Académique Documents
Professionnel Documents
Culture Documents
Methodologie de La Recherche
Methodologie de La Recherche
82
Chapitre 5 : Mthodes dchantillonnage et taille de lchantillon
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 cart-
type 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-) : 95 %
Largeur dintervalle (2) : 100 cal
Fixer lcart-type () : 150 cal
Lintervalle de confiance au niveau de 95 % pour la
moyenne de lchantillon est : x + , soit :
n z x /
) 1 (
85
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 :
2
1
] / ) [(
z z n =
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.
86
Chapitre 5 : Mthodes dchantillonnage et taille de lchantillon
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.
87
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
88
Chapitre 5 : Mthodes dchantillonnage et taille de lchantillon
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.
89
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
90
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).
91
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 tude cas-tmoins
dveloppe ne Total MC MC Total
MC dveloppe prsente absente
pas MC
Quartile suprieur 85 462 547 38 34 72
Les trois quartiles 116 1511 1627 113 117 230
infrieurs
Total 201 1973 2174 151 151 302
Chances relatives OR 2,40 1,16
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,
92
Chapitre 6 : Biais et Confusion
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 Non Total Oui Non Total
Oui 17 207 224 5 15 20
Maladie Non 184 2376 2560 18 219 237
respiratoire
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.
93
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
94
Chapitre 6 : Biais et Confusion
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.
95
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 Cohortes
Biais de slection
Prvalence-incidence ou improbable
Biais de Berkson ou sans objet
Biais de non-rponse ou ou
Biais de mesure
Diagnostic
Remmoration sans objet
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.
96
Chapitre 6 : Biais et Confusion
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.
97
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 cause-
effet 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 sous-
groupes de fumeurs et de non-fumeurs; dans chaque sous-
groupe 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 i gnorant l a consommati on de tabac
Consommation dalcool IM Tmoins
Oui 71 52
Non 29 48
Total 100 100
Rapport de chances OR =2,26,
2
=7,62, P =0,006 (des 2 cts).
98
Chapitre 6 : Biais et Confusion
B. Sel on l e fai t de fumer ou non
Consommation Non-fumeurs Fumeurs
dalcool
IM Tmoins IM Tmoins
Oui 8 16 63 36
Non 22 44 7 4
Total 30 60 70 40
Rapport de
chances OR 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.
99
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
100
Chapitre 6 : Biais et Confusion
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.
2. Il faut toujours expliciter au pralable les dfinitions, le protocole
dinterrogatoire, et les critres dexclusions.
3. 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 ;
b. Un groupe tmoin choisi dans la population gnrale.
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.
101
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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: J ohn 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.
102
Chapitre 6 : Biais et Confusion
103
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
104
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, N
M
prsentent une maladie, la
probabilit quune personne choisie au hasard dans cette population
aura cette maladie est N
M
/N.
Si, dans cette mme population, N
S
est le nombre dindividus
exposs un certain facteur S et si N
SM
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 N
SM
/N
S
.
Cette probabilit conditionnelle scrit P(M/S), et on peut voir que :
Trois lois fondamentales sont utilises dans les calculs de probabilits:
1. La probabilit est un nombre compris entre 0 et1.
2. 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.
P(M/S) =
N
SM
(N
SM
/N) P(D et S)
N
S
(N
S
/N) P(S)
= =
105
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
106
Chapitre 7 : Les principales mesures du risque
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 I
e
par rapport
lincidence parmi les individus non exposs, I
o
.
RR =I
e
/I
o
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 Non Total
Oui 120 280 400
Fumeurs
Non 30 570 600
Total * * 1000
La probabilit de lhypertension parmi les fumeurs, P(H/F), exprime aussi
I
e
(incidence parmi les exposs) est :
I
e
=120 / 400 =0,30.
La probabilit de lhypertension parmi les non fumeurs, P(H/nonF),
exprime aussi I
o
(incidence parmi les non exposs), est :
I
o
=30 / 600 =0,05.
Le risque relatif est alors : RR =I
e
/I
o
=0,3 / 0,05 =6,0.
