doit pas servir pour faire une valuation de risques. Quelquefois la rpartition des cas en fonction de diffrences importantes des variables de temps, de lieu et dindividu, fournit dj une indication quant aux causes potentielles, ce qui peut conduire des tudes descriptives plus dtailles permettant de formuler des hypothses. On procdera alors une tude analytique formelle pour tester ces hypothses. titre dexemple, la premire tude sur le SIDA concernait une srie de cas San Francisco ; la distribution des cas tait limite presque exclusivement aux hommes homosexuels, ce qui conduisit suspecter une relation causale avec les comportements sexuels. Quand on signale une srie de cas de cholra dans une rgion particulire dun pays, une premire classification de la srie de cas fournit souvent une indication sur lorigine potentielle de lpidmie que des tudes analytiques ultrieures permettront de confirmer ou dinfirmer. Diagnostic ou valuation des besoins de sant publique Ce type dtude ncessite la collecte de donnes sur la situation actuelle concernant les problmes sanitaires, programmes de sant, progrs raliss, contraintes, couches sociales, forces vives, noyaux de rsistance ou de forte prvalence ou groupes particulirement exposs. Son but est didentifier les besoins et de fournir les donnes de base qui orienteront les tudes complmentaires ou les actions mener. Une description des problmes communs un sous-groupe particulier de la population (par exemple les SDF) et des moyens disponibles pour venir en aide cette population peut dboucher sur une action collective pour sensibiliser le public et pour mobiliser les ressources de la collectivit pour rsoudre ces problmes. Description pidmiologique de loccurrence dune maladie On adopte souvent lapproche descriptive cette fin. Il faut recueillir des donnes sur le nombre de cas et sur la rpartition de la maladie dans des populations en fonction de certaines caractristiques spcifiques des individus (par exemple, ge, sexe, niveau dinstruction, consommation de tabac, religion, profession, catgorie sociale, tat civil, sant, personnalit) ; en fonction du lieu (rural ou urbain, local, rgional, national, international) ; et en fonction du facteur temporel (pidmique, saisonnier, cyclique, sculaire). Une description peut porter aussi sur des caractristiques familiales : rang de naissance,
46
nombre denfants, taille de la famille, ge maternel, espacement des naissances, ou type de famille. Cest en fait lemploi le plus frquent de ltude pidmiologique descriptive. Les mesures de loccurrence de la maladie, par exemple lincidence et la prvalence, ou la mortalit, sont gnralement signales en provenance de plusieurs circonscriptions administratives. Un examen approfondi de ces statistiques descriptives permet de formuler des hypothses qui seront ensuite testes laide dtudes analytiques. Le choix des indicateurs est important pour la dtermination des risques, et sera trait plus loin dans ce chapitre. Enqutes transversales descriptives ou enqutes de population Comme son nom lindique, une enqute transversale ncessite la collecte de donnes sur une coupe transversale dune population, qui peut tre la population totale ou une partie (chantillon) de cette population. Beaucoup dtudes transversales ne cherchent pas tester une hypothse concernant une association, et appartiennent donc la catgorie des tudes descriptives. Elles fournissent un taux de prvalence un moment donn dans le temps (prvalence ponctuelle) ou sur une priode de temps (prvalence priodique). La population risque, objet de ltude, sert de dnominateur pour le calcul des taux de prvalence. Dans ce type dtude descriptive on retrouve les enqutes dvaluation de la rpartition dune maladie, dune incapacit, dun tat pathologique, du niveau de vaccination, de ltat nutritionnel, de ltat physique, de lintelligence et ainsi de suite. On peut suivre le mme plan dtude dans la recherche sur les systmes de sant pour dcrire la prvalence par certaines caractristiques - la tendance dutilisation des services de sant et de lobservance - ou dans des sondages dopinion. Une pratique gnralise dans les services de planification familiale entre autres est lenqute KAP (enqute sur les connaissances, les attitudes et la pratique). tudes descriptives cologiques Lorsque lunit dobservation est un agrgat (par exemple, une famille, un clan ou une cole) ou une unit cologique (un village, une ville ou un pays) ltude devient une tude descriptive cologique. Comme nous lavons dj soulign, en rgle gnrale le test dhypothse nest pas un objectif de ltude descriptive. Cependant, dans certaines des tudes cites plus haut (enqutes transversales,
47
tudes cologiques) un test dhypothse peut trouver sa place. Dautre part, la description des donnes fait partie intgrante de ltude analytique. 3.3 Mesures de lincidence et de la prvalence Ces mesures de la rpartition de loccurrence de la maladie sont certainement les indicateurs les plus utiliss pour caractriser la morbidit de la population. Lincidence mesure lapparition des nouveaux cas dune maladie, et la prvalence mesure tous les cas de la maladie prsents au temps dfini dans ltude. 3.3.1 Lincidence partir des tudes longitudinales Lincidence est une mesure de la frquence dapparition de nouveaux cas de la maladie, et du taux de dveloppement de la maladie chez les personnes exemptes de la maladie, pendant une priode dobservation dtermine. En rgle gnrale, lobservation porte sur une priode dune anne. Les principaux aspects de cette mesure sont les suivants : la ncessit de dfinir la population concerne ; on lappelle souvent la cohorte initiale ; toutes les personnes de la cohorte initiale doivent tre exemptes de la maladie ; une priode dobservation doit tre spcifie ; toutes les personnes doivent tre suivies pendant la priode dobservation spcifie ; si lon constate un suivi incomplet (certaines personnes suivies pendant une dure infrieure la priode spcifie), on doit ajuster les valuations des taux dincidence de manire approprie (cest--dire, on doit utiliser la densit dincidence plutt que lincidence cumule).
On utilise habituellement deux mesures de lincidence dans les tudes descriptives : lincidence cumule et la densit dincidence. Quand tous les individus dune population donne ont t suivis pendant la priode spcifie, le nombre de nouveaux cas divis par la population totale donne lincidence cumule. Il sagit dune proportion qui est une mesure du risque de contracter la maladie dans cette population au cours de la priode donne.
48
Si les priodes de suivi diffrent en fonction des diffrentes personnes, le dnominateur du calcul ci-dessus est remplac par le terme personne-temps (par exemple, si 100 personnes sont suivies pendant 6 mois, et 100 personnes sont suivies pendant un an, lobservation totale porte sur 1 800 personnes-mois ou 150 personnesanne). Lindicateur qui en rsulte sappelle la densit dincidence1, et donne une estimation de la probabilit instantane de contracter la maladie dans cette population. La classification par taux dincidence des diffrentes catgories de personnes, des lieux et des temps, est un moyen utile pour identifier les causes potentielles de la variation de lincidence (les facteurs de risque), qui serviront ventuellement pour vrifier ou consolider les rsultats dans des tudes ultrieures. 3.3.2 Lutilisation des taux dincidence pour la surveillance Traditionnellement, les organismes de sant utilisent les taux dincidence pour des besoins de la surveillance. On calcule les taux annuels dincidence et on dresse des courbes des variations qui permettent danalyser les tendances et didentifier les zones problme ventuelles. Par exemple, si le taux annuel dincidence de la tuberculose est stable depuis longtemps, et quune certaine anne on note une hausse brutale, on peut entreprendre des tudes pour rechercher les causes de ce changement et mettre en oeuvre des actions prventives. Pour certains vnements rcurrents, comme le rhume banal, les allergies ou lasthme, on utilise pour le numrateur le nombre des pisodes plutt que le nombre des cas. Parfois, le terme de taux de crises est utilis pour ce taux dincidence. (Voir J. Last. Dictionary of Epidemiology pour les diffrents emplois de ces termes). Les variations dincidence peuvent tre dues aux facteurs suivants : lintroduction dun nouveau facteur de risque (par exemple les contraceptifs oraux et laugmentation des thrombo-embolies, les additifs alimentaires et le cancer) ; le changement dhabitudes (par exemple lextension du tabagisme et le cancer du poumon, leau fluore et la diminution des caries dentaires) ;
Ou taux dincidence ou incidence instantane.
49
la modification de la virulence des organismes responsables (par exemple, les bactries pharmacorsistantes et les dcs dus aux infections, la rsistance aux mdicaments dans la prophylaxie du paludisme et la recrudescence du paludisme) ; lvolution dans lefficacit des traitements ou des programmes dintervention (par exemple la vaccination contre la rougeole a fait baisser lincidence de la rougeole, le relchement des campagnes contre les maladies vnriennes voit augmenter lincidence des maladies vnriennes) ; la migration slective de personnes prdisposes dans une rgion dendmie.
3.4
La prvalence La prvalence est une mesure de la situation dune maladie dans une population un moment prcis dans le temps ou pendant une priode dtermine. Cest la proportion de personnes atteintes par la maladie ce moment ou cette priode spcifique. La prvalence est une mesure trs utile pour des besoins administratifs, en particulier pour dterminer la charge de travail dun programme sanitaire. Elle est aussi utile pour le diagnostic de sant publique, cest--dire pour identifier les populations qui ont besoin de programmes particuliers ou dune action spcifique pour empcher la gnralisation de la maladie. Habituellement, les taux de prvalence sont obtenus par des tudes transversales telles que des enqutes de sant lchelle nationale. Occasionnellement, ils sont bass sur les registres de dclaration des maladies (au niveau national ou spcifiques une population). La prvalence dpend de lincidence antrieure (I) et de la dure de la maladie (D). Quand la fois lincidence et la dure sont relativement stables, la prvalence est gale : P = I x D. La prvalence peut varier au cours du temps en fonction : de la variation de lincidence ; des modifications de la dure et de la chronicit de la maladie (par exemple il est possible que certaines maladies durent moins longtemps ou deviennent plus aigus en raison dun pourcentage lev de gurison ou dun pourcentage lev de cas mortels) ; des programmes dintervention ; de lattrition slective (par exemple une migration slective des cas, ou des personnes prdisposes ou immunises) ; des changements de classification (ceci est particulirement
50
important si on utilise des statistiques nationales recueillies de faon systmatique pour contrler les tendances de la prvalence ; on modifie souvent le codage des donnes selon les diffrentes catgories de maladies, ce qui peut entraner des variations de la prvalence dues des erreurs de classification). 3.5 Exemples Les exemples suivants illustrent les diffrences entre lincidence et la prvalence, et le calcul des taux dincidence et de prvalence dans des situations simples : Exemple 1
Population, 1er janvier : 100 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 1er janvier Prvalence ponctuelle, le 1er jan Prvalence ponctuelle, le 1er juillet Prvalence ponctuelle, le 1er dc 1er juillet X X X X X X X X X X (dcds) X (migrs) X X (dcds) X X X X X X X X X X X X X
31 dcembre
= tous les cas par rapport la population totale = 4 % = tous les cas le 1er juillet par rapport la population le 1er juillet = 5 / (100 - 2) = 5,1 % = tous les cas le 31 dcembre par rapport la population le 31 dcembre = 4 / (100 - 4) = 4,2 %
Prvalence priodique pour lanne = tous les cas de lanne rapports la population du milieu de lanne = (4 + 11) / (100 - 2) = 15,3 % Incidence cumule = nouveaux cas au cours de lanne / personnes exemptes de la maladie la date du 1er janvier = 11 / (100 - 4) = 11,5 %
51
Exemple 2
Une population de 1000 femmes ges de 40 ans ou plus a subi un test de dpistage du diabte le 1er janvier 1998, et 40 cas ont t dtects. Au cours du deuxime semestre de lanne, cinq malades sont dcdes, cinq ont quitt la rgion et cinq ont guri. Au cours de cette mme priode, vingt nouveaux cas ont t dcels. On veut mesurer la morbidit imputable au diabte dans ce groupe pendant lanne 1998. Lorganigramme prsent dans la figure 3.1 illustre le droulement chronologique des vnements.
FIGURE 3.1 RSULTATS DU DPISTAGE DE DIABTE SUR LE TAUX DINCIDENCE
5 dcs
5 migrations 1 5 gurisons 40 cas 25 cas 1000 femmes 20 cas 2,3 960 exemptes de maladie 940 exemptes de maladie Dpistage le 1er janvier 1998
1 2,3
le 31 dcembre 1998
Attrition Cas de prvalence le 31 dcembre 1998 Cas dincidence au cours de lanne 1998 = 40 pour 1000 = (25 + 20) / 990 = 45,4 pour 1000 = (40 + 20) / 1000 = 60 pour 1000,
Prvalence ponctuelle le 1er janvier 1998 Prvalence ponctuelle le 31 dcembre 1998 Prvalence priodique pour lanne 1998
en supposant que lattrition se produit uniquement pendant le deuxime semestre. Incidence cumule pour 1998 = 20 / 960 = 20,8 pour 1000
52
Exemple 3
Divergence des tendances de lincidence et de la prvalence Supposons que les rsultats du tableau 3.1 et de la figure 3.3 sappliquent une maladie infantile au cours de la priode 1983 1992. TABLEAU 3.1 INCIDENCE ET PRVALENCE DE LA MALADIE INFANTILE X Anne 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 Incidence / 100 000 24,5 24,9 23,8 24,6 24,1 24,7 24,2 23,9 25,1 24,5 Prvalence / 100 000 42,8 41,2 40,9 40,1 38,4 37,9 35,3 33,2 29,8 27,2
FIGURE 3.3 INCIDENCE ET PRVALENCE DE LA MALADIE INFANTILE X DE 1983 1992
45 40
taux par 100 000 rate per 100,000
35 30 25 20 15 10 5 0 Incide nce Incidence Prvalence ponctuelle P oint P re valence
19
19
19
19
Anne Ye ar
19
91
83
85
87
89
53
Interprtation
1. La gurison de la maladie sacclre : par exemple, un nouveau mdicament a t dcouvert et est utilis plus frquemment. 2. La situation contraire se produit : le nombre de cas mortels de la maladie augmente (le taux de ltalit des cas augmente) ; par exemple, une virulence accrue de la maladie, une augmentation des checs thrapeutiques, ou une diminution de la mise en oeuvre dun traitement efficace. 3. Il y a une augmentation des migrations slectives des cas (peut-tre pour chercher un traitement ailleurs).
Exemple 4
La graphique de la Figure 3.4 reprsente une maladie dont lincidence est stable au cours du temps alors que la prvalence augmente : FIGURE 3.4 MALADIE POUR LAQUELLE LINCIDENCE EST STABLE ET LA PRVALENCE EN AUGMENTATION
taux par 100 000
Incidence Prvalence ponctuelle
rat e pe r 10 0,0 00
Anne
Interprtation
1. La gurison est plus lente (la maladie devient de plus en plus chronique). Par exemple, les mdicaments sont de moins en moins efficaces, ou on les utilise de moins en moins, ou la pharmacorsistance augmente. 2. La ltalit de la maladie diminue, grce, par exemple, une application plus systmatique du traitement conventionnel, la dcouverte dun nouveau mdicament puissant qui agit contre la progression de la maladie mais nassure ni la prvention ni la gurison, ou la virulence de lagent pathogne diminue. 3. Il y a une immigration slective de cas de lextrieur.
54
Exemple 5
La Figure 3.5 reprsente un cas o lincidence augmente au cours du temps alors que la prvalence diminue.
FIGURE 3.5 MALADIE POUR LAQUELLE LINCIDENCE AUGMENTE ET LA PRVALENCE DIMINUE
taux par 100 000
Incidence Prvalence ponctuelle
45 40 35 rate per 100,000 30 25 20 15 10 5 0
Anne
Interprtation
In c i d e n c e
1. La dure de la maladie diminue de faon significative : ainsi, alors quelle apparat plus P o nt frquemment, elle idevient plus aigu.
p r e va l e n c e
2. La ltalit de la maladie augmente.
3.6
5 19 8 7 19 8
Comparaison des taux On doit noter que dans les exemples ci-dessus, on a compar des taux bruts dune anne lautre. Ceci peut induire en erreur, en particulier si la composition de la population a volu au cours des annes. En pidmiologie, quand on compare des taux entre diffrents lieux ou diffrentes priodes dans le temps, il est important de prendre en considration tous les changements concomitants des variables associes, principalement lge, le sexe et la race. On procde gnralement la standardisation des taux ou on utilise des modles mathmatiques multivaris ; ceci sera abord plus loin.
19 8 9 19 9 1
19 8
Ye a r
55
Prenons lge en considration titre dexemple. La pyramide des ges peut influencer lincidence, la prvalence et la mortalit. Par consquent, quand on compare des populations un moment prcis dans le temps, ou la mme population diffrents moments dans le temps, et plus particulirement si la pyramide des ges volue, il faut prendre certaines dispositions pour affiner les mesures de morbidit et de mortalit. Ces dispositions comprennent : restriction de la comparaison des cas une tranche dge (par exemple la comparaison de la fcondit des femmes ges de 20 24 ans, ou la pression artrielle chez les hommes gs de 50 59 ans) ; utilisation de taux spcifis par ge ; ajustement des taux en fonction de lge, en utilisant une mthode directe ou indirecte dajustement (standardisation) ; appariement selon lge au stade de la conception de ltude, ce qui vite la prise en compte des effets de lge sur les rsultats ; et lutilisation dune analyse par stratification, ou un autre type danalyse multivarie, dans laquelle lge est lune des variables indpendantes prise en considration.
3.7
C.H.Hennekens, J. Buring. Epidemiology in Medicine. Little Brown and Company, Boston (1987) R.Beaglehole, R.Bonita, T. Kjellstrom. Basic Epidemiology. WHO,Geneva (1993) R.S.Greenberg, S.R.Daniels, W.D.Flanders, J.W. Eley, J.R.Boring. Medical Epidemiology (2nd Edition). Appleton and Lange, Norwalk (1996)
56
Chapitre 4
tudes exprimentales et quasi-exprimentales
4.1
Introduction Comme nous lavons vu au Chapitre 2, le meilleur plan dtude pidmiologique pour prouver une relation de causalit est ltude exprimentale. On peut considrer lexprimentation comme la dmarche ultime ou dcisive du processus de recherche, en tant que mcanisme pour confirmer ou rejeter la validit des ides, des suppositions, des postulats et des hypothses concernant le comportement des sujets, ou concernant les effets sur ces sujets de certaines interventions ralises dans des conditions bien dfinies. Lexprimentateur (ou le chercheur) matrise les sujets, lintervention, les mesures des rsultats, et impose les conditions dans lesquelles lexprience se droule. Plus particulirement, lexprimentateur dfinit le sujet qui sera expos lintervention et celui qui ne sera pas expos. Il procde cette slection de faon rduire au minimum tout effet de biais lors de la comparaison des mesures de rsultats entre le groupe expos et le groupe non expos. Dans une tude exprimentale, comme dans les autres plans de recherche, il est rare que le chercheur soit en mesure dtudier tous les lments dune population. Il doit extraire un chantillon de la population cible aux fins dexprience, chantillon qui doit prserver lintgrit de la reprsentativit pour permettre la gnralisation la population totale. Pour ce faire, on a recours gnralement un tirage au sort des units tudier, bas sur un processus de probabilit. Ce processus ne peut pas garantir la reprsentativit pour les chantillons de petite taille, mais avec de grandes sries on devrait disposer
57
Chapitre 4 : tudes exprimentales et quasi-exprimentales
dchantillons sans biais qui sont reprsentatifs des populations tudier. Dans le domaine de la sant, la recherche fait souvent appel lexprience comparative o il sagit de comparer un ou plusieurs groupes ayant subi des interventions spcifiques avec un groupe qui na pas t expos ces interventions (groupe placebo dans les essais cliniques) ou qui reoit le meilleur traitement conventionnel. On tudie leffet des interventions novatrices sur une ou plusieurs variables de rsultat en appliquant des procdures statistiques pour comparer les groupes et pour valuer la signification des carts constats lors du test statistique de lhypothse nulle1. Ce chapitre traitera de deux types dexpriences comparatives, lessai clinique randomis (ECR) et lessai dintervention de sant publique (EISP). 4.2 But de lexprience Le plan dexprience permet dassurer que nous disposons de donnes valides pour les besoins du test dhypothse dans les conditions les plus conomiques possibles, autrement dit, que nous disposons dun maximum de puissance statistique pour un minimum de cot et deffort. Une enqute auprs de la population nous renseigne sur les caractristiques observes et la relation entre ces caractristiques dans la population. Cette relation reste cependant purement descriptive et na pas de signification causale : nous ne savons pas si la variable Y prendra telle valeur si nous modifions la variable X. Grce lexprience nous pouvons vrifier sil sagit dune relation causale. Lexprience comparative est caractrise essentiellement par le fait que : la seule diffrence entre les deux groupes est celle de lintervention ; le nombre dunits dans chacun des groupes comparatifs est suffisamment important ; des mthodes probabilistes appropries permettent didentifier la relation entre lintervention et le rsultat.
Lhypothse nulle postule quil nexiste pas de diffrence entre les populations, ou, plus exactement, que les carts observs peuvent tre imputs la distribution dchantillonnage, cest--dire sont dus au hasard.
58
La russite de lexprience dpend du soin apport au choix de la variable de rsultat, la slection de lchantillon, au processus daffectation dans les groupes, et lanalyse statistique. Dans la pratique, on scarte ncessairement des conditions idales de lexprimentation, mais par un choix tudi du plan dexprience il est souvent possible de faire un ajustement statistique pour tenir compte des diffrences des caractristiques de base ou dautres anomalies dans le processus dchantillonnage lorsquon fait les tests dhypothses. Tout en reconnaissant limportance de lexprimentation pour tablir une relation causale, il faut garder lesprit quil est souvent impossible, pour des raisons pratiques et thiques, dexposer des tres humains des facteurs de risque dans des tudes tiologiques. Par consquent, lexprimentation est gnralement rserve aux essais cliniques de nouveaux mdicaments ou thrapeutiques potentiellement plus bnfiques, donc justifis sur le plan thique. Dans le mme ordre dide, les interventions en sant publique, comme la fluoration du rseau de distribution deau potable, ou lintroduction de programmes pdagogiques sur la nutrition pour les mres de famille, sont des expriences acceptables. Nous allons voir maintenant certains principes de base dune exprimentation et traiterons ensuite les cas spcifiques de lessai clinique randomis (ECR) et de lessai dintervention en sant publique (EISP). 4.3 Le plan dexprience Le choix dun bon plan dexprience doit tenir compte de plusieurs facteurs. La figure 4.1 est un organigramme dun plan dexprience de base.
59
FIGURE 4.1 ORGANIGRAMME DUNE EXPRIENCE
Population de rfrence (Cible)
chantillonnage au hasard / Consentement Population exprimentale (population tudie)
Critres dinclusion/ dexclusion participants ltude exclus de ltude
Affectation alatoire
Groupe dIntervention
Groupe tmoin
Rsultat
Rsultat
Comparer
La population de rfrence (ou population cible) est la population laquelle sappliquent les gnralisations des rsultats de lexprience. Dans un essai clinique de lAZT pour les malades du SIDA, tous les patients potentiels ayant un diagnostic du SIDA feraient partie de ce groupe. Dans un essai dintervention en sant publique concernant leffet sur la sant infantile dun programme pdagogique sur la nutrition destin aux mres de famille, toutes les familles ayant des enfants constitueront la population de rfrence. La premire tape dans tout plan dexprience est didentifier la population de rfrence concerne. Une fois la population de rfrence identifie, il faut dterminer si ltude peut inclure la population totale ou si seul un chantillon est disponible. Sil sagit dun chantillon, la meilleure faon de procder pour la population tudier est den extraire un simple chantillon au hasard (surtout si ltude concerne un nombre relativement important) afin dviter tout biais dans la slection des sujets de ltude. Dans la ralit, cependant, le groupe tudier est choisi en fonction des ncessits pratiques. Pour un essai clinique, on limite souvent ltude
60
un petit nombre dtablissements et aux patients qui sy rendent en consultation, soit volontairement soit dans le cadre dun systme dorientation par mdecin rfrent. Il est vident que le bien-fond de lexprience et de la gnralisation des rsultats la population cible dpendra de la reprsentativit de cet chantillon. Par exemple, si un essai clinique portant sur des malades cardiaques se limite un centre de cardiologie spcialis, on ne pourra pas extrapoler les rsultats tous les malades cardiaques. Ce biais de slection pose souvent un problme important lors du choix de la population tudier. Dans la plupart des expriences on est amen, pour de nombreuses raisons, limiter ltude un sous-groupe de la population tudier. La classification des sous-groupes est (et doit tre) tablie avant le dbut de ltude en fonction de critres dinclusion et dexclusion. Les critres dinclusion identifient le groupe cible de faon sure et cohrente. Par exemple, si les expriences portent sur des malades qui souffrent dinfarctus du myocarde, il faut donner une dfinition de linfarctus du myocarde qui est acceptable par les destinataires des informations issues de ltude (gnralement dautres mdecins ou professionnels de la sant, des dcideurs politiques etc.). Cette dfinition doit donc permettre lidentification de cette affection dans des milieux trs diffrents. Ces dfinitions doivent tre prcises et reproductibles. Au contraire, les critres dexclusion numrent les caractristiques des sujets qui les rendent inligibles pour inclusion dans ltude. Le but des critres dexclusion est de minimiser les risques potentiels (en rgle gnrale on naccepte pas les personnes ges et les femmes enceintes pour des essais cliniques) et de choisir un groupe de sujets aussi homogne que possible pour rduire la taille de lchantillon requis. Naturellement, cette faon de procder biaise le groupe soumis lexprience par rapport au groupe cible ou la population tudier. Ltendue des critres dexclusion peut entacher la validit de ltude Aprs avoir dfini le groupe de sujets potentiels, il est obligatoire dobtenir un consentement clair de la part de chacun des participants avant de les soumettre aux expriences. Il est contraire lthique de conduire une exprimentation sur des tres humains sans leur consentement (soit le consentement de la personne concerne, soit, dans le cas dune incapacit physique ou lgale, le consentement de son reprsentant lgal). Il existe de nombreuses conventions internationales (entre autres la dclaration de Helsinki) relatives lexprimentation humaine quil faut consulter. Dans certains pays il faut respecter des consignes spcifiques et utiliser des formulaires de consentement imposs, pour obtenir un consentement rglementaire.
61
Il faut supprimer de la liste des participants potentiels, les sujets qui ne souhaitent pas ou ne peuvent pas donner leur consentement. lissue des procdures dexclusion, il reste les participants de ltude qui forment le groupe qui sera lobjet de lexprimentation. Les sujets de ce groupe sont alors affects alatoirement aux diffrents facteurs dintervention et au groupe tmoin. Laffectation alatoire peut tre ralise par simple chantillonnage au hasard ou laide dune stratification selon les catgories de facteurs de confusion. Les sujets affects dans les groupes tmoins et exprimentaux font alors lobjet dun suivi dans des conditions rigoureuses pendant un dlai dtermin. On relve scrupuleusement les informations concernant les rsultats des expriences. Les rsultats peuvent tre un vnement dichotomique - une gurison ; le soulagement de la douleur ou bien ils peuvent tre la mesure dune variable continue une baisse de la pression sanguine ; les dures entre des rcurrences. On emploie des mthodes statistiques appropries pour comparer les mesures de rsultats des groupes. Une affectation alatoire des sujets entre les groupes exprimentaux et les groupes tmoins napporte pas de garantie que cette affectation nest pas biaise. Il peut exister des carts significatifs entre ces groupes pour ce qui concerne une ou plusieurs variables de confusion. Il faut vrifier labsence de biais dans laffectation par une comparaison de la distribution de toutes les variables de confusion, au dbut de ltude, avant le commencement du traitement. Si lon constate des carts, on effectue un ajustement appropri lors de lanalyse statistique comparative des mesures de rsultats. 4.4 Lessai clinique randomis (ECR) La recherche scientifique en matire de sant fait appel le plus souvent pour son exprimentation lessai clinique contrl, randomis, en double aveugle, appel plus brivement essai clinique randomis (ECR). Cest la stratgie de recherche qui apporte la preuve de lefficacit dun traitement. On peut rsumer les tapes de lECR par lorganigramme ci-aprs qui fait suite celui illustr dans la figure 4.1.
62
FIGURE 4.2 ORGANIGRAMME DUN ESSAI CLINIQUE CONTRL, RANDOMIS EN DOUBLE AVEUGLE
Avant lessai
Donnes de dpart
Aprs lessai
Groupe exprimental 1
>
Soumis lintervention
temps
Effet ou impact
Identifier la population cible concerne par lintervention
>
Statut initial
>
Choix dun chantillon de probabilit
Comparaison
Obtenir le consentement et randomiser les participants consentants
Groupe exprimental 2
Non soumis lintervention
temps
Effet ou impact
Avant essai
Aprs essai
Les essais cliniques rpondent des buts divers. Les catgories (par but) des essais cliniques les plus utilises sont numres ciaprs : a. b. c. d. essais prophylactiques, par exemple, vaccination, contraception ; essais thrapeutiques, par exemple, traitement mdicamenteux, procdure chirurgicale ; essais de scurit, par exemple, des effets secondaires des contraceptifs oraux et injectables ; essais de facteurs de risque, par exemple, rechercher la preuve de ltiologie dune maladie en provoquant celle-ci chez lanimal par un agent potentiel, ou en supprimant lagent potentiel (par exemple cesser de fumer).
Le but dun essai prophylactique peut tre de tester lefficacit clinique : lagent thrapeutique prsente-t-il un avantage dans une situation idale contrle ? Ou, une fois lefficacit clinique tablie, on peut tester sa performance effective dans la population gnrale : lagent thrapeutique sera-t-il efficace dans une situation comportant
>
>
63
des interventions concomitantes, des facteurs de confusion, une contamination etc. Les interventions ralises dans un essai clinique comprennent : a. b. c. d. e. f. les mdicaments prophylactiques, thrapeutiques ou palliatifs ; les dispositifs cliniques, tels que les dispositifs intra-uterins ; les procdures chirurgicales, de rducation : le conseil mdical ; le rgime, lexercice physique, dautres changements du mode de vie ; les services hospitaliers : soins intgrs compars aux soins non-intgrs ; traitement intensif de courte dure compar au traitement modr au long cours ; facteurs de risque ; modes de communication : communication de vive voix compare la documentation ; comparaison des catgories de professionnels de la sant : mdecins compars aux infirmires ; protocoles de traitement : administration dune dose journalire compare trois prises par jour.
g. h. i. j.
Chacun de ces scnarios suivra le mme organigramme illustr dans la figure 4.1 mais les dtails de chaque tape peuvent varier. Par exemple, les problmes rencontrs pour la randomisation de laffectation entre deux groupes exprimentaux seront diffrents en fonction de la nature de lintervention. Nous examinerons en dtail les diffrentes tapes dun essai thrapeutique et les problmes quelles soulvent. Un essai clinique conventionnel concernant une nouvelle thrapie ou un nouveau dispositif passe par quatre phases chronologiques : a. Phase I de lessai clinique Avant daborder la premire phase chez ltre humain, un travail de recherche considrable est effectu, comprenant des tudes pharmacologiques et toxicologiques sur des animaux de laboratoire, afin dtablir que le nouvel agent est efficace et potentiellement
64
bnfique pour lusage humain, et dvaluer approximativement la dose administrer chez lhomme. Les essais pendant la Phase I comprennent des tudes portant sur des volontaires qui reoivent dabord une fraction de la dose prvue afin de suivre les effets ventuels du mdicament sur les fonctions hpatique, cardiovasculaire, rnale, gastro-intestinale et endocrinienne. Parfois on tudie galement le mtabolisme du mdicament au cours de cette phase. Les volontaires auxquels on fait gnralement appel pour ces tudes sont la plupart du temps hospitaliss et des lits de recherche leur sont rservs. Ils font lobjet dune surveillance troite. Cette phase, de courte dure (de lordre dun ou de deux mois), exige des moyens de haute technologie en biochimie, en pharmacologie et en endocrinologie, et la disponibilit de diverses spcialisations mdicales. Il faut galement la mise disposition dinstallations de laboratoire bien quipes. b. Phase II de lessai clinique Cette phase aussi fait appel des volontaires slectionns selon des critres rigoureux. Les essais de la phase II sont destins valuer lefficacit clinique du mdicament ou du dispositif, dterminer le dosage appropri et tudier sa scurit. On recueille des informations pharmacologiques supplmentaires, notamment sur la relation doseeffet du mdicament. Sil sagit dun dispositif, on value son efficacit clinique et on teste sa configuration et les possibilits de lamliorer. c. Phase III de lessai clinique La phase III est la phase classique laquelle se rfre habituellement la notion dessai clinique et dont rendent compte les articles dans les revues de recherche mdicale. Les sujets de lessai sont des patients qui doivent donner leur consentement pour faire partie dun essai clinique. On suit des critres rigoureux dinclusion et dexclusion pour le choix des participants. Le but de cette phase est dvaluer la performance effective du mdicament ou du dispositif (bien que, compte tenu des conditions rigoureuses dans lesquelles se droule ltude, on puisse dire avec quelque justesse quil sagit encore dun essai defficacit clinique) et dvaluer la scurit de son utilisation prolonge dans une population plus grande et plus htrogne que dans la Phase II. Les tudes et les contrles sont plus labors que dans des conditions dutilisation normale. Les sujets sont gnralement des patients hospitaliss, mais il peut sagir de patients ambulatoires qui bnficient de contrles et dun suivi intensifs. Cette phase exige de grandes comptences cliniques et pidmiologiques en plus dune
65
haute technologie de laboratoire. Il faut en outre une planification et une organisation bien tudies et lobservance sans faille des protocoles et des consignes labors au pralable, en particulier lorsquil sagit dessais mens en collaboration entre plusieurs centres. La surveillance, le suivi, et la bonne tenue des dossiers et des registres sont dune grande importance. Les autorisations de mise sur le march dun nouveau mdicament ou dun nouveau dispositif mdical reposent sur lvaluation des rsultats des essais de la Phase III. Par consquent, les essais de la Phase III sont soumis des directives strictes en ce qui concerne la nature et la quantit des donnes recueillir, le dpouillement et la prsentation des donnes, et leur diffusion aux destinataires (patients et professionnels de la sant). d. Phase IV de lessai clinique Bien que lautorisation de mise sur le march dun mdicament ou dun dispositif procde habituellement des bons rsultats des essais de la Phase III, de plus en plus les agences gouvernementales, lOMS et dautres institutions privilgient le recours une phase dessai supplmentaire - lessai sur le terrain ou dans les conditions dutilisation normales. Lobjet de la Phase IV de lessai clinique est de rvaluer la performance effective, la scurit, lacceptabilit, et la continuit demploi dun mdicament ou dun dispositif dans les conditions dutilisation normales. Il faut noter que les essais de la Phase III sont souvent limits dans le temps et que des effets indsirables peuvent ne pas apparatre brve chance. De ce point de vue, les essais de la Phase IV apportent une garantie de scurit supplmentaire. Ils sous-entendent aussi une formulation des besoins pour la mise en oeuvre de la nouvelle mthode, en termes dinstallations, de formation, de logistique de transport et dapprovisionnement, de surveillance, parmi dautres aspects du programme. Les conditions de ralisation de la Phase IV sont aussi proches que possible des conditions normales, mais cette phase exige plus de comptences en pidmiologie et en biostatistique, ainsi que des moyens ncessaires la recherche, dont la tenue des dossiers et des registres et des moyens informatiques.
66
4.5
Les facteurs prendre en compte dans la conception et lanalyse des essais cliniques a. Agent, traitement ou variable exprimentale : Tous les chercheurs doivent avoir accs un maximum dinformations concernant le traitement. Ces informations proviennent des essais de la Phase I et de la Phase II et de multiples sources complmentaires. Il faut connatre, entre autres, laction pharmacologique, la toxicit, la dose, la scurit et le mode dadministration dun mdicament, par exemple. b. Pathologie traiter : Tous les chercheurs doivent avoir accs des informations cliniques et pidmiologiques suffisantes concernant la pathologie traiter. Entre autres, ils doivent connatre lhistorique de la pathologie, les critres de diagnostic, la prise en charge mdicale classique, et les autres variables qui influencent lvolution de la pathologie (ge, sexe, catgorie sociale, poids, tabagisme, tats pathologiques concomitants, mdicaments administrs pour dautres raisons). Les protocoles de traitement dtaills doivent tre explicits et observs. c. Population cible : Il faut spcifier clairement la nature des cas inclure dans lessai, avec des critres explicites pour linclusion et pour lexclusion. La taille des chantillons doit tre dtermine au pralable. Si lchantillon requis ne peut tre obtenu dun seul tablissement, il faut prvoir des essais mens en collaboration avec dautres centres, ce qui ncessite une planification minutieuse et des protocoles rigoureux. Un essai men dans un centre unique a lavantage dune meilleure homognit des sujets, mais un essai dans plusieurs centres est plus propice la gnralisation. Il faut noter galement que lorsque plusieurs centres sont impliqus dans les essais, il est beaucoup plus difficile dassurer une quantit et une qualit comparables des donnes recueillies dans les diffrents centres que dans le cas dun centre unique o se trouve le chercheur responsable de lessai. Avant laffectation des cas dans les groupes exprimentaux et tmoins, chaque participant doit donner son consentement clair. Cette affectation par groupe fait lobjet de procdures rigoureuses.
67
d. Aspects thiques : Il ne faut jamais engager un essai clinique sans un examen approfondi des aspects thiques. En gnral, avant dengager un essai clinique, le protocole est soumis pour approbation un examen thique soit interne soit par un conseil dthique indpendant. La plupart des instances charges des autorisations de mise sur le march exigeront la preuve de lapprobation thique de lessai clinique, avant daccepter dexaminer les rsultats de lessai en termes defficacit clinique ou de performance effective. e. Rsultats mesurer : Il faut dfinir explicitement les rsultats attendus et les critres utiliser pour juger du succs ou de lchec de lessai. Les rsultats constater peuvent tre la prvention, la gurison, lamlioration dun tat pathologique ; le soulagement de la douleur ; lamlioration de la sant physique ou mentale. f. Effets secondaires : Il faut aussi spcifier les critres dobservation et de constatation des effets secondaires. Si certains effets secondaires risquent de compromettre la sant dun patient, celui-ci doit tre exclu de ltude et il doit recevoir un traitement appropri. On doit incorporer dans le plan dtude des procdures pour mettre fin lessai si lon constate trop deffets indsirables. g. Moyens de ltude : Il faut galement spcifier les moyens de ltude, dont les essais de laboratoires, les diagnostics cliniques, les procdures, les comptes-rendus dinterrogatoires et les questionnaires, ou lemploi dinformations en provenance de tiers (lpoux, des parents, des voisins, le mdecin traitant), pour reconstituer les antcdents mdico-sociaux des patients. h. Conduite en aveugle : Il est fortement conseill de renforcer lobjectivit des mesures en conduisant ltude en aveugle, cest--dire sans rvler lidentit du traitement au sujet, au chercheur qui en value le rsultat, et quelquefois la personne qui enregistre et analyse les donnes. Le type dtude clinique le plus courant est conduit
68
en double aveugle, cest--dire que le chercheur ainsi que le patient, ne connaissent pas la nature du traitement appliqu. Les informations concernant lapplication du traitement seront connues des membres dun comit ad hoc, indpendants des chercheurs, qui seront chargs de contrler le droulement de ltude et de mettre fin lessai si (a) une conclusion peut tre tire et justifie bien avant lexploitation de toute la taille de lchantillon ou si (b) un niveau inacceptable deffets secondaires a t constat. Dans certains cas, il nest pas possible de procder linsu de tous les intresss. Par exemple, dans la plupart des essais en chirurgie ou ceux impliquant des dispositifs mdicaux, il est facile de constater si le patient fait partie du groupe trait ou non. Cependant, mme pour la chirurgie, on peut avoir recours une procdure chirurgicale fictive (analogue un placebo dans un essai de mdicament). i. Fin de lessai : Il faut dfinir les critres pour mettre fin lessai. La rgle gnrale est de poursuivre lessai tant que la taille impose de lchantillon nest pas atteinte. Dans lessai clinique squentiel, toutefois, les mesures de rsultats sont analyses intervalles rguliers et on met fin lessai ds que des carts statistiquement significatifs sont constats. (Bien entendu, ces analyses rptes des donnes augmentent le risque derreurs de premire espce pour lesquelles il faut faire un ajustement statistique). Il faut aussi dfinir et respecter des procdures pour mettre fin lessai par anticipation dans le cas deffets indsirables. j. Plans danalyse : Aucun essai clinique ne doit tre envisag par une quipe de recherche qui ne peut pas se prvaloir de comptences en pidmiologie et en statistique. Avant dengager lessai, lquipe laborera tous les dtails des plans danalyse. Un niveau de connaissance insuffisant dans les techniques dlaboration dun plan de recherche et danalyse des donnes entrane obligatoirement une faute sur le plan thique lorsquil sagit dune exprimentation sur des tres humains.
69
k. Attrition slective : Aprs laffectation alatoire des patients dans les groupes de lessai, lattrition des patients (soit avant de commencer le traitement, soit aprs un traitement partiel) compromet gravement la validit de lessai clinique. Lattrition diminue la puissance statistique de ltude (par la rduction de la taille de lchantillon) et augmente le risque de biais (les patients perdus pour lessai peuvent tre diffrents de ceux qui restent). Il est donc essentiel de limiter lattrition au minimum. Comme certaines causes dattrition sont invitables (par exemple, laggravation notable dun tat, la constatation tardive dune erreur de diagnostic ou dune mauvaise interprtation des critres de diagnostic), il est habituel de gonfler lvaluation initiale de la taille dchantillon de 10 % afin de ne pas diminuer gravement sa puissance statistique. Le problme de biais ne peut tre abord qua posteriori, par une comparaison des variables essentielles des patients perdus de vue et des patients qui poursuivent lessai. Dans tous les cas, plus le taux dattrition est important, plus les rsultats de lessai seront douteux. l. Mthodes pour assurer lintgrit des donnes : Il va sans dire quune tenue impeccable des dossiers est une ncessit absolue dans toute activit de recherche, et cette ncessit simpose de toute vidence lorsquil sagit dessais cliniques. La bonne tenue des dossiers est non seulement ncessaire pour assurer lintgrit des rsultats de la recherche mais souvent aussi pour satisfaire des exigences rglementaires et des obligations lgales de conserver des informations et dassurer une surveillance adquate du recueil des donnes, du contrle qualit, des analyses et des comptes-rendus. m. Choix du plan dexprience : Il existe diffrents plans dexprience pour des essais cliniques. Le choix dpendra de la nature des composantes de lessai et de la composition de lquipe de recherche. Le plan habituel est lessai clinique contrl, randomis, en double aveugle (voir figure 4.3). Parmi les autres plans qui ne sont pas dcrits ici on peut citer : (i) le plan doses multiples (ii) le plan traitements multiples, (iii) le plan squentiel, (iv) le plan factoriel et (v) les diffrents types de plan blocs tel que le carr latin, le plan blocs incomplets quilibrs, les essais croiss, etc.
70
n. Dure prvoir : Il faut prvoir plusieurs mois pour la prparation de lessai, comprenant : llaboration des protocoles, des procdures dchantillonnage, la dtermination de la taille de lchantillon, lidentification des sources dobtention des sujets, lesquisse des procdures administratives dont le contrle qualit, la planification et le dpouillement des donnes. Parfois une tude de faisabilit sera ncessaire avant de commencer lessai, afin de tester le protocole et de dterminer ce qui peut et ne peut pas tre ralis. 4.6 Essais dintervention en sant publique (EISP) En rgle gnrale, les essais dintervention en sant publique se droulent en milieu hospitalier ou dans des dispensaires et visent un groupe de patients qui prsentent un tat de sant dtermin. Il existe aussi des essais randomiss conduits dans la population gnrale. Lexemple classique dun essai dintervention en sant publique est celui de la vaccination. Certaines zones de la population sont choisies au hasard pour recevoir un vaccin, et dautres zones de la population ne sont pas vaccines ou sont vaccines avec un placebo. Un autre exemple est lessai dintroduction de sel additionn de fer dans une population pour constater son effet sur lincidence danmie ferriprive dans cette population. La diffrence essentielle entre ces tudes et lessai clinique randomis est que laffectation randomise concerne des zones de population et non pas des individus. Les zones de population slectionnes en vue de ltude doivent tre aussi similaires que possible, dautant plus que seul un nombre limit de zones de population sera exploit. Trs souvent il nest pas possible de conduire ce type dtude en aveugle, et la contamination et les interventions concomitantes deviennent des problmes srieux. La contamination a lieu lorsque des individus appartenant lun des groupes exprimentaux reoivent le traitement dintervention en provenance de lautre groupe exprimental. Par exemple, dans le cas de lessai dadministration de sel additionn de fer, certains individus de la zone de population qui ne reoit pas le sel additionn de fer, entendent parler de ce produit et lobtiennent en sadressant la zone de population traite par lintervention. (Le cas inverse est galement possible). Si les deux zones de population sont proches gographiquement le risque de
71
contamination est plus lev. Il y a intervention concomitante lorsque dautres interventions se droulent dans les mmes zones de population en mme temps, linsu ou non des chercheurs qui conduisent lessai dintervention en question. Dans ce cas, la comparaison des rsultats des deux groupes randomiss ne reflte plus lessai dintervention en question. La randomisation par zone de population dans ces essais rduit forcment la taille de lchantillon ; la taille effective de lchantillon est le nombre de zones de population et non pas le nombre dindividus dans ces zones de population. Des mthodes statistiques spcifiques sont appliques pour tenir compte de cet effet de grappe. Beaucoup dessais dintervention en sant publique font appel des stratgies dvaluation pour tudier les services de sant publique. Des exemples types de tels essais impliquent : lvaluation du besoin dun service, autrement dit, un diagnostic de population (estimation ou valuation des besoins) ; lvaluation de la conception dun service de sant (valuation de conception) ; lvaluation de la performance ou de lefficience dun processus de prestation de services (valuation defficience ou de processus) ; lvaluation de lefficacit et de limpact dun programme ou dune procdure (valuation defficacit ou dimpact) ; lvaluation des rsultats du programme par rapport aux apports et aux contraintes du programme (valuation de systme), y compris lanalyse cots-avantages.
La figure 4.3 est une illustration des tapes suivre dans la mise en oeuvre dun essai de sant publique.
72
FIGURE 4.3 PROCDURES DUN ESSAI SUR LE TERRAIN
Population ou groupe cible qui bnficiera du programme valuer
chantillon de population (chantillon de probabilit) utilis pour lvaluation
>
Groupe exprimentale reoit le programme
<
Mesure ou observation conformment aux critres retenus
Exemple
Une tude est labore pour valuer leffet dune augmentation du dpistage du cancer du col utrin sur la mortalit imputable cette maladie. On affecte au hasard six villes de taille moyenne et de caractristiques analogues du sud des tats-Unis dans trois grappes chacune comportant deux villes qui sont traites de la faon suivante :
>
Administration du stimulus ou du programme identique celle prvue pour la population cible Placebo ou autre programme
>
Groupe tmoin ne reoit pas le programme ou reoit un placebo
>
>
Comparaison, relev des carts, valuation statistique de lerreur dchantillonnage
Mesure ou observation conformment aux critres retenus
>
73
Grappe A : bnficie dune compagne intensive dinformations de proximit de mme que des annonces par les mdia, destines inciter les femmes de plus de 30 ans participer au programme de dpistage du cancer du col. Grappe B : ne reoit que les annonces par voie des mdia. Grappe C : ne bnficie pas du programme spcial dinformations mais seulement des services de dpistage de routine. Cette grappe sert de tmoin sans intervention pour savoir quelle serait la mortalit imputable au cancer du col utrin sans lintroduction de programmes spciaux dinformations pour encourager le recours aux services de dpistage. On notera que les mdia taient lun des moyens utiliss pour la diffusion des informations. Il sensuit une contamination potentielle de la population tmoin, surtout si les mdia comprennent des missions de tlvision qui peuvent tre captes par la population tmoin. Le critre de russite de cette tude dvaluation (de type exprimental) est une diminution relative du taux de mortalit annuel imputable au cancer du col dans les trois grappes. Il faut donc mesurer la mortalit avant ltude (le taux moyen pour les trois annes qui prcdent lintervention) et aprs ltude. Pour limiter le risque derreur cologique dans la comparaison des trois grappes (puisque la diminution de mortalit peut avoir dautres causes que les services de dpistage), on tient un registre du nombre et des caractristiques des femmes ayant recours aux services de dpistage. Dautre part, les cabinets de mdecine librale rendent compte de leurs activits en matire de dpistage. Le nombre dutilisatrices des services de dpistage donne une indication du rle du dpistage dans la diminution de la mortalit. Ltude a dur deux ans. Au cours de cette priode, la diminution relative du taux de mortalit imputable au cancer du col utrin tait le plus lev dans la Grappe A, et intermdiaire dans la Grappe B. On a constat en parallle une augmentation dans le nombre dutilisatrices des services de dpistage, la Grappe A ayant la plus forte augmentation, suivie par la Grappe B, tandis que la plus faible augmentation tait constate dans la Grappe C.
4.7
Altman, D. G. Statistics and ethics in medical research. British Med J 1980; 281: 1336-1338. Angell, M. The ethics of clinical research in the third world. N Engl J Med 1997; 337(12): 847. Berry, A. D. Statistical issues in drug research development. New York: Marcel Dekker, 1990. Buncher, R. C. and Tsay, J. Y. Statistics in the pharmaceutical industry. New York: Marcel Dekker, 1981. Friedman, L. M.,.Fuberg, C. D. and DeMets, D. L. Fundamentals of clinical trials. Boston: Wright, 1983. Gore, S. M. Assessing clinical trials: why randomize? British Med J 1981; 282: 1958-1960. Lilford, R.F. and Jackson, J. Equipoise and the ethics of randomization. J R Soc Med 1995; 88(10): 552-559. Peto, R. [et al.]. Design and analysis of randomized clinical trials requiring prolonged observation of each patient. I. Introduction and design. British J Cancer 1976; 34: 585-612. Peto, R. [ et al.]. Design and analysis of randomized clinical trials requiring prolonged observation of each patient. II. Analysis and examples. British J Cancer 1977; 35: 1-39. Rothman, K. J. and Michels, K.B. The continuing unethical use of placebo controls. N Engl J Med 1994; 331(6): 394-398.
74
Chapitre 5
Mthodes dchantillonnage et taille de lchantillon
5.1
Introduction La plupart des tudes de recherche impliquent lobservation dun chantillon issu dune population dfinie. Par exemple, dans les tudes pidmiologiques lobservation porte sur lexposition aux diffrents facteurs de risque, les consquences pour la sant, ainsi que dautres variables associes, dun chantillon de personnes. Les conclusions tires de ltude se fondent souvent sur la gnralisation des rsultats observs dans lchantillon, la population totale do a t extrait lchantillon. En consquence, lexactitude des conclusions dpendra de la qualit de la constitution de lchantillon, et plus spcialement de la reprsentativit de cet chantillon vis--vis de la population. Nous allons discuter dans ce chapitre des problmes majeurs que doit considrer le chercheur lors du choix de lchantillon appropri.
5.2
Pourquoi chantillonner ? Lchantillonnage est un processus o on choisit un segment de la population pour lobserver et ltudier. Il y a plusieurs raisons pour lesquelles on choisit des chantillons tudier plutt que la population totale. La premire raison, et la plus minente, est que le chercheur veut diminuer les cots (financiers et autres) pour collecter les informations, pour traiter celles-ci et pour prsenter les rsultats. Si on peut obtenir une image raisonnable de la population en observant seulement un segment de celle-ci, le choix dun tel segment permettra au chercheur de raliser des conomies. Lorsque lobservation porte
75
Chapitre 5 : Mthodes dchantillonnage et taille de lchantillon
sur un chantillon, il est vident que linformation totale sera moins tendue que si elle portait sur la population totale. Cependant dans certains cas, le temps et les ressources ncessaires pour le processus dobservation dune population totale seraient si importants que, dune part, les rsultats ne seraient plus opportuns et, dautre part, les observations risqueraient dtre moins fiables. Considrons la mthode habituelle dobservation dune population totale, le recensement. La plupart des pays collectent priodiquement (tous les 5 ans, 10 ans, etc.) des informations sur leur population au moyen du recensement. Ceci consiste dnombrer tous les individus de la population, associs un ensemble prdtermin de renseignements. Mme dans un pays relativement peu peupl comme le Canada (29 millions dhabitants), cette opration prend une bonne partie de lanne et les tableaux de rsultats ne sont disponibles que plusieurs annes aprs le recensement. Lorsque la taille de la population est trs grande, comme en Inde ou en Chine, les dlais danalyse et de diffusion des donnes peuvent tre encore plus longs. De plus, le recensement ne peut jamais collecter des informations sur la totalit de la population : les personnes sans domicile fixe et les nomades chappent souvent au recensement. Un grand avantage de lchantillonnage sur le dnombrement total rside dans le meilleur emploi qui est fait des ressources disponibles, pour amliorer les instruments et les mthodes de mesures en vue de rendre exactes (valides et fiables) les informations collectes. Certaines informations comme la surveillance de la teneur en mtaux toxiques de lorganisme, surveillance ncessitant un matriel et des oprateurs spcialiss, ne peuvent tre collectes dans une population totale. Dans de tels cas un chantillon peut donner une image raisonnable de ltat de la population. 5.3 Le processus dchantillonnage Quest-ce qui caractrise un chantillon correct ? La premire proccupation dans le choix dun chantillon appropri est que cet chantillon soit reprsentatif de la population. Chaque variable considre doit avoir la mme distribution dans lchantillon que dans la population do il est extrait. Il faut donc connatre les variables et leur distribution dans la population, autrement dit, disposer des rsultats de ltude avant de lavoir faite ! Ainsi il nest souvent pas possible daffirmer que lchantillon est reprsentatif de la population. Cependant les statisticiens ont propos des moyens pour nous permettre de donner une garantie raisonnable de reprsentativit. Nous
76
discuterons brivement de certaines de ces mthodes dans les sections suivantes. Avant de constituer un chantillon, il faut dfinir clairement la population. Dans une enqute sur la population, il faut tablir une liste de tous les individus de cette population (cadre dchantillonnage). Nous pouvons utiliser alors des mthodes de probabilit pour constituer un chantillon de faon assurer la reprsentativit des diffrentes caractristiques qui nous intressent. Dans les expriences (telles que les essais cliniques), cette liste peut ne pas tre explicite et peut voluer au cours de lchantillonnage. Par exemple, une liste de critres dinclusion et dexclusion est spcifie au dbut de lessai, dfinissant le cadre gnral de la population. Ensuite, au fur et mesure de lidentification des patients, ils sont choisis pour ltude, puis affects aux diffrents groupes exprimentaux en utilisant des mthodes de probabilit. Le cadre dchantillonnage est une liste dlments (units) de la population. Dans les enqutes sur la population, cest une liste dindividus. Dans les essais cliniques concernant une maladie, cest une liste des patients ayant cette maladie. Dans une tude cas-tmoins, il sagit dune liste de personnes ayant la maladie et une liste de personnes nayant pas cette maladie. Le succs de ltude dpend de la compltude et de lexactitude de ces listes. Lun des principaux dfauts de nombreux projets de recherche est le biais de slection du cadre dchantillonnage. Par exemple, si un sondage par tlphone est entrepris avant une lection gnrale en Inde pour prdire quel parti va gagner, les rsultats seront trs vraisemblablement faux, car le cadre dchantillonnage comprend seulement des gens aiss (qui possdent un tlphone), et leur opinion nest certainement pas reprsentative de lensemble de la population. Une fois le cadre dchantillonnage dfini, il nous faut des mthodes pour slectionner dans ce cadre les individus inclure dans ltude. Deux problmes sont importants : quelle taille doit avoir lchantillon choisi ? comment doit-on choisir les individus le constituant ? Ces points sont discuts dans ce qui suit. 5.4 Quelle taille pour lchantillon ? Lune des dcisions les plus difficiles soumises au chercheur est de fixer la taille de lchantillon. Dans les recherches on emploie en gnral une dmarche empirique ou une dmarche analytique. La dmarche empirique consiste adopter une taille dchantillon
77
analogue celle dtudes similaires. Cette dmarche na aucune base scientifique et ne donnera satisfaction que si les erreurs de gnralisation des tudes prcdentes tombent dans des limites acceptables, et si ltude actuelle est trs similaire dans son contenu (objectifs, plan, population tudie, etc.). Cette mthode nest pas recommande et ne sera pas discute plus avant. La dmarche analytique (scientifique) pour dterminer la taille approprie de lchantillon inclure dans ltude, dpend de lvaluation des erreurs dinfrence et de la volont de minimiser lerreur dchantillonnage. Lerreur dchantillonnage mesure le degr de variabilit entre les rsultats sur chantillons (en tant que reprsentation rapproche de la situation relle dans la population, telle quelle est reproduite dans les rsultats sur chantillons) ; moins les rsultats sur chantillons sont variables, plus ceux-ci sont proches des rsultats sur population. Le facteur principal dterminant la taille de lchantillon est donc lexactitude requise pour les rsultats. Celle-ci est fonction de lobjectif de ltude (tude descriptive pour dterminer une mesure sommaire dune caractristique, ou tude analytique destine tester un ensemble spcifique dhypothses). 5.4.1 Taille de lchantillon pour les tudes descriptives. Dans le cas des tudes descriptives, lobjectif est souvent dobtenir une estimation dun paramtre de la population. Par exemple, dans les sondages dopinion, le responsable du marketing sintresse la proportion de la population qui prfre une marque donne. Un nutritionniste peut tre intress par la consommation moyenne de calories par jour de la population. Un chercheur dans le domaine de la sant peut tre intress par la proportion de fumeurs, ou par la valeur mdiane de la survie aprs un pontage coronarien. La dtermination de la taille de lchantillon ncessaire pour rpondre ces questions, dpend de plusieurs facteurs : i. Quelle est la mesure considrer ? Elle aura t dtermine par les objectifs de ltude. Lidentification de la caractristique de premire importance dtermine les tapes suivantes du processus de dfinition de la taille de lchantillon. Par exemple, si le taux de prvalence dans la population doit tre estim partir de lobservation dun chantillon extrait de cette population, la mesure est la proportion dindividus dans lchantillon ayant la maladie.
78
ii.
Quelle est la distribution de probabilit qui sous-tend la caractristique considre ? La plupart des problmes de recherche se rattachent lune des deux distributions suivantes : la distribution binomiale (lorsquon veut estimer la proportion dun certain vnement), ou la distribution normale (lorsquon veut estimer une valeur moyenne). Par exemple, le responsable de marketing prcdent fixe comme caractristique la prfrence dune marque, avec deux rsultats possibles. Si on suppose quil y a une proportion fixe () de gens prfrant cette marque, alors le nombre de gens exprimant cette prfrence dans nimporte quel ensemble fixe dindividus, suivra une distribution binomiale ; la proportion (p) de gens montrant cette prfrence est une bonne estimation de la proportion dans la population. Pour le nutritionniste, la consommation calorique journalire des individus suit une distribution normale ayant une certaine moyenne () ; la moyenne de la consommation de calories par jour dans un chantillon de population observ (x) est une bonne estimation de la valeur relative la population. Quelle est la distribution de la mesure due lchantillonnage ? Lexcution de linfrence de lchantillon vers la population entrane des erreurs inhrentes qui sont mesures par la distribution dchantillonnage. Si nous observons plusieurs chantillons slectionns suivant la mme mthode, les mesures effectues sur ces chantillons seront diffrentes, do une distribution de probabilit pour la mesure sur chantillon. Cette distribution appele distribution dchantillonnage, dpend du type de plan dtude et de la manire de constituer les chantillons. Dans le calcul de la taille de lchantillon, on suppose souvent que lchantillonnage a t fait simplement au hasard (ceci est discut plus loin dans ce chapitre). Quelquefois le plan dchantillonnage est plus complexe (par exemple techniques dchantillonnage par grappes en plusieurs tapes) ; alors il faut utiliser des formules plus compliques pour calculer correctement la taille dun chantillon. Quelle exactitude souhaite-t-on pour le rsultat ? En gros, on cherche obtenir une estimation aussi proche que possible de la valeur relative la population. En consquence, nous devons considrer une quantit qui mesure la diffrence entre lestimation et la valeur reprsentant la population. Dans la plupart des cas on utilise la variance, lerreur quadratique moyenne (moyenne des carrs des carts entre valeur de lchantillon et valeur de la population). Pour exprimer cette
iii.
iv.
79
erreur de faon concise, on utilise lcart-type de lestimation, qui est la racine carre de la variance. Cet cart-type provient de la distribution dchantillonnage de lestimation. Si lchantillonnage est fait correctement (en utilisant des mthodes de probabilit appropries), on peut prdire ce que doit tre cette distribution, et partir de l, on peut estimer lcart quaura lestimation sur chantillon par rapport la valeur de la population. Par exemple, on estime une proportion dans une population, la distribution dchantillonnage de cette proportion, p, dans lchantillon est approximativement normale, de moyenne et de variance (1 - )/n, o n est la taille de lchantillon. Lintervalle de confiance pour au niveau de confiance (1- ) est alors : p + , soit :
p z1
p(1 p) / n
o z1- est le point dintersection appropri sur la courbe de la distribution normale (par exemple au niveau de confiance 95 %, z = 1,96). Lexactitude de lestimation dpend ainsi de deux quantits : la largeur de lintervalle et le niveau de confiance dsir (par exemple 95 %). Le calcul de la taille de lchantillon dans une tude descriptive dpend ainsi de deux paramtres : la largeur de lintervalle de confiance et le niveau de confiance. De nombreux logiciels sont disponibles (par exemple EPIINFO a un module qui permet de calculer la taille de lchantillon)1. Les deux cas courants de distribution sont illustrs ci-aprs ; estimation dune proportion dans une population, et estimation dune moyenne dans une population. a. Estimation dune proportion () dans une population. Nous supposons entreprendre une enqute pour dterminer la prvalence (p) dune maladie relativement courante dans une communaut. Nous voulons dterminer combien dindividus doivent tre observs pour obtenir une image raisonnablement exacte de cette prvalence. Les tapes suivantes sont ncessaires.
Voir aussi le programme EPISODE (Morabia, 199b) qui effectue les tests statistiques frquemment utiliss en pidmiologie. Disponible gratuitement auprs de : Alfredo Morabia, Division dpidmiologie clinique, HUG, case postale 1211 Genve 14, Suisse.
80
Spcifier les paramtres de lerreur admissible : Niveau de confiance (1-) Largeur de lintervalle de confiance (2) 95 % 10 % 30 %
Supposer la vraie valeur de
Le problme est de calculer la taille de lchantillon ncessaire pour estimer la prvalence de la maladie plus ou moins 5 % de sa vraie valeur, et avec un niveau de confiance de 95 %. Comme lintervalle de confiance dpend en ralit de la vraie valeur, nous devons faire une supposition sur cette valeur. Elle peut tre faite en se basant sur une exprience antrieure ; sinon, on adopte la valeur 50 % qui donnera la taille maximale pour lchantillon. Partant du fait que la proportion (p) dans lchantillon se situe dans lintervalle de confiance donn cidessus, la taille de lchantillon (n) est calcule laide de la formule :
n = ( z1 / ) 2 p (1 p )
Applique lexemple ci-dessus, elle donne : n = (1,96/ 5)2(30*70) = 323. Nous avons besoin dun minimum de 323 individus observer pour pouvoir assurer avec une probabilit de 95 % que la valeur estime de la proportion se situe plus ou moins 5 % de la vraie prvalence. Si la vraie prvalence est infrieure 30 %, lintervalle de confiance sera plus troit. Le maximum de la taille dchantillon ncessaire a lieu lorsque la vraie prvalence est de 50 % ; alors n = 385. Le calcul prcdent suppose un chantillonnage fait au hasard dans une population relativement nombreuse. En pratique la population do sont extraits les chantillons peut tre limite et petite. Dans ce cas des corrections aux formules sont ncessaires (voir le programme EPIINFO pour les modifications des formules et leur utilisation pour diffrents plans dchantillonnage). b. Estimation dune moyenne () dans une population. On suppose vouloir estimer la consommation calorique moyenne par jour dans une communaut. La consommation de calories par jour est suppose suivre une distribution normale de moyenne et dcart-type (). La mesure sur chantillon utilise pour estimer est la moyenne de lchantillon. Cette moyenne a
81
aussi une distribution normale ayant la mme valeur moyenne, et un cart-type /n (cart-type de la moyenne). Notons quil faut connatre la valeur de avant daller plus loin. On peut obtenir cet cart-type, soit partir dautres tudes similaires, soit rellement partir dun petit nombre dobservations faites au hasard dans une tude test. Si cela nest pas possible, on peut faire une supposition raisonnable en prenant pour carttype le quart de ltendue maximale (diffrence entre le maximum et le minimum des valeurs possibles). (On se sert du fait que dans une distribution normale, 95 % des valeurs se trouvent moins de deux carts-types de la moyenne, cette moyenne tant la valeur centrale). Les tapes suivantes permettent de calculer la taille de lchantillon : Spcifier les paramtres derreur admissible : Niveau de confiance (1-) : Largeur dintervalle (2) : Fixer lcart-type () : 95 % 100 cal 150 cal
Lintervalle de confiance au niveau de 95 % pour la moyenne de lchantillon est : x + , soit :
x z (1 ) / n
La taille de lchantillon requise dans lexemple est : n = (1,96*150/50)2 = 35. c. Estimation des risques relatifs ou des rapports de chance (Odds Ratio, OR). Pour ces situations, les formules de calcul de la taille dchantillon sont beaucoup plus compliques, car la distribution dchantillonnage des estimations des risques relatifs et des rapports de chances (OR) nest pas simple. Il existe de nombreux logiciels pour calculer la taille dchantillon approprie. Le principe de calcul est essentiellement le mme : dterminer la formule donnant lintervalle de confiance, puis calculer avec cette formule la taille dchantillon aprs avoir spcifi les deux paramtres.
5.4.2 Taille dchantillon dans les tudes analytiques. Le premier objectif dune tude analytique (ou causale) est de tester la ou les hypothses nulles ; alors, pour dterminer les tailles dchantillons, il faut spcifier les limites derreurs admissibles lors
82
du rejet ou de lacceptation de lhypothse nulle (risques derreur de premire ou de deuxime espce). Comme dans le cas des tudes descriptives, il nous faut dfinir la mesure utilise pour lchantillon (une proportion, une moyenne dchantillon, une estimation du risque relatif ou du rapport de chances (OR), etc.) et sa distribution dchantillonnage. Sur la base de celles-ci, on prend la dcision daccepter ou de rejeter lhypothse nulle. En imposant les limites derreurs spcifies pour les risques derreur de premire et de deuxime espce (fonctions de la distribution dchantillonnage), on peut alors calculer la taille de lchantillon. Par exemple, supposons que nous acceptions un risque derreur de premire espce (cest la probabilit de tirer la conclusion fausse que les deux proportions ne sont pas gales dans les groupes de population, alors quelles sont en fait gales). Le calcul du risque derreur de deuxime espce (la probabilit de tirer la conclusion fausse que les deux proportions sont gales, alors quelles ne sont en fait pas gales) dpend dune dfinition prcise de lnonc hypothse nulle nest pas vraie. La faon la plus simple de procder est de dfinir la plus petite diffrence entre les deux proportions () que nous considrons comme significative (une diffrence cliniquement significative) et de calculer dans cette hypothse. Il est clair que si la diffrence est plus grande que , le risque derreur de deuxime espce sera moindre que . Selon cette mthode, des formules sont proposes pour calculer la taille de lchantillon pour diffrentes sortes de tests statistiques. Noter quen matire de tests statistiques, les risques derreur de deuxime espce indiquent la puissance statistique, gale 1- : autrement dit, une tude ayant un risque derreur de deuxime espce de 5 % a une puissance statistique de 95 %. On trouvera ci-aprs quelques exemples pratiques pour illustrer ces propos. Encore une fois, il existe de nombreux logiciels pour traiter la plupart de ces cas et les calculs qui suivent sont donns uniquement titre dexemples. a. Test de lgalit de deux proportions 1 = 2 Les mesures dans les chantillons sont des proportions, et la distribution dchantillonnage utilise pour tester lhypothse nulle est soit la distribution normale (z), soit la distribution de chi-carr (2). La marche du calcul est la suivante : Fixer le risque derreur de premire espce : ; Dterminer la diffrence minimale cliniquement significative : ;
83
Faire une supposition sur la proportion dans un des groupes (gnralement le groupe tmoin) : 1 ; Dterminer la puissance statistique (1-) requise pour dtecter cette diffrence.
Alors la taille dchantillon ncessaire est : n = [{z1 2 (1 ) z 1 (1 1 ) + 2 (1 2 )} / ] 2 o = (1+2)/2 Par exemple, on dsire dterminer la taille de lchantillon requise dans lessai clinique dun nouveau mdicament susceptible damliorer le taux de survie. On suppose que le taux de survie traditionnel est de 40 %, donc 1 = 0,4. Nous dsirons dtecter si le nouveau mdicament amliore le taux de survie dau moins 10 %, donc = 0,10 et 2 = 0,50. Fixons un risque derreur de premire espce de 5 %, soit = 0,05 et z1- = 1,96 ; nous voulons aussi que le risque derreur de deuxime espce () soit de 5 %, cest--dire que nous puissions dtecter une diffrence de 10 % ou plus, avec une probabilit de 95 % ; donc z = -1,645. En introduisant ces valeurs dans la formule ci-dessus, on trouve n = 640. Ainsi cette tude exige davoir 640 sujets dans chacun des deux groupes pour assurer avec une probabilit de 95 % la dtection dune amlioration dau moins 10 % du taux de survie, si le test statistique repose sur un niveau de signification de 5 %. b. Taille dchantillon dans une tude cas-tmoins. On suppose que lusage prolong de contraceptifs oraux (CO) augmente le risque de maladies coronariennes (MC). On souhaite dtecter un accroissement du risque relatif dau moins 30 % (ce qui quivaut un rapport de chances (OR) suprieur 1,3), au moyen dune tude cas-tmoins. Quelle doit tre la taille dchantillon approprie ? Le test dhypothse dans ltude sera quivalent au test suivant : tester si la proportion de femmes utilisant des contraceptifs oraux est la mme dans le groupe ayant une maladie coronarienne que dans le groupe sans maladie coronarienne. Il nous faut dterminer parmi les femmes sans maladie coronarienne (groupe tmoin) la proportion de femmes qui utilise des CO ; disons 20 %. Ensuite nous fixons la diffrence minimale dtecter par le test statistique. Nous devons
84
dtecter un rapport de chances (OR) suprieur 1,3, ce qui se traduit par un usage accru (24,5 %) parmi les patientes atteintes de MC ; ainsi une diffrence de 4,5 % doit tre dtecte. On choisit les valeurs et gales 5 % chacune. La formule ci-dessus donne n = 2220. Il nous faut donc tudier 2220 cas et 2220 tmoins pour constater leffet des contraceptifs oraux sur cette maladie. Quelquefois le rapport entre les nombres de cas et de tmoins nest pas 1-1. Par exemple si la maladie est rare, le nombre de cas disponibles pour ltude peut tre limit, et il nous faut augmenter le nombre de tmoins pour compenser (1-2, 1-3, etc.). Dans de telles situations, le calcul de la taille de lchantillon doit tenir compte de ces diffrences. Des logiciels, tels que EPIINFO, tiennent compte de ces situations. c. Comparaison de deux moyennes de deux populations. Lorsque ltude implique la comparaison des moyennes de deux chantillons, la mesure sur chantillon utilise est la diffrence des moyennes de ces chantillons. Cette diffrence a approximativement une distribution normale. Son cart-type dpend des carts-types des mesures dans chacune des populations ; selon que ces carts-types sont identiques ou diffrents on utilise des formules diffrentes. Dans le cas le plus simple, (et le plus courant), les deux carts-types sont considrs comme gaux. Le mode de calcul est illustr ci-aprs. Comme dans le cas a, nous devons fixer la diffrence minimale () entre les moyennes que nous dsirons dtecter par test statistique, les deux erreurs statistiques et , ainsi que lcart-type . Ensuite la taille de lchantillon ncessaire est calcule laide de la formule suivante : n = [( z1 z ) / ] 2 Par exemple, supposons que nous voulons tester un mdicament qui fait baisser la pression sanguine. Nous allons dire que le mdicament est efficace sil entrane une baisse de 5 mm Hg ou plus, par rapport au placebo. Supposons que nous savons que la pression sanguine systolique dans une population suit une distribution normale, avec un cart-type de 8 mm Hg. Nous choisissons = 0,05 et = 0,05. Alors la taille dchantillon exige dans cette tude est : n = [(1,96+1,645)8/3]2 , soit 34 sujets dans chaque groupe.
85
Si le plan dtude est tel que les deux groupes ne sont pas indpendants (par exemple tudes avec appariement, ou expriences sur des paires) ou si les carts-types sont diffrents dans les deux groupes, les formules doivent tre modifies en consquence. d. Comparaisons entre plus de deux groupes et mthodes danalyse multivarie. Lorsquil sagit de calculer une taille dchantillon pour des tudes mettant en jeu plus de deux groupes, en comparant des proportions ou des moyennes, il faut tenir compte de plusieurs autres problmes (par exemple : quelle comparaison est plus importante que les autres ; quelles erreurs sont plus importantes : dans des comparaisons apparies ou dans lensemble de ltude, etc.). En consquence, les formules pour chacun de ces cas seront beaucoup plus compliques. Dans les analyses multivaries telles que celles utilisant la rgression linaire multiple, la rgression logistique ou la comparaison de courbes de survie, il nexiste pas de formules simples pour le calcul de taille dchantillon. Dans la littrature sur la statistique sont rcemment apparues des tentatives destimation de taille dchantillon en utilisant des nomogrammes ou par calcul bas sur des expriences de simulation ; nous ne les discuterons pas ici. Lorsquon planifie des expriences, lune des tapes cruciales est de dcider de ltendue de ltude. Cest une tape qui ncessite de faire appel laide de spcialistes. 5.5 Mthodes dchantillonnage Une fois que la population a t identifie et la taille de lchantillon dtermine, il nous faut dcider de la faon de choisir lchantillon partir de la population. La taille de lchantillon dpendra aussi de ce choix. En consquence, il faudrait peut-tre reconsidrer le problme de la taille dchantillon aprs avoir choisi la mthode dchantillonnage. Dans la plupart des discussions de la section prcdente sur la taille dchantillon, on a suppos un chantillon prlev au hasard.
86
a. Simple chantillon au hasard. Cest la plus courante et la plus simple des mthodes dchantillonnage. Dans cette mthode, les sujets sont choisis dans la population avec une probabilit gale de slection. On peut utiliser une table de nombres alatoires, ou bien employer des mthodes telles que le tirage en aveugle dun nombre donn de noms dindividus, rassembls dans un chapeau. Des logiciels ont t dvelopps rcemment pour le tirage dchantillons au hasard dans une population donne. Le simple chantillon au hasard prsente lavantage dtre facile appliquer, dtre reprsentatif de la population la longue, et de faciliter lanalyse directe des donnes sans tape intermdiaire. Linconvnient est que lchantillon choisi peut ne pas tre fidlement reprsentatif de la population, surtout si la taille de lchantillon est petite. b. chantillonnage stratifi Lorsque la taille de lchantillon est faible et que nous avons quelques informations sur la distribution dune variable particulire (par exemple le sexe : 50 % dhommes, 50 % de femmes), il peut tre avantageux de choisir de simples chantillons au hasard dans chacun des sous-groupes dfinis par cette variable. En choisissant la moiti de lchantillon parmi les hommes et la moiti parmi les femmes, nous sommes assurs que lchantillon est reprsentatif de la population en ce qui concerne le sexe. Lorsque la confusion est un problme important (comme dans les tudes cas-tmoins), lchantillonnage stratifi diminue la confusion potentielle par le choix de sous-groupes homognes. c. chantillonnage par grappes Dans beaucoup denqutes administratives, les tudes concernent des populations nombreuses ayant souvent une grande dispersion gographique. Pour obtenir le nombre voulu de sujets pour ltude, le simple chantillonnage au hasard devient trs coteux et peu pratique. Dans de tels cas, on peut identifier des groupements ou des grappes (par exemple des mnages) et ltude comprendra des chantillons au hasard de mnages ; ainsi chaque membre de la grappe prendra part ltude. Cette mthode introduit deux types de variations dans les donnes - entre les grappes et lintrieur dune grappe dont il faut tenir compte lors de lanalyse des donnes.
87
d. chantillonnage par tapes multiples Nombre dtudes, en particulier de grandes enqutes au niveau national, mettent en jeu diffrentes mthodes dchantillonnage dans divers groupes, qui peuvent tre faites en plusieurs tapes. Dans lexprimentation ou dans les tudes pidmiologiques courantes, telles que les tudes cas-tmoins ou les tudes de cohortes, ces mthodes dchantillonnage sont peu utilises. On trouvera dans le livre de Levy et Lemshow des dtails sur ces mthodes. 5.6 Rfrences et pour en savoir plus
Cochran, W. G. Sampling techniques. New York: John Wiley and Sons, 1977. Fleiss, H. Statistical methods for rates and proportions. New York: John Wiley and Sons, 1981. Kish, L. Survey sampling. New York: John Wiley and Sons, 1965. Levy, P. S.and Lemeshow, S. Sampling of populations: methods and applications. New York: John Wiley and Sons, 1991. World Health Organization. Sample size determination: a users manual. Geneva: WHO, 1986 (WHO/HST/ESM/86.1). Schlesselman, J. J. Case-control studies. Oxford: Oxford University Press, 1982. Yates, F. Sampling methods for censuses and surveys. London: Charles Griffin, 1981.
88
Chapitre 6
Biais et Confusion
6.1
Introduction Comme indiqu dans le chapitre 2, il est important de considrer deux sources derreurs lorsquon planifie une recherche : lerreur alatoire et le biais. Un biais est prsent lorsque les rsultats dune tude sont systmatiquement diffrents de la vrit. Par exemple, si lobjectif de ltude est destimer le risque dune maladie associ une exposition, et si le rsultat de ltude surestime constamment le risque, alors le rsultat est dit biais. On doit faire la distinction entre le biais et lerreur alatoire, sachant que lerreur alatoire ne peut pas tre associe une cause particulire, et quelle tend sannuler grce des chantillonnages rpts. Au contraire, le biais continue donner une erreur de mme sens lors dchantillonnages rpts selon le mme plan. Le biais provient dune conception dfectueuse de ltude et a des origines multiples. Il faut prendre soin de minimiser le biais lors de la conception et la planification de ltude, car il est souvent difficile de sparer les effets rels du biais. Par contre, il suffit daugmenter la taille de lchantillon pour minimiser leffet de lerreur alatoire.
6.2
Types de biais Dans la recherche, il existe plusieurs types de biais. Sackett et al citent 19 types de biais rencontrs habituellement dans les tudes pidmiologiques. Choi a tendu cette liste jusqu 65. En effet, tout type derreur introduite dans ltude, et dont la cause est identifiable, peut tre potentiellement considr comme un biais par dfinition (erreur systmatique). Beaucoup de ces erreurs sont difficiles
89
Chapitre 6 : Biais et Confusion
dtecter et encore plus difficiles viter. Nous allons considrer trois types spcifiques de biais qui sont trs souvent rencontrs dans la recherche dans le domaine de la sant. 6.2.1 Biais de slection. Le biais de slection est une distorsion de lestimation de leffet due la manire de slectionner la population tudier. Cest sans doute le type de biais le plus courant dans les recherches sur la sant. Il existe dans les tudes par observation, aussi bien que dans les tudes analytiques (y compris les expriences). a. Biais prvalence/incidence. Ce type de biais peut sintroduire dans une tude cas-tmoins, par suite de la survie slective parmi les cas de prvalence. Lorsque nous slectionnons des cas, nous le faisons un moment tardif de la maladie ; si lexposition sest produite des annes auparavant, les cas bnins qui ont guri ainsi que les cas graves qui ont succomb, nous auront chapp, donc ne seront pas compts parmi les cas. Ce biais est rarement un problme dans les tudes de cohortes et dans les expriences, mais il est trs courant dans les tudes comparatives avec tmoins. Exemple: Le taux de ltalit lev dans les premiers stades dune maladie dartre coronaire manifeste cliniquement, peut invalider ltude de facteurs tiologiques possibles, car les personnes disponibles pour ltude sont des cas survivants (les cas graves sont absents). Pareillement, linfarctus du myocarde peut tre silencieux. Les signes cliniques peuvent tre absents, et les modifications biochimiques et lectrocardiographiques dues linfarctus peuvent disparatre aprs linfarctus (ces cas bnins napparatront pas parmi les cas tudier). Ce type de biais qui sintroduit dans ltude est illustr dans le tableau 6.1 par opposition une tude de cohorte (dans laquelle la maladie est identifie sous toutes ses formes).
90
TABLEAU 6.1 COMPARAISON ENTRE UNE TUDE DE COHORTES ET UNE TUDE CAS-TMOINS : ESTIMATION DES CHANCES RELATIVES (OR) DE DVELOPPER UNE MALADIE CORONARIENNE (MC) CHEZ DES HOMMES AVEC ET SANS CHOLESTROLMIE LEVE Cholestrolmie tude de cohortes dveloppe ne MC dveloppe pas MC Quartile suprieur 85 462 Total tude cas-tmoins MC prsente MC absente Total
547
38
34
72
Les trois quartiles infrieurs Total Chances relatives OR
116
1511
1627
113
117
230
201
1973 2,40
2174
151
151 1,16
302
b. Biais de taux dadmission (biais de Berkson) Ce type de biais est d des facteurs de slection lors de ladmission dans les hpitaux, et apparat dans les tudes de cas hospitaliss. Beaucoup dtudes cas-tmoins prennent des cas dans les hpitaux, et slectionnent les tmoins parmi les patients hospitaliss pour des raisons sans rapport avec la maladie tudie. Il est plus probable de trouver des malades ayant une affection concomitante ou bien une complication de la maladie dorigine, dans un chantillon hospitalis que parmi les membres de la population gnrale. Les causes de biais comprennent : la surcharge des symptmes ; la facilit daccs aux soins ; et la popularit de certains tablissements (particulirement en ce qui concerne les pratiques dadmission en vigueur). Des taux dadmission diffrents auront pour effet un biais dans lestimation des risques relatifs. Ce type de biais est plus courant dans les tudes par observation, en particulier dans les tudes cas-tmoins. Il est moins courant dans les expriences car les sujets sont randomiss aprs la slection. Exemple :
Des enqutes auprs des mnages ont t menes sur un chantillon alatoire de la population concernant les maladies musculo-squelettiques et les maladies respiratoires, avec ou sans hospitalisation rcente. Dans la population gnrale, il napparat aucune association entre les deux maladies (rapport de chances OR = 1,06). Par contre, dans le sous-ensemble de population qui a t hospitalis au cours des six derniers mois,
91
les personnes ayant une atteinte musculo-squelettique avaient plus de chances davoir une maladie respiratoire que de ne pas en avoir (rapport de chances = 4,06). En effet, les personnes ayant les deux maladies sont plus susceptibles dtre hospitalises que celles nayant quune seule de ces maladies. Tout ceci est illustr dans le tableau 6.2.
TABLE 6.2 MALADIES OSTO-ARTICULAIRES, AVEC OU SANS MALADIE RESPIRATOIRE Maladies osto-articulaires Population gnrale Personnes hospitalises au cours des derniers six mois Oui 5 18 Non 15 219 Total 20 237
Oui Oui Maladie respiratoire Non 17 184
Non 207 2376
Total 224 2560
Total
201
2583
2784
23
234
257
Chances relatives OR
1,06
4,06
c. Biais d labsence de rponse. Ce type de biais est d au refus de participer ltude. Les personnes concernes sont vraisemblablement diffrentes des personnes qui participent effectivement. Les personnes qui ne rpondent pas doivent tre compares aux participants en ce qui concerne lexposition dominante et les variables de rsultat, pour sassurer du degr de biais d labsence de rponse. Le biais du refus de rponse est frquent dans tous les types dtudes mais il est plus grave dans les tudes par observation. En particulier, les enqutes sur chantillons sont plus sujettes ce type de biais. Si le nombre de refus est similaire dans les groupes expos et non expos (ou chez les cas et chez les tmoins), il ny a peut-tre pas de rel problme. Il faut prvoir une information suffisante sur les variables associes dans les outils de collecte des donnes, en vue de vrifier leffet du biais du refus de rponse sur les rsultats. Une faon de minimiser ce type de biais dans les enqutes est de sassurer un taux de rponses maximal. Dans les essais contrls randomiss, il est possible de collecter des informations sur des facteurs associs qui peuvent renseigner sur le degr de gravit du problme, grce une collecte pralable dinformations et leur comparaison.
92
Exemple :
Un questionnaire sur les habitudes de fumer des anciens combattants aux Etats-Unis a t envoy par la poste. On a not que 85 % des non-fumeurs et seulement 67 % des fumeurs de cigarettes ont retourn le questionnaire dans les 30 jours. Le taux de rponse des fumeurs de pipe et de cigares tait intermdiaire.
6.2.2 Biais dinterrogatoire ou dinformation. Le biais dinformation est une distorsion dans lestimation de leffet, par suite dune erreur de mesure ou dun mauvais classement des sujets selon une ou plusieurs variables. Quelques types spcifiques de biais dinformation sont dcrits ci-aprs. a. Biais de diagnostic. Le biais de diagnostic peut se produire la suite de lexcution dun nombre lev de procdures de diagnostic sur les cas, disproportionn par rapport au nombre effectu sur les tmoins. Dans une tude de cohorte, la connaissance de lexposition pralable du sujet une cause possible peut influencer aussi bien lintensit que le rsultat du processus de diagnostic. Par exemple, le fait de savoir quune personne a travaill dans lindustrie du caoutchouc, peut conduire une investigation pour dtecter un cancer de la vessie, plus intense quelle ne le serait si la personne avait travaill dans une autre industrie. Dans une tude cas-tmoins, si la prsence de la maladie offre peu de manifestations cliniques et exige des tests de laboratoire ou des procdures de diagnostic pour la dtecter, alors cette maladie peut passer inaperue dans le groupe tmoin si ses membres ne sont pas examins de faon approprie avant de les inclure dans ltude. Par exemple, pour tre srs de dtecter la prsence dun cancer endomtrial chez des personnes exposes ou non exposes une thrapie par oestrognes, les mmes procdures de diagnostic doivent tre pratiques sur les deux groupes avec la mme frquence. On peut saffranchir de ce biais en constituant le groupe tmoin de personnes ayant subi les mmes procdures de diagnostic que le groupe des cas, mais ayant fourni un rsultat ngatif. Un biais similaire peut aussi apparatre dans des tudes exprimentales, mais ceci est rare grce llaboration et le respect rigoureux de protocoles dtude qui vitent ce type de problme.
93
En gnral on rduit ce type de biais, dune part par le travail en aveugle des personnes qui rendent compte des tests, en leur refusant toute information clinique pouvant identifier les cas et les tmoins (ou toute information sur leur appartenance tel groupe de traitement), dautre part en soumettant les cas et les tmoins des procdures de diagnostic galement rigoureuses. b. Biais de remmoration. Une erreur de classement peut apparatre si linformation sur la variable exposition est inconnue ou inexacte. Ce type de biais peut provenir de la dtermination de lexposition aux mdicaments par les seuls antcdents mdicaux, par le souvenir quont les tmoins de la variable exposition, mais dune investigation plus approfondie des variables dexposition pour ce qui concerne les cas. La remmoration par les cas, dune part, et par les tmoins, dautre part, peut diffrer en contenu et en exactitude. Les cas sont plus mme de se remmorer les expositions, surtout si les causes potentielles de leur maladie viennent de faire lobjet dune information mdiatique. Exemple :
On a interrog des mres dont la grossesse sest conclue par la mort du foetus ou des malformations (groupe des cas), et un groupe appari de mres dont la grossesse sest termine normalement (groupe tmoin). On a trouv que 28 % des cas, mais seulement 20 % des tmoins ont dclar une exposition des mdicaments. Aucun rsultat analogue na pu tre trouv ni dans les interrogatoires pralables antrieurs, ni dans dautres dossiers mdicaux.
Ce type de biais peut tre vit par une stricte observation du protocole prvu, appliqu dune faon normalise par des investigateurs travaillant en aveugle, et par lutilisation de donnes enregistres pour complter linformation obtenue partir des dossiers et des interrogatoires. 6.3 Influence des biais de slection et dinformation sur les rapports de chances (OR) constats dans des tudes de cas-tmoins et des tudes de cohortes. Les biais dcrits prcdemment peuvent modifier le rapport des chances (OR), et ainsi conduire potentiellement une conclusion non valide. Les tendances de cet effet sont illustres dans le tableau 6.3.
94
TABLEAU 6.3 EFFET DES BIAIS SUR LES RAPPORTS DE CHANCES (OR) CONSTATS DANS DES TUDES CAS-TMOINS ET DES TUDES DE COHORTES. Type de biais Effet sur le rapport de chances (OR) Cas-tmoins Biais de slection Prvalence-incidence Biais de Berkson Biais de non-rponse Biais de mesure Diagnostic Remmoration sans objet ou ou ou improbable sans objet ou Cohortes
Le biais de prvalence/incidence peut faire augmenter ou diminuer le rapport de chances (OR) dans une tude cas-tmoins, mais cet effet est peu vraisemblable dans une tude de cohortes ou dans une exprience. Le biais de refus de rponse peut influencer les tudes cas-tmoins et les tudes de cohortes, ainsi que les expriences, et ceci dans les deux sens. Les biais de slection sont les plus difficiles viter. On ne peut pas viter le biais de prvalence/incidence dans une tude cas-tmoins, mais il est au moins partiellement mesurable. Le biais de Berkson nest ni vitable, ni mesurable. Le biais de refus de rponse peut tre et vit, et mesur. Parmi les biais dinformation, le biais de diagnostic fait augmenter le rapport de chances (OR) dans les tudes cas-tmoins, ainsi que dans les tudes de cohortes. Le biais de remmoration fait aussi augmenter le rapport de chances (OR) dans une tude cas-tmoins, mais ne sapplique pas une tude de cohortes. Ces deux biais sont vitables. Les biais de slection rendent impossible la gnralisation des rsultats tous les patients atteints de la maladie tudie, tandis que les biais de mesure influencent la validit des conclusions de ltude. Comme les biais sont difficiles matriser dans la plupart des cas, il faut prendre soin den empcher lapparition en choisissant le plan dtude le plus appropri, en laborant et en observant des protocoles rigoureux. Dans le cas le plus pessimiste o ces biais ne peuvent pas tre vits, il faut au moins mesurer les biais potentiels, et envisager les possibilits dune correction statistique des rsultats.
95
6.4 Confusion. La confusion est un type spcial de biais, o leffet du facteur tudi est mlang avec les effets dautres facteurs qui nont pas un rapport direct avec le problme trait dans ltude. Une exposition E est dite confondue avec un autre facteur C pour ce qui concerne son effet sur une maladie X, si C et E sont tous deux associs la maladie et si C et E sont associs entre eux. La confusion se manifeste dans les rsultats de ltude lorsque le facteur C intervient de faon ingale dans les groupes exposs et non exposs E. La comparaison de lincidence ou de la prvalence de la maladie dans les deux groupes est perturbe par la diffrence de prsence du facteur C. Cest le seul type de biais qui peut souvent tre corrig par des ajustements statistiques ( condition de prendre les mesures appropries au cours de ltude). Il ne faut pas oublier, lorsquon parle de confusion, que les deux facteurs sont des facteurs de risque potentiels pour la maladie. Cest lobjectif de ltude qui dtermine celui qui est la cause et celui qui est source de confusion. Par exemple, lorsquon tudie les effets de lexposition la poussire damiante (chez les mineurs damiante) sur le cancer du poumon, le tabagisme est un facteur de confusion. Nous savons que le tabagisme est troitement associ au cancer du poumon, et que les mineurs ont tendance fumer plus souvent que les non-mineurs. Au contraire, si le problme pos est lassociation tabagisme et cancer du poumon, lexposition la poussire damiante deviendrait un facteur de confusion. La confusion est une forme de biais et, en consquence, elle affecte la validit de ltude ; les estimations des coefficients de risque peuvent tre systmatiquement plus leves (ou plus basses) que la vraie valeur du risque. Un ajustement tenant compte de la confusion amliorera la validit, mais diminuera la prcision des estimations. Comme il est possible de faire un ajustement statistique qui tient compte de la confusion si les informations sur les variables potentielles de confusion ont t runies, on a tendance faire un ajustement pour tous les facteurs de confusion potentiels. Cette pratique nest pas efficace : elle fait perdre des avantages statistiques (prcision) sans faire gagner beaucoup quant la validit, si les facteurs considrs ne sont pas rellement des facteurs de confusion. Avant ajustement pour des facteurs de confusion, on doit donc vrifier que les deux conditions de confusion sont runies. On trouvera des dtails sur la confusion dans le livre de Kleinbaum, Kupper et Morgenstern.
96
Lorsquon labore un projet de recherche, il faut soigneusement dfinir quels sont les facteurs de risque retenus pour ltude, et quels peuvent tre les facteurs de confusion potentiels (cest--dire des facteurs de risque connus nayant pas dintrt particulier dans la prsente tude et qui pourraient tre associs avec les facteurs de risque tudis). Comme il sagit dun type de biais, il vaut mieux viter ce problme si on le peut ; sinon il faut rassembler un maximum dinformations pertinentes. Exemple :
On suppose quon veuille tudier le postulat dune relation causeeffet entre la consommation dalcool et linfarctus du myocarde. On sait que le tabagisme est une cause de cette maladie, et on sait que la consommation dalcool et la consommation de tabac sont en corrlation. On suppose que la consommation dalcool nest pas une cause de linfarctus du myocarde. Par suite de son association avec le tabagisme, cependant, on trouverait que la consommation dalcool est associe la maladie et apparemment augmente le risque de lacqurir. On pourrait mme trouver une relation dose-effet apparente entre la consommation dalcool et linfarctus du myocarde, car les grands buveurs sont souvent aussi de grands fumeurs. Pour dissocier les effets du tabagisme de ceux de la consommation dalcool, on peut stratifier les sujets (du groupe des cas et du groupe tmoin) en sousgroupes de fumeurs et de non-fumeurs; dans chaque sousgroupe on recherche une association entre la consommation dalcool et linfarctus du myocarde. Le tableau 6.4 illustre leffet de la confusion dans cette tude.
TABLEAU 6.4 RELATION ENTRE LA CONSOMMATION DALCOOL ET LINFARCTUS DU MYOCARDE (IM)
A.
En ignorant la consommation de tabac
Consommation dalcool Oui Non Total
IM 71 29 100
Tmoins 52 48 100
Rapport de chances OR = 2,26, 2 = 7,62, P = 0,006 (des 2 cts).
97
B.
Selon le fait de fumer ou non Consommation dalcool Non-fumeurs IM Oui Non Total Rapport de chances OR 8 22 30 Tmoins 16 44 60 Fumeurs IM 63 7 70 Tmoins 36 4 40
1,0
1,0
Laugmentation statistiquement significative du risque (OR = 2,26, P < 0,01) dans ltude qui ignore la consommation de tabac, est falsifie. Parmi les non-fumeurs, le rapport de chances (OR) estim pour linfarctus du myocarde associ la consommation dalcool est OR = 1,0 ; il est le mme parmi les fumeurs. Leffet not dans la partie A du tableau est donc d la confusion avec le facteur consommation de tabac. On peut regarder les rapports de chances (OR) spcifiques aux sous-groupes du tableau 6.4 comme reprsentant leffet de lalcool, ajust la consommation de tabac, sur le risque de linfarctus du myocarde. Au niveau conceptuel, leffet de la consommation de tabac a t maintenu constant, mais non dans le sens exprimental. Si les deux rapports de chances OR (fumeurs/non-fumeurs) avaient t diffrents, une estimation globale de leffet de la consommation dalcool sur linfarctus du myocarde ne serait pas facile. Des mthodes statistiques dajustement incorporent lemploi de la standardisation (utilisant comme standard une population hypothtique o les groupes exposs et non exposs prsentent la mme distribution du facteur de confusion). Une mthode courante pour une telle standardisation met en jeu le rapport de chances OR ajust de Mantel-Haenzel (voir le livre de Kleinbaum, Kupper et Moganstern pour les dtails). 6.5 Options pour matriser la confusion dans les tudes par observation. Il existe plusieurs mthodes pour matriser la confusion, soit en lvitant, soit par des ajustements qui en tiennent compte dans lanalyse.
98
1. Limitations imposes dans le plan dtude. Cette mthode pour matriser la confusion consiste simplement spcifier un domaine troit pour une ou plusieurs variables parasites avant dadmettre les sujets dans ltude (par exemple, limite aux hommes de race blanche, ou aux sujets gs de 40 50 ans). Cette limitation sapplique aux deux groupes compars (cas et tmoins, ou exposs et non-exposs). Ceci a pour effet de supprimer des variables de confusion, et de retenir des groupes relativement homognes pour comparaison. Linconvnient de cette mthode est quon ne peut gnraliser ltude quau petit groupe ainsi dfini. Ltude aurait une validit externe pour le segment troit de population correspondant cette dfinition, mais elle ne serait pas trs utile pour lensemble de la population concerne. 2. Appariement. Lappariement consiste imposer des contraintes dans la slection des groupes comparer, si bien que le groupe tudier et le groupe de comparaison ont des distributions similaires de la variable de confusion potentielle. Un exemple classique est le choix du groupe tmoin pour quil corresponde au groupe des cas en ce qui concerne lge et le sexe. Aprs un tel choix, lge et le sexe ne sont plus des variables de confusion (mme si celles-ci sont associes la maladie, lassociation entre la variable exposition et la maladie nest pas confondue par ces variables). Bien que cette approche soit moins restrictive que la slection dun segment troit de la population concerne, lappariement limite la population concerne celle ayant les caractristiques du groupe tudi. Lanalyse des rsultats dtudes avec appariement impose dincorporer le plan dappariement (car les deux groupes ne sont pas statistiquement indpendants) et souvent la prcision est rduite. Par exemple, si une tude avec appariement porte sur 100 cas et 100 tmoins, ceci quivaut seulement 100 observations (100 paires assorties), et lefficacit statistique est environ 60 % de celle dune tude de 100 cas et de 100 tmoins non apparis. Aussi lappariement doit-il tre fait judicieusement. En outre, lappariement selon plusieurs variables simultanment peut conduire un excs dappariement, effaant toute association potentielle, et donnant des rsultats qui ne sont jamais statistiquement significatifs.
99
3. Stratification dans lanalyse sans appariement. Cette mthode consiste essentiellement restreindre lanalyse, plutt que le plan dchantillonnage, des domaines troits (des strates) de la variable parasite. Une mise en commun des rsultats obtenus pour les diffrentes strates est ventuellement possible sil ny a pas dinteraction entre les deux facteurs. Le tableau 6.4 prsente un exemple. 4. Modlisation mathmatique dans lanalyse. Cette dmarche implique le recours des mthodes statistiques sophistiques dans lanalyse, telles que la rgression linaire multiple, la rgression logistique, etc. Il sagit dune forme de stratification dans lanalyse et la mise en commun des informations, mais dans laquelle la stratification et la globalisation respectent une relation mathmatique hypothtique. Par ces mthodes on peut explorer diffrents types de relations qui peuvent se rvler plus efficaces statistiquement que lanalyse des strates individuelles. Voir pour plus de dtails Kleinbaum, Kupper et Morganstern, ou Hosmer et Lemshow. 6.6 Recommandations pour minimiser le biais dans les tudes analytiques. 1. Les cas doivent tre limits aux cas incidents et doivent tre des entits homognes ou des chantillons alatoires de lensemble des cas. Il faut toujours expliciter au pralable les dfinitions, le protocole dinterrogatoire, et les critres dexclusions. Il faut toujours choisir au moins deux groupes tmoins : a. Un groupe hospitalis, de prfrence choisi parmi des patients ayant subi les mmes procdures de diagnostic que les cas tudis ; les tmoins sont soit apparis aux cas tudis, de prfrence selon des variables stratifies, soit choisis au hasard parmi des tmoins potentiels ; Un groupe tmoin choisi dans la population gnrale.
2. 3.
b. 4.
Lanalyse doit tre complte. Toutes les variables de confusion potentielles, connues, qui nont pas t traites par appariement doivent faire lobjet dune analyse par stratification ou par des techniques danalyse multivarie.
100
6.7 Rfrences et pour en savoir plus