107
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 =I
e
- I
o
= 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 I
T
pour lensemble de la population ; cest le risque
attribuable dans la population RAP, soit :
RAP =(I
T
- I
o
) /I
T
o I
T
=nombre total des cas/population totale.
I
T
=(120 +30)/1000 +0,15
RAP +(0,15 0,05)/0,15 =0,666 soit 66,6%
Cette expression est quivalente :
RAP =P
e
(RR - 1) / [1 +P
e
(RR - 1)]
o P
e
est la proportion de la population expose au facteur de
risque.
108
Chapitre 7 : Les principales mesures du risque
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 =(I
e
- I
o
) / I
e
= (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 Absente Total
Prsente a b a+b
Exposition
Absente c d c+d
Total a+c b+d N =a+b+c+d
109
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
Alors on a les formules suivantes :
I
e
=a/(a +b) I
o
=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
110
Chapitre 7 : Les principales mesures du risque
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 Non Total
Oui 120 280 *
Fumeurs
Non 30 570 *
Total 150 850 1000
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.
111
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 Non Total
Oui 120 280 400
Fumeurs
Non 30 570 600
Total 150 850 1000
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 %.
112
Chapitre 7 : Les principales mesures du risque
7.3 Rfrences et pour en savoir plus
Abramson, J . H. Survey methods in community medicine. 2
nd
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: J ohn 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. 2
nd
ed. Oxford: Oxford University Press,
1980.
Beaglehole, R., Bonita, R. and Kjellstrom, T. Basic epidemiology. Geneva: WHO, 1993.
113
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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, allons-
nous 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,
114
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,
115
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
116
Chapitre 8 : Analyse statistique des donnes
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).
117
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
118
Chapitre 8 : Analyse statistique des donnes
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 .
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 dcart-
type (cart-type de la moyenne) s/n. Ainsi lintervalle de confiance
au niveau de confiance 95 % pour la moyenne de la population est :
x
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.
,
=
i
(x
i
- x )
2
/(n-1)
119
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 H
o
ou rejeter H
o
. 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 :
120
Chapitre 8 : Analyse statistique des donnes
Situation dans la population
Decision (base H
0
est vraie H
0
est fausse
sur les rsultats
sur chantillon)
Accepter H
0
Pas derreur Erreur de
deuxime
espce ou
Rejeter H
0
Erreur de Pas derreur
premire
espce ou
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
121
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 H
o
,
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 H
1
qui dans la plupart des
cas est loppose de H
o
. Par exemple si H
o
dit : les moyennes des
deux populations sont gales, alors H
1
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
122
Chapitre 8 : Analyse statistique des donnes
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 H
o
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 H
o
que la moiti du temps, le risque derreur de premire
espce est rduite. Dune faon quivalente, pour le mme risque
derreur de premire espce, H
o
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 H
o
:
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 p
1
et p
2
observes dans les deux chantillons. Si H
o
est vraie, on sattend
avoir p
1
p
2
= 0. La distribution dchantillonnage de p
1
p
2
est
approximativement normale, avec une moyenne gale (
1
-
2
) et
un cart-type donn par la formule :
123
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
p(1-p)(1/n
1
+1/n
2
)
] / ) 1 ( [ ] / ) 1 ( [
2 2 2 1 1 1
n n +
Alors la grandeur de test
a une distribution normale de moyenne 0 et dcart-type 1, si H
o
est
vraie. Dans lhypothse nulle,
1
=
2
= , et lcart-type est:
et est estim par la valeur
o p = (n
1
p
1
+ n
2
p
2
)/(n
1
+ n
2
).
Dune faon quivalente,
2
= z
2
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 :
FRQUENCES OBSERVES
Population 1 Population 2 Total
vnement Oui O
11
O
21
a
Non O
12
=n
1
-O
11
O
22
=n
2
-O
21
b
Total n
1
n
2
n =n
1
+n
2
=a+b
Si H
0
est vraie, nous avons le tableau suivant bas sur la taille
des chantillons :
FRQUENCES ATTENDUES
Population 1 Population 2
vnement Oui A
11
=a*n
1
/n A
21
=a*n
2
/n a
Non A
12
=n
1
-A
11
=b*n
1
/n A
22
=n
2
-A
22
=b*n
2
/n b
Total n
1
n
2
n
) 1 ( [
1 1
(1/n
1
+ 1/n
2
)
z = (p
1
- p
2
)/ [p
1
(1 - p
1
)/n
1
] + [p
z
(1 -
2
)/n
z
]
124
Chapitre 8 : Analyse statistique des donnes
= E E O / ) (
2 2
Alors A A
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 Indiennes
Poids insuffisant 12 18
Poids normal 238 132
Estimations des taux dincidence :
Chinoises : p
C
=12/250 =4,8 %
Indiennes : p
I
=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 %
125
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 Indiennes
Poids insuffisant 18,75 11,25
Poids normal 231,25 138,75
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 c
2
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 I
1
= I
2
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.
126
Chapitre 8 : Analyse statistique des donnes
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)
127
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 Chez les tmoins
45 + +
28 - +
56 + -
71 - -
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.
128
Chapitre 8 : Analyse statistique des donnes
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 H
o
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 cart-
type, et on calcule cette valeur commune de lcart-type, s, par la
formule :
= s
Alors la diffrence rduite ) / 1 / 1 ( / ) (
2 1 2 1
n n s x x t + =
prsente une distribution de Student (distribution de t) avec
(n
1
+ n
2
- 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 carts-
types sont donns ci-aprs :
129
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
Groupe ethnique Moyenne N cart-type
Malais 2816,71 458 597,52
Chinois 2692,05 156 577,95
Indien 2914,26 135 538,52
Autres 2776,99 136 548,69
Total 2803,51 885 580,81
s = [(457*597,52
2
) +(134*538.52
2
)]/134+457) =584,66
t =(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.
130
Chapitre 8 : Analyse statistique des donnes
8.5 Rfrences et pour en savoir plus
Fleiss, J. L. Statistical methods for rates and proportions. New York: John Wiley and Sons, 1981.
Glantz, S. A. Primer of biostatistics, 4
th
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, 2
nd
ed. Oxford: Oxford University Press,
1980.
Schlesselman, J. J. Case control studies. Oxford: Oxford University Press, 1982.
131
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
132
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 maladie coronarienne Indpendante
entrane
La consommation lhypertension Dpendante
de sel
Lhypertension
entrane
Obsit maladie coronarienne Confusionnelle
entrane entrane
Consommation lhypertension maladie Intermdiaire
de sel coronarienne
>
>
>
>
>
>
>
133
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 celles-
ci 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.
134
Chapitre 9 : Association et Causalit
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
>
>
135
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 Degr dassociation
1,0 Parfait
0,7 1.0 Fort
0,4 0.7 Modr
0,2 0.4 Faible
0,01 0.2 Ngligeable
0,0 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.
136
Chapitre 9 : Association et Causalit
FIGURE 9.2 DIAGRAMMES DE NUAGES DE POINTS ET COEFFICIENTS DE CORRLATION (r)
r =-1,0
Y
X
Linaire
(parfaite)
r =+1,0
Y
X
Linaire
(parfaite)
r =+0,8
Y
X
Fortement
positive
r =-0,8
Y
X
Fortement
ngative
Pas dassociation
r =0,0
Y
X
137
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
9.5 Les problmes dans ltablissement de la causalit
1. Lexistence dune corrlation ou dune association nimplique
pas ncessairement la causalit.
2. 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.
3. 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. Lorganisme est toujours trouv avec la maladie et
associ aux lsions et au stade clinique.
b. Lorganisme nest trouv dans aucune autre maladie.
c. Lorganisme est isol partir dun patient prsentant la
maladie, et cultiv sur plusieurs gnrations.
d. Lorganisme provenant de culture est capable de produire
la maladie chez des animaux susceptibles de prendre
cette maladie.
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.
5. 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.
138
Chapitre 9 : Association et Causalit
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.
7. Plusieurs erreurs systmatiques ou des biais dans le plan de
recherche ou la collecte des donnes peuvent entraner des
associations fausses ou parasites.