Fletcher, H. R., Fletcher, W. S. and Wagner. H. E. Clinical epidemiology: the essentials. London: Williams and Wilkins, 1982. Hosmer, D. W. and Lemeshow, S. Applied logistic regression. New York: John Wiley and Sons, 1989. Kleinbaum, G. D., Kupper, L. L. and Morganstern, H. Epidemiologic research: principles and quantitative methods. New York: Van Nostrand Reinhold, 1982. Sackett, D. L., Haynes, R. B., Guyatt G. H.and Tugwell, P. Clinical epidemiology: a basic science for clinical medicine. Boston: Little, Brown and Company, 1991.
101
102
Chapitre 7
Les principales mesures du risque
7.1
Introduction Les recherches dans le domaine de la sant impliquent lestimation du risque dune maladie, ou bien la probabilit de son apparition sous une forme ou une autre. Les mesures du risque varient selon le type de variable et selon le plan dtude. Dans ce chapitre, nous examinerons quelques indicateurs de risque habituellement utiliss, ainsi que les relations entre eux. 7.1.1 Revue des notations en calcul des probabilits. Le risque est essentiellement une mesure de probabilit. On peut considrer presque tous les aspects de lanalyse statistique de donnes pidmiologiques comme des concepts de probabilit, tandis que les conclusions sont presque toujours accompagnes dun calcul des probabilits de diffrents vnements. Dans le test dhypothse, lincertitude dans les conclusions de la recherche est lie la probabilit dobtenir des donnes qui sont concordantes avec lhypothse. Dans les tudes descriptives, les incertitudes dans les paramtres estims sont exprimes sous la forme dintervalles de confiance obtenus par des calculs de probabilit. La probabilit est une mesure de lincertitude. Elle est souvent exprime comme une frquence relative, cest--dire, parmi tous les vnements possibles, combien de fois est-il vraisemblable quun vnement dtermin se produise ? Evidemment, la probabilit se rfre des vnements futurs, mais elle est estime daprs notre exprience passe. Par exemple, dans un essai clinique, si 60 % des patients prenant un mdicament constatent un soulagement de leurs symptmes, alors on peut estimer que la probabilit de soulagement
103
Chapitre 7 : Les principales mesures du risque
du symptme dans le futur est de 60 % (sur 100 patients souffrant du mme tat pathologique et prenant ce mdicament, 60 constateront un soulagement). Il faut aussi noter que la probabilit est en fait une mesure concernant un groupe dindividus, mais il est difficile dexpliquer comment ce concept sapplique lindividu. Cependant, nous comprenons tous ce que veut dire lnonc : la chance de soulagement du symptme est de 60 %. Par dfinition, la probabilit est un nombre compris entre 0 et 1 (0 % et 100 %). Etant donn quil sagit dune frquence relative, le numrateur est le nombre dvnements et le dnominateur est le nombre dindividus susceptibles de subir lvnement. Par exemple, si dans une population de N individus, NM prsentent une maladie, la probabilit quune personne choisie au hasard dans cette population aura cette maladie est NM/N. Si, dans cette mme population, NS est le nombre dindividus exposs un certain facteur S et si NSM est le nombre de personnes parmi celles exposes au facteur qui ont la maladie, alors la probabilit conditionnelle de la maladie en prsence de ce facteur est NSM/NS. Cette probabilit conditionnelle scrit P(M/S), et on peut voir que :
P(M/S) = NSM NS
=
(NSM/N) (NS/N)
P(D et S)
=
P(S)
Trois lois fondamentales sont utilises dans les calculs de probabilits: 1. 2. La probabilit est un nombre compris entre 0 et1. P(A ou B) = P(A) + P(B) si les vnements A et B sexcluent mutuellement. P(A ou B) = P(A) + P(B) - P(A et B) si les vnements A et B ne sexcluent pas mutuellement. 3. P(A et B) = P(A) x P(B) si les vnements A et B sont indpendants P(A et B) = P(A) x P(B/A) = P(B) x P(A/B) si les vnements A et B ne sont pas indpendants. Lutilisation rpte des rgles prcdentes permet de comparer les probabilits de diffrents vnements dans les tudes pidmiologiques et de calculer les estimations de risques appropries ainsi que leur cart-type.
104
7.1.2 Utilisation des probabilits dans les outils de diagnostic. On mesure souvent lexactitude des outils de diagnostic par la frquence des diagnostics qui identifient correctement les individus malades (sensibilit du test), et la frquence de ceux qui identifient correctement les sujets en bonne sant (spcificit du test). A partir de ces mesures on peut tirer la valeur prdictive dun test positif ou ngatif. 7.2 Emploi des probabilits pour valuer les risques dans les tudes pidmiologiques. 7.2.1 Incidence et prvalence La mesure fondamentale du risque est la probabilit de maladie (ou de tout autre rsultat pris en considration). Deux grandeurs sont utilises habituellement : la prvalence et lincidence. La prvalence mesure la probabilit de la prsence de la maladie, tandis que lincidence mesure la probabilit de lapparition de la maladie. Lexpression formelle en est la suivante :
Prvalence ponctuelle = nombre dindividus dans la population ayant la maladie (ou une caractristique) un moment dtermin, par rapport la population totale, au mme moment. Prvalence priodique = nombre dindividus dans une population ayant la maladie pendant une priode dtermine, par rapport la population totale au cours de la mme priode.
Dans les deux cas, le numrateur est le nombre de cas existants. Cest la mesure qui est fournie par une enqute transversale. Au contraire, pour lincidence le numrateur est le nombre de cas nouveaux apparus. Comme on la vu prcdemment, il y a deux faons de mesurer lincidence selon le dnominateur utilis : lincidence cumule et la densit dincidence. Ces deux grandeurs estiment la probabilit dacqurir la maladie, mais lunit de mesure est diffrente dans les deux mthodes. Lincidence cumule estime la probabilit dacqurir la maladie par personne, et la densit dincidence estime la probabilit dacqurir la maladie par personne et par unit de temps.
105
7.2.2 Mesures (ou indicateurs) dassociation. Les mesures dassociation entre une exposition et un rsultat impliquent toujours les probabilits des divers vnements. Le choix de la mesure utiliser dpend de la stratgie du plan de recherche. On peut calculer la probabilit seulement lorsque lon peut dfinir clairement la population risque. tudes de cohortes. Lorsque lon compare les probabilits de maladie dans deux groupes, comme dans le cas dune tude de cohorte o lon compare la probabilit de maladie dans le groupe expos avec la probabilit de maladie dans le groupe non expos, on utilise une mesure relative. Cette grandeur, le risque relatif (RR), est le rapport entre ces deux probabilits :
RR = incidence parmi les individus exposs Ie par rapport lincidence parmi les individus non exposs, Io. RR = Ie/Io
On peut utiliser lune ou lautre des dfinitions de lincidence. Par exemple, dans une tude de cohorte comprenant 400 fumeurs et 600 non fumeurs, on a relev lincidence de lhypertension sur une priode de 10 ans. Le tableau ci-dessous rsume les donnes la fin de ltude.
Hypertension Oui Oui Fumeurs Non Total 30 * 570 * 600 1000 120 Non 280 Total 400
La probabilit de lhypertension parmi les fumeurs, P(H/F), exprime aussi Ie (incidence parmi les exposs) est :
Ie = 120 / 400 = 0,30.

La probabilit de lhypertension parmi les non fumeurs, P(H/nonF), exprime aussi Io (incidence parmi les non exposs), est :
Io = 30 / 600 = 0,05.
Le risque relatif est alors : RR = Ie /Io = 0,3 / 0,05 = 6,0.
106
Un risque relatif RR suprieur 1 indique que le facteur est associ positivement la maladie (lexposition, ici fumer, accrot les chances davoir la maladie). Un risque relatif infrieur 1 indique un facteur de protection (lexposition, par exemple la vaccination, diminue les chances de maladie). Noter que dans une tude de cohorte, on peut calculer une vraie valeur de probabilit (risque), car la population risque est suivie et tous les cas nouveaux de maladie (au cours de la priode considre) ont t identifis. Les totaux en bas de colonne (nombre total de personnes malades et non malades) ne doivent pas tre utiliss comme dnominateurs pour un calcul de probabilits. Une autre grandeur qui est souvent tire des probabilits de maladie dans deux groupes est le risque attribuable (RA). Il sagit ici du supplment de risque dans le groupe expos vis--vis du groupe non expos. Cette grandeur est simplement la diffrence centre les deux incidences :
RA = Ie - Io = 0,3 - 0,05 = 0,25
On peut donc attribuer 25% des nouveaux cas de hypertension dans le groupe expos au fait de fumer. Quelquefois le risque attribuable est exprim par rapport lincidence IT pour lensemble de la population ; cest le risque attribuable dans la population RAP, soit :
RAP = (IT - Io) /IT o IT = nombre total des cas/population totale. IT = (120 + 30)/1000 + 0,15 RAP + (0,15 0,05)/0,15 = 0,666 soit 66,6%
Cette expression est quivalente :

RAP = Pe(RR - 1) / [1 + Pe(RR - 1)] o Pe est la proportion de la population expose au facteur de risque.
107
Une autre mesure du risque attribuable est la fraction tiologique attribuable (EF), qui est le risque attribuable rapport lincidence totale dans le groupe expos. Cette grandeur rpond la question : parmi tous les cas de maladie dans le groupe expos, quelle est la proportion de cas imputables lexposition ?
EF = (Ie - Io ) / Ie = (0,30 - 0,05) / 0,30 = 0,833, soit 83,3 %.
Cette expression est quivalente :

EF = (RR - 1) / RR = 1 - 1 / RR.
Ainsi dans ltude prcdente, 66,6 % des cas dhypertension dans la population sont imputables au fait de fumer, et 83,3 % des cas dhypertension parmi les fumeurs sont imputables au fait de fumer. Ces deux rsultats peuvent servir pour estimer le risque vitable, le nombre de cas qui pourraient tre vits si le facteur de risque tait supprim de la population. Ces grandeurs constituent donc un outil utile pour la sant publique dans llaboration de programmes de prvention des maladies. En gnral, dans une tude de cohorte, les rsultats sont rassembls sous forme de tableau quatre cases (2x2), exposition ou non, et prsence ou non de la maladie, de la faon suivante :
Maladie (ou rsultat considr) Prsente Prsente Exposition Absente Total c a+c d b+d c+d N = a+b+c+d a Absente b Total a+b
108
Alors on a les formules suivantes :