8. Il nexiste aucune mthode statistique qui puisse diffrencier
une association causale dune association non causale.
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
139
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
c. 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).
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.
140
Chapitre 9 : Association et Causalit
Note: En prsence de variables intermdiaires ou impliques,
il faut galement recueillir les informations sur ces
variables.
>
>
>
>
>
>
>
>
>
FIGURE 9.3 TABLISSEMENT DUNE INFRENCE CAUSALE
Association
Association tablie Non non causale
statistiquement (ou rpter ltude
sur un chantillon
plus grand)
Oui
Biais de slection et Non Association
dinformation exclus non causale
Oui
Confusion exclue ou Non Association
neutralis et non causale
lassociation persiste
Oui
Critres de confirmation
de la causalit : force, Non Association
constance, specificit, non causale
squence temporelle,
plausibilit,preuve
exprimentale
Oui
Spcifier : Modle causal
INFRENCE CAUSALE Direct
Indirect
Interaction
141
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 cas-
tmoins). 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.
142
Chapitre 9 : Association et Causalit
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.
143
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
>
> >
>
>
>
>
>
>
>
>
>
FIGURE 9.4 LES MODLES DE CAUSALIT
E est le facteur dexposition et D est la maladie Causalit
1. E D Causalit directe
2. E C D Causalit indirecte
3. E
1
Causalit indpendante
D (si le taux augmente
E
2
il y a synergie)
4. E
1
Causalit conditionnelle
D (seulement si E
1
et E
2
sont
E
2
toutes deux prsentes)
E
2
5. E
1
D Effet modificateur
(ou forme de synergie)
E
2
6. E
1
D Association confusionnelle de
E
1
et D disparat par
neutralisation ou analyse par
stratification
7. D
1
Leucmie Effets multiples dune seule
cause.
E D
2
Cancer du poumon
Rayonne-
ments D
3
Maladie des
rayonnements
8. E
1
Rayonnements
E
2
Nickel Causes multiples
D Cancer du et indpendantes
E
3
Tabagisme poumon (comme sous 3) dune
seule maladie.
E
4
Amiante
9. D
1
Maladie cardiaque Troisime variable cache.
La maladie cardiaque et
Stress lulcre gastrique peuvent
E
3
tre concomitants (sont
D
2
Ulcre gastrique associs) car ils sont tous
deux lis au stress.
>
>
>
>
>
>
144
Chapitre 9 : Association et Causalit
>
>
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 :
X
1
Y
X
2
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) :
> >
145
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
>
>
>
>
>
X
1
Y
X
2
Par exemple, la rougeole peut entraner la mort, mais cette
probabilit est plus grande chez les enfants mal nourris.
Rougeole mort
Malnutrition mort
Rougeole
et taux de ltalit
malnutrition 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 pas de fivre bilieuse
hmoglobinurique
Quinine seule pas de fivre bilieuse
hmoglobinurique
Paludisme falciparum
et fivre bilieuse
traitement par la quinine hmoglobinurique
>
>
>
>
146
Chapitre 9 : Association et Causalit
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.
9.9 Rfrences et pour en savoir plus
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. 2
nd
ed. New York: Oxford University Press,
1980.
147
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
148
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 ;
2. 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
3. lquit, qui sentend un partage quitable des lments
ngatifs et positifs.
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
149
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
150
Chapitre 10 : Aspects thiques de la recherche mdicale
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.
151
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
152
Chapitre 10 : Aspects thiques de la recherche mdicale
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 ;
153
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
10.5 Rfrences et pour en savoir plus
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-J ones, 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.
154
Chapitre 10 : Aspects thiques de la recherche mdicale
155
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
156
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 ;
157
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
158
Chapitre 11 : Rdaction dune proposition de recherche
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.
d. 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.
159
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 :
160
Chapitre 11 : Rdaction dune proposition de recherche
Stratgies descriptives (gnration dhypothses par observa-
tions, plutt que par test) :
enqute descriptive transversale ou enqute de popu-
lation, 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).