Ie = a/(a + b) Io = c/(c + d)
RR = a(c + d) / c(a + b) RA = [a/(a + b)] - [c/(c + d)] RAP = [(a + b/N)(RR - 1)] / [1 + (a + b/N)(RR -1)] EF = 1 - 1/RR
tudes cas-tmoins Dans les tudes comparatives cas-tmoins, il est vident que lincidence nest pas mesurable, donc aucune estimation du risque relatif nest possible. Cependant, si la maladie est rare, on peut faire une approximation ; cette grandeur est appele le rapport des chances ou Odds Ratio (OR). On suppose que le tableau ci-dessus reprsente les rsultats dune tude cas-tmoins. Dans ce cas, les totaux (a + c) et (b + d) sont imposs par le plan dtude et sont donc des dnominateurs valides ; au contraire les totaux (a + b) et (c + d) sont des rsultats de ltude et ne sont pas des dnominateurs valides. Les seules probabilits mesurables sont la prvalence des facteurs de risque dans le groupe malade (a + c) et celle dans le groupe tmoin non malade (b + d). Une mesure base sur la probabilit constitue les chances (odds) quun vnement se ralise. Dans le groupe des malades, les chances davoir t expos sont (a/c), tandis que dans le groupe non malade les chances sont (b/d). On appelle le rapport entre ces chances des deux groupes, le rapport des chances ou Odds Ratio, OR.
Soit : OR = (a/c)/(b/d) = ad/bc
Noter que ce rapport OR se calcule facilement partir du tableau de rsultats quatre cases. On peut aussi montrer que cest une bonne approximation du risque relatif RR lorsque la maladie est rare :
RR = [a/(a + b)] / [c/(c + d)] = (ac + ad)/(ac + bc)
Lorsque la maladie est rare, (ac) est bien plus petit que (ad) et (bc) et la formule prcdente sapproche de :
RR = ad / bc = OR
109
Ainsi dans une tude cas-tmoins, le rapport des chances OR mesure lassociation entre la maladie et le facteur de risque. Noter que les calculs de risque attribuable ne sont pas possibles dans une telle tude, car les cas et les tmoins sont prslectionns, donc lincidence ne peut pas tre calcule. Cependant, quelques chercheurs utilisent des valeurs de OR la place de RR pour calculer des grandeurs quivalentes de RA et EF. Dans la grande majorit des cas, cette pratique nest pas justifie. Dans les cas particuliers o la prvalence de la maladie est trs faible, on peut accepter largument que RR est approximativement gal OR si lincidence est faible. Dans notre exemple, si les mmes rsultats sappliquaient une tude cas-tmoins comportant 150 cas dhypertension et 850 tmoins sans hypertension, le tableau se prsenterait de la faon suivante :
Hypertension Oui Oui Fumeurs Non Total 30 150 570 850 * 1000 120 Non 280 Total *
Rapport des chances dexposition : OR = 120 x 570 / 30 x 280 = 8,14.
Enqutes transversales Dans le cas dune tude transversale, lchantillon est la population totale. Par consquent, la prvalence de la maladie et la prvalence du facteur de risque peuvent tre estimes. Ici tous les lments du tableau quatre cases sont des mesures valides et ils permettent de calculer les probabilits appropries. Noter cependant que ces probabilits ne reprsentent pas le risque dacqurir la maladie, mais seulement une mesure de la prvalence. Toutes les grandeurs dfinies plus haut peuvent tre calcules partir du tableau quatre cases, et, sous rserve que nous parlons ici de prvalence et non pas dincidence, leurs dfinitions sont valides.
110
Le risque relatif RR et le rapport des chances OR seront calculs de la mme faon, ainsi que dautres quantits telles que RA et EF. Si la prvalence et lincidence sont similaires, ces grandeurs peuvent avoir les mmes interprtations. Le plus important est que le test dhypothses concernant les diffrentes probabilits est valide dans ce type dtude, et peut donner les bases pour amliorer ensuite lestimation du risque au moyen dtudes mieux adaptes (tudes de cohorte, quasi-exprimentales ou exprimentales). Dans le tableau rassemblant les observations, tous les nombres contenus dans les cases sont maintenant des nombres valides. Ainsi dans le cas dune enqute transversale, le tableau prcdent se prsenterait de la faon suivante :
Hypertension Oui Oui Fumeurs Non Total 30 150 570 850 600 1000 120 Non 280 Total 400
7.2.3 Variations statistiques dans les mesures. Noter que toutes les mesures prcdentes sont des estimations ponctuelles de la valeur approprie de lassociation. Comme les tudes sont habituellement bases sur des chantillons, il nous faut connatre lerreur alatoire associe ces estimations, cest--dire quel est le domaine possible de valeurs dans lequel se trouve la vraie valeur. Il nous faut dterminer la distribution de probabilit de ces mesures, puis calculer lintervalle de confiance appropri. Ces concepts sont discuts en dtail dans le chapitre 8. Ici nous nous contenterons de dire quen rgle gnrale il est possible de calculer lcart-type de ces estimations, puis partir de celui-ci de dterminer les intervalles de confiance laide de lapproximation de la loi normale, cest-dire : lintervalle de confiance est gal lestimation plus ou moins 2 fois lcart-type, avec un niveau de confiance de 95 %.
111
7.3
Abramson, J. H. Survey methods in community medicine. 2nd ed. New York: Churchill Livingstone, 1979. Barker, D. J. P. and.Bennet, F. J. Practical epidemiology. New York: Churchill Livingstone, 1976. Fleiss, J. L. Statistical methods for rates and proportions. New York: John Wiley and Sons, 1981. Kelsey, J. L., Thompson, W. D. and Evans, A. S. Methods in observational epidemiology. Oxford: Oxford University Press, 1986. Kleinbaum, D. G., Kupper, L. L.and Morganstern, H. Epidemiologic research. New York: Van Nostrand Reinhold, 1982. Lilienfeld, A. M. and Lilienfeld, D. E. Foundations of epidemiology. 2nd ed. Oxford: Oxford University Press, 1980. Beaglehole, R., Bonita, R. and Kjellstrom, T. Basic epidemiology. Geneva: WHO, 1993.
112
Chapitre 8
Analyse statistique des donnes
8.1
Introduction Dans la plupart des tudes de recherche, linformation rassemble concerne seulement un chantillon de la population considre (population cible). Pour en tirer des conclusions concernant la population totale il faut procder lanalyse statistique des donnes, quil sagisse dune simple tude descriptive ou dun essai contrl randomis. Lobjet de ce manuel est daider la prparation dune proposition de recherche et non de traiter de lanalyse des donnes. Cependant, comme le choix du plan de recherche a un impact direct sur lanalyse des donnes, il est important davoir une ide du type danalyse envisag ds llaboration du projet dtude. Aussi, allonsnous traiter brivement les aspects importants de lanalyse statistique.
8.2
Les bases de lanalyse statistique Les principes fondamentaux de la thorie de la probabilit (cits brivement dans le chapitre 7) sont utilis dans linfrence statistique. Toutes les infrences sont fondes sur trois concepts primaires : la population concerne (U), lensemble des caractristiques (variables) attaches chaque unit de cette population (V), et la distribution de probabilit (P) de ces caractristiques dans la population. La population (U) La population est lensemble des units dobservation qui sont considrer et qui constituent la cible de linvestigation. Par exemple, pour dterminer lefficacit dun mdicament donn dans une maladie,
113
Chapitre 8 : Analyse statistique des donnes
la population comprendra tous les patients possibles ayant cette maladie. Pour dterminer la prvalence de linfection par le VIH parmi les personnes vivant de la prostitution dans un pays, la population (le terme population est ici synonyme de population cible cite au chapitre 7) comprendra toutes les personnes relevant de cette catgorie dans la population gnrale. Dans toute tude de recherche, il est essentiel didentifier clairement et avec prcision la population. Le succs de linvestigation dpendra beaucoup de lidentification de la population concerne. Souvent la population concerne nest pas observable, alors une population moins nombreuse est identifie comme sujet de ltude. Par exemple, dans les essais cliniques, avant randomisation, on exclut certains patients pour diffrentes raisons ; alors la population tudie est quelque peu diffrente de la population cible. Cette distinction doit tre faite clairement au dbut de ltude et aussi au moment de lanalyse des donnes et de leur interprtation, de faon assurer la validit des infrences tires de ltude. Les variables (V) Une fois que la population est identifie, il nous faut dfinir clairement quelles sont les caractristiques des units de la population (sujets de ltude) que nous nous proposons dtudier. Par exemple, dans le cas de ltude sur le VIH cite plus haut, il nous faut dfinir le VIH (une mthode fiable et valide pour identifier le VIH chez lindividu), et prciser quelles sont les autres caractristiques des personnes que nous dsirons tudier. (par exemple, ge, sexe, niveau dinstruction, etc.). Pour le succs de ltude de recherche, il faut disposer de dfinitions et de mthodes claires et prcises (simple observation, mesure de laboratoire, batterie de tests laide dun questionnaire) pour mesurer ces caractristiques. Les variables sont caractrises de plusieurs faons et, dans le contexte de la statistique, elles sont habituellement soit discrtes, soit continues. Les variables discrtes sont celles qui ne peuvent prendre quun petit nombre de valeurs possibles, par exemple, sexe (masculin, fminin), incidence dune maladie (oui, non). Les variables continues sont celles qui peuvent thoriquement prendre toute valeur lintrieur dun domaine compris entre un minimum et un maximum, par exemple, ge, pression sanguine. Il y a certaines variables de nature discrte mais prsentant de nombreuses valeurs et qui sont similaires des variables continues ; elles sont considres comme des variables continues dans la plupart des calculs statistiques. Ce sont, par exemple,
114
le nombre dannes de scolarit ou le nombre de personnes dans un foyer. La distribution de probabilit (P) Cest cette distribution de probabilit qui constitue le lien crucial entre la population et ses caractristiques, lien qui nous permet de tirer des infrences sur la population partir des observations sur chantillon. La distribution de probabilit est une faon dnumrer les diffrentes valeurs que peut prendre la variable et de prciser la frquence dapparition de chacune de ces valeurs dans la population. La distribution relle de cette frquence sapproche dune courbe thorique reprsentant la distribution de probabilit. Les distributions de probabilit habituelles sont la distribution binomiale, de Poisson et normale. La plupart des analyses statistiques pratiques dans les recherches en matire de sant, utilisent lune ou lautre de ces trois distributions de probabilit. Par exemple, lincidence dune maladie relativement rpandue peut tre approche par une distribution binomiale, tandis que lincidence dun vnement rare (nombre de morts dans les accidents de vhicules) peut tre considre suivre une distribution de Poisson. Les variables continues (pression sanguine, battements du coeur) sont souvent considres comme distribues normalement. Les distributions de probabilit sont caractrises par des paramtres, quantits qui nous permettent de calculer les probabilits de diffrents vnements concernant la variable, ou bien de dterminer la probabilit dune valeur particulire de la variable. Par exemple, la distribution binomiale a deux paramtres n et . La distribution est binomiale lorsquon observe un nombre donn de sujets (n) dont la caractristique est dichotomique (elle ne peut prendre que deux valeurs possibles), et que chaque sujet a la mme probabilit () de prsenter une valeur et la probabilit (1 - ) de prsenter lautre valeur. Linfrence statistique consiste trouver la valeur de dans la population partir de lobservation dun chantillon choisi avec soin. Par ailleurs la distribution normale est une courbe mathmatique dfinie par deux paramtres : la moyenne des valeurs de la variable () et lcart-type () ; leurs dfinitions sont donnes la section 8.3.3. Le type danalyse statistique pratique dpend beaucoup du plan dtude, et en particulier du fait que ltude est descriptive ou
115
non, et du plan dchantillonnage utilis pour prlever lchantillon dans la population. 8.3 tudes descriptives. Lobjectif des tudes descriptives est destimer la valeur des paramtres de la distribution de probabilit, ou une fonction de ces paramtres. Se basant sur ce qui a t observ dans lchantillon, on calcule une estimation (valeur la plus probable) des valeurs relatives la population et on mesure lexactitude de cette estimation. Cette mesure dexactitude est base sur ce quon appelle la distribution dchantillonnage de lestimation. 8.3.1 Exactitude des estimations Une tude descriptive est entreprise qui permet dobtenir lestimation (E) dun paramtre. Il faut savoir comment cette valeur E va changer si on observe un autre chantillon. La distribution des valeurs de E au cours des rptitions de lchantillonnage (fait dans des conditions identiques au premier) est appele distribution dchantillonnage de E. Cette distribution peut tre dtermine empiriquement en rptant effectivement le processus dchantillonnage, mais cela est bien sr la fois difficile et non justifi. Il est possible dobtenir une approximation de la distribution dchantillonnage en se basant simplement sur la thorie de lchantillonnage. Une fois obtenue la distribution dchantillonnage, nous pouvons rpondre la question suivante : de combien sapproche lestimation du paramtre de sa vraie valeur ? Evidemment nous ne pouvons pas tre certains 100 % de la rponse cette question, car nous navons observ quun seul chantillon. Cependant, en se basant sur la distribution dchantillonnage, on peut dire avec un certain degr de confiance (par exemple avec une certitude de 95 %) que lestimation se situe dans un intervalle de + x autour de la vraie valeur. Cet intervalle est appel intervalle de confiance. Plus le niveau de confiance de laffirmation est grand, plus lintervalle de confiance est large. Comme nous le verrons plus loin sur des exemples, lintervalle de confiance pour un niveau de confiance donn, dcrot si la taille de lchantillon augmente. Intuitivement, plus on a dinformations (n lev), plus on est sr du rsultat (intervalle de confiance plus troit, ou niveau de confiance accru pour un mme intervalle).
116
8.3.2 Estimation des paramtres dans une distribution binomiale. Lorsque ltude concerne un vnement dichotomique (comme lincidence dune maladie), lobjectif est dobtenir une estimation de la probabilit de lapparition de lvnement (taux dincidence) dans la population. En se basant sur la distribution de probabilit binomiale, on montre que la meilleure estimation de est la proportion p dans lchantillon (nombre dvnements dans lchantillon divis par la taille de lchantillon, n). Pour valuer lexactitude de cette estimation (cest--dire de combien p est proche de la vraie valeur ), il nous faut connatre la variabilit prvue pour p dans des chantillons rpts prlevs selon le mme plan (distribution dchantillonnage de p). On montre que la distribution de p est approximativement normale, avec une moyenne et un cart-type s, o s = (1 - ) /n. En utilisant les proprits de la distribution normale, on peut dire, avec un niveau de confiance de 95 %, que la vraie valeur de se situe dans lintervalle p + 1,96s. Exemple 1
Dans une tude pour dterminer la prvalence de linfection par le VIH chez les personnes vivant de la prostitution, sur un chantillon de 150 prostitues on en a trouv 42 qui taient sropositives au VIH. Lestimation de la prvalence du VIH est donc 28%, avec un cart-type de 3,67%. Lintervalle de confiance au niveau de 95 % pour la prvalence du VIH parmi les prostitues de cette population gnrale, est donc 28 + 1,96*3,67 = (20,82 % 35,18 %). Autrement dit, sur la base de cette enqute, on peut affirmer avec 95 % de certitude que la vraie prvalence peut tre aussi basse que 21 % ou aussi leve que 35 %.
Noter quau chapitre 7, nous avons discut de divers paramtres et fonctions de paramtres concernant des distributions binomiales, lorsque nous avons parl de lincidence, de la prvalence et des risques relatifs. Les risques relatifs RR et les rapports de chance OR obtenus dans des tudes de cohortes et de cas-tmoins sont des estimations des vrais risques relatifs dans la population do sont extraits les chantillons tudis. Pour complter ltude il nous faut donc calculer la distribution dchantillonnage de ces estimations. Dans la plupart des cas on suppose que les distributions dchantillonnage suivent approximativement la loi normale (ce qui est statistiquement acceptable si la taille de lchantillon est grande et si lchantillonnage est fait
117
selon des mthodes de probabilit). Alors il nous faut seulement calculer lcart-type de ces estimations pour en dduire les intervalles de confiance. La plupart des logiciels utiliss pour calculer les risques relatifs RR ou les rapports de chance OR donnent aussi lcart-type sur ces valeurs, et dans certains cas les intervalles de confiance. 8.3.3 Estimation des paramtres dans une distribution normale. Dans le cas dune variable X ayant une distribution normale, nous devrons connatre la moyenne et lcart-type . La meilleure estimation de ces paramtres est la moyenne de lchantillon x (moyenne arithmtique de toutes les observations dans lchantillon) et lcart-type de lchantillon .
(x - x ) /(n-1)
2
La distribution normale prsente la proprit dtre une loi de probabilit symtrique et le centre de la distribution est . Ainsi, lintervalle : moyenne + 1,96 * cart-type, contient 95 % des valeurs de la variable, cest--dire quil y a une probabilit de 95 % que la valeur de la variable se trouve dans cet intervalle. Une autre raison dutiliser couramment la distribution normale dans linfrence statistique est que les fonctions de paramtres sur lchantillon (moyenne, risques relatifs, coefficient de corrlation, etc.) prsentent une distribution dchantillonnage suivant la loi normale, si la taille de lchantillon est suffisamment grande. La plupart des recherches dans le domaine de la sant impliquent seulement des infrences sur les valeurs moyennes. La moyenne de lchantillon prsente une distribution normale de moyenne et dcarttype (cart-type de la moyenne) s/n. Ainsi lintervalle de confiance au niveau de confiance 95 % pour la moyenne de la population est : , ou plus simplement : moyenne de lchantillon + 2*cart-type de la moyenne. On trouvera dans le livre de Kleinbaum, Kupper et Morgenstern, et celui de Glantz, la description dtaille de problmes courants destimation et des formules pour les intervalles de confiance.
118
8.4
tudes analytiques. Contrairement aux tudes descriptives, les tudes analytiques non seulement dcrivent la population, mais aussi comportent des tests dhypothses. Ltude part de la formulation dhypothses de recherche, et partir des observations faites dans ltude, il nous faut tirer des conclusions sur la validit de ces hypothses. Linfrence se droule en deux tapes : estimation des paramtres des distributions de probabilit pertinentes, et test des hypothses (ou test de signification) concernant ces paramtres. 8.4.1 Tests statistiques des hypothses Un test dhypothse comporte plusieurs tapes : tape 0. Identifier lhypothse nulle. Cest un nouvel nonc de lhypothse de recherche sous la forme nulle, par exemple traitement sans effet, aucune diffrence entre les taux de survie, aucune diffrence entre les taux de prvalence, risque relatif gal un, etc. Lhypothse nulle est souvent nonce dans les objectifs de recherche. Lhypothse nulle doit tre testable, cest--dire il doit tre possible didentifier quels sont les paramtres estimer, et il doit tre possible destimer le paramtre, son cart-type et la distribution dchantillonnage, grce au plan de ltude. tape 1. Dterminer les niveaux a et b des risques derreur acceptables dans linfrence. Comme linfrence est base sur un chantillon de la population, on ne peut jamais tre absolument sr que lhypothse nulle est vraie ou fausse en ce qui concerne la population. La dcision est dichotomique : accepter lhypothse nulle Ho ou rejeter Ho. Deux risques derreur dinfrence sont possibles. Le risque derreur de premire espce () est la probabilit de rejeter lhypothse nulle par erreur lorsquelle est vraie, et le risque derreur de deuxime espce () est la probabilit daccepter lhypothse nulle par erreur lorsquelle est fausse. Ceci est rsum dans le tableau suivant :
119
Situation dans la population Decision (base sur les rsultats sur chantillon) Accepter H0 H0 est vraie H0 est fausse
Pas derreur Erreur de deuxime espce ou Erreur de Pas derreur premire espce ou
Rejeter H0
Noter que le but de ltude est de minimiser la fois et ; cependant, ces erreurs jouent en sens inverse. Si lune diminue, lautre tend augmenter. Souvent linvestigateur planifie ltude pour avoir le niveau dsir pour , et minimise pour cette condition. Le test statistique dhypothse est donc souvent ralis aprs choix de et du meilleur test statistique disponible qui minimisera . Le choix de et est fait aprs avoir dtermin les consquences de chacune de ces erreurs et il est fix au moment de ltude. tape 2. Dterminer le meilleur test statistique adapt lhypothse nulle nonce. Ce test dpend du plan dtude, du type de variable et du type de distribution de probabilit de la variable. Par exemple, lhypothse nulle postule est que les taux de prvalence dune maladie parmi deux groupes de population sont les mmes. Des chantillons sont tirs au hasard et indpendamment dans les deux groupes de population. La variable, de nature discrte dichotomique, est la maladie, et la taille de lchantillon est fixe. La distribution de probabilit dans les populations est donc binomiale et le paramtre de cette distribution est le taux de prvalence ; celui-ci est estim par les taux de prvalence dans les chantillons. Ceux-ci ont une distribution approximativement normale (distribution dchantillonnage). Donc des tests de z ou de 2 sont les plus appropris (voir ci-aprs). tape 3. Faire le test statistique Il sagit de calculer la grandeur statistique (z ou 2) et de comparer la valeur calcule avec la distribution thorique. Si la valeur observe est en dehors des limites entre lesquelles la probabilit est
120
infrieure pour la distribution dchantillonnage, lhypothse nulle est rejete. tape 4. Calculer la puissance du test. Si lhypothse nulle nest pas rejete, cest--dire si la valeur calcule de la grandeur statistique est entre les limites pour , alors la puissance statistique du test (1 - ) doit tre calcule pour un certain cart minimum acceptable par rapport lhypothse nulle. Si la puissance statistique est trop basse, on peut recommander de rpter ltude avec une taille dchantillon plus grande. Si la puissance est acceptable, on peut accepter lhypothse nulle. Quelquefois, au lieu de dcider lacceptation ou le rejet de Ho, on compare la grandeur statistique avec la distribution dchantillonnage et on calcule la valeur de pour laquelle le test va rejeter lhypothse nulle ; elle est appele la valeur P du test. Dans lexemple ci-dessus, si la valeur calcule de z est infrieure 1,96 ou suprieure +1,96 (ou si dune faon quivalente, la valeur de 2 est suprieure 3,84), on doit rejeter lhypothse nulle avec un risque de premire espce , de 0,05. Il faut aussi noter que le rejet de lhypothse nulle ne veut pas dire ncessairement que leffet ou la diffrence (cart lhypothse nulle) est cliniquement significatif. La diffrence peut tre insignifiante en ce qui concerne lutilit pratique, tout en tant statistiquement significative si la taille de lchantillon est grande. Par exemple un rapport de chances OR de 1,1 peut tre statistiquement significatif au niveau de 5 %, si la taille de lchantillon est trs grande (disons 100 000), mais il ny a pas lieu de sinquiter pour un accroissement aussi faible du risque relatif. Naturellement cela dpend de la maladie considre, et la plus petite diffrence ayant un impact significatif est souvent appele la diffrence minimale acceptable ; elle est utilise pour calculer la taille de lchantillon lorsquon planifie ltude. (voir chapitre 5). Lorsque nous rejetons une hypothse nulle, nous acceptons habituellement une hypothse alternative H1 qui dans la plupart des cas est loppose de Ho. Par exemple si Ho dit : les moyennes des deux populations sont gales, alors H1 signifie : les moyennes des deux populations ne sont pas gales. Ce type dhypothse alternative est appel alternative bilatrale. Lorsque la moyenne dune population est trop grande ou trop petite compare celle de lautre population, nous rejetons lhypothse nulle. Il peut se trouver des cas o nous
121
nous intressons seulement dtecter si la diffrence penche dun cot de lhypothse nulle (par exemple le mdicament amliore-t-il le taux de survie ?). Dans ce cas le test peut tre unilatral et Ho est rejete lorsque la diffrence est trop grande et montre lavantage du mdicament, mais nest pas rejete si la diffrence est trop grande et montre que le mdicament est nocif. Evidemment comme nous ne rejetons Ho que la moiti du temps, le risque derreur de premire espce est rduite. Dune faon quivalente, pour le mme risque derreur de premire espce, Ho est rejete plus souvent, ce qui accrot la puissance du test. La dcision dutiliser un test unilatral ou bilatral doit tre prise au pralable, avant la collecte des donnes, et doit tre fonde sur un raisonnement scientifique solide, pour viter de biaiser la comparaison. 8.4.2 Quelques tests statistiques dhypothses couramment pratiqus. Comparaison de deux proportions (test de z, test de 2) Un test courant dans les tudes pidmiologiques concerne la comparaison de deux proportions. Parmi les exemples, on trouve la comparaison des taux dincidence dans les tudes de cohortes et la comparaison des taux de prvalence dans les tudes cas-tmoins et les enqutes transversales. Une comparaison de proportions implique le test de lhypothse nulle Ho : 1 = 2, o 1 et 2 sont les probabilits dapparition dun vnement dans deux populations indpendantes. Le plan dtude habituel implique un chantillon de sujets tirs au hasard indpendamment dans les deux populations, ou bien une certaine forme dappariement (par exemple, observations par paires dans des tudes cas-tmoins apparis exactement par lge). Lvnement ou la caractristique (tel que lincidence ou la prvalence dune maladie, lexposition un facteur de risque, lappartenance une race particulire, etc.) est soit dichotomique, soit rendu dichotomique en regroupant ensemble tous les vnements autres que celui tudi (par exemple dans un pays multiracial comme le Canada, il peut tre intressant de comparer la population blanche avec le reste de la population). La distribution de probabilit est suppose binomiale. Le test dhypothse est bas sur les proportions p1 et p2 observes dans les deux chantillons. Si Ho est vraie, on sattend avoir p1 p2 = 0. La distribution dchantillonnage de p1 p2 est approximativement normale, avec une moyenne gale (1 - 2) et un cart-type donn par la formule :
122
Alors la grandeur de test z = (p1 - p2)/ [p1(1 - p1)/n1 ] + [pz(1 - 2)/nz ] a une distribution normale de moyenne 0 et dcart-type 1, si Ho est vraie. Dans lhypothse nulle, 1 = 2 = , et lcart-type est:
[ 1 (1 1 )(1/n1 + 1/n2)
et est estim par la valeur
p(1-p)(1/n1+1/n2)
o p = (n1p1 + n2p2)/(n1 + n2). Dune faon quivalente, 2 = z2 a la distribution de 2 avec un degr de libert. Le test statistique consiste calculer z ou 2 et le comparer avec la distribution approprie. Par exemple pour = 0,05, le point dintersection pour z est + 1,96, et pour 2 il est 3,84. Noter que 2 peut aussi tre calcul simplement laide de la table double entre ci-aprs :
[ 1 (1 1 ) / n1 ] + [ 2 (1 2 ) / n2 ]
FRQUENCES OBSERVES Population 1 vnement Oui Non Total O11 O12 = n1-O11 n1 Population 2 O21 O22 = n2-O21 n2 Total a b n = n1+n2 = a+b
Si H0 est vraie, nous avons le tableau suivant bas sur la taille des chantillons :
FRQUENCES ATTENDUES Population 1 vnement Oui Non Total A11 = a*n1/n A12 = n1-A11 = b*n1/n n1 Population 2 A21 = a*n2/n A22 = n2-A22 = b*n2/n n2 a b n
123
Alors
2 = (O A ) 2 / A E E
o la sommation est faite sur les 4 cases du tableau double entre, et o O est la frquence observe, et A, la frquence attendue. Exemple 2
Une tude de cohorte dinsuffisance de poids la naissance a concern 250 femmes dorigine chinoise et 150 femmes dorigine indienne qui ont t suivies pendant toute leur grossesse par rapport divers facteurs de risque de faible poids la naissance (poids infrieur 2 500 grammes). Douze chinoises et dix-huit indiennes ont donn naissance des bbs pesant moins de 2 500 grammes. La question pose dans ltude est : lincidence de linsuffisance de poids la naissance est-elle plus grande chez les femmes indiennes ? Variable : poids insuffisant la naissance (dichotomique : oui/ non) Paramtre de la distribution binomiale = taux dincidence. Hypothse nulle : C = I ; risque derreur de premire espce = 0,05. Donnes : Chinoises Poids insuffisant Poids normal 12 238 Indiennes 18 132
Estimations des taux dincidence : Chinoises : pC = 12/250 = 4,8 % Indiennes : pI = 18/150 = 12 %. Ralisation du test : (a) z = (4,8 - 12,0)/ (4,8 * 95,2/250) + (12 * 88/150) = (-7,2/2,98) = -2,42 point dintersection de z = 1,96 au niveau 95 %
124
Comme le z calcul est infrieur 1,96, nous rejetons lhypothse nulle et nous concluons que les taux dincidence sont diffrents dans les deux populations. La diffrence entre les taux dincidence est statistiquement significative au niveau de risque 0,05. (b) Les frquences attendues dans les 4 cases du tableau prcdent sont les suivantes : Chinoises Poids insuffisant Poids normal 18,75 231,25 Indiennes 11,25 138,75
2 = [(-6,75)2 /18,75 + (6,75)2 /11,25 + (6,75)2 /231,25 + (-6,75)2/ 138,75)] = 7,01 La valeur de 2 est plus grande que le c2 pour un point dintersection avec un degr de libert correspondant 5 %. Donc nous rejetons lhypothse nulle au niveau de signification de 5 %, et nous concluons que les deux taux dincidence sont diffrents.
Comparaison dincidence dans les tudes de cohorte et comparaison de prvalence dans les tudes cas-tmoins. On trouve un bon exemple de la comparaison dincidence dans une tude de cohorte. Dans un tel cas la grandeur compare peut tre le risque relatif plutt que la diffrence des risques. Ainsi lhypothse nulle I1 = I2 peut tre reformule, risque relatif RR = 1. Il nous faut trouver la distribution dchantillonnage du risque relatif de lchantillon, rr , afin de tester cette hypothse. Comme il sagit dun rapport, cest le logarithme ln(rr) quon suppose avoir une distribution normale de moyenne 0. Il sensuit que le test de signification implique le calcul de lcart-type de ln(rr) et lutilisation de la quantit z = ln(rr)/cart-type[ln(rr)] comme plus haut. En pratique, cependant, le test de signification est fait sur lhypothse de lgalit des taux dincidence et cest la quantit 2 qui est alors approprie. On trouvera dans le livre de Kleinbaum, Kupper et Morgenstern des informations complmentaires ce sujet.
125
Comparaison de deux proportions lorsque les chantillons sont apparis. Lorsque les deux chantillons sont apparis, en particulier dans un appariement un--un, les observations rsultantes ne sont pas statistiquement indpendantes. Ainsi lcart-type de la diffrence impliquera un terme de covariance, et de plus la diffrence peut ne pas prsenter une distribution normale. En consquence, le test de z pour deux variables indpendantes nest plus valable. Il existe des tests statistiques qui tiennent compte de la dpendance entre les chantillons. En particulier le test de 2 de McNemar mrite dtre mentionn. Supposons que les deux chantillons sont apparis un-un, de sorte que nous avons n paires dobservations (soit 2n observations au total). Le test de McNemar consiste sparer ces n paires en paires concordantes (les lments de la paire prsentent tous deux lvnement, ou bien aucun ne le prsente) et en paires discordantes (un lment de la paire prsente lvnement et lautre ne le prsente pas). Si on note par + la prsence de lvnement et par - son absence, il existe 4 catgories dobservations possibles pour chaque paire, et ayant les frquences indiques dans la liste suivante :
+/+ +/-/+ -/a b c d
Les deux groupes concordants, +/+ et -/- sont ngligs car ils napportent aucune information au sujet de lhypothse nulle qui suppose la mme probabilit dans les deux populations. Si lhypothse nulle est vraie, on peut sattendre ce que les deux paires discordantes +/- et -/+ aient la mme frquence, si bien que la frquence attendue de chacun de ces groupes est (b+c)/2. La grandeur 2 base sur ces ensembles de deux frquences observes (b et c) et de deux frquences attendues (b+c)/2 et (b+c)/2, suit la distribution de 2 avec un degr de libert, si lhypothse nulle est vraie. La grandeur du test de McNemar est 2 = (b-c)2 /(b+c) ; elle doit tre compare avec la distribution de 2 avec un degr de libert en vue du test de signification de lhypothse nulle. Si le nombre des paires est petit, il faut souvent appliquer une correction de continuit la formule qui scrit alors : 2 = (b-c-1)2 /(b+c)
126
Exemple 3 Une tude cas-tmoins du carcinome naso-pharyngien a concern 200 cas de cette maladie qui ont t apparis 200 sujets tmoins (patients du mme hpital admis pour dautres maladies et apparis en ge, sexe et race). Lun des facteurs de risque considr dans cette tude tait lexposition au virus dEpstein-Barr (EBV). Le tableau suivant donne les rsultats pour les 200 paires de sujets observs, lvnement tant lexposition au facteur de risque.
Nombre de paires Exposition au virus EB Chez les cas 45 28 56 71 + + Chez les tmoins + + -
Lhypothse nulle nonce quil ny a pas dassociation entre lexposition et la maladie, ce qui implique que les frquences des deux groupes de paires discordantes sont gales. Ngligeant les paires concordantes, il reste les paires discordantes ayant les frquences 28 et 56 respectivement. La grandeur 2 de McNemar est donc (28 - 56)2 /(28 + 56) = 10,6. Si on choisit un risque derreur de premire espce a = 0,05, le point dintersection pour 2 est de 3,84. Il nous faut rejeter lhypothse nulle de non-association entre exposition au EBV et la maladie (carcinome naso-pharyngien).
Comparaison de deux proportions lorsque la taille de lchantillon est petite. Tous les tests prcdents reposent sur lapproximation la loi normale et supposent que la taille de lchantillon est assez grande, cest--dire que np est suprieur 5 (la frquence attendue dans chaque case de la table de contingence est plus grande que 5). Lorsque la taille de lchantillon est trop petite pour satisfaire cette exigence, lapproximation normale peut tre incorrecte. Alors on apporte quelquefois une correction de continuit au calcul de 2, mais ceci nest pas largement admis. Dans un tel cas, on utilise plutt le test de Fisher qui ne repose pas sur lapproximation normale et est exact. On trouvera des dtails ce sujet dans le livre de Glantz.
127
Comparaison de deux moyennes dchantillons indpendants. Lorsque la variable considre est continue, la distribution de probabilit pertinente suit la loi normale. Dans ce cas lhypothse nulle Ho prend souvent la forme : 1 = 2, o 1 et 2 sont les moyennes de la variable dans les deux populations. Le test dhypothse comporte les mmes tapes que dans le cas du test de la diffrence de deux proportions, mais ici le paramtre considr est la diffrence des moyennes, x . La meilleure estimation de la moyenne dans la population est la moyenne de lchantillon. Alors pour tester lhypothse nulle, on calcule la valeur rduite de la diffrence des moyennes. Dans le cas de deux chantillons obtenus de faon indpendante (par exemple dans un essai clinique o les patients ont t affects au hasard deux groupes, ou dans une tude cas-tmoins sans appariement), cette valeur a une distribution normale de moyenne 0 et dcart-type 1, si lhypothse nulle est vraie. Nous avons suppos ici que les carts-types des deux populations, 1 et 2, sont connus. En pratique cependant, il est rare de connatre ces quantits, et il faut les estimer en prenant les carts-types de leurs chantillons respectifs. On suppose couramment que les deux populations ont le mme carttype, et on calcule cette valeur commune de lcart-type, s, par la formule :
s=
Alors la diffrence rduite t = ( x1 x 2 ) / s (1 / n1 + 1 / n 2 ) prsente une distribution de Student (distribution de t) avec (n1 + n2 - 2) degrs de libert, si lhypothse nulle est vraie. Ainsi le test consiste comparer la valeur calcule de t avec la valeur de la distribution de t pour le seuil de probabilit . Exemple 4
On a tudi lincidence de linsuffisance de poids la naissance (poids la naissance infrieur 2 500 g) parmi diffrents groupes ethniques de Malaisie. Les moyennes de poids et leurs cartstypes sont donns ci-aprs :
128
Groupe ethnique Moyenne Malais Chinois Indien Autres Total 2816,71 2692,05 2914,26 2776,99 2803,51
N 458 156 135 136 885
cart-type 597,52 577,95 538,52 548,69 580,81
s t
= [(457*597,522) + (134*538.522)]/134+457) = 584,66 = (2816,71-2914,26)/{584,66[(1/458)+(1/135)]} = -17,40
Si lhypothse nulle est vraie, t suit une distribution avec 591 degrs de libert, distribution approximativement normale puisque la taille dchantillon est grande (suprieure 50). Ainsi le point dintersection pour le niveau de signification de 5 % est + 1,96. Comme le t calcul est en dehors de ces limites, il nous faut rejeter lhypothse nulle et conclure que les deux groupes prsentent des moyennes diffrentes de poids la naissance. Note: La comparaison de plus de deux groupes exige des tests statistiques plus complexes comme lanalyse de la variance ou le test de F, sujets en dehors de lobjet de ce manuel. On en trouvera des dtails dans dautres livres comme celui de Glantz. Comparaison de deux moyennes dans le cas dchantillons apparis. Lorsque les chantillons ne sont pas indpendants (en gnral suite un appariement par paires) et comme dans le cas du test de McNemar, on peut utiliser le mme test de t. La mthode comprend le calcul de la diffrence de la variable de rsultat considre entre les lments de chaque paire, puis le calcul de la moyenne de ces diffrences et de son cart-type. Le rapport t entre la moyenne et lcart-type suit une distribution de t avec (n - 1) degrs de libert lorsque lhypothse nulle est vraie, n tant le nombre de paires.
129
8.5
Fleiss, J. L. Statistical methods for rates and proportions. New York: John Wiley and Sons, 1981. Glantz, S. A. Primer of biostatistics, 4th ed. Singapore: McGraw Hill, 1997. Kahn, H. A. and Sempos, C. T. Statistical methods in epidemiology. Oxford: Oxford University Press, 1989. Kelsey, J. L., Thompson, W. D. and Evans, A. S. Methods in observational epidemiology. Oxford: Oxford University Press, 1986. Kleinbaum, D. G., Kupper, L. L. and Morganstern, H. Epidemiologic research: principles and quantitative methods. New York: Van Nostrand Reinhold, 1982. Lillienfeld, A. M. and Lillienfeld, D. E. Foundations of epidemiology, 2nd ed. Oxford: Oxford University Press, 1980. Schlesselman, J. J. Case control studies. Oxford: Oxford University Press, 1982.
130
Chapitre 9
Association et Causalit
9.1 Introduction La contribution la plus importante de lpidmiologie est ltude de lassociation et de la causalit dans le domaine de la sant et de la maladie. Il faut aussi convenir quil sagit de la partie la plus difficile de lpidmiologie, car il nest souvent pas ais daffirmer quune association observe entre une pathologie et un facteur de risque est en fait une relation de cause deffet. Lintrt dtablir ou dexclure une relation de causalit peut se rsumer par les avantages suivants : Comprendre les facteurs dterminants de lapparition, de la distribution et des consquences dune maladie ; Identifier les maillons dans la chane de causalit susceptibles de rpondre positivement une intervention au moyen de programmes gnraux ou spcifiques ; et Apprcier les rsultats et limpact des programmes dintervention au regard des moyens mis en oeuvre, autrement dit, faire une valuation causale.
9.2 Dfinition dune association On dit quune association existe entre deux variables lorsquun changement dune variable est concomitant ou concide avec le changement de lautre variable. On parle aussi de covariation ou de corrlation. Une association ou covariation peut tre positive ou ngative, et aussi proportionnelle ou non proportionnelle. Une
131
Chapitre 9 : Association et Causalit
association est dite causale lorsquon peut prouver quun changement de la variable indpendante (exposition) produit (induit, a pour rsultat, conduit , dtermine ou cause) un changement de la variable dpendante (maladie). Dune faon plus approprie, on dit quune relation causale existe lorsque lexposition fait partie de la cause de la maladie, ce qui souligne lventualit de la prsence de causes multiples. 9.3 Dfinition des variables dans une association 9.3.1. Variables indpendantes, variables dpendantes. Lhypothse tester dans une tude dfinit normalement quelle variable est suppose causale (cest--dire, est un facteur de risque) et quelle variable est considre tre son effet. La dfinition de la variable dpend ainsi de lhypothse spcifie dans ltude ; une variable peut tre indpendante pour une hypothse, peut tre confusionnelle pour une autre, et dpendante pour une troisime. La figure 9.1 donne plusieurs modles simplifis avec la variable hypertension titre dexemple.
FIGURE 9.1 LES VARIABLES IMPLIQUES DANS L HYPERTENSION
La variable hypertension est : entrane Lhypertension entrane La consommation de sel