161
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
162
Chapitre 11 : Rdaction dune proposition de recherche
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 recher-
che 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) :
prparation, prcodage et essai pralable
des questionnaires
plan des interrogatoires et des relances
prparation du manuel dinstructions
formation des enquteurs.
(b) autres mthodes dobservation :
examen mdical
essais de laboratoire
163
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
procdures de dpistage.
(c) laboration des imprims de compilation.
(6) 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 ;
(b) organisation et formation de lquipe de collecte
des donnes et dfinition des responsabilits dans
ltude propose ;
(c) support logistique pour la collecte des donnes ;
(d) plan des tudes de test et de faisabilit, y compris
les mthodes de tests pralables ;
(e) ventuellement, plans de collaboration entre
diffrentes institutions.
(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) llaboration formelle du plan danalyse ;
(b) 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 ;
(c) choix des mthodes statistiques appliquer
chaque hypothse.
164
Chapitre 11 : Rdaction dune proposition de recherche
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
165
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
la planification familiale, afin de mettre en oeuvre les programmes de
vasectomie dune faon plus efficace et plus sre :
a. La vasectomie est-elle associe aux maladies
athromateuses ?
b. Si une association existe, quelle est limportance relative
de la vasectomie compare avec dautres facteurs de
risque connus ?
c. Quels sont les sous-groupes dhommes qui pourraient
prsenter un risque spcial de dvelopper des maladies
athromateuses aprs une vasectomie ?
4. Revue bibliographique et dautres informations existantes.
Douze tudes pidmiologiques ont t entreprises aux Etats-
Unis, 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., J ick, H., Hunter, J .R., Danford, A. & Rothman,
K.J . (1981) Hospitalization rates in vasectomized men. J. Am.
Med. Assoc., 245, 2315-2317.
166
Chapitre 11 : Rdaction dune proposition de recherche
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, 182-
184.
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. Les maladies athromateuses seront identifies selon les
critres de lOMS.
b. Caractristiques du patient : ge, date de naissance,
religion, niveau dinstruction, profession, antcdents
familiaux, mari ou non ;
c. Antcdents reproductifs : nombre et sexe des enfants
vivants, tat reproductif de lpouse ;
167
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
d. Style de vie : fumeur ou non, consommation dalcool,
habitudes alimentaires, consommation de sel,
consommation de caf, activit physique ;
e. Antcdents mdicaux : maladies ou oprations qui
pourraient avoir affect la strilit, lhypertension, le
diabte ou lhypercholestrolmie.
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
168
Chapitre 11 : Rdaction dune proposition de recherche
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 non-
alatoire. 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
169
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
170
Chapitre 11 : Rdaction dune proposition de recherche
(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 ris-
que 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.
171
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
APPENDICE
WORLD HEALTH ORGANIZATION
Regional Office for the Western Pacific
APPLICATION FOR FINANCIAL SUPPORT FOR HEALTH RESEARCH
I. SUMMARY SHEET
1 Principal investigator Prof/Dr/Mr/Mrs/Miss
Family name (surname)
First Name Other names
1.1 Title of post, position or appointment presently held by principal investigator
1.2 Complete postal address
2 Institution responsible for the research programme
Name and address
3 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)
172
Appendice
3.3 Funds required (US$)
20___ 20___ 20___
4 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
5 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 Institutional and national ethical clearance
6.1 Institutional ethical clearance letter enclosed
Yes No
6.2 National ethical clearance document enclosed
Yes No
7 Approval of national Ministry of Health or National Medical Research Council (or
equivalent body)
National approval document enclosed
Yes No
8 Applicants signature
Date: Signature
9 Institutional endorsement
Head of institution Title:
Name (pls print): Date:
Signature:
173
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
II. SHEETS FOR RESEARCH PROJECT DESCRIPTION
Title of project:
1. Statement of the problem
2. Relevance of the problem to national or local health objectives (biomedical,
behavioural and health systems development)
3. Field(s) of application of the proposed research results
4. Review of literature and other existing information
5. Statement of objectives
6. Variables
7. Statement of research hypotheses, if any
8. Research methodology
a. Summary of methodology (not more than 150 words)
b. Research design
(1) Selection of research strategies
(2) Selection of research setting
c. Sampling
d. Use of controls
e. Study instrument(s)
f. Short description of plans for collecting data
g. Short description of plans for analysis of data and interpretation of results
9. Budget (use attached budgeting sheet)
174
Appendice
III. CURRICULUM VITAE OF APPLICANT
1 Family Name (Surname)
First Name Other Names
2 Date and place of birth
3 Nationality at birth
at present
4 Academic qualifications and dates
5 Posts held (type of post, institution/authority, dates chronologically starting
with present appointment)
6 Publications
(use extra pages if necessary)
175
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
IV BUDGET
1 PERSONNEL % or working Year 1 Year 2 Year 3 Total
(allowance to be paid) 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
2 MAJ OR EQUIPMENT (more than US$500) Year 1 Year 2 Year 3 Total
(include specifications, shipment and US$ US$ US$ US$
freight insurance costs; comment on local
provision for maintenance/service)
Subtotal
176
Appendice
3 SUPPLIES
3.1 Chemicals
3.2 Glassware
3.3 Minor equipment (less than US$500 each)
(include shipment and freight insurance costs)
3.4 Animals
3.5 Other supplies
3.6 Operating costs (specify: maintenance of
equipment, gasoline, etc.)
Subtotal
4 TRAVEL (specify domestic and international) Year 1 Year 2 Year 3 Total
US$ US$ US$ US$
Subtotal
5 DATA ANALYSIS COSTS
Subtotal
6 MISCELLANEOUS EXPENDITURES
Subtotal
7 SUMMARY Year 1 Year 2 Year 3 Total
US$ US$ US$ US$
Personnel (1)
Major equipment (2)
Supplies (3)
Travel (4)
Data analysis cost (5)
Miscellaneous expenses (6)
GRAND TOTAL
177
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
Rfrences et pour en savoir plus
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.)
178
Appendice
179
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
Annexes
180
Annexe 1: laboration dun questionnaire
181
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
182
Annexe 1: laboration dun questionnaire
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. de clarifier les questions
b. dapprofondir les rponses (si cest autoris)
c. dutiliser des aides visuelles
d. dobtenir un bon pourcentage de rponses
e. 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.
183
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
Le questionnaire peut solliciter les informations suivantes :
a. des faits, tels que lge, la maladie
b. la connaissance, par exemple des services, des programmes
c. lattitude ou lopinion, par exemple par rapport la contraception,
la vaccination, lallaitement maternel
d. le comportement, comme lutilisation de services de sant, la
mdecine traditionnelle, les soins prnatals, lhygine dentaire,
les bilans mdicaux priodiques, la consommation de tabac
e. lobservance des instructions du mdecin
f. 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).
3. Facteurs
Pour llaboration du questionnaire il faut tenir compte des facteurs
suivants :
a. objectifs de ltude et principales questions du projet de
recherche
b. hypothses de ltude : donnes exiges pour accepter ou rejeter
lhypothse ;
c. donnes recueillir
d. plans de lanalyse et tableaux fictifs, pour viter tout oubli
dinformation importante
e. budget
f. 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?
184
Annexe 1: laboration dun questionnaire
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.
b. 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
185
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
- le pharmacien
- autre personne ( spcifier).
c. 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 1 2 3 4 5 6 7 bon
approuve 1 2 3 4 5 napprouve pas.
De telles graduations largies sont artificielles et sont
certainement incomprises de beaucoup de personnes.
d. une rponse chiffre, par exemple Quel est votre ge ?
e. 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.
3. Langue et style de formulation.
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 :
186
Annexe 1: laboration dun questionnaire
Toujours 4 Habituellement 3 Quelquefois 2
J e ne sais pas 1 J amais 0
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 1 ALLER LA QUESTION 10
Oui La dernire fois que vous avez vu une telle affiche, avez-vous lu ce
quelle indiquait ?
Non 2 ALLER LA QUESTION 10
Oui Cette affiche vous a-t-elle donn des informations
nouvelles sur le planning familial que vous ne connaissiez
pas dj ?