> Lhypertension
> maladie coronarienne
Indpendante
> lhypertension
Dpendante
entrane Obsit
>
> maladie coronarienne Confusionnelle
entrane
entrane
Consommation de sel
>lhypertension
> maladie coronarienne
Intermdiaire
132
9.3.2. Variables confusionnelles. Une variable de confusion est une variable indpendante (autre que la variable suppose causale dans lhypothse), qui a ou peut avoir un effet sur la variable dpendante, mais dont la distribution est systmatiquement corrle avec la variable causale dans lhypothse. 9.3.3. Variables contrles. Les variables contrles sont des variables indpendantes (autres que les variables causales) qui sont des variables de confusion potentielles et qui doivent tre contrles ou neutralises lors de la planification de ltude ou de lanalyse des rsultats. Noter que cellesci sont seulement les variables connues ou contrlables. Dans la plupart des tudes, il est impossible de tenir compte de toutes les variables en dehors de celles quon souponne tre des variables causales. Par leffet de la randomisation, on peut esprer que beaucoup de ces variables non contrles seront galement distribues entre les groupes exposs et les groupes tmoins. 9.3.4. Variables intermdiaires ou impliques. Lorsque leffet dune variable causale sur la variable dpendante ou sur la pathologie objet de ltude, subit laction dun troisime ensemble de variables, ces dernires sont appeles variables intermdiaires. Ce sont en fait des variables dpendantes par rapport la variable causale, mais elles sont indpendantes pour ce qui concerne la pathologie rsultante. Dans lexemple de la figure 9.1 on voit que leffet du sel sur la maladie coronarienne passe par lintermdiaire de lhypertension. En pidmiologie, on doit mettre en lumire le rle des variables intermdiaires, surtout lorsque les variables causales nonces dans les hypothses sont du type global, comme condition sociale ou niveau de dveloppement, et quon considre leur association avec une variable comme la mortalit infantile. Ainsi, pour rpondre la question : Comment une augmentation du niveau des revenus ou de linstruction entrane-t-elle effectivement une rduction de la mortalit infantile ?, on doit considrer des variables telles que : un accs plus facile aux soins prnatals, une meilleure nutrition maternelle et infantile, laccs la vaccination, lamlioration des conditions de logement et une meilleure hygine personnelle. Ce sont des variables intermdiaires dont certaines doivent tre spcifies dans le plan dtude et dont il faut collecter les donnes.
133
9.3.5. Modification de leffet. Certaines variables indpendantes peuvent modifier (positivement ou ngativement) leffet des variables causales de lhypothse. Par exemple, aux tats-Unis, lhypertension est plus frquente chez les Amricains de race noire que de race blanche, alors que les maladies coronariennes sont plus frquentes chez les Blancs que chez les Noirs. Ainsi il est possible quun facteur li la constitution ou au mode de vie des Noirs, modifie leffet de lhypertension sur les maladies coronariennes chez les Amricains de race noire :
Noirs ? Hypertension Maladie coronarienne >
Certaines variables de confusion sont aussi des modificateurs deffet. 9.4 La mesure dune association Lorsque lincidence (ou la prvalence) dune pathologie (par exemple cancer du poumon) dans un groupe ayant une certaine caractristique (par exemple fumeur), diffre de lincidence (ou de la prvalence) dans un groupe nayant pas cette caractristique (par exemple non fumeur), on peut en infrer une association qui peut tre causale ou non. La force de lassociation est mesure habituellement par le risque relatif RR ou le rapport de chance (Odds Ratio) OR, ainsi que par le risque attribuable et le risque attribuable dans la population. Une autre mesure de lassociation est la corrlation entre deux variables. Elle peut tre reprsente graphiquement par un diagramme de corrlation ou de nuage de points (figure 9.2). En ordonnes, Y, on porte la valeur de la variable dpendante (par exemple incidence ou mortalit du cancer du poumon), et en abscisse, X, on porte la valeur correspondante de la variable ou caractristique indpendante (par exemple le nombre de cigarettes fumes). Sil existe une association, des changements de Y concideront avec des changements de X. La relation peut aussi tre exprime sous la forme dun coefficient de corrlation r, qui est une mesure du degr dinter-variabilit de la variable dpendante avec la variable indpendante. Ce coefficient de
>
134
corrlation est compris entre +1 et -1. Le tableau 9.1 indique approximativement le degr dassociation correspondant diffrents niveaux de r ; ceci sous rserve des tests statistiques de signification.
TABLEAU 9.1 DEGRS DASSOCIATION APPROXIMATIFS CORRESPONDANT DIFFRENTS NIVEAUX DU COEFFICIENT DE CORRLATION r
r 1,0 0,7 1.0 0,4 0.7 0,2 0.4 0,01 0.2 0,0
Degr dassociation Parfait Fort Modr Faible Ngligeable Pas dassociation
Les coefficients de corrlation communment utiliss sont les suivants : le coefficient de corrlation de Pearson (produit-moment) le coefficient de corrlation de Spearman (rang-ordre) le coefficient de corrlation tau de Kendall.
On peut aussi mesurer lassociation au moyen des coefficients de rgression. Ils mesurent la moyenne des variations attendues de la variable dpendante pour un changement de valeur unitaire de la variable indpendante. Lorsque plus dune variable indpendante sont associes la variable dpendante, lanalyse de rgression multiple va indiquer la part de la variation observe pour la variable dpendante qui doit tre attribue une des variables indpendantes ou une de leurs combinaisons.
135
FIGURE 9.2 DIAGRAMMES DE NUAGES DE POINTS ET COEFFICIENTS DE CORRLATION (r)
r = +1,0 Y
r = -1,0

X Linaire (parfaite)
X Linaire (parfaite)
r = +0,8 X Fortement positive
r = -0,8

X Fortement ngative
r = 0,0 X Pas dassociation
136
9.5 Les problmes dans ltablissement de la causalit 1. 2. Lexistence dune corrlation ou dune association nimplique pas ncessairement la causalit. Le concept dune cause unique (lagent), retenu autrefois dans le cas dune maladie transmissible, a t remplac par le concept de la causalit multiple pour des maladies telles que le cancer ou les maladies cardiaques. Mme dans les maladies transmissibles, des facteurs lis lagent, lhte et lenvironnement, cooprent dans lapparition de la maladie. Par exemple, le bacille tuberculeux est un facteur ncessaire mais non suffisant de la tuberculose. Les critres utiliss pour tablir la causalit dans une maladie infectieuse, les postulats de Koch, ne sappliquent pas aux maladies non infectieuses. Ces postulats sont les suivants : a. b. c. d. Lorganisme est toujours trouv avec la maladie et associ aux lsions et au stade clinique. Lorganisme nest trouv dans aucune autre maladie. Lorganisme est isol partir dun patient prsentant la maladie, et cultiv sur plusieurs gnrations. Lorganisme provenant de culture est capable de produire la maladie chez des animaux susceptibles de prendre cette maladie.
3.
Toutefois, mme dans certaines maladies infectieuses, ces postulats ne sont pas totalement applicables. 4. Le dlai entre lexposition un facteur ou une cause, et lapparition clinique de la maladie, est relativement long pour les maladies non infectieuses. Pendant cette priode de latence, lexposition dautres facteurs complique la recherche. La spcificit est facile tablir pour les maladies infectieuses, mais elle ne sapplique pas la plupart des autres maladies. Par exemple, le cancer du poumon peut provenir du tabagisme, ou de lexposition aux rayonnements, lamiante ou la poussire de nickel. En mme temps chacun de ces facteurs de risque peut causer des maladies autres que le cancer du poumon. Par exemple, le tabagisme fait partie des causes des maladies cardiaques et de lemphysme.
5.
137
6.
Certains facteurs de bruit ou de confusion, associs avec la cause dune maladie, tendent dformer ou perturber la relation avec les facteurs incrimins. Il faut un traitement spcial au cours de la planification ou de lanalyse pour matriser ou neutraliser leurs effets. Plusieurs erreurs systmatiques ou des biais dans le plan de recherche ou la collecte des donnes peuvent entraner des associations fausses ou parasites. Il nexiste aucune mthode statistique qui puisse diffrencier une association causale dune association non causale.
7.
8.
Par suite de ces nombreuses incertitudes, les termes infrence causale, possibilit causale ou vraisemblance sont prfres au terme conclusion causale. De telles infrences peuvent tre suffisantes dans beaucoup de situations pour formuler une ligne de conduite, plutt que dattendre une preuve non quivoque, souvent impossible apporter pour certaines pathologies. 9.6 Les tapes dans ltablissement de la causalit Les stratgies pidmiologiques sont habituellement values en fonction de leur capacit fonder des infrences causales. Cependant il faut souligner que linfrence causale ne doit tre pratique quaprs avoir satisfait certaines exigences lies deux questions essentielles : Existe-t-il rellement une association ? Si lassociation existe, est-il vraisemblable quelle soit causale ?
Les exigences relatives linfrence causale ont pour but : (i) dexclure une association non causale et (ii) de sassurer de lexistence dune association causale vraisemblable. Ces exigences sont dtailles ci-dessous : 1. Lassociation existe rellement et elle est statistiquement significative. Ceci impose les faits suivants : a. Lassociation nest pas due au hasard ; ceci est confirm par des tests statistiques de signification qui peuvent tre appliqus la diffrence entre les frquences de la maladie (variable dpendante) parmi les patients exposs et non exposs au facteur de risque (variable
138
indpendante). Les tests peuvent aussi tre appliqus au risque relatif de la maladie dans les deux groupes ou au coefficient de corrlation. De tels tests dterminent la probabilit dapparition dune association ayant la valeur observe mais due uniquement des variations alatoires ou au hasard. b. Lassociation existe au niveau individuel et elle nest pas base seulement sur une association mesure au niveau cologique, cest--dire lorsque lagrgat ou lunit gographique est seul utilis comme unit dobservation. La possibilit dune erreur cologique empche de pratiquer linfrence causale au niveau individuel. Lassociation nest pas base sur une analyse du numrateur, cest--dire la distribution en pourcentage des cas (la variable dpendante), mais base sur les taux rapports rellement la population en calculant le risque relatif ou le rapport de chances (OR).
c.
2.
Lassociation nest pas falsifie, cest--dire elle nest pas due des biais. Cette association falsifie peut tre de trois types : due des biais de slection due des biais dinformation ou de mesure due des biais de confusion.
On en discutera en dtail plus loin. 3. Les critres de confirmation de la causalit sont satisfaits. Mme si une association statistique existe effectivement et quelle nest pas due des biais, on ne peut pratiquer dinfrence causale avec confiance, si on ne respecte pas les critres de confirmation de la causalit. Ces critres sont relatifs aux qualits spcifiques de lassociation entre le facteur de risque et la maladie. Ce sont : la force de lassociation, le gradient biologique, la squence temporelle, la cohrence, la plausibilit biologique, la spcificit, la constance et la preuve exprimentale. Ces critres sont dtaills plus loin. La figure 9.3 est un organigramme des tapes de ltablissement de la causalit.
139
FIGURE 9.3 TABLISSEMENT DUNE INFRENCE CAUSALE
Association tablie statistiquement
Non >
Association non causale (ou rpter ltude sur un chantillon plus grand)
Oui
>
Biais de slection et dinformation exclus
Non
>
Association non causale
Oui
>
Confusion exclue ou neutralis et lassociation persiste
Non
>
Oui
>
Critres de confirmation de la causalit : force, constance, specificit, squence temporelle, plausibilit,preuve exprimentale
Non >
Oui
>
Spcifier : INFRENCE CAUSALE >
Modle causal Direct Indirect Interaction
Note: En prsence de variables intermdiaires ou impliques, il faut galement recueillir les informations sur ces variables.
140
9.7 Critres de confirmation dune infrence causale Aprs avoir tabli statistiquement lassociation et avoir limin les sources de biais (cest--dire avoir tabli que lassociation nest pas falsifie), il faut satisfaire dautres critres spcifiques pour confirmer linfrence causale. Lassociation est forte (force). La force de lassociation est mesure par le risque relatif (et le risque attribuable) et le rapport de chance (OR) (dans les tudes castmoins). Les coefficients de corrlation ou de rgression peuvent confirmer ces mesures de leffet. Plus lassociation est forte, plus grande est la vraisemblance dune relation causale. Il existe un gradient biologique (relation dose-effet). Si elle est prsente, une relation dose-effet accrot la vraisemblance dune association causale. Cependant cette relation nexiste pas dans toutes les tudes. Lassociation suit une squence temporelle (chronologie). Il va sans dire que le facteur de risque ou la cause doit prcder leffet ou la pathologie. Cette exigence de lantriorit temporelle de la cause sur leffet est souvent nglige. Il est plus facile dtablir la squence temporelle dans les tudes exprimentales et les tudes de cohorte, que dans les tudes cas-tmoins ou les enqutes transversales. Lassociation est plausible (cohrence ou plausibilit). Lassociation doit respecter le sens commun biologique ou sociologique ; elle ne doit pas contredire des thories ou des connaissances existantes, moins quelle ne remette en question expressment ces thories. Dans tous les cas lassociation doit reposer sur un fondement thorique. Lassociation est constante (constance) La causalit est plus vraisemblable lorsque lassociation est confirme par dautres investigations effectues par des personnes diffrentes, dans des lieux, des circonstances, et des priodes diffrents, et utilisant des plans de recherche diffrents.
141
Lassociation est spcifique (spcificit). Lapparition de la maladie devrait tre spcifique, ou caractristique, de lexposition un facteur de risque particulier. Cette exigence peut tre satisfaite pour les maladies infectieuses mais pas toujours pour les maladies non infectieuses qui peuvent avoir diffrents facteurs de risque. Par consquent ce critre nest pas gnralis. Il existe une preuve exprimentale en faveur de la causalit. On peut tablir deux types de preuves exprimentales : (i) des expriences sur ltre humain utilisant le facteur de risque, ce qui est difficile raliser, et (ii) larrt de lexposition, o la suppression de la cause potentielle entrane une rduction significative de lincidence de la maladie. 9.8 Types dassociation. Lassociation entre deux variables peut tre causale ou non causale. 9.8.1. Association causale. Comme on la dj dit, il existe une association causale lorsque la variable indpendante (le facteur de risque) produit des changements dans la variable dpendante. Ces associations causales sont de trois types (voir la figure 9.4). a. Association causale directe. On infre une association causale directe lorsque le facteur de risque ou la variable indpendante modifie directement la variable dpendante ou la pathologie, sans variable intermdiaire ; par exemple lexposition au bacille tuberculeux est cause de tuberculose, lexposition au plomb provoque le saturnisme, la carence en iode produit le goitre.
142
FIGURE 9.4 LES MODLES DE CAUSALIT
E est le facteur dexposition et D est la maladie 1. 2. 3. E E E1 E2 4. E1 > E2 E2 5. E1 E2 6. E1

> > D
Causalit Causalit directe Causalit indirecte Causalit indpendante (si le taux augmente il y a synergie) Causalit conditionnelle (seulement si E1 et E2 sont toutes deux prsentes)
>D >C >D
> D >
>D
Effet modificateur (ou forme de synergie)
Association confusionnelle de E1 et D disparat par neutralisation ou analyse par stratification Leucmie Cancer du poumon Maladie des rayonnements Effets multiples dune seule cause.
7. E
Rayonnements
> D1
> D2
>D 3
8.
E1 E2 E3 E4
Rayonnements Nickel Tabagisme Amiante

> D >
Cancer du poumon
Causes multiples et indpendantes (comme sous 3) dune seule maladie.
>
>
9.
Stress
>D1
E3
>D
Maladie cardiaque Troisime variable cache. La maladie cardiaque et lulcre gastrique peuvent tre concomitants (sont Ulcre gastrique associs) car ils sont tous deux lis au stress.
143
b.
Association causale indirecte. Cette association est tablie lorsque le facteur de risque ou la variable indpendante produit des changements de la variable dpendante ou de la pathologie travers laction dautres variables ou conditions intermdiaires. Par exemple :
carence en iode > goitre > adnome de la thyrode
Ainsi ladnome de la thyrode est une cause indirecte de la carence en iode. Noter que le terme association indirecte peut tre utilis dans un sens plus large. Par exemple, le goitre endmique est associ la vie en montagne simplement parce que la teneur en iode de leau potable en montagne est susceptible dtre plus faible qu basse altitude. Cependant, on ne doit avoir recours un tel usage quavec prcaution. Lessentiel est de savoir si lassociation est causale ou non causale. Les mmes critres de causalit sappliquent aussi bien lassociation causale directe et indirecte. c. Association causale avec interaction (y compris causalit conditionnelle) Il peut exister des interactions (positives ou ngatives) entre des catgories de variables indpendantes qui produisent des changements dans les variables dpendantes. Une forme dinteraction est la synergie (ou son contraire lantagonisme) entre deux variables ; dans ce cas, chaque facteur a un effet indpendant sur la pathologie, tandis que leffet combin est plus grand (ou plus faible) que leffet de chacun seul. Dans une analyse indpendante, chaque facteur a un effet sur la pathologie :
X1 X2 >Y >Y
Dans les analyses par stratification (par exemple analyse avec tableau de contrle), aucun des deux effets ne disparat, mais leffet conjoint peut tre plus grand (ou plus faible) :
144
X1
> >
X2
Par exemple, la rougeole peut entraner la mort, mais cette probabilit est plus grande chez les enfants mal nourris.
> mort
Rougeole
Malnutrition
> mort
Rougeole et malnutrition
> >
taux de ltalit plus lev
Dans lassociation causale conditionnelle, deux facteurs de risque sont individuellement incapables de produire une pathologie, mais ils le peuvent sils sont prsents ensemble. Par exemple, la fivre bilieuse hmoglobinurique (tat fbrile caractris par une urine fonce due lhmolyse) est une complication conscutive au paludisme mais seulement si ce dernier a t provoqu par Plasmodium falciparum et si la maladie est traite avec de la quinine.
>
Paludisme falciparum seul Quinine seule Paludisme falciparum et traitement par la quinine
pas de fivre bilieuse hmoglobinurique
> pas de fivre bilieuse hmoglobinurique > fivre bilieuse hmoglobinurique
145
2. Association falsifie, non causale Dans certaines situations, une association existe effectivement, mais malgr sa signification et sa force, elle peut tre falsifie ou non causale en ce qui concerne les caractristiques spciales tudies. Une association non causale est infre lorsque cette association : est due au hasard est base sur une analyse du numrateur ou une corrlation cologique est due un biais.

Hill, A. B. Principles of medical statistics. New York: Oxford University Press, 1966. Kelsey, L.T., Thompson, W.D. and Evans, S.A. Methods in observational epidemiology. New York: Oxford University Press, 1986. Kleinbaum, D.G., Kupper, L.L. and Morgenstern, H. Epidemiologic research: principles and quantitative methods. New York: Van Nostrand Reinhold, 1982. Lillienfeld, A.M. and Lillienfeld, D.E. Foundations of epidemiology. 2nd ed. New York: Oxford University Press, 1980.
146
Chapitre 10
Aspects thiques de la recherche mdicale
10.1 Introduction Lapplication des mthodes exprimentales la recherche biomdicale date de ce sicle. De nombreuses dcouvertes fondamentales sont antrieures cette poque, mais ce nest que grce lapplication des principes scientifiques dans lexercice de la mdecine et dans le domaine de la sant publique quelles ont permis de raliser des progrs. Pendant presque toute lhistoire de lhumanit, les seuls mdicaments utiliss taient des substances naturelles dorigine animale, vgtale ou minrale, et une longue exprience avait montr que, aux doses utilises, elles ne faisaient pas grand mal (ni, dailleurs, dans la plupart des cas, grand bien non plus). Cependant, il y a un sicle, lindustrie chimique a commenc dvelopper, pour lusage mdical, des composs synthtiques qui navaient jamais exist dans la nature. Le premier dentre eux qui eut un impact important sur le traitement des maladies humaines fut le Salvarsan (arsphnamine), introduit lorigine comme remde de la syphilis. Une exprience est une tentative pour dcouvrir quelque chose dinconnu, ou pour tester une hypothse ou un postulat. Donc, son rsultat est toujours incertain. Par dfinition, une exprience comporte un aspect alatoire. Cest en raison de son ct hasardeux ou de cet lment alatoire que lthique revt une importance primordiale dans toute exprience qui implique des tres humains. Une grande partie de la recherche fondamentale et du dveloppement dans le domaine biomdical est conduite avec succs grce des modles animaux. Cependant, lheure actuelle, il nest pas possible de placer une confiance absolue dans ces modles en tant quindicateurs des effets
147
Chapitre 10 : Aspects thiques de la recherche mdicale
physiologiques, pharmacologiques ou toxicologiques chez lhomme. Toutes les interventions scientifiques innovantes, que ce soit au niveau du diagnostic, de la prophylaxie ou de la thrapeutique, doivent en dernier ressort faire lobjet dune valuation chez des sujets humains. On ninsistera jamais assez sur la ncessit dimposer des rgles de sauvegarde dans lexprimentation humaine. Plusieurs codes importants ont vu le jour dans le but dassurer cette protection des sujets humains. Ils sinspirent de trois principes fondamentaux : 1. la bienfaisance, qui signifie quun bien doit en dcouler, que tout prjudice doit tre vit, ou que les bienfaits en retirer justifient le risque ou le prjudice potentiel ; le respect des droits, y compris le libre arbitre du sujet et la protection de ceux qui ne jouissent pas de leur pleine autonomie ; et lquit, qui sentend un partage quitable des lments ngatifs et positifs.
2.
3.
10.2 Dclarations internationales Le premier code dthique important fut le code de Nuremberg de 1947 : aucune recherche ne pouvait tre poursuivie sur des sujets humains sans leur consentement volontaire, et ceci est rest inchang dans les codes suivants. Avec le concours de lOMS, lAssociation mdicale mondiale a labor un code dthique largi et rvis pour guider les mdecins engags dans la recherche impliquant des sujets humains, appel la Dclaration de Helsinki. Celle-ci fut suivie par une Dclaration rvise en 1975 (Helsinki II), qui changea de priorit en portant son attention non seulement sur la recherche clinique mais plus particulirement sur la recherche biomdicale impliquant des sujets humains. Elle fut adopte la 29me Assemble mdicale mondiale Tokyo en 1975. La forte demande pour de nouvelles et de meilleures thrapies et pour leur disponibilit sur une plus grande chelle ont normment multipli les besoins en recherches biomdicales impliquant des sujets humains, et notamment les besoins en essais cliniques. Dans la rglementation des essais et des autres recherches biomdicales impliquant des sujets humains, des procds dexamen ont t mis au
148
point par des commissions et des comits gouvernementaux et institutionnels, qui sinspirent largement des directives des codes dHelsinki, et notamment des principes suivants : La recherche biomdicale doit respecter des principes scientifiques et doit sappuyer sur une exprimentation excute en laboratoire et sur des animaux, de manire satisfaisante, et sur une connaissance approfondie des publications scientifiques. Le plan dtude de chaque procdure exprimentale impliquant des sujets humains doit tre clairement formul dans un protocole exprimental, qui doit tre examin par un comit indpendant. Lexprience doit tre conduite par une ou des personnes qualifie(s) dans le domaine scientifique et encadre par des experts mdicaux comptents dans le domaine clinique. La poursuite dune recherche biomdicale impliquant des sujets humains nest lgitime que dans la mesure o limportance des objectifs justifie le risque inhrent auquel le sujet sexpose. Tout projet de recherche biomdicale impliquant des sujets humains doit tre prcd dune valuation pondre des risques prvisibles au regard des bnfices escompts pour le sujet ou pour des tiers. Le souci des intrts du sujet doit toujours prvaloir sur les intrts de la science et de la socit. Le droit du sujet de la recherche sauvegarder son intgrit doit toujours tre respect. Toute prcaution doit tre prise pour prserver la vie intime du sujet et pour minimiser limpact de ltude sur son intgrit physique et mentale et sur sa personnalit. Lexactitude des rsultats de la recherche doit tre assure. Dans toute recherche sur des tres humains, chaque sujet potentiel doit tre correctement inform de lobjectif, des mthodes, des bienfaits attendus et des risques ventuels de ltude et des inconvnients quelle peut entraner. En sollicitant un consentement clair pour un projet de recherche, un mdecin doit tre particulirement prudent sil se trouve en position dautorit vis--vis du sujet. Il ne doit exercer aucune pression ni aucune contrainte. En cas dincapacit juridique, le consentement clair doit tre obtenu du tuteur lgal conformment la lgislation nationale.
149
Les sujets doivent tre informs quils sont libres de sabstenir ou de renoncer leur participation tout moment.
Par lui-mme, le consentement clair noffre quune scurit imparfaite au sujet, et il devrait toujours tre complt par un examen thique indpendant des propositions de recherche. De plus, de nombreux individus, dont font partie les enfants et les adultes malades mentaux ou dficients intellectuels, et ceux qui ne sont pas du tout familiariss avec les concepts mdicaux modernes, sont de ces faits incapables de donner un consentement inform. Pour de tels groupes, en particulier, un examen par un comit dthique indpendant est impratif. 10.3 Consentement des sujets 1. Les enfants Il va de soi que les enfants ne doivent jamais tre les sujets de recherches qui pourraient aussi bien tre menes sur des adultes. Pourtant, leur participation est indispensable pour la recherche sur les maladies infantiles et sur les affections auxquelles les enfants sont particulirement prdisposs. Le consentement dun parent ou dun autre reprsentant lgal est toujours ncessaire, aprs une explication complte des objectifs de lexprience et des risques, inconfort ou inconvnients potentiels. 2. Les femmes enceintes et qui allaitent En aucun cas les femmes enceintes et les mres qui allaitent ne doivent tre sujets dune recherche non thrapeutique qui comporte le moindre risque pour le foetus ou le nourrisson, sauf si cette recherche a pour but de rsoudre des problmes de grossesse ou de lactation. La recherche thrapeutique nest acceptable que si elle vise amliorer la sant de la mre sans prjudice pour celle du foetus, favoriser la viabilit du foetus, ou contribuer au bon dveloppement du nourrisson, ou la capacit de la mre de nourrir son enfant. La recherche oriente sur linterruption volontaire de grossesse, ou entreprise en prvision dune interruption de grossesse, relve des lgislations nationales et dpend des prceptes religieux et culturels. Ce type de recherche ne se prte donc pas une recommandation internationale.
150
3.
Les personnes malades mentales et dficientes intellectuellement Des considrations thiques sensiblement les mmes sappliquent aux malades mentaux et dficients intellectuels. Ils ne doivent jamais tre les sujets de recherches qui pourraient tre menes sur des adultes qui sont en pleine possession de leurs facults mentales. Ils sont, cependant, les seuls sujets qui conviennent la recherche sur lorigine et la thrapeutique de maladies mentales ou dincapacit intellectuelle. On doit rechercher le consentement de la famille proche le conjoint, le pre ou la mre, un enfant adulte ou un membre de la fratrie - mais il est parfois de valeur douteuse, car les patients souffrant de troubles mentaux ou de dficience intellectuelle sont quelquefois considrs par leurs familles comme un fardeau indsirable.
4.
Autres groupes sociaux vulnrables La qualit du consentement des sujets qui sont des membres subalternes ou subordonns dun groupe structur de manire hirarchique doit tre tudie attentivement. En effet, la volont de participer peut tre entache par lespoir de profiter de retombes avantageuses. A titre dexemples on peut citer le cas des tudiants en mdecine et des lves infirmires, du personnel subalterne des laboratoires et des hpitaux, des employs de lindustrie pharmaceutique, et des militaires. Lexprimentation mene exclusivement sur des groupes nationaux ou culturels particuliers est celle qui soulve les objections les plus graves.
5.
Recherche au sein de la population Quand une recherche est entreprise au sein de la population ou dune collectivit, par exemple sur le traitement exprimental de la distribution deau, des recherches sur les systmes de sant, les essais grande chelle de nouveaux insecticides, et de complments nutritionnels ou de succdans alimentaires, le consentement individuel de chaque personne nest souvent pas envisageable. La dcision dentreprendre la recherche relve en fin de compte de lautorit responsable de la sant publique. Nanmoins tous les moyens possibles doivent tre mis en oeuvre pour informer la population concerne des objectifs de la
151
recherche, des avantages quon en attend, et de tout risque ou inconvnient ventuel. 10.4 Procdures dexamen Dans une administration trs centralise, il est possible de constituer un comit national dthique charg dexaminer les protocoles de recherche des points de vue scientifique et thique. Dans les pays o la recherche mdicale nest pas dirige de faon centralise, il est plus efficace et plus commode dexaminer les protocoles du point de vue thique au niveau local ou rgional. Les responsabilits essentielles des comits dexamen thique qui fonctionnent au niveau local sont doubles : vrifier que toutes les interventions proposes et, en particulier, ladministration de nouveaux mdicaments en cours dessai, ont t valus par une instance comptente et spcialise et ont t juges dun niveau de scurit acceptable pour tre entreprises sur des sujets humains ; et sassurer que toutes les autres considrations thiques souleves par le protocole ont t rsolues de faon satisfaisante, dans leur principe comme dans leur application pratique.
Quel que soit le schma de la procdure adopte pour lexamen thique, il doit sappuyer sur un protocole dtaill comportant les tapes exposes brivement dans ce manuel. On prendra soin de sassurer des critres dterminant ladmission et le retrait des sujets individuels, y compris des dtails complets de la procdure de consentement clair. On doit galement trouver des informations pour tablir : la scurit de chaque intervention propose et de tout mdicament ou dispositif destin lessai, y compris les rsultats de recherches pertinentes en laboratoire et sur les animaux ; les bienfaits escompts et les risques potentiels pour les participants ; les moyens proposs pour obtenir le consentement clair, ou, quand cela nest pas possible, une assurance suffisante que le tuteur ou la famille sera consult de manire approprie et que les droits et lintgrit de chaque sujet seront correctement sauvegards ;
152
que le chercheur est suffisamment qualifi et expriment, et dispose des quipements et moyens appropris pour conduire la recherche avec efficacit et en toute scurit ; que des dispositions seront prises pour protger la confidentialit des informations ; et la nature de toutes les autres considrations thiques impliques, ainsi quune indication que les principes noncs dans la Dclaration de Helsinki seront appliqus.

Bankowski, Z. And Bernardelli, J.C. Medical ethics and medical education. Geneva: Council for International Organizations of Medical Sciences, 1981. (CIOMS round table proceedings; no. 14) Bankowski, Z. And Howard-Jones, N. Biomedical research involving animals. Geneva: Council for International Organizations of Medical Sciences, 1984. (CIOMS round table proceedings; no. 17) Proposed international guidelines for biomedical research involving human subjects. Geneva: Council for International Organizations of Medical Sciences, 1982.
153
154
Chapitre 11
Rdaction dune proposition de recherche
11.1 tapes de ltablissement dun plan de recherche en utilisant le modle de lOMS (Bureau rgional du Pacifique occidental) pour la proposition de recherche. On trouvera comme appendice un imprim de demande daide financire lOMS (Bureau rgional du Pacifique occidental) pour un projet de recherche dans le domaine de la sant. 11.2 nonc du problme La premire tape dans ltablissement dun projet de recherche est dnoncer le problme de recherche en termes clairs et prcis. La dfinition du problme de recherche est une condition pralable la clarification et la mise au point du sujet choisi par le chercheur. Lnonc du problme :
est la base essentielle pour ltablissement de la proposition de recherche (objectifs et hypothses de la recherche, mthodologie, plan de travail et budget, etc.) est une partie intgrante de la slection du sujet de recherche constituera un guide pour la mise au point prcise du plan de recherche envisag pour rsoudre le problme permet au chercheur de dcrire systmatiquement le problme, de juger de son importance et de sa priorit dans le pays ou au niveau local, ainsi que de faire ressortir pourquoi il faut entreprendre la recherche propose pour rsoudre le problme
155
Chapitre 11 : Rdaction dune proposition de recherche
facilite le jugement de la proposition de recherche par ses pairs pour les organisations qui contribuent au financement.
Comment doit tre rdig lnonc du problme dans la proposition de recherche ? Le texte doit tre prcis et concis mais doit contenir tous les points essentiels. Les informations concernant le problme doivent tre rsumes pour viter de noyer le lecteur dans des dtails. 11.3 Pertinence du problme vis--vis des activits sanitaires nationales ou locales (dveloppement des systmes biomdicaux, comportementaux et de sant). Il faut indiquer pourquoi entreprendre la recherche propose, signaler limportance du problme et sa priorit dans le pays et au niveau local. Il est essentiel de dcrire le problme ainsi que dexposer comment les rsultats seront utiliss. 11.4 Domaine(s) dapplication des rsultats de la recherche propose Il faut dcrire lutilit des rsultats de ltude pour les dcideurs politiques, les administrateurs de la sant ou les chercheurs dans le domaine de la sant, et indiquer comment les rsultats seront diffuss aux destinataires concerns. 11.5 Revue bibliographique et dautres informations existantes. En seconde tape, le chercheur doit se familiariser avec les connaissances actuelles sur le problme de recherche et doit trouver si dautres chercheurs ont ou non trait le mme problme ou un problme analogue. Il le fait par une revue complte et critique de la bibliographie et grce des communications personnelles avec des experts. Lorsquon prpare une proposition de recherche, il est important dexaminer toutes les informations existantes pour : mieux comprendre le problme, objet de la recherche propose, et ventuellement affiner lexpos du problme ; identifier les variables de ltude et saisir leurs relations ; formuler et choisir les hypothses de recherche ; trouver ce que dautres ont communiqu sur ce sujet, et en tenir compte dans le plan de recherche ;
156
connatre les diverses mthodes qui peuvent tre utilises dans la recherche.
Les sources dinformation peuvent tre les suivantes : fichiers de livres dans les bibliothques ; rpertoires bibliographiques, tels que Index Medicus et International Nursing Index, qui citent des articles de revue par sujet, auteur et titre ; recherche bibliographique par ordinateur avec les bases de donnes telles que MEDLINE, MEDLARS et CATLINES ; bibliographies existant la fin de livres, articles et thses, ou bien dites sous forme de documents indpendants ; statistiques recueillies au niveau national, provincial ou dpartemental ; rponses des enqutes concernant des recherches en cours.
11.6 nonc des objectifs
Les objectifs de la recherche sont le but atteindre par le projet de recherche. Il faut faire la diffrence entre objectifs gnraux et spcifiques, pour viter toute confusion inutile. Lobjectif gnral de la recherche est ce qui sera accompli par le projet de recherche et sa justification.
Par exemple : Dterminer si un nouveau vaccin doit tre incorpor ou non dans des programmes de sant publique.
Les objectifs spcifiques sont le dtail des buts particuliers du projet de recherche, et correspondent souvent la dcomposition de lobjectif gnral en lments logiques plus simples. En dautres termes, les objectifs spcifiques se rapportent aux questions particulires auxquelles le chercheur dsire rpondre grce ltude propose.
Par exemple : Evaluer un nouveau vaccin pour dterminer le degr de protection attribuable au vaccin dans la population tudie, en comparant des groupes vaccins et non vaccins.
157
11.7 Variables Il est ncessaire didentifier les variables qui seront impliques dans le projet de recherche en question. Les quatre types de variables importants sont les suivants : a. Variables indpendantes : variables manipules ou traites dans une tude dans le but de voir quel effet amnera un changement de ces variables sur des variables postules comme tant dpendantes des premires. Synonymes : cause, agent, facteur de prdisposition, antcdent, facteur de risque, caractristique, attribut, dterminant. b. Variables dpendantes : variables dans lesquelles des changements rsultent du niveau ou de la valeur dune ou des variables indpendantes. Synonymes : effet, issue, consquence, rsultat, tat, maladie. c. Variables de confusion ou dinteraction : variables qui doivent tre tudies car elles peuvent influencer ou confondre leffet de la ou des variables indpendantes sur la ou les variables dpendantes. Par exemple dans une tude sur leffet de la rougeole (variable indpendante) sur la mortalit infantile (variable dpendante), ltat nutritionnel de lenfant peut jouer un rle dinteraction. Variables de fond : variables qui sont si souvent pertinentes dans des investigations sur des groupes ou des populations, que leur possible inclusion dans ltude doit tre envisage. Synonymes: sexe, ge, origine ethnique, niveau dinstruction, statut conjugal, condition sociale. Habituellement, lobjectif de la recherche est la dtermination de leffet de changements dune ou plusieurs variables indpendantes sur une ou plusieurs variables dpendantes. Par exemple, la question pose dans ltude pourrait tre : La consommation dalcool (variable indpendante) a-t-elle un effet sur le dveloppement dun ulcre gastrique (variable dpendante) ? Certaines variables peuvent ne pas tre faciles identifier. Les caractristiques qui dfinissent ces variables doivent tre clairement identifies dans le cadre de ltude. Durant ltape de planification, les variables considres dans ltude doivent tre clairement identifies ; il faut indiquer clairement la mthode pour les mesurer, ainsi que lunit de mesure.
d.
158
11.8 nonc des hypothses de recherche. La valeur dun travail scientifique dpend fortement de loriginalit et de la logique dans la formulation des hypothses. Si les chercheurs en savent assez pour faire des prdictions concernant leur sujet dtude, ils peuvent formuler des hypothses. On peut dfinir une hypothse comme une prdiction ou une explication provisoire de la relation entre deux ou plusieurs variables. En dautres termes, une hypothse traduit lnonc du problme en une prdiction prcise et non ambigu des rsultats attendus. On doit souligner que les hypothses ne doivent pas tre des conjectures la lgre, mais elles doivent reflter lessentiel des connaissances, de limagination et de lexprience de linvestigateur. Une hypothse peut tre dune forme aussi simple que la prdiction dune relation entre deux variables, lune indpendante, lautre dpendante. En consquence, lorsquon entreprend la formulation des hypothses, il faut identifier toutes les variables pertinentes ltude.
Exemple: Lducation sanitaire impliquant la participation active des mres produira plus de changements positifs dans lalimentation de lenfant, que lducation sanitaire base sur des cours. Variable indpendante : type dducation sanitaire Variable dpendante : changements dans lalimentation des enfants.
11.9 Mthodologie de la recherche a. Rsum de la mthodologie (en moins de 150 mots) En un ou deux paragraphes, rsumer les points importants du plan de recherche. b. Plan de recherche (1) Choix de la stratgie de recherche Le choix de la stratgie de recherche est au coeur du plan de recherche, et cest probablement la dcision unique la plus importante que doit prendre le chercheur. Le choix de la stratgie dpend dun grand nombre de considrations, que cette stratgie soit descriptive, analytique, exprimentale, oprationnelle, ou une de leurs combinaisons. Les types spcifiques dtudes sont les suivantes :
159
Stratgies descriptives (gnration dhypothses par observations, plutt que par test) : enqute descriptive transversale ou enqute de population, par exemple, enqute sur le paludisme, sondage dopinion, enqute connaissances, attitude, pratique (KAP) ; description pidmiologique de loccurrence dune maladie, par personne, lieu et priode ; tudes des variations des tendances de la sant et de la maladie en fonction du temps et du territoire : transition pidmiologique ; diagnostic dun problme de sant dans une communaut ou valuation des besoins ; tudes de donnes existantes : sries de cas, registres des maladies, rapports de surveillance ; tudes de lhistoire naturelle dune maladie.
Stratgies analytiques par observations (test dhypothse) tude prospective (tude de cohorte) ; tude de cohorte historique (ou reconstitue), lorsquon dispose de donnes ou de dossiers historiques appropris ; tude rtrospective (tude cas-tmoins) ; tude analytique transversale ; tude de suivi (tude longitudinale, enqutes transversales rptes).
Stratgies exprimentales
tudes sur animaux essais cliniques thrapeutiques essais cliniques prophylactiques essais sur le terrain tudes quasi-exprimentales (tudes dintervention, recherches sur les systmes de sant).
160
Stratgies oprationnelles (observation, tude des temps et des mouvements). (2) Slection du cadre de la recherche Le cadre de la recherche comporte toutes les facettes de ltude, telles que la population tudier, le lieu et la priode de ltude, la prise en compte des problmes dthique. (3) chantillonnage Lchantillonnage est le procd ou la technique pour choisir un chantillon tudier, de taille approprie et accessible. Dans les investigations pidmiologiques, il est presque toujours possible de travailler sur un chantillon extrait dune population ou dun univers de rfrence. Cet univers peut tre une population dindividus (en bonne sant et malades), une population de cas ayant une certaine maladie, ou de personnes recevant un certain traitement.
Slection de la mthode probabiliste dchantillonnage : simple alatoire ; systmatique et stratifie ; par grappes ; multiphases ; tapes multiples ; squentielle ; rptitive ; pondre et stratifie. Dtermination de la taille dchantillon : lchantillon doit tre de taille suffisante pour amener des rsultats significatifs et permettre lemploi de tests statistiquement significatifs. Les plans utiliss doivent assurer la reprsentativit et la fiabilit de lchantillon de faon minimiser les erreurs dchantillonnage.
(4)
Utilisation de tmoins. Dans la recherche scientifique, on utilise des groupes de tmoins ou de comparaison pour accrotre la validit des conclusions. Les groupes tmoins comprennent des units comparables issues de la mme population, mais qui diffrent certains gards, comme lexposition des facteurs de risque, lusage de mesures prophylactiques ou thrapeutiques, ou la participation un programme dintervention.
161
Dans une tude exprimentale, le groupe tmoin comprend les sujets ne recevant pas le stimulus exprimental, mais qui ressemblent tous autres gards au groupe exprimental. Les sujets qui forment les groupes exprimental et tmoin, doivent, dans la mesure du possible, tre choisis et affects au hasard chacun des groupes. Des groupes tmoins ne sont pas ncessaires dans des tudes avec lesquelles on ne cherche pas dmontrer une relation cause effet, ni dmontrer quun certain rsultat est d un traitement ou une intervention particulier. Alors que certaines tudes descriptives (tudes de donnes existantes, enqutes), peuvent se passer de groupes tmoins, des groupes tmoins sont ncessaires dans toutes les tudes pidmiologiques analytiques, dans les tudes exprimentales dessais de mdicaments, dans la recherche sur les effets de programmes dintervention et de mesures de lutte contre les maladies, ainsi que dans de nombreuses autres investigations. Beaucoup derreurs grossires ont t faites en tentant dtablir un parallle entre des groupes et de gnraliser en comparant des groupes qui en ralit sont trs diffrents. Donc, il faut prendre des mesures pour vrifier lgalit entre le groupe exprimental (ou lchantillon) et le groupe tmoin. (5) Instruments pour ltude. Les instruments sont les moyens qui servent collecter les donnes. Ce sont, entre autres : (a) les questionnaires et les programmes dinterrogatoire (voir Annexe 1) : (b) prparation, prcodage et essai pralable des questionnaires plan des interrogatoires et des relances prparation du manuel dinstructions formation des enquteurs.
autres mthodes dobservation : examen mdical essais de laboratoire
162
(c) (6)
procdures de dpistage. laboration des imprims de compilation.
Courte description des plans de collecte des donnes. (a) organisation de ltude et de la collecte des donnes pour rduire la possibilit de confusion, de retards et derreurs ; organisation et formation de lquipe de collecte des donnes et dfinition des responsabilits dans ltude propose ; support logistique pour la collecte des donnes ; plan des tudes de test et de faisabilit, y compris les mthodes de tests pralables ; ventuellement, plans de collaboration entre diffrentes institutions.
(b)
(c) (d) (e) (7)
Courte description des plans danalyse des donnes et dinterprtation des rsultats. Les plans danalyse font partie intgrante du plan de recherche, et ils doivent tre incorpors dans la proposition de recherche. La prparation de tels plans permet au chercheur dviter plusieurs cueils, tels que de dcouvrir la fin de ltude que : des informations vitales nont pas t recueillies ; certaines des informations collectes ne seront pas incluses dans lanalyse ; certaines des informations collectes nont pas t rassembles sous une forme approprie lanalyse statistique. La description doit comporter : (a) (b) llaboration formelle du plan danalyse ; les plans pour le traitement et le codage des donnes, par triage manuel, par triage la machine, au moyen dun programme dordinateur ou par couplage de dossiers ; choix des mthodes statistiques appliquer chaque hypothse.
(c)
163
11.10 Exemple de description dun projet de recherche. Titre du projet Etude pidmiologique concernant la vasectomie et les maladies athromateuses. 1. nonc du problme La vasectomie est une mthode contraceptive sre, simple et hautement efficace qui a t employe largement dans le monde. Dans le pays A, plus dun million soit environ 8 % de la population masculin en ge de procrer ont subi une vasectomie au cours de la priode 1960-1985. A la fin des annes 70 et au dbut des annes 80, des rapports dtudes sur des animaux de laboratoire, effectues aux Etats-Unis, semblent indiquer que la vasectomie peut acclrer le dveloppement de maladies athromateuses. On comprend que ces rapports aient proccup les services pratiquant la vasectomie, aussi bien que leurs clients anciens et leurs clients futurs. La question importante est de savoir si lassociation suggre entre la vasectomie et la maladie athromateuse sapplique aux tres humains. 2. Pertinence du problme pour les objectifs de sant nationaux ou locaux (dveloppement des systmes biomdicaux, comportementaux et de sant) Compte tenu de la publicit mondiale donne ces constatations exprimentales par la presse non-spcialise, et cause de limpact ngatif quelles peuvent avoir sur les programmes de vasectomie, il existe des raisons aussi bien scientifiques que politiques pour entreprendre des tudes pidmiologiques sur ce problme. En choisissant pour ltude un pays en voie de dveloppement, il faut considrer plusieurs facteurs : la prvalence de la vasectomie, lincidence des maladies athromateuses, le nombre dannes pendant lesquelles la vasectomie a t largement accessible, la facilit daccs aux services mdicaux, la constance des valeurs des diagnostics. Lanalyse de donnes pertinentes a montr que le pays A est le plus appropri pour ces raisons ; nous avons donc dcid dentreprendre cette tude dans ce pays. 3. Domaine(s) dapplication des rsultats de la recherche propose. En fonction des rponses aux questions ci-aprs, les rsultats de ltude seront utiles aux dcideurs et aux scientifiques chargs de
164
la planification familiale, afin de mettre en oeuvre les programmes de vasectomie dune faon plus efficace et plus sre : a. b. La vasectomie est-elle associe aux maladies athromateuses ? Si une association existe, quelle est limportance relative de la vasectomie compare avec dautres facteurs de risque connus ? Quels sont les sous-groupes dhommes qui pourraient prsenter un risque spcial de dvelopper des maladies athromateuses aprs une vasectomie ?
c.
4. Revue bibliographique et dautres informations existantes. Douze tudes pidmiologiques ont t entreprises aux EtatsUnis, au Royaume-Uni et dans des pays du Nord de lEurope. Aucune na dtect dassociation causale chez les hommes entre la vasectomie et la morbidit et/ou la mortalit par maladie cardio-vasculaire. Cependant, dans la plupart de ces tudes, les sujets ont subi la vasectomie moins de dix ans avant lenqute, alors que lon sait que la priode de latence des maladies cardio-vasculaires peut tre considrablement plus longue. Dautre part, on pourrait obtenir des rsultats diffrents dans dautres milieux socio-conomiques et culturels. Les principales rfrences sont les suivantes : Alexander, N.J.& Clarkson, T.B. (1978) Vasectomy increases the severity of diet-induced atherosclerosis in Macaca fascicularis. Science, 201, 538-541. Clarkson, T.B. & Alexander, N.J. (1980) Long-term vasectomy effects on the occurrence of atherosclerosis in rhesus monkeys. J. Clin. Invest., 65, 15-25. Goldacre, M.J., Clarke, J.A., Heasman, M.A. & Vessey, M.P. (1978) Follow-up of vasectomy using medical record linkage. Am. J. Epidemiol., 108, 176-180. Walker, A.M., Jick, H., Hunter, J.R., Danford, A., Watkins, R.N., Alhadeff, L. & Rothman, K.J. (1981) Vasectomy and nonfatal myocardial infarction. Lancet, ii, 13-15. Walker, A.M., Jick, H., Hunter, J.R., Danford, A. & Rothman, K.J. (1981) Hospitalization rates in vasectomized men. J. Am. Med. Assoc., 245, 2315-2317.
165
Wallace, R.B., Lee, J., Gerber, W.L., Clarke, W.R. & Lauer, R.M. (1981) Vasectomy and coronary disease in men less than fifty years old: Absence of an association. J. Urol., 126, 182184. 5. nonc des objectifs a. Objectifs gnraux Dterminer sil existe une association causale entre une vasectomie et une hospitalisation ultrieure due des maladies athromateuses, et, si cest le cas, dterminer si la vasectomie renforce le risque chez les sujets ayant dautres facteurs de risque prdisposant aux maladies coronariennes, tels que le tabagisme, lhypertension et lhypercholestrolmie. b. Objectifs spcifiques
estimer le risque relatif total d la vasectomie ainsi qu dautres facteurs de risque, pour les maladies athromateuses chez les hommes (en utilisant une mthode univarie). estimer leffet indpendant de la vasectomie sur la maladie athromateuse (en utilisant un modle de rgression logistique conditionnelle) ; tester la dure possible de leffet de la vasectomie sur le risque de maladie athromateuse ; examiner la possibilit dun effet de synergie entre vasectomie, tabagisme et hypertension.
6. Variables a. b. Les maladies athromateuses seront identifies selon les critres de lOMS. Caractristiques du patient : ge, date de naissance, religion, niveau dinstruction, profession, antcdents familiaux, mari ou non ; Antcdents reproductifs : nombre et sexe des enfants vivants, tat reproductif de lpouse ;
c.
166
d.
Style de vie : fumeur ou non, consommation dalcool, habitudes alimentaires, consommation de sel, consommation de caf, activit physique ; Antcdents mdicaux : maladies ou oprations qui pourraient avoir affect la strilit, lhypertension, le diabte ou lhypercholestrolmie.
e.
7. nonc des hypothses de recherche. Des rapports dtudes sur des animaux de laboratoire effectues aux Etats-Unis la fin des annes 70 et au dbut des annes 80, semblent indiquer que la vasectomie peut acclrer lvolution dune maladie athromateuse. Nous dsirons examiner si ce fait sapplique ltre humain. 8. Mthodologie de la recherche. a. Rsum de la mthodologie (en moins de 150 mots). Une tude cas-tmoins, conduite en milieu hospitalier, sera entreprise pour examiner la possibilit dune relation entre la vasectomie et la morbidit par maladie athromateuse chez lhomme. Cinq cent hommes, gs de 35 64 ans (les cas), qui ont t admis dans dix hpitaux universitaires et diagnostiqus pour la premire fois avec une maladie athromateuse, seront compars avec 1 000 patients apparis nayant pas daffection athromateuse et hospitaliss avec un diagnostic considr comme sans rapport avec une vasectomie. b. Plan de recherche : (1) Slection des stratgies de recherche Les patients choisis comme cas et tmoins comme dfini ci-dessus, seront interrogs par un enquteur qualifi selon un questionnaire tabli pralablement. (2) Slection du cadre de recherche Les sujets tudier seront recruts dans dix centres hospitaliers universitaires du pays. Les sujets doivent tre des patients de sexe masculin actuellement maris, gs de 35 64 ans, ayant au moins un fils vivant. Pendant quelle est en
167
ge de procrer, leur pouse ne doit pas tre strile pour des raisons mdicales quelconques. Les cas seront des hommes hospitaliss avec un diagnostic, tabli avant la sortie de lhpital, dun premier pisode de maladie athromateuse. Les tmoins seront des hommes hospitaliss pour une maladie tenue sans rapport avec une vasectomie, et qui nont aucun antcdent de maladie athromateuse. Ltude sera effectue entre septembre 1988 et mars 1990. (3) chantillonnage Compte tenu du plan dtude, les chantillons (cas et tmoins) seront choisis avec une mthode nonalatoire. La taille des chantillons, 500 cas et 1 000 tmoins, a t dtermine par une technique tenant compte des valeurs prdfinies pour le niveau de signification, la puissance statistique et le niveau du risque relatif dtecter. On tentera dviter ou de diminuer les sources potentielles de biais et derreurs, rencontres frquemment dans les tudes cas-tmoins. Les biais de diagnostic erron, de remmoration, de slection, ainsi que le biais d au fait de signaler la vasectomie, ont une grande importance pour la validit des rsultats de ltude. (4) Utilisation des tmoins Deux tmoins (comme dfinis prcdemment) seront apparis avec chaque cas, selon les critres suivants : (i) lhpital : le mme ; (ii) lge : plus ou moins 5 ans prs ; (iii) le nombre denfants vivants : au moins un fils ; (iv) la date dadmission : la plus voisine. Les diagnostics des tmoins comprendront : maladies du systme digestif, noplasmes, blessures, empoisonnement, maladies infectieuses ou parasitaires, maladies du systme respiratoire, maladies du systme nerveux et musculo-squelettiques, entre autres. (5) Instruments de ltude Le questionnaire sera structur pour minimiser les biais dus lenquteur et au sujet interrog. Il
168
comportera les questions suivantes : (i) caractristiques du patient ; (ii) antcdents familiaux en matire de sant ; (iii) antcdents reproductifs ; (iv) habitudes ; (v) type de personnalit ; (vi) antcdents mdicaux (y compris des questions sur la vasectomie) ; (vii) informations cliniques ( partir des relevs mdicaux). (6) Courte description des plans de collecte des donnes. Recrutement des cas : Lenquteur examine chaque jour sur un tableau la situation des patients hospitaliss si le diagnostic correspond la catgorie tudie, il demande au cardiologue dexaminer le cas le mdecin dcide si le cas est acceptable lenquteur vrifie si les caractristiques du patient sont acceptables si le patient satisfait aux critres dacceptation pour le diagnostic et pour ses caractristiques, lenquteur procde linterrogatoire et remplit le questionnaire ds quil a obtenu un lot de 5 cas et de 10 tmoins apparis, lenquteur demande aux responsables du projet de recherche dexaminer les questionnaires puis il reprend la procdure ci-dessus. Recrutement des tmoins : Lenquteur examine le registre des admissions et choisit, pour chaque cas, les tmoins potentiels qui satisfont aux critres dappariement et qui prsentent des diagnostics appropris ladmission il vrifie les critres dacceptation des caractristiques du patient si le patient choisi est acceptable comme tmoin, linterrogatoire peut commencer.
169
(7)
Courte description des plans pour lanalyse des donnes et linterprtation des rsultats
Les variables indpendantes seront dichotomises de la faon suivante : ge : de 35 54 ans - ou - de 55 64 ans dure dinstruction : 12 ans et moins - ou 13 ans et plus profession : administrative - ou - autres fumeur de cigarettes : maintenant ou avant ou - jamais buveur de caf : tous les jours - ou - moins souvent - ou - jamais antcdents de maladies diagnostiques par un mdecin : prsents - ou - absents.
Le traitement des donnes sera assist par ordinateur. Analyse statistique : on calculera les rapports de chances (odds ratios OR) pour les triplets apparis (un cas et deux tmoins) : On calculera les rapports de chances (OR) non-ajusts, ainsi que leur intervalle de confiance au niveau 95 %, en utilisant une mthode univarie adapte aux ensembles apparis, en vue destimer le risque relatif total d la vasectomie, ainsi que dautres facteurs de risque. On valuera leffet indpendant de la vasectomie sur la maladie athromateuse partir des rapports de chances (OR) ajusts, en utilisant un modle de rgression logistique conditionnelle adapt des ensembles apparis. On testera leffet du temps coul depuis la vasectomie, sur la maladie athromateuse, au moyen dun modle de rgression logistique conditionnelle, la variable dpendante tant la maladie athromateuse, et la variable indpendante tant lintervalle de temps depuis la vasectomie.
170
APPENDICE
WORLD HEALTH ORGANIZATION Regional Office for the Western Pacific APPLICATION FOR FINANCIAL SUPPORT FOR HEALTH RESEARCH
I. SUMMARY SHEET
1 Principal investigator Family name (surname) First Name 1.1 Other names Prof/Dr/Mr/Mrs/Miss
Title of post, position or appointment presently held by principal investigator
1.2
Complete postal address
Institution responsible for the research programme Name and address
Title of health research proposed (should be brief, precise and informative to workers outside your field)
3.1
Objectives of research proposed (clearly and concisely list general and specific purposes of the proposed study)
3.2
Duration of research From (date) To (date) Total (years)
171
Appendice
3.3
Funds required (US$) 20___ 20___ 20___
Is the research topic in the area of priority within the strategic plan for health research in the Western Pacific Region? [Preference would be given to application dealing with priority areas identified within this plan, especially on health policy development.] Yes No
Is the research proposed in this application currently being submitted totally or in part, elsewhere for possible support? If so, to which organization(s)? By which date is a decision expected?
6 6.1
Institutional and national ethical clearance Institutional ethical clearance letter enclosed Yes 6.2 No
National ethical clearance document enclosed Yes No
Approval of national Ministry of Health or National Medical Research Council (or equivalent body) National approval document enclosed Yes No
Applicants signature Date: Signature
Institutional endorsement Head of institution Name (pls print): Signature: Title: Date:
172
II. SHEETS FOR RESEARCH PROJECT DESCRIPTION
Title of project:
1. 2.
Statement of the problem Relevance of the problem to national or local health objectives (biomedical, behavioural and health systems development) Field(s) of application of the proposed research results Review of literature and other existing information Statement of objectives Variables Statement of research hypotheses, if any Research methodology a. b. Summary of methodology (not more than 150 words) Research design (1) (2) c. d. e. f. g. Selection of research strategies Selection of research setting
3. 4. 5. 6. 7. 8.
Sampling Use of controls Study instrument(s) Short description of plans for collecting data Short description of plans for analysis of data and interpretation of results
9.
Budget (use attached budgeting sheet)
173
Appendice
III. CURRICULUM VITAE OF APPLICANT
Family Name (Surname) First Name Other Names
Date and place of birth
Nationality
at birth at present
Academic qualifications and dates
Posts held (type of post, institution/authority, dates chronologically starting with present appointment)
Publications
(use extra pages if necessary)
174
IV BUDGET
1 PERSONNEL (allowance to be paid) % or working Year 1 Year 2 Year 3 Total time devoted US$ US$ US$ US$ to project
1.1
Professional scientific staff (name and functional title)
1.2
Technical staff (name and functional title)
1.3
Other staff (name and functional title)
Subtotal
MAJOR EQUIPMENT (more than US$500) (include specifications, shipment and freight insurance costs; comment on local provision for maintenance/service)
Year 1 Year 2 Year 3 Total US$ US$ US$ US$
Subtotal
175
Appendice
3 3.1 3.2 3.3
SUPPLIES Chemicals Glassware Minor equipment (less than US$500 each) (include shipment and freight insurance costs) Animals Other supplies Operating costs (specify: maintenance of equipment, gasoline, etc.)
3.4 3.5 3.6
Subtotal 4 TRAVEL (specify domestic and international) Year 1 US$ Year 2 Year 3 Total US$ US$ US$
Subtotal 5 DATA ANALYSIS COSTS
Subtotal 6 MISCELLANEOUS EXPENDITURES
Subtotal 7 SUMMARY Personnel (1) Major equipment (2) Supplies (3) Travel (4) Data analysis cost (5) Miscellaneous expenses (6) Year 1 US$ Year 2 Year 3 Total US$ US$ US$
GRAND TOTAL
176

Brownlee, A., Nchinda, T. and Mousseau-Gershman, Y. Health services research course, Boston, MA: Boston University Medical Center, 1983. Chi, I. C. (et al.). Vasectomy and non-fatal acute myocardial infarction: a hospital-based case-control study in Seoul, Korea. Int J Epidemiol 1990; 19(1): 32-41 Cushieri, A. and Baker, P.R. Introduction to research in medical sciences. Edinburgh: Churchill Livingstone, 1977. Marks, R. Designing a research project. Belmont, CA: Lifetime Learning Publications, 1982. Omran, A.R. The Clark-Omran system of research design in epidemiology. (Paper used at the National Workshop on Research Design and Methodology on Biomedical Research, Manila, August 1986, supported by WHO/ WPRO.)
177
Appendice
178
Annexes
179
Annexe 1: laboration dun questionnaire
180
Annexe 1
laboration dun questionnaire
Introduction Parmi les mthodes standard de collecte de donnes dans la recherche clinique, pidmiologique, psychosociale et dmographique, figure lutilisation de questionnaires et dinterrogatoires. Les premiers utilisateurs de questionnaires et dinterrogatoires sont les mdecins dans lexercice quotidien de leur profession : ils reconstituent les antcdents mdicaux du patient grce un entretien bas sur un questionnaire, et les enregistrent, soit selon un protocole fixe (dossier mdical), soit sous forme dun interrogatoire ouvert. Synonymes : programmes dinterrogation, inventaires, instruments dtude. Dfinition : Un questionnaire est simplement une liste, photocopie ou imprime, de questions, et qui est remplie par ou pour le sujet interrog. Un programme dinterrogation est une liste de questions plus ou moins structures, qui sont lues haute voix ou poses oralement par lenquteur (avec ou sans approfondissement) lorsquil interroge le sujet. Ensuite lenquteur enregistre les rponses du sujet, soit mot pour mot (pour des questions ouvertes), soit en cochant des rponses ou des catgories de rponses, prspcifies ou mme prcodes. 1. Types dinterrogatoires. Questionnaires envoys par la poste : il faut que la personne interroge sache les lire, et, malgr son faible cot, cette mthode entrane une forte proportion de non-rponses. Par ailleurs il ny a
181
aucune garantie de la similitude entre les personnes qui rpondent et celles qui ne rpondent pas (habituellement, elles sont diffrentes). Interrogatoires par tlphone : ils sont faciles excuter dans les zones urbaines, mais ils ignorent ceux qui nont pas le tlphone et ceux qui sont absents ou au travail. Ils sont peu utiliss dans les pays en voie de dveloppement, sauf pour des tudes trs slectives. Interrogatoires face--face : excuts par des enquteurs spcialiss, ils sont les plus frquemment utiliss dans les enqutes de population et dans la recherche clinique. Questionnaires et inventaires standard : ce sont des questionnaires prpars spcialement pour lemploi de mthodes spcifies de notation et danalyse. Exemples : programme du Cornell Medical Index, programme de sondage dopinion en matire de sant, programme denqute mondiale sur la fcondit, tests et inventaires psychologiques tel que le Minnesota Multiphasic Personality Inventory, questionnaire cardio-vasculaire du London School of Hygiene. Ce dernier questionnaire est reproduit intgralement dans lappendice 1. Il est utile pour les enqutes de population sur les maladies cardio-vasculaires par des enquteurs qualifis (qui ne sont pas des mdecins). On note que les rponses sont utilises pour diagnostiquer des tats cliniques spcifis (angine de poitrine, douleurs dun possible infarctus, claudication intermittente), en cochant les rponses des questions spcifiques. Dans la plupart des cas, les investigateurs rdigent leur propre questionnaire. 2. Objectifs. Linterrogatoire face--face permet : a. b. c. d. e. de clarifier les questions dapprofondir les rponses (si cest autoris) dutiliser des aides visuelles dobtenir un bon pourcentage de rponses de remplir rapidement le questionnaire.
Cependant, cette mthode est coteuse, exige la formation des enquteurs et entrane des biais dus lenquteur. Il est difficile de recruter des enquteurs professionnels.
182
Le questionnaire peut solliciter les informations suivantes : a. b. c. d. des faits, tels que lge, la maladie la connaissance, par exemple des services, des programmes lattitude ou lopinion, par exemple par rapport la contraception, la vaccination, lallaitement maternel le comportement, comme lutilisation de services de sant, la mdecine traditionnelle, les soins prnatals, lhygine dentaire, les bilans mdicaux priodiques, la consommation de tabac lobservance des instructions du mdecin des renseignements sur dautres personnes (avis des tiers), par exemple questions la mre propos de ses enfants ou de son mari, questions aux voisins sur un vnement de voisinage ou sur des femmes qui utilisent encore une daya (sage-femme traditionnelle).
e. f.
3. Facteurs Pour llaboration du questionnaire il faut tenir compte des facteurs suivants : a. b. c. d. e. f. objectifs de ltude et principales questions du projet de recherche hypothses de ltude : donnes exiges pour accepter ou rejeter lhypothse ; donnes recueillir plans de lanalyse et tableaux fictifs, pour viter tout oubli dinformation importante budget laudience ou la population cible : ge, sexe, religion, langue, traditions, prsence dun tranger dans la maison (une femme peut-elle tre interroge en labsence de son mari ?); et surtout, est-ce que les personnes interroges seront capables de donner les rponses demandes?
183
Modle du questionnaire 1. Questions ouvertes ou fermes
Un questionnaire structur questions fermes prsente les avantages suivants : il est adapt et pertinent pour les objectifs de ltude il est facile utiliser il est uniforme il est prcod et ainsi facile exploiter il peut tre analys rapidement ;
Il est prfr dans les tudes mdicales. Un questionnaire questions ouvertes est utile dans les enqutes anthropologiques et sociales. Dans les enqutes mdicales, on peut prvoir quelques questions ouvertes, mais mieux vaut quil y en ait le moins possible. De telles questions ouvertes permettent la personne interroge de parler librement et en dtail, mais elle peut sloigner du sujet en question. Elles exigent un codage spcial aprs la fin de ltude, ce qui allonge la dure de lanalyse. 2. Forme des questions structures.
Les questions structures peuvent offrir : a. un choix dichotomique : oui ou non, approuve ou napprouve pas, efficace ou non efficace. A des questions de ce type, il faut toujours ajouter la catgorie de rponses je ne sais pas. un choix multiple de rponses ; par exemple : Chez qui vous adressez-vous en premier pour un avis sur des mthodes contraceptives ? la daya (sage-femme traditionnelle) vos amies ou voisines votre belle-mre linfirmire le mdecin
b.
184
c.
le pharmacien autre personne ( spcifier).
une chelle de notation, telle que lchelle plusieurs pas diffrentiels smantiques qui demande au sujet de graduer ses rponses entre deux limites. Par exemple, les rponses mauvais ou bon, ou bien approuve ou napprouve pas, peuvent tre gradues ainsi : mauvais approuve 1 2 3 4 5 6 7 1 2 3 4 5 bon napprouve pas.
De telles graduations largies sont artificielles et sont certainement incomprises de beaucoup de personnes. d. e. une rponse chiffre, par exemple Quel est votre ge ? une occasion dapprofondir pour amener des rponses plus spcifiques. Lapprofondissement est quelquefois permis, mais dans ce cas il est essentiel de disposer dun enquteur qualifi pour maintenir luniformit de cette dmarche. Langue et style de formulation.
3.
La formulation des questions doit tre approprie au niveau de la personne interroge. On doit utiliser la langue du pays dans un style courant de conversation de tous les jours. Dans les tudes impliquant des cultures diffrentes, les questionnaires sont traduits de la langue dorigine vers la langue ou lidiome local, par exemple de langlais vers le swahili. Puis ils sont retranscrits en anglais par un linguiste indpendant pour vrification et correction de tout malentendu. Il faut viter les questions directives, comme par exemple : Ne pensez-vous pas que le dispositif intra-utrin est plus sr que la pilule ?. Il faut prfrer la formulation : Que pensez-vous tre le plus sr : le dispositif intra-utrin ou la pilule ?. Il faut viter le jargon professionnel et les abrviations. 4. Codage des rponses aux questions.
Les catgories de rponses doivent inclure toutes les rponses possibles. Cela signifie quil faut ajouter les catgories suivantes : je ne sais pas, quelquefois, peut-tre. On conomise du temps lors de lanalyse si les rponses sont chelonnes et codes en mme temps quelles sont enregistres, comme par exemple :
185
Toujours 4 Je ne sais pas 1
Habituellement Jamais
3 0
Quelquefois 2
Les catgories de rponses doivent sexclure mutuellement, cest--dire quelles ne doivent pas se chevaucher. Aucun espace de codage ne doit tre laiss vide, car sinon cela peut signifier que la question a t oublie par inadvertance ou saute intentionnellement. Pour cette raison, pour les questions qui pourraient tre sautes pour certaines classes de sujets (par exemple, ge des enfants pour les couples sans enfants), il faut rpondre par sans objet ou S.O., habituellement cod 9 ou 99. Certaines donnes peuvent tre obtenues plus facilement par des questions en cascade. Dans lexemple de la figure 1, on note lemploi de plusieurs questions pour graduer une rponse la question non pose mais fondamentale : Combien dinformations nouvelles avez-vous appris daprs des affiches sur le planning familial ?. Noter que toutes les rponses sont traites comme une rponse une seule question et sont codes en un seul endroit (plutt que dutiliser trois colonnes de code diffrentes pour les trois questions).
FIGURE 1 EXEMPLE DE QUESTIONNAIRE EN FORME DE CASCADE. Avez-vous dj vu quelque part une indication ou une affiche concernant le planning familial ? Non Oui 1 ALLER LA QUESTION 10 La dernire fois que vous avez vu une telle affiche, avez-vous lu ce quelle indiquait ? Non Oui 2 ALLER LA QUESTION 10 Cette affiche vous a-t-elle donn des informations nouvelles sur le planning familial que vous ne connaissiez pas dj ? Non 3
Je ne sais pas 4 Oui 5
5. Longueur du questionnaire La plupart des experts en enqutes admettent que la longueur raisonnable dun questionnaire correspond un interrogatoire structur dune dure de une demi-heure au plus. Ils dsapprouvent dtendre
186
cette dure trois quarts dheure, et ils considrent que des questionnaires plus longs sont contre-productifs. Il est vrai que des enquteurs entrans peuvent soutenir lintrt de la personne interroge pendant une heure, surtout avec des questions ouvertes, mais ceci est rare et coteux. Aujourdhui, la plupart des interrogatoires sont conduits par des enquteurs semi-professionnels ayant une formation ad-hoc. Peu dentre eux sont capables de conduire des interrogatoires prolongs sans lasser et sans introduire des biais dans les rponses. 6. Fiabilit des questionnaires. On peut utiliser deux moyens pour assurer la fiabilit : a. Fiabilit interne : on la vrifie en rptant certaines questions, en reformulant la seconde demande de renseignements, tout en conservant les codes de rponse semblables ou comparables. Fiabilit par rptition : on lobtient en rptant linterrogatoire avec une petite fraction des sujets choisie au hasard. Habituellement, on mesure la fiabilit laide de questions factuelles; des questions sur une opinion ne donnent pas une mesure directe de la fiabilit, car les gens changent dide au cours du temps. Cependant, la modification dopinion peut tre le sujet dtudes mthodologiques spciales.
b.
7. Vrification de la validit et de la cohrence On peut vrifier la validit de certaines rponses un questionnaire dans des enqutes particulires. Par exemple, des dossiers cliniques peuvent servir vrifier les rponses de femmes qui ont reu des injections dans un dispensaire rgulirement au cours des 12 derniers mois. On peut aussi vrifier la validit par cohrence ou par recoupement. Une femme ge de 18 ans ne peut pas avoir un enfant de 10 ou 15 ans; une femme ayant eu deux grossesses unipares ne peut pas avoir eu trois enfants dcds. Ce travail fastidieux peut tre assist par ordinateur. 8. Prsentation du questionnaire. La prsentation visuelle du questionnaire doit tre agrable et esthtiquement attrayante. Cependant les questionnaires ne doivent
187
pas devenir des brochures artistiques, car il ne faut pas perdre de vue les incidences budgtaires. Largent gaspill dans la production dun questionnaire nest plus disponible pour lenqute elle-mme. 9. Ordonnancement des questions. Les questions sont poser dans un ordre appropri, en respectant les directives gnrales suivantes : a. Introduction : Il est utile de faire prcder le questionnaire dune introduction claire, concise et pertinente. Elle doit servir associer linvestigateur ou lenquteur un organisme respect dans la communaut. Elle doit indiquer le but du questionnaire et doit supprimer toute rticence de la part du sujet interrog. Quelquefois il est essentiel de prsenter une carte didentit. Page de garde ou page didentification (voir la figure 2). Cette page comporte habituellement : c. nom de lenqute et nom de lorganisme responsable code du sujet ou du foyer nom de lenquteur et date de linterrogatoire.
b.
questions ou dclarations de mise en route : elles servent dmarrer le questionnaire proprement dit. Il ne faut pas commencer par des questions gnantes, comme celles sur le revenu ou sur dautres sujets sensibles. La transition dune section lautre doit se faire naturellement. Pour les instructions dans le corps du questionnaire, il faut utiliser correctement les formes standard : des cases pour les instructions, des flches pour les directions et les directions sauter (instructions concernant des questions omettre pour un sujet particulier, comme dans la figure 3). Instructions : Il y a deux possibilits pour les rdiger, (i) dans un manuel dinstructions spar, (ii) les inclure dans le questionnaire lui-mme. Dans ce dernier cas, elles doivent tre distingues des questions en les encadrant ou en les crivant en majuscules, en italiques ou autres caractres (voir la figure 4).
d. e.
f.
188
Activits annexes 1. Essai pralable du questionnaire Un essai pralable est une mise lpreuve prolonge du questionnaire. Cet essai est effectu sur un petit nombre de sujets comparables lchantillon de ltude, mais nen faisant pas partie. On tient compte des rsultats de lessai pralable dans la rdaction nouvelle du questionnaire. Mme lorsquon utilise un questionnaire standard, celui-ci doit tre test dans la population tudier et faire lobjet dun calcul de coefficient de fiabilit. 2. Formation des enquteurs Les enquteurs doivent tre slectionns avec soin et recevoir une formation approprie. Dans la recherche base denqutes, ils deviennent la cl de vote de la collecte des donnes. conomiser sur les enquteurs pour dpenser beaucoup pour dautres aspects de ltude est un mauvais calcul. Le rle de lenquteur sur le terrain est aussi essentiel que lencadrement de lenqute. Les enquteurs devront recevoir des instructions sur la confidentialit des informations, tre patients, persvrants, dun abord agrable, avoir une attitude positive, et respecter les consignes, etc. Ils devront toujours tre encadrs (un superviseur pour quatre six enquteurs). 3. Relances Les relances ou les visites ritres aux personnes nayant pas rpondu permettent de rduire efficacement le taux de non-rponses. La relance doit tre faite au moment o la personne a le plus de chances de se trouver chez elle. Renouveler galement les visites aux personnes ayant refus de participer, en esprant quelles coopreront la longue. Toutefois, les relances alourdissent le cot dune enqute et il faut en fixer le nombre ne pas dpasser. Deux ou trois relances devraient tre suffisantes lorsquune personne na pas rpondu. 4. Rvision et codage Les superviseurs devront vrifier les questionnaires la fin de chaque journe pour dtecter dventuelles omissions, rponses incompltes, observations confuses ou critures illisibles. Les enquteurs devront parfois retourner pour chercher les donnes
189
manquantes ou clarifier les informations ambigus. Les rponses sont ensuite soigneusement codes et contrles.
FIGURE 2 EXEMPLE DE PAGE DE GARDE DUN QUESTIONNAIRE Pays ________________ Programme de foyers Rgion/Circ. __________
Numro didentification 1 2 3 4 5 6 7 8 9 10 11 12
Colonnes 1-2 : (Coder en dernier)
Pays ___________________________________ Rgion __________________________________ Religion (P.11) ____________________________ Catgorie sociale (P.35) _________________ Numro de carte 01 ________________________ N de srie du foyer ________________________ Nbre de personnes au foyer (P.11) _____________ Nbre de femmes concernes (P.11) ____________ Catgorie de famille (P.111) __________________
Colonnes 3-4 Colonnes 5-8 Colonnes 9-10 Colonne 11 Colonne 12
: : : : :
Adresse du foyer
: _______________________________________ ______________________________________
Numro du foyer Nom du chef de famille
: _______________________________________ : ______________________________________
Nom de la personne interroge (si autre que le chef de famille) et parent avec chef de famille Nom de lenquteur Date de linterrogatoire : _______________________________________ : _______________________________________ : ______________________________________
190
CODEUR : PRENDRE LES NUMROS ID POUR COLS. 1-2 ET 5-15 DANS P.1 EWQ: 3-4 CHANGENT AVEC CHAQUE FICHE DE GROSSESSE. UNE FICHE IBM PAR GROSSESSE IBM 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 COL
ANTCDENTS DE GROSSESSE
DURE DE GESTATION c. d. LIEU INTERVALLE DACCOUCHEENTRE MENT/ GROSSACCOUCHEUR ESSES CODE: 1 Masculin 2 Fminin 77- 6-12 mois 88- 1-6 mois 99- > 1 mois 2 Dcd SI MOINS DUN AN CODER : CODE: 1 Vivant SI GE PLUS DUN AN INDIQUER GE EFFECTIF ORDRE e. DES SEXE NAISSANCES DES VIVANTES ENFANTS f. ENFANTS VIVANTS g. GE ENFANTS VIVANTS h. GE DCS i GE MENARQUE
QUESTION: a-1
FICHE ORDRE IBM DES NO. GROSSESSES
a. GE MATERNEL FIN DE GROSSESSE CODE DANS COL. 20: 1 - Vivante 2 - Mort-n AVORTEMENT 3 - Spontan 4 - Volontaire 5 - Incertain CODER DURE EN SEMAINES POUR CHAQUE GROSSESSE COL. 21-22 Code 55 - Ne sait pas
b. ISSUE DE LA GROSSESSE
INSTRUCTIONS DE CODAGE
GE EFFECTIF EN ANNES (DEMANDER)
CODE : 77- Garon 88- Fille avant ge menarque
CRIRE LES NOMS DES NAISSANCES VIVANTES ICI :
CODE 01 1RE NAISSANCE PUIS 02. 03 LA SUITE
CODER NOMBRE DE MOIS DEPUIS LA FIN DE LA DERNIRE GROSSESSE CODE 97-97 mois
CODE: 1- Hpital/ Mdecin 2- Hpital/ Paramd. 3- Maison/ Mdecin 4- Maison/ Paramd. 5- Maison/ Sans md. 6- Maison/ Seule
IBM COL
3-4
16-17
18-19
20
21-22
23-24
25
26-27
28
29
30-31
32-33
34-35
05
06
07
08
09
10
1 1
12
13
14
15
16
17
18
19
PARIT : TOTAL DES NAISSANCES VIVANTES (CODE I) COL __________ _____________
NBRE DENFANTS AU FOYER : TOTAL DES NAISSANCES VIVANTES (CODE I COL. 29)
191
FIGURE 3 EMPLOI DE CASES ET DE FLCHES DANS UN QUESTIONNAIRE
FIGURE 4 EXEMPLE DE LUTILISATION DE MAJUSCULES POUR SIGNALER LES INSTRUCTIONS 19. Pensez-vous que votre dernire grossesse soit survenue plus tt que vous ne le souhaitiez ? 46 1-Oui 8-Non 9-Pas de rponse
SUITE FICHE IBM 02 APRS LES ANTCDENTS DE GROSSESSE COMMENCER UNE NOUVELLE FICHE POUR CHAQUE GROSSESSE 20. Je vais noter les dtails de vos grossesses, une par une. Commenons par votre premire grossesse. ENREGISTRER LES RPONSES AUX QUESTIONS 20 A-1 SUR LE TABLEAU DES ANTCDENTS DE GROSSESSE, EN UTILISANT LES CHIFFRES INDIQUS DANS LES INSTRUCTIONS DE CODAGE. NE PAS CRIRE DE MOTS DANS LE TABLEAU SI CE NEST POUR INSCRIRE LES NOMS DE TOUS LES NOUVEAU-NS VIVANTS : POSER DES QUESTIONS SUR CHAQUE GROSSESSE, EN COMMENANT PAR LA PREMIRE ET EN CONTINUANT JUSQU LA PLUS RCENTE. CRIRE AU VERSO POUR LES GROSSESSES SUPPLMENTAIRES. a. Quel ge aviez-vous lorsque cette grossesse a pris fin ? (INSISTER) INDIQUER LGE EFFECTIF EN CHIFFRES. b. Cette grossesse a-t-elle dbouch sur la naissance dun enfant vivant, dun mort-n (mort foetale), sur une naissance multiple ou sur un avortement ? Depuis combien de semaines tiez-vous enceinte lorsque la grossesse a pris fin ? (INDIQUER LA DURE DE GESTATION EN SEMAINES DANS LES COLONNES 21-22) LENQUTEUR PEUT QUALIFIER DE MORT-N UNE FAUSSE COUCHE SURVENUEAPRS LE SEPTIME MOIS DE GROSSESSE ET DE AVORTEMENT UNE FAUSSE COUCHE SURVENUE AVANT LE SEPTIME MOIS. SIL SAGIT DUNE NAISSANCE MULTIPLE, TRAITER CHAQUE NOUVEAU-N SPARMENT. (POSER LES QUESTIONS d-1 SUR CHACUN ET NOTER LES RPONSES SUR DES LIGNES SEPARES DU TABLEAU). LES INFORMATIONS SUR LORDRE DES GROSSESSES, LGE DE LA MRE, LA DURE DE GESTATION ET LINTERVALLE ENTRE LES NAISSANCES SERONT LES MMES POUR CHAQUE NOUVEAU-N DUNE NAISSANCE MULTIPLE. SIL SAGIT DUN AVORTEMENT, POSER LA QUESTION SUIVANTE : Cet avortement a-t-il t provoqu (par vous-mme ou par quelquun dautre) OU a-t-il t spontan (fausse couche) ? c. Combien de mois se sont-ils couls depuis la fin de votre dernire grossesse ? DANS LE CAS DUNE PREMIRE GROSSESSE, CALCULER LINTERVALLE DE TEMPS DEPUIS LE MARIAGE OU LA CONSOMMATION DU MARIAGE (SELON LE CAS). DANS LE CAS DE GROSSESSES CONSCUTIVES, CALCULER LINTERVALLE EN NOMBRE DE MOIS COULS ENTRE LA FIN DE LA GROSSESSE PRCDENTE ET LA FIN DE CELLE-CI. INDIQUER LE NOMBRE EFFECTIF DE MOIS COMPRIS DANS LINTERVALLE d. Qui sest occup de vous et o cette grossesse a-t-elle pris fin ? HPITAL : Y COMPRIS CLINIQUE ET CENTRE DE SOINS DOMICILE : Y COMPRIS TOUT LIEU AUTRE QUE LHPITAL CODEUR : INDIQUER LE NUMRO DORDRE CONSCUTIF DES NAISSANCES DENFANTS VIVANTS (01, 02, 03, etc.) DANS LES COLONNES 26-27 DU TABLEAU DES ANTCDENTS DE GROSSESSE.
192
Appendice 1 QUESTIONNAIRE CARDIOVASCULAIRE DE LA LONDON SCHOOL OF HYGIENE ( LUSAGE DUN ENQUTEUR)