Non 3
J e 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
187
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
b. 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.
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
188
Annexe 1: laboration dun questionnaire
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.
b. Page de garde ou page didentification (voir la figure 2). Cette
page comporte habituellement :
- nom de lenqute et nom de lorganisme responsable
- code du sujet ou du foyer
- nom de lenquteur et date de linterrogatoire.
c. 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.
d. La transition dune section lautre doit se faire naturellement.
e. 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).
f. 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).
189
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
190
Annexe 1: laboration dun questionnaire
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 : Pays ___________________________________
(Coder en dernier) Rgion __________________________________
Religion (P.11) ____________________________
Catgorie sociale (P.35) _________________
Colonnes 3-4 : Numro de carte 01 ________________________
Colonnes 5-8 : N de srie du foyer ________________________
Colonnes 9-10 : Nbre de personnes au foyer (P.11) _____________
Colonne 11 : Nbre de femmes concernes (P.11) ____________
Colonne 12 : Catgorie de famille (P.111) __________________
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 : ______________________________________
191
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
C
O
D
E
U
R
:
P
R
E
N
D
R
E
L
E
S
N
U
M
R
O
S
I
D
P
O
U
R
C
O
L
S
.
1
-
2
E
T
5
-
1
5
D
A
N
S
P
.
1
E
W
Q
:
3
-
4
C
H
A
N
G
E
N
T
A
V
E
C
C
H
A
Q
U
E
F
I
C
H
E
D
E
G
R
O
S
S
E
S
S
E
.
U
N
E
F
I
C
H
E
I
B
M
P
A
R
G
R
O
S
S
E
S
S
E
I
B
M
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
C
O
L
P
A
R
I
T
:
T
O
T
A
L
D
E
S
N
A
I
S
S
A
N
C
E
S
V
I
V
A
N
T
E
S
(
C
O
D
E
)
C
O
L
_
_
_
_
_
_
_
_
_
_
N
B
R
E
D
E
N
F
A
N
T
S
A
U
F
O
Y
E
R
:
T
O
T
A
L
D
E
S
N
A
I
S
S
A
N
C
E
S
V
I
V
A
N
T
E
S
(
C
O
D
E
C
O
L
.
2
9
)
_
_
_
_
_
_
_
_
_
_
_
_
_
F
I
C
H
E
O
R
D
R
E
a
.
b
.
c
.
d
.
L
I
E
U
O
R
D
R
E
e
.
f
.
g
.
h
.
i
Q
U
E
S
T
I
O
N
:
I
B
M
D
E
S
G
E
I
S
S
U
E
D
U
R
E
D
E
I
N
T
E
R
V
A
L
L
E
D
A
C
C
O
U
C
H
E
-
D
E
S
S
E
X
E
E
N
F
A
N
T
S
G
E
G
E
G
E
a
-
1
N
O
.
G
R
O
S
S
-
M
A
T
E
R
N
E
L
D
E
L
A
G
E
S
T
A
T
I
O
N
E
N
T
R
E
M
E
N
T
/
N
A
I
S
S
A
N
C
E
S
D
E
S
V
I
V
A
N
T
S
E
N
F
A
N
T
S
D
S
M
E
N
A
R
Q
U
E
E
S
S
E
S
F
I
N
D
E
G
R
O
S
S
E
S
S
E
G
R
O
S
S
-
A
C
C
O
U
C
H
E
U
R
V
I
V
A
N
T
E
S
E
N
F
A
N
T
S
V
I
V
A
N
T
S
G
R
O
S
S
E
S
S
E
E
S
S
E
S
I
N
S
T
R
U
C
T
I
O
N
S
C
O
D
E
G
E
C
O
D
E
D
A
N
S
C
O
L
.