Section A : Douleur pectorale leffort 1. Avez-vous dj ressenti une douleur ou une gne dans la poitrine ? ____ ____ Oui Non
Si Non, passer la section C. Si Oui, poser la question suivante. (Si, au cours des questions de la section A, une rponse correspond une case marque ; passer la section B.) 2. Cela se produit-il lorsque vous montez une cte ou marchez vite ? ____ ____ ____ Oui Non Ne marche jamais vite ni ne monte de ctes.
3. Cela se produit-il lorsque vous marchez normalement, sur du plat ? ____ ____ Oui Non
4. Que faites-vous lorsque cela se produit pendant que vous marchez ? ____ ____ Sarrte ou ralentit Continue
Noter Sarrte ou ralentit si le sujet continue aprs prise de nitroglycrol. 5. Si vous vous immobilisez, que se passe-t-il ? ____ ____ Soulagement Aucun soulagement
6. En combien de temps ? ____ ____ 10 minutes maximum Plus de 10 minutes
7. Pouvez-vous me montrer lendroit de la douleur ? ____ ____ ____ Sternum (en haut ou au milieu) Sternum (en bas) Sur le ct avant gauche de la poitrine
193
____ ____
Au bras gauche Autre
8. Ressentez-vous cela ailleurs ? ____ ____ Oui Non (Si Oui, noter ci-dessus les informations complmentaires)
Section B : ventualit dinfarctus 9. Avez-vous dj ressenti une douleur violente en travers de la poitrine, pendant au moins une demi-heure ? ____ ____ Oui Non Section C : Claudification intermittente Si une rponse correspond une case marque ; aucune autre question nest ncessaire. 10. Ressentez-vous une douleur dans une jambe lorsque vous marchez ? ____ ____ Oui Non
11. Cette douleur survient-elle parfois lorsque vous restez debout ou assis ? ____ ____ Oui Non
12. quel endroit de la jambe la ressentez-vous ? ____ ____ La douleur couvre le(s) mollet(s) La douleur ne concerne pas le(s) mollet(s)
Sil ne sagit pas des mollets, demander : quel autre endroit ? 13. Cela se produit-il lorsque vous montez une cte ou marchez vite ? ____ ____ ____ Oui Non Ne marche jamais vite ni ne monte de ctes.
14. Cela se produit-il lorsque vous marchez normalement, sur du plat ? ____ ____ Oui Non
194
15. La douleur disparat-elle lorsque vous marchez ? ____ ____ Oui Non
16. Que faites-vous lorsque cela se produit pendant que vous marchez ? ____ ____ Sarrte ou ralentit Continue
17. Si vous vous immobilisez, que se passe-t-il ? ____ ____ Soulagement Aucun soulagement
18. En combien de temps ? ____ ____ 10 minutes maximum Plus de 10 minutes Critres de diagnostic de langine de poitrine, du risque dinfarctus et dune claudication intermittente On considre que langine de poitrine existe chez les sujets ayant rpondu comme suit : Q.1 Q.2 ou 3 Q.4 Q.5 Q.6 Q.7 : Oui : Oui : Sarrte ou ralentit : Soulagement : 10 minutes maximum : (a) Sternum (en haut, au milieu ou en bas), ou (b) ct antrieur gauche de la poitrine et bras gauche
(Si les instructions dinterrogatoire ont t correctement suivies tout au long du questionnaire, il suffit de vrifier les rponses jusqu Q.7.) Langine de poitrine peut tre classe par degr de gravit : Q.3 : Non = Degr 1 Oui = Degr 2 On considre quun risque dinfarctus existe chez les sujets ayant rpondu comme suit : Q.9 : Oui
On considre que la claudication intermittente existe chez les sujets ayant rpondu comme suit :
195
Q.10 Q.11 Q.12 Q.13 ou 14 Q.15 Q.16 Q.17 Q.18
: Oui : Non : La douleur couvre le mollet : Oui : Non : Sarrte ou ralentit : Soulagement : 10 minutes maximum
La claudication intermittente peut tre classe par degr de gravit : Q.14 : Non = Degr 1 Oui = Degr 2
196
Annexe 2
Mthodes de prsentation et dinterprtation des donnes relatives la sant Tableaux, graphiques et diagrammes
I. Tableaux Bien quil nexiste pas de rgles proprement dites pour la construction des tableaux, certains principes gnraux sont accepts plus ou moins comme rgles communes. A. Les tableaux doivent tre le plus simple possible. Deux ou trois petits tableaux valent mieux quun seul grand tableau prsentant trop de dtails ou de variables. En gnral, trois variables sont un maximum pour que la lecture soit aise. Les tableaux doivent sexpliquer deux-mmes. 1. 2. 3. 4. 5. Les codes, abrviations ou symboles doivent tre expliqus en dtail dans une note de bas de page. Chaque ligne et chaque colonne doivent porter des titres clairs et concis. Les units de mesure spcifiques des donnes doivent tre spcifies. Le titre doit tre clair, concis et exprimera lessentiel du sujet. Rponses : Quoi ? Quand ? O ? Le total devra tre indiqu.
B.
197
Annexe 2 : Mthodes de prsentation et dinterprtation des donnes relatives la sant
C.
Le titre est gnralement spar du corps du tableau par des lignes ou des espaces. Dans les petits tableaux, les lignes de sparation verticales peuvent tre omis. Si les donnes ne sont pas nouvelles, leur source doit tre indique en bas de page. Exemples spcifiques 1. Le tableau le plus simple est un tableau de rpartition deux colonnes. La premire colonne prsente les classes dans lesquelles sont regroupes les donnes. La seconde indique la rpartition dans chaque classe. Le tableau 1 en donne un exemple.
D. E.
TABLE 1: CLASSIFICATION DES NAISSANCES VIVANTES SUIVANT LE NIVEAU DINSTRUCTION DU PRE TOUS TATS CONFONDUS, 1968
Niveau dinstruction du pre Diplme dtudes secondaires Moins de 12 annes scolaires TOTAL
Source: Vital Statistics of the United States, 1968, Volume 1, p.81
Nombre de naissances vivantes 50 684 31 774 82 458
2.
Le tableau 1 peut tre largi pour inclure des sousclassifications, telles que le lieu daccouchement et le personnel accoucheur. Voir le tableau 2.
TABLEAU 2 RPARTITION DES NAISSANCE VIVANTES SUIVANT LE NIVEAU DINSTRUCTION DU PRE, LE LIEU DACCOUCHEMENT ET LE PERSONNEL ACCOUCHEUR, TOUS TATS CONFONDUS, 1968
NOMBRE DACCOUCHEMENTS ASSIST PAR : Niveau dinstruction du pre Mdecin lhpital Hors hpital 3 014 3 094 6 108 Sagefemme 910 13 930 14 840 Autres, et non prcis 154 416 570
Total 50 684 31 774 82 458
Diplme dtudes secondaires Moins de 12 annes scolaires Total
46 606 14 334 60 940
Source: Vital Statistics of the United States, 1968, Volume 1, p.81
198
3.
Llaboration dun tableau rcapitulatif initial permettra dacclrer et de simplifier la synthse des donnes. Dans ce tableau, toutes les donnes disponibles doivent tre entirement classes. Lorsque les classifications croises sont compltes, les donnes correspondant une mme variable ou une combinaison de variables peuvent tre obtenues, sans quil soit ncessaire de reprendre les donnes dorigine. partir du format gnral du tableau rcapitulatif prsent en Tableau 3, nous pouvons dterminer le nombre de CITADINS (A), le nombre de PERSONNES DE SEXE MASCULIN (B) et le nombre de CITADINS DE SEXE MASCULIN DANS UNE TRANCHE DGE DONNE (C), qui ont t admis lhpital, etc.
TABLEAU 3. HOSPITALISATIONS, TOUS HPITAUX CONFONDUS, AU COURS DE LANNE 1968, CLASSES PAR GE, LIEU DE RSIDENCE ET SEXE
Citadins ge en annes <1 1-4 5-9 10-14 . . . Total A C

Hommes Femmes
Ruraux
Total
Total
Total Hommes Femmes Total Hommes Femmes
199
II. Graphiques Dfinition : Un graphique est une mthode dillustration de donnes quantitatives utilisant un systme de coordonnes (en ce qui nous concerne, gnralement abscisse et ordonne, x et y). Il existe diffrents types de graphiques, quelques-uns sont coordonnes rectangulaires, coordonnes polaires, dautres sont de type spcifique (3-D), etc. Nous nous en tiendrons aux graphiques coordonnes rectangulaires. A. Concept gnral
Les graphiques coordonnes rectangulaires consistent en deux ensembles de lignes, perpendiculaires entre elles. chaque ensemble de lignes est associe une chelle de mesure permettant de lidentifier. La figure 1 prsente la structure gnrale des graphiques coordonnes rectangulaires. En gnral, la variable en abscisse (x) est considre comme tant la variable indpendante (classe dfinie) alors que celle en ordonne (y) est la variable dpendante (frquence). En dautres termes, pour dessiner un graphique, nous traons une variation de y par rapport x.
FIGURE 1: GRAPHIQUE GNRAL
FRQUENCE
CLASSES
200
B. Principes gnraux Lorsque les graphiques ont t dessins correctement, ils permettent au lecteur de saisir rapidement la signification globale des donnes. Quelques-uns des principes les plus importants pour llaboration dun graphique sont donns ci-dessous : 1. Les graphiques les plus simples sont les plus efficaces. Ne pas utiliser plus de lignes ou de symboles dans un seul graphique que ce que le regard peut facilement capter. Tous les graphiques doivent sexpliquer deux-mmes. Le titre peut tre plac au-dessus ou au-dessous du graphique. Lorsquun graphique fait apparatre plus dune variable, chacune doit tre clairement identifie par une lgende ou un symbole. Ne pas tracer plus de lignes de coordonnes que ce qui est ncessaire pour guider le regard. Les courbes du graphique proprement dit doivent tre plus paisses que les lignes des coordonnes. Les valeurs de frquences sont gnralement indiques sur lchelle des ordonnes et les classes sur lchelle des abscisses. Sur une chelle arithmtique, les intervalles gaux sur lchelle doivent reprsenter des quantits numriques gales. Les intervalles de lchelle doivent clairement apparatre, de mme que lunit de division de lchelle.
2. 3. 4.
5. 6. 7.
8.
9.
C. Exemples spcifiques 1. Graphiques chelles linaires
Dans un graphique chelles linaires, une distance gale reprsente une quantit gale en tous points de laxe, mais pas ncessairement entre les axes. Il faut choisir trs soigneusement dutiliser des intervalles gaux sur les deux axes ou des intervalles larges sur laxe des x par rapport laxe des y, ou inversement. Les chelles doivent tre dfinies de faon obtenir un rsultat final agrable regarder. Une rupture dchelle peut tre utilise avec ce
201
type de graphique mais dans ce cas, il faudra tre vigilant pour viter toute erreur dinterprtation. La Figure 2 donne un exemple de courbe chelles linaires.
FIGURE 2 : CAS DCLARS DE RUBOLE SUR 13 PRIODES DE 4 SEMAINES, TATS-UNIS 1968
NOMBRE DE CAS POUR CENT MILLE
PRIODE SACHEVANT LE
Source: Rubella Surveillance Unit
2.
Graphique chelles semi-logarithmiques
Dans un graphique chelles semi-logarithmiques, une coordonne, gnralement laxe des y, est mesure en units logarithmiques, alors que lautre axe est mesur en units arithmtiques. Cela est utile dans la mesure o, lorsque lon tudie une srie de donnes sur une priode donne, on sintresse souvent la variation relative (ou taux) plutt qu la variation absolue (quantit effective). Les graphiques semi-logarithmiques prsentent les avantages suivants: a) b) c) une ligne droite indique un taux de variation constant. linclinaison de la ligne indique le taux de variation deux ou plus de deux lignes suivant des tracs parallles indiquent des taux identiques de variation. Ce type de courbe est illustr par la Figure 3.
202
FIGURE 3 TAUX DINCIDENCE, TAUX DE MORTALIT, ET RAPPORT MORTALIT/MORBIDIT EN POURCENTAGE DES CAS DE DIPHTRIE DCLARS ANNUELLEMENT AUX TATS-UNIS ENTRE 1920 ET 1968
TAUX POUR 100 000 INDIVIDUS
TA UX DI NC IDE NC E
RAPPORT (X 100) MORTALIT ET MORBIDIT
TA UX DE MO RT AL IT
RAPPORT (X 100) RAPPORT MORTALIT/MORBIDIT (X 100) MORTALIT ET MORBIDIT
ANNE
Source: Diphtheria Surveillance Unit
3.
Histogramme
Un histogramme est un graphique utilis uniquement pour prsenter une rpartition par frquences de donnes quantitatives. Un histogramme ne comporte aucun espace entre les cellules (souvent appeles cases coches). Ne pas confondre ce type de graphique avec un diagramme barres qui, lui, comporte des espaces entre les cellules. Ne pas utiliser de rupture dchelle dans un histogramme car laire se trouvant sous la courbe reprsente une quantit de donnes. Du fait de cette caractristique, le type dhistogramme le plus facile raliser sera celui divisions dchelles gales, comme illustr la Figure 4.
203
FIGURE 4 CAS DE MALADIES RUPTIVES ENREGISTRS EN COLE LMENTAIRE, PAR JOUR, DANS UNE VILLE-TYPE, ENTRE LE 22 FVRIER ET LE 23 MARS 1970
1 cas
NOMBRE DE CAS
FVRIER
MARS
titre dillustration, sur la Figure 4, laire situe sous la courbe est dcoupe en units de maladie. Ordinairement, seule la ligne reprsentant la hauteur de chaque colonne est trace. Pour que laire de chaque rectangle dans lhistogramme reprsente un nombre spcifi de cas, la hauteur reprsente le nombre de cases (frquence) par classe (dans la Figure 4, par jour) et la largeur, ltendue des classes (dans la Figure 4, intervalle de temps en nombre de jours). En consquence, le produit de la hauteur par la largeur sera gal au nombre de cas dans une journe, et ce mme produit sera gal laire dun rectangle. Un histogramme dont les intervalles sont ingaux demande une plus grande rflexion pour sa construction du fait du concept de reprsentation de laire totale. La Figure 5 a t choisie pour illustrer ce cas. En gnral, on ne devrait faire apparatre quun seul ensemble de donnes sur un histogramme. Cependant, dans le domaine de la sant publique, il est assez courant de prsenter une rpartition cas mortels/total des cas, hommes/femmes, etc. sous forme dhistogramme.
204
FIGURE 5 CAS DE TTANOS PAR TRANCHES DGE DE 5 ANS SIGNALS AUX TATS-UNIS, 1968
CAS PAR TRANCHE DGE DE 5 ANS
ges <5
Cas
5 cas
GE
Source: MMWR Annual Supplement, 1968
4.
Polygone des frquences
Pour prsenter la distribution des frquences de plusieurs ensembles de donnes, il faut avoir recours un polygone des frquences. Un polygone des frquences se construit partir dun histogramme en joignant le point mdian des intervalles de classe par une droite, comme illustr sur la figure 6.
FIGURE 6 : NOMBRE DE CAS DE MALADIE GRIPPALE PAR SEMAINE VILLE-TYPE, 1970
NOMBRE DE CAS
SEMAINE
205
Comme un polygone des frquences se construit partir dun histogramme, les mmes rgles sappliquent laire situe sous la courbe, les intervalles de classe tant gaux ou ingaux. Il est donc ncessaire dillustrer la manire par laquelle ce concept est maintenu. Le polygone des frquences doit tre ferm de faon mettre laire en vidence. Cette fermeture est obtenue en joignant le premier et le dernier points la base du graphique. Dans le polygone des frquences, laire doit tre approximativement gale celle qui serait apparue dans lhistogramme. La Figure 7 illustre la bonne mthode de fermeture du polygone des frquences. La Figure 8 illustre la mauvaise mthode.
FIGURE 7: BONNE MTHODE DE FERMETURE DU POLYGONE DES FRQUENCES
FIGURE 8: MAUVAISE MTHODE DE FERMETURE DU POLYGONE DES FRQUENCES
Dans la Figure 7, laire dsigne par la lettre A ferait partie de lhistogramme si les donnes taient traces suivant cette mthode. Pour compenser le fait que cette aire est exclue du polygone, le point C est reli la ligne de base de telle faon que laire dsigne par la lettre B soit approximativement gale laire A. La Figure 8 illustre la mauvaise mthode de fermeture dun polygone des frquences ; en effet, laire totale dsigne par la lettre C se trouve exclue et aucune compensation nest prvue. La Figure 9 prsente un polygone des frquences comportant des intervalles de classe gaux. Par ailleurs, la Figure 10 prsente un polygone des frquences comportant des intervalles de classe ingaux.
206
FIGURE 9: NOMBRE DE CAS DE MALADIES DE TYPE GRIPPAL PAR SEMAINE VILLE-TYPE, 1970
1 cas
NOMBRE DE CAS
SEMAINE
FIGURE 10: NOMBRE DE CAS DE TTANOS PAR TRANCHE DGE DE CINQ ANS SIGNALS AUX TATS UNIS, 1968
NOMBRE DE CAS PAR TRANCHE DGE DE 5 ANS
5 cas
GE
207
La figure 11 illustre un polygone des frquences montrant trois ensembles de donnes.

FIGURE 11 CAS DENCPHALITE SIGNALS PAR MOIS RPARTITION TIOLOGIQUE, TATS-UNIS, 1965
Post-infection tiologie inconnue arbovirus
NOMBRE DE CAS
20 cas
MOIS
Source: 1965 Encephalitis Surveillance Report
5.
Diagramme nuage de points
Ce diagramme de points est un type particulier de graphique permettant de mettre en vidence les relations ou les associations entre deux variables. Dans ce type de diagramme, des sries de donnes associes par paires sont reprsentes par des points sur le mme graphique. Le trac qui en rsulte met en vidence une ventuelle relation. Sil a tendance suivre une ligne droite, alors la relation est de nature linaire. Dans le cas contraire, la relation est curvilinaire. Si les points tracs sont disperss, cela permet den dduire quil nexiste probablement aucune relation. La Figure 12 prsente des diagrammes nuage de points.
208
FIGURE 12 : TESTS CUTANS DHISTOPLASMINE COMPARAISON DES OBSERVATIONS FAITES PAR 2 LECTEURS SUR 51 SUJETS GREENWOOD, CAROLINE DU SUD, 1963
INDURATION (MM) : Lecteur A
INDURATION (MM) : Lecteur A
INDURATION (MM) : Lecteur B

*Les 2 observateurs ont enregistr 0 pour 13 sujets.
INDURATION (MM) : Lecteur B

*Les 2 observateurs ont enregistr 0 pour 13 sujets.
Source: Millar, J.D., et al: American Review of Respiratory Disease, Vol. 100, 1969
III. Diagrammes Dfinition : Les diagrammes sont des modes de prsentation symbolique de donnes statistiques nutilisant quune seule coordonne. Il existe de nombreux types diffrents de diagrammes. Certains utilisent des notions de longueur, de proportion, ou des coordonnes gographiques. Nous prsenterons dans ce chapitre quelques diagrammes spcifiques.
A.
Diagrammes utilisant des notions de longueur
Les deux principaux diagrammes de cette catgorie sont les diagrammes barres et les pictogrammes. 1. Le diagramme barres
Le diagramme barres comporte des cellules, toutes ayant la mme largeur de colonne ( la diffrence de lhistogramme). Les colonnes sont galement spares par des espaces (l encore, la diffrence de lhistogramme). Ce type de diagramme est idal pour prsenter des donnes comparatives. Les barres peuvent tre
209
horizontales ou verticales (comme illustr dans les figures 13 et 14). Il est prfrable de disposer ces barres dans lordre ascendant ou descendant, afin den faciliter la lecture. Ne jamais pratiquer de rupture dchelle dans un diagramme barres, il en rsulterait des erreurs dinterprtation. Les colonnes peuvent tre ombres, hachures ou colores pour faire ressortir les diffrences entre les barres. Les indications seront places la base des barres et non au milieu du diagramme, pour viter toute confusion inutile dans un graphique dont la qualit premire est la simplicit. Dans le cas de comparaisons, lespace entre les barres dun mme groupe est facultatif ; par contre, il est obligatoire entre les diffrents groupes de barres.
FIGURE 13 COMPARAISON ENTRE LE POURCENTAGE DES TRANCHES DGE DANS UN CHANTILLON DE POPULATION ET LE POURCENTAGE DES TRANCHES DGE DANS UN RECENSEMENT DE POPULATION, ENQUTE SUR LA VACCINATION, VILLE-TYPE, 1970
en pourcentage
Population chantillon
Population recense
TRANCHE DGE
210
FIGURE 14 : TAUX BRUT DE MORTALIT DANS 20 PAYS, 1955 (exprims en nombre de dcs pour 1000 habitants)
Egypte1 Birmanie2
Equateur Albanie Congo Belge3 Chili France Pakistan4 Inde5
Portugal Suisse Sude Italie tats-Unis Australie6 Canada URSS Uruguay Grce Isral7
(1) 1954, Dpartement de la Sant ; (2) 61 villes seulement ; (3) population indigne ; (4) 1951, Dclarations dtat Civil, lexception des nouveau-ns vivants dcds avant la dclaration de leur naissance ; (5) Dclarations dtat Civil, lexception de Bihar, Madhya Pradesh et Orissa ; (6) lexception des aborignes de pure race ; (7) lexception de la population bdouine du Nguev.
Source: Swaroop, S. Introduction to health statistics. E & S. Livingstone Ltd., London, 1960.
211
2.
Le Pictogramme
Le pictogramme est une variante du diagramme barres ; les donnes sont prsentes par une srie de petits symboles reprsentatifs. Les chiffres sont gnralement placs horizontalement, mais peuvent ltre verticalement. Chaque symbole peut reprsenter une personne ou une unit particulire. En rgle gnrale, un symbole reprsentera un nombre fixe de personnes ou dunits. Le nombre dlments est dtermin par la variable faisant lobjet du graphique. Cette variable son tour dtermine la longueur de la barre. La Figure 15 en donne une illustration, chaque symbole reprsentant une seule personne.
FIGURE 15 : TAT DE VACCINATION DES CAS DE VARIOLE ROYAUME-UNI - 1962, ET SUDE - 1963 ANNES ECOULES DEPUIS LA VACCINATION
<3
ROYAUME-UNI
jamais vaccin
<3
SUDE
Cas Dcs
jamais vaccin
NOMBRE DE CAS
Source: SEP, NCDC
212
B.
Diagrammes reprsentant des proportions
Les deux principaux diagrammes de cette catgorie sont les diagrammes barres segmentes et les camemberts. (1) Le diagramme barres segmentes
Le diagramme barres segmentes est un diagramme dans lequel les barres sont divises en portions qui sont soit colores, soit ombres, pour faire ressortir les classes. Un exemple de diagramme barres segmentes est donn ci-dessous, la Figure 16.
FIGURE 16: VACCINATION CONTRE LA POLIOMYLITE DANS LES GRANDES VILLES ( 250 000 HAB.) PAR TRANCHE DGE ET SITUATION FINANCIRE TATS-UNIS, 1969
POURCENTAGE
PAUVRET 1-4 NON PAUVRET
Vaccination suffisante Vaccination insuffisante Pas de vaccination 0 OPV, 0 IPV
Source: 1969 U.S. Immunization Survey
213
(2)
Le camembert
Les camemberts utilisent les portions de cercle pour illustrer une comparaison. Ils sont parfois appels diagrammes secteurs. Ce type de diagramme est la meilleure faon dillustrer la division dun tout en segments. Par convention, le point de dpart est la position de 12 heures. Les segments sont prsents dans lordre dimportance, le plus grand en premier, puis les autres dans le sens horaire. Pour convertir un pourcentage en degrs, multiplier le pourcentage par 3,6 puisque 360/100 % = 3,6. La Figure 17 donne un exemple de camemberts.
FIGURE 17 : VACCINATION CONTRE LA POLIOMYLITE CHEZ LES ENFANTS DE 1 4 ANS DANS LES GRANDES VILLES ( 250 000 HABITANTS) SELON LA SITUATION FINANCIRE TATS-UNIS, 1969
PAUVRET
NON PAUVRET
Vaccination suffisante : >3 doses IPV et/ou 3 doses OPV Vaccination insuffisante : vaccin anti-polio mais <3 doses IPV et/ou <3 doses OPV Pas de vaccination : aucun vaccin
Source : 1969 U.S. Immunization Survey
214
C.
Diagrammes coordonnes gographiques
Les diagrammes coordonnes gographiques donnent une reprsentation gographique partir de cartes. Il est trs facile de reprsenter les pidmies sur une carte pour en visualiser ltendue gographique. Des pourcentages indiquant les niveaux de vaccination, par exemple, peuvent galement tre reprsents de cette faon. La Figure 18 donne une illustration dun diagramme coordonnes gographiques.
FIGURE 18: COMPTES DCLARANT UN OU PLUSIEURS CAS DE RAGE ANIMALE TATS-UNIS, 1968
COMPTES DCLARANT UN OU PLUSIEURS CAS DE RAGE ANIMALE
Source: MMWR Annual Supplement, 1968.
215
D.
Diagrammes spciaux
En plus des diagrammes bass sur des notions de longueur, de proportion ou sur des coordonnes gographiques, il existe dautres mthodes visuelles de prsenter des donnes, telles que les diagrammes de circulation, les organigrammes, les tableaux du personnel et les tableaux de fonctions. 1. Diagrammes de circulation
Parmi les exemples de diagrammes de circulation citons la description des flux dans une usine de traitement des eaux uses, ou dans une usine de traitement deau potable. Le circuit suivi par les aliments dans un restaurant peut tre prsent visuellement par un diagramme, comme le montre la Figure 19.
FIGURE 19 : CIRCUIT DES ALIMENTS DANS LE RESTAURANT DE JOE, VILLE-TYPE, 1970
ACHAT
RCEPTION
STOCKAGE
PRPARATION SURPLUS CUISSON
VACUATION
NETTOYAGE
SERVICE
216
2.
Organigramme
Il y a parfois confusion entre les organigrammes et les tableaux du personnel et de fonctions. Les organigrammes doivent prsenter le nom du bureau, de la division ou de la section, et non pas les personnes ou leur fonction. La Figure 20 prsente un exemple dorganigramme.
FIGURE 20: ORGANIGRAMME DU DPARTEMENT DE LA SANT DE TILLER COUNTY, 1968 COMMISSION DE LA SANT DU COMPTE
BUREAU DU SECRTAIRE LA SANT
Lutte contre les maladies transmissibles
Lutte contre la tuberculose
ducation la Sant
Services de soins infirmiers
Services de Laboratoire
Salubrit de lenvironnement
Services mdicopdagogiques
Sant mentale
Services administratifs
Sant buccodentaire
Sant maternelle et infantile
IV. Suggestions pour llaboration et lutilisation de tableaux, graphiques et diagrammes En conclusion, il serait bien de revoir et de souligner ce dont nous avons discut prcdemment. A. Choisir loutil le plus efficace compte tenu des donnes et du but recherch
Certaines mthodes de prsentation ncessitent des donnes plus compltes que dautres ; dautres ncessitent des donnes configures de faon spcifique. partir de ces contraintes, dfinissez quel message prcis vous souhaitez communiquer puis choisissez la mthode : courbes linaires continues si vous voulez comparer des tendances ; diagrammes barres pour prsenter clairement une
217
comparaison entre des quantits distinctes en nombre limit ; diagrammes secteurs dont lavantage est de comparer les parties et la totalit ; diagrammes nuages de points, excellents pour montrer une tendance. B. Ne prsentez quune ide la fois
Votre prsentation ne devra avoir quun seul but ou une seule ide ; limitez le volume de donnes et nutilisez quun seul type de donnes chaque prsentation. Diffrents points de vue sur les informations (sauf sil sagit dune comparaison) ncessitent des prsentations spares. En consquence, traitez un grand volume dinformations ou plusieurs types dinformations. C. Imprimez en noir et blanc ce que vous devez reproduire
Peu de photocopieurs peuvent reproduire en couleur et toutes les photocopies couleur sont chres. Les couleurs peuvent trs bien tre remplaces : par des surfaces hachures ou pointilles pour les aires; pour les courbes, par des repres, des pointills ou des tirets (de diffrentes longueurs sur les diffrentes courbes) ou par une combinaison de ces diffrentes solutions. D. Utilisez les indications appropries et bien places
Les titres doivent dfinir le quoi, o et quand permettant didentifier totalement les donnes prsentes. Toutes les autres indications doivent tre tout aussi claires, compltes et faciles comprendre, et comme le titre, elles doivent tre disposes lextrieur du cadre du diagramme. Seules les lgendes et les symboles peuvent tre disposes dans la zone de traage dun graphique ou dun diagramme (en les plaant dans une case distincte qui les isole des donnes). E. Citez vos sources
Il est essentiel de prciser o ou comment (ou les deux) les donnes ont t obtenues. Sans une totale divulgation de vos sources, il est difficile, pour ne pas dire impossible, aux membres de votre auditoire deffectuer une vrification ou dapprofondir votre analyse. En outre, pouvoir accder la source de linformation peut se rvler aussi utile aux auditeurs que les extraits prsents ou les conclusions que vous en tirez.
218
F.
Soyez vigilants dans vos conclusions
En particulier, vos conclusions doivent reflter la totalit des informations dont vous avez extrait vos donnes. Ne prsentez que des conclusions pouvant tre tayes par les donnes que vous prsentez. Mais ne perdez pas de vue que les tableaux, graphiques et diagrammes mettent en lumire des gnralits - au dtriment, bien entendu, des dtails. Compensez ce dsquilibre la fois dans la prsentation et dans le commentaire. Prsentez dans une note de bas de page, de faon bien visible, les dtails importants qui se trouvent occults. Evitez toute conclusion qui ne tiendrait pas compte de ce dsquilibre. Rfrences et pour en savoir plus
Ipsen, J. and Feigl, P. Bancroffts Introduction to Biostatistics. Harper and Row, New York, N.Y. 1970 Swaroop, S. Introduction to health statistics. E& S Livingstome Ltd., Edinburgh and London, 1960. Schor, S.S. Fundamentals of Biostatistics. G.P. Putnams Sons, New York, N.Y., 1968.
219
220
Annexe 3
Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
Historique En avril 1979, lors de sa Quatrime Session, le Comit consultatif de la Recherche en Sant du Pacifique occidental (CCRSPO) a formul une recommandation au Bureau rgional de lOMS pour le Pacifique occidental , portant sur lorganisation dans ses tats Membres, dateliers consacrs la conception et llaboration dun projet de recherche et la mthodologie de la recherche, et orients plus particulirement en vue de la prparation de propositions de subventions de recherche. En consquence, quatorze ateliers nationaux ont eu lieu entre 1981 et 1991 avec la collaboration des instances nationales : quatre en Chine ; deux dans chacun des pays Malaisie, Papouasie-Nouvelle-Guine et les Philippines ; un dans chacun des pays Brunei Darussalam, Fidji, Rpublique de Core et Viet Nam. Auparavant, beaucoup de personnes avaient fait part de leur scepticisme quant la faisabilit denseigner la recherche par une formation de courte dure, telle que dans des ateliers nationaux organiss par lOMS. Ces critiques sont tout fait justifies, puisque la recherche exige un haut niveau de motivation personnelle, des connaissances et des comptences tendues, de mme quun esprit cratif. Ce sont l des qualits que lon ne peut gure sattendre acqurir par lassimilation de leons sur une courte dure. Nanmoins, il y a des personnes qui osent penser que de jeunes scientifiques et des membres des professions mdicales peuvent tirer profit dune telle formation axe sur les techniques dlaboration dun projet de
221
Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
recherche. Si cette formation permet de comprendre les tapes essentielles dans llaboration dun projet de recherche et de sy rfrer dans ses activits de recherche, elle peut apporter beaucoup. De nombreux pays en dveloppement sont conscients de leurs besoins en matire de recherche et sefforcent damliorer leurs capacits en recherche. Il est peu probable, toutefois, que beaucoup de ces pays soient en mesure dacqurir au cours des 15 prochaines annes les pidmiologistes et les statisticiens diplms dorigine nationale, en nombre suffisant pour rpondre aux besoins de tous les programmes de recherche qui ncessitent leur expertise. Il faut aussi garder lesprit que lamlioration des capacits en matire de recherche fait partie intgrante de notre effort pour atteindre lobjectif de la sant pour tous dici lan 2000. Alors, que peut faire le dcideur ? Une dmarche est dorganiser des formations de courte dure sur la mthodologie de la recherche et, en parallle, daugmenter le nombre de spcialistes de la recherche qui reoivent une formation universitaire sur plusieurs annes. LOMS est en faveur de cette dmarche et au cours de la dcennie plus de 50 cours de formation de courte dure ont bnfici du soutien de ses bureaux rgionaux, en premier du Bureau rgional de lAsie du SudEst, suivi par le Bureau rgional du Pacifique occidental. Ces deux rgions ont mis en place des structures dorganisation perfectionnes dans le domaine de la planification et de la mise en oeuvre de programmes de recherche. Objectifs Lobjectif principal de ces cours de formation et de fournir aux participants une approche systmatique de la conduite dun projet de recherche, dans lespoir que cet acquit sera diffus largement dans le milieu de la recherche par leur intermdiaire, et en mme temps que les participants transmettront aux jeunes chercheurs et aux stagiaires les connaissances et les techniques apprises pendant latelier. Les participants doivent pouvoir organiser des sessions de formation sur la mthodologie de la recherche dans leurs propres institutions afin de transmettre les principes de la recherche scientifique que doit suivre scrupuleusement un chercheur pour trouver les rponses pertinentes un problme de recherche, en toute objectivit et sans biais. lissue de la formation, les participants doivent tre en mesure de :
222
comprendre et apprcier sa juste valeur la mthode scientifique, telle quelle sapplique la recherche ncessaire la bonne pratique clinique, la prvention et la lutte contre les maladies, et la prestation des soins ; faire lnonc prcis dun problme de recherche et des objectifs de ltude de recherche consacre ce problme ; valuer lintrt dun problme de recherche pour lamlioration de la sant au niveau local ou national ; formuler les hypothses pertinentes susceptibles dtre testes par des mthodes scientifiques pour produire des rsultats valides et utiles ; laborer une proposition de recherche par le choix et la mise en oeuvre dun plan et dune mthodologie de recherche appropris ; raliser le programme de recherche ; interprter correctement et prsenter clairement les rsultats aux collgues scientifiques et chercheurs, aux dcideurs, aux administrateurs et au public ; former les jeunes scientifiques aux principes et aux techniques ci-dessus.
Le cadre de la mthodologie de la recherche, dont les participants auront assimil lenseignement, est schmatis dans le tableau 1. Concept du travail Le concept du travail de latelier est de fournir un cadre trs gnral des techniques dlaboration dun projet de recherche et de la mthodologie de la recherche, applicables la recherche biomdicale et aux tudes relatives aux systmes sanitaires. En principe, un sujet est prsent par une confrence plnire qui traite des concepts et des rgles, et est suivi dune session pratique datelier et/ou des prsentations des participants. Dure de latelier Latelier se droule sur deux semaines.
223
Contenu de latelier 1. Introduction la recherche : a. b. Politique de recherche de lOMS et coordination de la recherche nationale ; Introduction la recherche et aux mthodes scientifiques: dfinition, catgories de la recherche, fondations scientifiques en matire de recherche, plan dtude, planification et gestion de la recherche ; Concept de la recherche relative aux systmes sanitaires.
c.
TABLEAU 1 CADRE DE LA MTHODOLOGIE DE LA RECHERCHE
Recherche et mthodes scientifiques
dfinition, rle et objet de la recherche principes scientifiques infrences et hypothses preuve scientifique et probabilit
Plan dtude Enqutes tudes analytiques Essais Expriences
population tudie chantillonnage slection des tmoins limination du biais matrise des facteurs de confusion
laboration de la proposition de recherche
dfinition du problme formulation des questions nonc des objectifs choix du plan dtude planification du programme
Excution de ltude
recueil de donnes dpouillement des donnes traitement des donnes analyse des donnes interprtation des rsultats
Prsentation des rsultats
publication scientifique prsentation en runions prsentation aux administrateurs et dcideurs prsentation au public
224
2.
Un plan de recherche-type et sa pertinence pour llaboration de propositions de recherche utilisant le modle de lOMS : a. plan dtude b. choix et formulation des problmes de recherche; valuation des informations existantes ; nonc des objectifs et des hypothses de recherche plan et mthodologie de recherche pour les tests dhypothses.
excution de ltude : recueil de donnes dpouillement et analyse des donnes interprtation et conclusions ; rapport final (prsentation) et publication.
3.
Choix du plan dtude et des stratgies de recherche appropris : a. b. c. stratgies descriptives ; stratgies analytiques (causales) : tudes de cohortes, enqutes cas-tmoins ; stratgies exprimentales : essais cliniques et tudes dintervention.
4.
Outils biostatistiques a. b. c. d. statistique fondamentale ; chantillonnage et taille dchantillon ; test de signification ; test dhypothse en statistique ; techniques relatives aux tables de mortalit.
5.
Exercices pratiques et prparation des propositions : a. b. modle WPRO pour les propositions de recherche ; formulation de propositions (travail de groupe).
225
6.
Autres lments prendre en compte : a. b. c. biais et facteurs de confusion ; thique dans la recherche biomdicale ; gestion de donnes et informatique (visite).
Les figures 1 et 2 prsentent un organigramme des activits dun atelier sur la mthodologie de la recherche dans le domaine de la sant et un exemple demploi du temps. Participants Le nombre de participants devrait tre de lordre de 25. Ces personnes doivent tenir des postes de responsabilit en qualit de : 1 2 3 Enseignant dune cole de mdecine, ou Mdecin chef concern par lamlioration des comptences en matire de recherche, ou Chercheur scientifique dont lactivit principale se droule dans le domaine de la sant.
Corps enseignant Le corps enseignant sera compos dexperts dans les diffrentes disciplines concernes par la mthodologie de la recherche en matire de sant. Proposition de module de formation Il nexiste pas de modle impos qui permet de rassembler les matires dune formation de courte dure de faon garantir que les objectifs de la formation seront atteints et que les principes dune bonne pdagogie seront respects. Le module qui est propos ciaprs ne fait quindiquer des matires envisager. On peut ajouter celles-ci, ou les rduire, le cas chant, en fonction des objectifs de la formation, de la dure de celle-ci, et de lexprience des participants. De mme, il nexiste pas de modle impos pour lorganisation des cours par sessions journalires. Ceci relve plutt du style denseignement, du bon sens, et des moyens logistiques. Le module comporte trois parties principales : des sessions consacres la mthodologie, des sessions de travaux pratiques et dexercices, et des sessions sur des sujets dtude spcifiques aux besoins dun atelier donn.
226
1. La partie Mthodologie a. Conception et laboration dune recherche La composante essentielle de la partie mthodologie est la conception et llaboration dune recherche, illustre schmatiquement dans la figure 3. Les quatre premires tapes constituent la proposition de recherche, et les quatre tapes suivantes reprsentent la conduite de ltude, lanalyse et linterprtation des donnes et la prparation des rapports dactivits et des rapports scientifiques. Chacune de ces tapes doit tre approfondie. Les quatre premires tapes doivent tre dtailles, et en particulier ltape 4. Dans les sessions consacres dcrire llaboration dune recherche, les lments spcifiques de ltape 4 (plans de recherche) et de ltape 7 (analyse des donnes) seront traits dans les grandes lignes pour que lon sache de quoi il sagit, mais on nentrera dans le dtail de ces lments que lors des sessions sur lpidmiologie, la statistique ou les sciences sociales. Si lhoraire le permet, on peut illustrer la conception et llaboration dune recherche par des exemples tirs de la littrature relative au domaine dintrt des participants. b. Concepts et mthodes pidmiologiques Lenseignement dans ces domaines doit tre adapt et se rapporter llaboration dune recherche, en tenant compte des objectifs de la formation, de la dure de celle-ci et de lexprience des participants. Il faut garder lesprit quil ne sagit pas dune formation en pidmiologie et par consquent le but nest pas de former des pidmiologistes instantans. Les matires les mieux adaptes pour une formation de courte dure sont : la description pidmiologique et les mesures ; les diffrents plans dtude (tude descriptive, tude analytique, essais cliniques, tude exprimentale et dvaluation) ; lvaluation du risque et les mesures deffets pour chaque type de plan dtude ; le biais, la confusion et linfrence causale.
Le niveau de dtail trait dans ces quatre matires dpendra de la dure de la formation. Des formations spciales comprendront des notions supplmentaires.
227
228
FIGURE 1 ORGANIGRAMME DES ACTIVITS DUN ATELIER NATIONAL SUR LA MTHODOLOGIE DE LA RECHERCHE DANS LE DOMAINE DE LA SANT Jour 2-5 Plan dtude I (descriptif) Atelier Table ronde (discussions) Plan dtude II (analytique) Atelier Table ronde (discussions) Plan dtude III (recherche clinique dont essais cliniques) Atelier Atelier Table ronde (discussions) Table ronde (discussions) Atelier Table ronde (discussions) Atelier Table ronde (discussions) Crmonie de clture Outils biostatistiques laboration de la recherche laboration de la recherche Prsentations des propositions Outils divers Rercherche en sant Aspects thiques en recherche biomdicale Perspectives de la recherche Jour 6 Jour 7 Jour 8 Jour 9 Plan dtude IV (expriences) laboration de la proposition Atelier Table ronde (discussions)
Jour 1
Crmonie douverture
Discussion plnire
Prsentation des participants
Prsentation de latelier
FIGURE 2 EXEMPLE DEMPLOI DU TEMPS : ATELIER NATIONAL SUR LE PLAN DE RECHERCHE ET LA MTHODOLOGIE DE LA RECHERCHE DANS LE DOMAINE DE LA SANT, DU 18 AU 30 AOT 1986 Jour 1 Mardi 19 aot Test de signification Mer 20 aot Jeudi 21 aot Ven 22 aot Samedi 23 aot Jour 2 Jour 3 Jour 4 Jour 5 Jour 6
Lundi 18 aot
8.30
Ouverture
Cadre du travail
tude maladies diarrhiques aux Philippines
Lecture de projets slectionns
10.00
Structure du plan de recherche tape I I III
Structure du plan de recherche tape V VI VII VIII tudes de cohortes Discussion avec enseignants
10.15 tape IV Rappel sur la statistique descriptive Prospective Historique Prognostique
Programme de recherche OMS
laboration de questionnaires et enqute base dinterrogatoire
11.45
Concept de recherche en services sanitaires Prsentation des rsultats de recherche
13.15 Modle OMS pour demande de subvention de recherche (tableaux graphiques) Emploi des tables de mortalit
Formation la mthodologie de la recherche
tude infections respiratoires aux Philippines
14.30
14.45
Exemple dun plan de recherche pour un essai clinique tudes Descriptive Transversale de Population
Initiation aux stratgies
thique Choix de projets de recherche pour les participants
Exercices pratiques (en groupe) Identification du problme Documentation Hyphothses
16.00
Description pidmiologique de loccurrence des maladies Incidence/ prvalence Indicateurs sanitaires Initiation linterprtation
229
230
FIGURE 2 (SUITE) Jour 1 Mardi 26 aot Rgression, corrlation (notions) Groupe 1 Groupe 2 I III Essais cliniques et de terrain tude critique dun article Prsentation Mer 27 aot Jeudi 28 aot Ven 29 aot Samedi 30 aot Jour 2 Jour 3 Jour 4 Jour 5 Jour 6 Visite de centre informatique de lOMS et notions sur le systme dinformation sanitaire Biais et infrence causale Dtermination de la taille dchantillon Rdaction des rapports scientifiques (option) I Clture tude critique dun article I valuation dans la recherche sur les services de sant Facteurs de risque de maladies athromateuses chez les corens de sexe masculin Exercices pratiques Analyse de plans (tables et graphiques) fictifs) Exercices pratiques tape IV chantillons Questionnaires Questionnaires Exercices pratiques Exercices pratiques Exercices pratiques
Lundi 25 aot
8.30
tudes castmoins
10.00
10.15
Test de signification
11.45
13.15
chantillonnage et tmoins
14.30
14.45
Exercices pratiques
tape I I III
16.00
Mise au point dune proposition (Modle OMS)
FIGURE 3 CONCEPTION ET LABORATION DUNE RECHERCHE
PIDMIOLOGIE Problme de recherche et objectifs de ltude tude bibliogaphique Cadre de ltude 3 Population, chantillonnage et tmoins Essais cliniques Donnes recueillir Plans particuliers Plans dexprience et valuation Les tests de signification Formulation des hypothses de recherche tude analytique (causale) Plan dtude tude descriptive Les tableaux et la presentation des donnes Plan de recherche et mthodologie Plan dtude et stratgies La statistique descriptive
STATISTIQUE
Phase 1
I
2
V A L U A
U
4 Plan de recherche et mthodologie
Lchantillonnage et la taille de lchantillon
U
5 Aspects thiques 6 Dpouillement et traitement des donnes Mesures en pidmiologie Ralisation de ltude Mthodes et outils
Les diverses techniques plus pousses, en fonction de la demande Les sciences sociales
T I
T
7 Rgles pour lanalyse des donnes tablissement du budget
I
Analyse et interprtation des donnes
Rgles pour la collecte des donnes et les oprations sur le terrain
Analyse des risques Le biais et la confusion Infrence causale Llaboration dun questionnaire
O N
N
8 Rdaction des rapports (Administration scientifique
Les mthodes quantitatives Autres concepts Les sondages dopinion
Domaines des sujets dtude en fonction de la demande Exercice pratique : laboration dune proposition de recherche personnelle
231
c. Biostatistique Lenseignement en Biostatistique respectera les mmes principes que pour lpidmiologie. On ne peut se permettre de dvelopper quantit de concepts et de procdures statistiques dans une formation brve. Comme pour lpidmiologie, lenseignement statistique doit sintgrer et se rapporter llaboration dun projet de recherche. Les matires statistiques les mieux adaptes une formation courte sont les suivantes : procdures dchantillonnage et randomisation dtermination de la taille dchantillon le test de signification.
Le niveau de dtail abord dpendra des objectifs de la formation, de la dure de celle-ci et de lexprience des participants. Pour des dbutants en statistique, on peut ajouter : la statistique descriptive et la prsentation des observations ; des directives sur des techniques analytiques telles que la corrlation, la rgression, lanalyse multivarie, et les techniques de table de mortalit. Il est rare quune formation de courte dure autorise une tude dtaille de ces mthodes. titre exceptionnel, lune des procdures analytiques pourra tre plus approfondie. Par exemple, dans un cours sur les enqutes en matire de contraceptifs, une session spciale sur les techniques de table de mortalit permettra de calculer lefficacit et le taux de continuation.
On peut faire appel des statisticiens expriments, des chercheurs en sciences sociales et des pidmiologistes forms la statistique pour fournir la partie statistique de la formation, avec des exemples et des exercices tirs des domaines dintrt des participants. Les formateurs doivent tre sensibiliss la capacit dassimilation des participants et doivent moduler leur enseignement au niveau des auditeurs. Note : Des auditeurs non-initis peuvent trouver lemploi de formules rebutant voire rdhibitoire. Il faut sen servir avec parcimonie. Pour la dtermination de la taille des chantillons, il est recommand dutiliser des tables destimation de la taille des chantillons en plus ou au lieu des diffrentes formules. Les participants doivent apprendre, cependant, quelles informations et quels
232
postulats sont ncessaires pour dterminer la taille dchantillon. Il faut les inciter obtenir le concours de statisticiens ds le dbut de llaboration de leur plan de recherche, et non seulement au moment du dpouillement des donnes. d. Supports utiliss en sciences sociales Pour la formation sur les supports utiliss en sciences sociales, tels que les tudes qualitatives, les sondages dopinion, llaboration de questionnaires et les techniques dinterrogation, on peut faire appel un membre du corps enseignant qui a des connaissances dans ces domaines. Encore une fois, le niveau de dtail abord dpendra des objectifs de la formation, de la dure de celle-ci et de la qualit des participants. 2. Travaux pratiques et exercices (Voir Appendice) Les participants formeront de petits groupes pour les travaux pratiques et les exercices. Surtout, les participants devront fournir un travail individuel ou en petit groupe sur llaboration dune proposition de recherche sur un sujet dans leur domaine dintrt. On pourra commencer ce travail ds le dbut de la formation comme exercice dapplication du cours, en suivant les tapes de llaboration du projet de recherche pour aboutir la rdaction de la proposition de recherche. Cette mise en pratique des connaissances transmises facilitent lassimilation et la comprhension des fondements mthodologiques et conceptuels de lenseignement. 3. Sujets dtude On appelle sujet dtude le domaine vis par le plan de recherche laborer. Par exemple, dans un cours de formation sur les mthodes de recherche relatives aux essais cliniques sur la contraception, le sujet dtude est la contraception et la rgulation de la fcondit sous leurs aspects physiologiques, cliniques, culturels et de service de sant publique. Encore une fois, on doit sassurer du niveau de connaissances suffisant des participants dans le domaine du sujet dtude pour pouvoir procder llaboration dun plan de recherche pertinent. 4. Rdaction des rapports Cette matire fait partie intgrante de la structure dlaboration du projet de recherche (tape 8) mais il est utile dy consacrer une
233
session spciale. La plupart des candidats ces cours de formation apprcieront des directives pour la prparation des rapports scientifiques destins la publication, aussi bien que pour des rapports dactivits et des rapports dfinitifs destins rpondre aux besoins administratifs. Les critres dun bon programme de formation de courte dure Les formations de courte dure exigent beaucoup defforts de la part des organisateurs, du corps enseignant et des participants. La structure des programmes pour ces formations varie en fonction des conditions locales. Cependant, certains critres doivent toujours tre respects dans lorganisation du programme de formation. 1. Dans ces concepts et dans son fonctionnement, le programme doit tre interdisciplinaire et doit rserver la part prescrite chaque discipline selon les objectifs et la dynamique de progression de la formation. Le corps enseignant doit tre solidairement responsable de lensemble du cours de formation. La complmentarit des enseignements et la progression logique et rgulire de la transmission des connaissances dune session une autre sont essentielles. Une certaine flexibilit sera sans doute ncessaire mais doit rester dans des limites acceptables. Lobjectif vis par un programme de formation sur la mthodologie de la recherche est le processus de conception et dlaboration dun projet de recherche. Les enseignements en pidmiologie, en statistique et dans les autres matires doivent sincorporer naturellement dans la structure dlaboration du projet de recherche et ne pas y tre rapports sous forme de modules indpendants. On y reviendra ci-aprs. Certains cours peuvent tre consacrs volontairement des domaines disciplinaires spcifiques, comme par exemple la recherche en matire dvaluation, linformatique, linterprtation pidmiologique et la recherche sur les systmes de sant. Le programme et les supports utiliss doivent tre adapts au niveau des connaissances et la capacit dassimilation des candidats. Lenseignement ne doit jamais excder leur capacit de comprhension ni les noyer sous un flot de dtails. Il faut inciter le corps enseignant personnaliser le fond et la forme
2.
3.
4.
234
de leurs cours en fonction de leurs auditeurs, de la dure et des objectifs de chaque cours de formation. 5. Les objectifs pdagogiques doivent tre prciss individuellement pour chacune des sessions de formation. Les supports prsenter, ou un descriptif sommaire de ceux-ci, doivent tre examins au pralable par les organisateurs pour vrifier quils rpondent aux objectifs pdagogiques dans le dlai imparti. Cette prcaution est trs utile pour coordonner les supports pdagogiques et pour liminer des doubles emplois ou des dviations disciplinaires. On conseille aux nouveaux enseignants de consulter le manuel OMS sur les supports pdagogiques destins promouvoir des objectifs pdagogiques. Il faut prendre des dispositions pour faciliter lenseignement en petits groupes, lapprentissage par des travaux pratiques, et des occasions multiples dchanges entre les participants dune part et entre les participants et les enseignants dautre part. En outre, le style de prsentation doit tre anim, accrocheur et divertissant : les confrences didactiques solennelles sans possibilit de discussion nont rien faire dans une formation de courte dure. Il est conseill de faire des recommandations et de donner des directives concernant dautres procdures et ressources pdagogiques en vue de la formation permanente. On peut galement envisager des formations complmentaires de perfectionnement pour des participants qui se consacrent spcialement la recherche. Les projets choisis pour discussion et/ou pour exemples dtude de recherche doivent correspondre aux domaines dintrt des individus ou des petits groupes. Dans la mesure du possible, ces projets doivent relever du domaine des services de sant. Une grande attention doit tre accorde au recrutement du corps enseignant. Les diplmes scientifiques napportent aucune garantie de comptence pdagogique. Empiriquement, on peut dire que la qualit et lexprience pdagogiques ncessaires sont inversement proportionnelles lexprience des candidats et la dure de la formation. Le choix des candidats sera bas sur des critres spcifiques lis aux objectifs de la formation. Un recrutement non slectif ou bas sur des critres personnels vont lencontre des objectifs viss.
6.
7.
8.
9.
10.
235
11.
Un cadre attrayant, des facilits logistiques et sociales (transport, logement, communication, dtente) contribuent beaucoup au succs dune formation de courte dure.
Les dfauts qui guettent des formations de courte dure On ne peut sattendre au succs des brves formations en mthodologie de la recherche sans leur assurer une organisation approprie et un bon droulement. Cependant, mme quand ces exigences sont satisfaites, ces formations nemportent pas toujours le succs escompt. De nombreux dfauts ou lacunes guettent le principe mme de ce type de formation et lexposent aux critiques. Il est important de savoir reconnatre ces dfauts afin de pouvoir prendre des mesures prventives et correctives pour amliorer les rsultats de la formation. Parmi ces dfauts et lacunes on peut citer : 1. 2. objectifs trop ambitieux sans une valuation raliste des limitations inhrentes aux formations de courte dure ; dviation disciplinaire qui rsulte de la pression exerce par certains organisateurs pour mettre en valeur leur propre discipline au lieu de coordonner leur contribution avec celles des reprsentants dautres disciplines pour atteindre les objectifs de la formation ; traitement inadquat ou superficiel du processus de conception et dlaboration dun projet de recherche, qui devrait tre au coeur de la formation en mthodologie de la recherche ; emploi systmatique des mmes supports pdagogiques (voire des mme polycopis) dans les diffrentes matires sans modification en fonction des objectifs de la formation, de la dure de celle-ci ou de lexprience des candidats ; recrutement dun corps enseignant qui, malgr leurs qualifications scientifiques, ne possdent pas les comptences pdagogiques souhaitables, surtout face aux exigences de la dynamique de progression particulire des formations de courte dure ; recrutement non slectif ou peu slectif des candidats ; et enfin, un dfaut grave qui mrite quelques explications. Il sagit de lemploi non coordonn et conflictuel du jargon disciplinaire. Lemploi du jargon en lui-mme ne pose pas problme. Au contraire, il faut encourager le corps enseignant familiariser
3.
4.
5.
6. 7.
236
les participants avec leur jargon disciplinaire, dans la mesure o celui-ci se rapporte au plan de recherche. Le problme se pose lorsque les termes employs changent de sens en fonction de la discipline. Si les participants ne sont pas avertis de ces diffrences de sens, on risque de crer une raction de confusion et de frustration. Deux exemples dun emploi frquent sont les termes de hypothse et de test dhypothse qui nont pas la mme signification dans un contexte de statistique et dans un contexte dpidmiologie. Conclusions 1. Les formations de courte dure en mthodologie de la recherche sont un moyen raliste et viable pour renforcer la capacit de recherche dans de nombreux pays. Cependant, elles ne doivent ni se substituer la formation classique de longue dure ni se prsenter comme alternative unique celle-ci. La conception et llaboration dun projet de recherche sont au coeur dune telle formation. Lpidmiologie, la biostatistique et les sciences sociales ne sont que des outils qui doivent tre intgrs dans ce processus de conception et dlaboration. Du fait mme de sa dure limite, ce type de formation exige une organisation rigoureuse afin doptimiser les enseignements dispenss et datteindre les objectifs de la formation. Les cours de formation doivent tre adapts aux caractristiques des auditeurs, et ces derniers doivent faire lobjet dune slection rigoureuse. Le corps enseignant doit tre choisi avec discernement et doit tre solidairement responsable de lensemble de la formation.
2.
3.
4.
5.
237
Appendice
Affectation des publications pour les travaux pratiques et les exercices

Il est conseill de choisir une ou deux publications dans les listes proposes ci-aprs pour ltude des enqutes transversales, des tudes de cohorte et de cas-tmoins.
1. Enqutes transversales
Cristina Leske, M. (1981) Estimating incidence from age-specific prevalence in glaucoma. Am. J. Epidemiol., 113 Hallgrimsson, J. (1979) Chronic non-rheumatic aortic valvular disease: a population study based on autopsies. J. chron. Dis.,32 355-363 Marmot, M. (1975) Epidemiologic studies of coronary heart disease and stroke in Japanese men living in Japan, Hawaii and California: prevalence of coronary and hypertensive heart disease and associated risk factors. Am. J. Epidemiol., 102
2. tudes de cohortes
Herbst, A. (1980) A comparison of pregnancy experience in DES-exposed and DES-unexposed daughters. J. Reprod. Med. 24, 62-69 Patriarca, P. (1982) Kawasaki syndrome; association with the application of rug shampoo. Lancet, ii Seyfried, P.L. (1985) A prospective study of swimming-related illness. 1. Swimming associated health risk. Am. J. Public Health, 75, 1068-1070 The Coronary Drug Project Research Group (1979) Cigarette smoking as a risk factor in men with a prior history of myocardial infarction. J. Chronic Dis., 32, 415-425 Vessey, M.P. (1977) Mortality among women participating in the Oxford Family Planning Association contraceptive study. Lancet, ii Wahdan, M.H. (1980) A controlled field trial of live oral typhoid vaccine Tyzla. Bull. World Health Organ., 53, 469-474 Warrell, D.A. Dexamethasone proves deleterious in cerebral malaria. New Engl. J. Med., 6, 205-211 Zumrawi, F. (1981) Dried skimmed milk, breast-feeding and illness episodes - a controlled trial in young children in Khartoum province, Sudan. Int. J. Epidemiol., 10, 303-308
3. tudes cas-tmoins
Aromaa, A. (1976) Breast cancer and use of rauwolfia and other antihypertensive agents in hypertensive patients: a nation-wide case-control study in Finland. Int. J. Cancer, 18, 727-738 Beattie, A.D. (1975) Role of chronic low-level lead exposure in the etiology of mental retardation. Lancet, i, 589592 Greenberg, G. (1977) Maternal drug histories and congenital abnormalities. Br. Med. J., ii, 853-856
238
Halsey, N.A. (1980) Risk factors in subacute sclerosing panencephalitis. A case-control study. Am. J. Epidemiol., iii, 415-424 Heinonen, O.P. (1974) Reserpine use in relation to breast cancer. Lancet, ii, 675-677 Nelson, D.B. (1980) Aflatoxin and Reyes syndrome: a case-control study. Pediatrics, 66, 865-869 Shapiro, C. (1985) A case-control study of BCG and childhood tuberculosis in Cali, Colombia. Int. J. Epidemiol., 14, 441-446 Shapiro, S. (1980) Recent and past use of conjugated estrogen in relation to adenocarcinoma of the endometrium. New Engl. J. Med., 303, 485-489
Exercice-type
Vous devez lire la publication propose attentivement, puis vous servir des questions ci-aprs pour faire votre critique. Si vous ne savez pas rpondre certaines questions ou si certains concepts vous chappent, ne vous inquitez pas. Vous assimilerez ces concepts au cours de la formation. Cet exercice nest quun sondage. Donnez votre rponse sans vous concerter avec vos voisins. 1. Problme Le problme de recherche est-il bien dfini et nonc ? ____ Oui ____ Non
Les questions traiter par la recherche sont-elles spcifies ou simposentelles delles-mmes ? ____ Oui ____ Non
Rdigez lnonc du problme de recherche dans un seul paragraphe. _____________________________________________________ Formuler les deux questions de recherche les plus importantes vises par cette tude. a. b. 2. Objectifs Les objectifs intermdiaires et finaux de ltude sont-ils spcifis ? ____ Oui ____ Non
Remarques ____________________________________________ 3. Littrature Ltude bibliographique est-elle suffisante ? ____ Yes ____ No
Remarques ___________________________________________ La littrature a-t-elle fait lobjet dune valuation critique ? ____ Oui ____ Non
239
Remarques ____________________________________________ 4. Hypothses Les hypothses qui sous-tendent ltude sont-elles spcifies ? ____ Oui ____ Non
Rdigez votre propre nonc des hypothses relatives cette tude. a. b. 5. Stratgie Dans quelle catgorie classez-vous cette tude (une seule catgorie) : a. b. c. d. e. f. g. h. 6. Population Quelles sont les units dobservation dans cette tude ? 7. Recueil de donnes Quelles sont les donnes relatives ces units recueillir ? Quelles sont les variables indpendantes et dpendantes ? 8. chantillonnage Quelle est la technique dchantillonnage employ ? A-t-on slectionn des chantillons reprsentatifs ? Quelle est la population vise par la gnralisation des rsultats de cette tude ? 9. Tmoins Quels sont les tmoins utiliss ? Le groupe tudi et le groupe tmoin sont-ils relativement comparables ? ____ Oui ____ Non essai clinique contrl, randomis, en double aveugle essai clinique contrl, randomis essai clinique contrl tude descriptive, tude cologique tude cas-tmoins tude de cohortes enqute transversale autre ( spcifier) Lhypothse conceptuelle Lhypothse oprationnelle.
Remarques ____________________________________________ Si vous deviez reprendre llaboration de cette tude, comment feriez-vous laffectation randomise entre le groupe tudi et le groupe tmoin ?
240
Quels sont les critres utiliss pour indiquer la comparabilit entre le groupe tudi et le groupe tmoin ? 10. Outils utiliss pour ltude Quels sont les outils utiliss dans cette tude ? a. b. c. d. e. questionnaire calendrier dinterrogatoires examen mdical procdure de laboratoire autre ( spcifier)
Les problmes thiques ont-ils t pris en compte de faon adquate ? ____ Oui ____ Non
Remarques ____________________________________________ 11. Organigramme Tracez un organigramme qui rsume les tapes de ltude. 12. Calendrier Quelle est la dure de ltude ? 13. Analyse Les mthodes danalyse sont-elles satisfaisantes du point de vue de : a. la mise en tableaux des donnes _____ Oui _____ Non
Remarques ______________________________________ b. le test de signification _____ Oui _____ Non
Comments ______________________________________ c. la matrise des facteurs de confusion _____ Oui _____ Non
Remarques ______________________________________ Rpondez aux questions suivantes concernant lanalyse statistique des donnes : a. b. c. Quels sont les tests statistiques employs ? Expliquez les rsultats. Quel est le niveau de signification employ ? Quels autres tests statistiques peuvent-ils tre proposs ?
14. Conclusions Les conclusions dcoulent-elles logiquement des rsultats de ltude ou sont-elles biaises ? Les rsultats de ltude sont-ils cohrents avec ce que vous savez daprs vos recherches personnelles, votre exprience, vos lectures ?
241
tes-vous prt accepter les rsultats de cette tude ? (Choisissez une des rponses suivantes) a. b. c. d. Oui sans hsitation Oui avec quelques rserves Non Remarques :
15. Gnralits Quelle est votre valuation globale de cette tude - ses points forts et ses points faibles ? a. b. Points forts Points faibles

Guilbert, J.J. Educational handbook for health personnel. Rev. ed. Geneva: World Health Organization, 1981. (WHO offset publication; no. 35) Omran, A.R. The Clark-Omran system of research design in epidemiology. Raleigh, NC: Uiversity of North Carolina, 1972. Paik, Y.H. and Patwary, K.M. report on the National Workshop on Biomedical Research Methodology, ChunChon City, Kwangdo, Republic of Korea, 20-28 October 1983. Manila: WHO regional Office for the Western Pacific, 1983. (ICP/RPD/002) Pauli, H.G. Training in research methodology: review and proposals (Advisory Committee on Medical Research, 25th Session, Geneva, 10-13 October 1983). Geneva: World Health Organization, 1983. Mthodologie de la Recherche - Complment de bibliographie en langue franaise Gnralits sur les mthodes scientifiques
La logique de la dcouverte scientifique. K.R. Popper, Paris, Payot, 1978 Le jeu de la science et du hasard. La statistique et le vivant. D. Schwartz. Paris, Flammarion, 1994 Chemins de lalatoire. D. Dacunha-Castelle. Paris Flammarion, 1996. pidmiologie
pidmiologie. Principes et mthodes quantitatives, J. Bouyer, D. Hmon, S. Cordier, F. Derriennic, I Stcker, B. Stengel, B. Clavel. Paris, INSERM, 1993 Mthodes en pidmiologie. C. Rumeau-Rouquette, G. Brart, R. Pardieu. Paris, Flammarion Mdecine-Sciences, 1985 pidmiologie, mthodes et pratique, C. Rumeau-Rouquette, B. Blondel, M. Kaminski, G. Brart. Paris, Flammarion, 1997. pidmiologie causale. Principes, thorie, exemple. A. Morabia. Mdecine et hygine, Genve, 1996. pidmiologie clinique, A. Morabia, Paris, Presses Universitaires de France, 1996. Mthodes statistiques en pidmiologie descriptive. J. Estve, E. Benhamou, L. Raymond, Paris, INSERM, 1993.
242
pidmiologie clinique. Clinimtrie. M. Jenicek, R. Clroux, St. Hyacinthe, Edisem, 1985. Mthodes pidmiologiques en valuation. G. Brart, J. Bouyer, Rev. pidm. Sant Publique 1991, S5-S14. Le choix difficile dun bon groupe tmoin dans une enqute rtrospective. A.J. Tuyns, O.M. Jenson, G. Pequignot, Rev. pidm. Sant Publique, 1977, 25. Enregistrement en population des accidents de lenfant : intrt, difficults et limites. A. Tursa, M. Crost, N. Lelong. Ann. Pdiatrie 1987, 34. OMS EURO Lenseignement de lpidmiologie en mdecine et en sant publique : rapport sur un symposium. Copenhague 1968. Lessai thrapeutique chez lhomme. D. Schwartz, R. Flamant, J. Lellouche, Paris, Flammarion Medcine Sciences, 1981. Dictionnaire dpidmiologie, A. Leclerc, L. Papoz, G. Brart, J. Lellouche. Paris, Frison Roche, 1990. Statistique
Statistique en mdecine et en biologie. Exercices, corrigs et comments. D. Schwartz, J. Bouyer, Paris, Flammarion, 1994. Mthodes statistiques lusage des mdecins et des biologistes. D. Schwartz., Paris, Flammarion MdecineSciences, 1994. Probabilits et statistiques, P. Lazar, D. Schwartz, Paris, Flammarion Mdecine-Sciences. La statistique. A. Vessereau. Paris, Presses Universitaires de France, 1999. Statistique mdicale et biologique. D. Schwartz, P. Lazar, L. Papoz. Paris, Flammarion, Mdecine-Sciences. Exercices programms de statistique lusage des mdecins et des biologistes, A. Valleron, P. Lazar, Paris, Flammarion Mdecine-Sciences. Thorie et pratique des sondages. J. Desabie. Paris Dunod, 1966. La rgression logistique en pidmiologie. Parties I et II, Rev. pidm. Sant Publique 1991. 39. Mesures statistiques en pidmiologie. P-M Bernard, C. Lapointe, Presse Universit de Qubec, Qubec 1987. tudes et Enqutes
Kanuski M, Rumeau-Rouquette C., Schwartz D. Consommation dalcool chez les femmes enceintes et issue de la grossesse. Rev. Epidm. Sant Publique 1976, 24. Ginot L., Ducimetire, P. Richard J.L. Antcdents sportifs et risque de cardiopathies ischmiques dans un groupe professionnel masculin. tude prospective parisienne. Rev. pidm. Sant Publique 1987, 35. Denoix F., Schwartz D. Anguera G. Lenqute franaise sur ltiologie du cancer broncho-pulmonaire : analyse dtaille. Bulletin Cancer 1958, 45. Roeleveld N., Zielhuss G.A. Gabreels F. Retard mental et profession des parents pendant la grossesse. Arch. Mal. Prof. 1992, 53. Hatton F., Tiret L. Enqute pidmiologique sur les anesthsies. Ann. Fr. Anesthsie Ran. 1983, 2, Paris, Masson. Guidollet J., Sassolas A., Relation entre consommation dalcool et lipides et apolipoprotine sriques. tude dans une population de 3897 salaris dans la rgion lyonnaise. Rev. pidm. Sant Publique 1989. 37.
243
Fombonne F., Mousson F., Dassonville B., Bost. P.S., Jaeger M., Roques N., Swain G. tude des prescriptions de mdicaments psychotropes dans un hpital psychiatrique franais. Revue pidm. Sant Publique 1989, 37. Chevallier A., Lambrizo S., Marboulin J.P. Les douleurs du rachis parmi les travailleurs dlectricit de France et Gaz de France. Revue dpidm. Sant publique 1990, 38. Coste J., Spira A., La proportion de cas attribuable en sant publique : dfinition, estimation et interprtation. Rev. pidm. sant Publique 1991, 39.
244

Health Research Methods FR

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Health Research Methods FR

Uploaded by

Copyright:

Available Formats

MTHODOLOGIE DE LA RECHERCHE

DANS LE DOMAINE DE LA SANT

ORGANISATION MONDIALE DE LA SANT Bureau rgional du Pacifique occidental Manille, 2003

ORGANISATION MONDIALE DE LA SANT

TABLE DES MATIRES

La recherche et ses mthodes scientifiques

Chapitre 1 : La recherche et ses mthodes scientifiques

Chapitre 1 : La recherche et ses mthodes scientifiques

Chapitre 1 : La recherche et ses mthodes scientifiques

Cas-tmoins Cohorte Cohorte historique

Exprience Essai randomis Quasi-exprience

Chapitre 1 : La recherche et ses mthodes scientifiques

Situation actuelle : tude documentaire (que savons-nous dj ?)

Chapitre 1 : La recherche et ses mthodes scientifiques

Chapitre 1 : La recherche et ses mthodes scientifiques

Stratgies et plan de recherche

Chapitre 2 : Stratgies et plan de recherche

Chapitre 2 : Stratgies et plan de recherche

Chapitre 2 : Stratgies et plan de recherche

Chapitre 2 : Stratgies et plan de recherche

Chapitre 2 : Stratgies et plan de recherche

FIGURE 2.1 PLAN DTUDE DUNE ENQUTE CAS-TMOINS

Chiqueurs de tabac Cas exempts de cancer de la bouche Non chiqueurs de tabac

Chapitre 2 : Stratgies et plan de recherche

Chapitre 2 : Stratgies et plan de recherche

Nombre de facteurs antrieurs la conception

1,0 1,2 1,9

Chapitre 2 : Stratgies et plan de recherche

Chapitre 2 : Stratgies et plan de recherche

FIGURE 2.2 PLAN DTUDE DUNE ENQUTE DE COHORTES (PROSPECTIVE)

Chapitre 2 : Stratgies et plan de recherche

Chapitre 2 : Stratgies et plan de recherche

Chapitre 2 : Stratgies et plan de recherche

FIGURE 2.3 PLAN DTUDE DUNE ENQUTE DE COHORTES HISTORIQUE

Maladie Avec la caractristique Sans maladie Population risque chantillon

Maladie Sans la caractristique Sans maladie

Lenqute commence ici et reconstruit le pass de lexposition et de lvolution de la maladie

Chapitre 2 : Stratgies et plan de recherche

FIGURE 2.4 PLAN DTUDE DUNE TUDE TRANSVERSALE

Exposition et exempt de maladie Population de rfrence chantillon

Pas dexposition avec maladie

Pas dexposition exempt de maladie

Chapitre 2 : Stratgies et plan de recherche

Chapitre 2 : Stratgies et plan de recherche

TABLEAU 2.2 COMPARAISON DES TROIS STRATGIES ANALYTIQUES

Rapport de chances (Odds Ratio) OR

Degr de preuve de causalit Biais

Parfois trs difficile traiter

Chapitre 2 : Stratgies et plan de recherche

TABLEAU 2.3 CHOIX DUNE STRATGIE

Critre Pathologie rare Pour dterminer un risque prcis

Cohorte Peu pratique Meilleur choix

Cas-tmoins Biais Ne donne quune estimation

Attrition minimale en rgle gnrale Ne convient pas

Attrition possible avant ltude Ne convient pas

Rfrences et pour en savoir plus

tudes pidmiologiques descriptives

Chapitre 3 : tudes pidmiologiques descriptives

Chapitre 3 : tudes pidmiologiques descriptives

Ou taux dincidence ou incidence instantane.

Chapitre 3 : tudes pidmiologiques descriptives

Chapitre 3 : tudes pidmiologiques descriptives

FIGURE 3.1 RSULTATS DU DPISTAGE DE DIABTE SUR LE TAUX DINCIDENCE

FIGURE 3.3 INCIDENCE ET PRVALENCE DE LA MALADIE INFANTILE X DE 1983 1992