2
0
:
C
O
D
E
R
C
O
D
E
:
C
O
D
E
:
C
O
D
E
:
S
I
G
E
P
L
U
S
D
U
N
A
N
C
O
D
E
:
D
E
C
O
D
A
G
E
0
1
E
F
F
E
C
T
I
F
1
-
V
i
v
a
n
t
e
N
O
M
B
R
E
1
-
H
p
i
t
a
l
/
1
1
I
N
D
I
Q
U
E
R
G
E
7
7
-
G
a
r
o
n
1
R
E
E
N
A
N
N
E
S
2
-
M
o
r
t
-
n
D
E
M
O
I
S
M
d
e
c
i
n
M
a
s
c
u
l
i
n
V
i
v
a
n
t
E
F
F
E
C
T
I
F
8
8
-
F
i
l
l
e
a
v
a
n
t
g
e
N
A
I
S
S
-
(
D
E
M
A
N
D
E
R
)
A
V
O
R
T
E
M
E
N
T
D
E
P
U
I
S
2
-
H
p
i
t
a
l
/
m
e
n
a
r
q
u
e
A
N
C
E
3
-
S
p
o
n
t
a
n
L
A
F
I
N
P
a
r
a
m
d
.
2
2
S
I
M
O
I
N
S
D
U
N
A
N
C
R
I
R
E
L
E
S
N
O
M
S
P
U
I
S
4
-
V
o
l
o
n
t
a
i
r
e
D
E
L
A
3
-
M
a
i
s
o
n
/
F
m
i
n
i
n
D
C
O
D
E
R
:
D
E
S
N
A
I
S
S
A
N
C
E
S
0
2
.
0
3
5
-
I
n
c
e
r
t
a
i
n
D
E
R
N
I
R
E
M
d
e
c
i
n
V
I
V
A
N
T
E
S
I
C
I
:
L
A
G
R
O
S
S
-
4
-
M
a
i
s
o
n
/
7
7
-
6
-
1
2
m
o
i
s
S
U
I
T
E
C
O
D
E
R
D
U
R
E
E
N
E
S
S
E
P
a
r
a
m
d
.
8
8
-
1
-
6
m
o
i
s
S
E
M
A
I
N
E
S
P
O
U
R
C
O
D
E
5
-
M
a
i
s
o
n
/
9
9
-
>
1
m
o
i
s
C
H
A
Q
U
E
G
R
O
S
S
E
S
S
E
9
7
-
9
7
S
a
n
s
m
d
.
C
O
L
.
2
1
-
2
2
m
o
i
s
6
-
M
a
i
s
o
n
/
C
o
d
e
5
5
-
N
e
s
a
i
t
p
a
s
S
e
u
l
e
I
B
M
C
O
L
3
-
4
1
6
-
1
7
1
8
-
1
9
2
0
2
1
-
2
2
2
3
-
2
4
2
5
2
6
-
2
7
2
8
2
9
3
0
-
3
1
3
2
-
3
3
3
4
-
3
5
0
5
0
6
0
7
0
8
0
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
A
N
T
D
E
N
T
S
D
E
G
R
O
S
S
E
S
S
E
F
I
G
U
R
E
3
E
M
P
L
O
I
D
E
C
A
S
E
S
E
T
D
E
F
L
C
H
E
S
D
A
N
S
U
N
Q
U
E
S
T
I
O
N
N
A
I
R
E
192
Annexe 1: laboration dun 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. J e 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 J USQU 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-NUNE FAUSSE COUCHE SURVENUE APRS LE SEPTIME
MOIS DE GROSSESSE ET DE AVORTEMENTUNE 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.
193
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
194
Annexe 1: laboration dun questionnaire
____ 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
195
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 : Oui
Q.2 ou 3 : Oui
Q.4 : Sarrte ou ralentit
Q.5 : Soulagement
Q.6 : 10 minutes maximum
Q.7 : (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 :
196
Annexe 1: laboration dun questionnaire
Q.10 : Oui
Q.11 : Non
Q.12 : La douleur couvre le mollet
Q.13 ou 14 : Oui
Q.15 : Non
Q.16 : Sarrte ou ralentit
Q.17 : Soulagement
Q.18 : 10 minutes maximum
La claudication intermittente peut tre classe par degr de gravit :
Q.14 : Non =Degr 1
Oui =Degr 2
197
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
B. Les tableaux doivent sexpliquer deux-mmes.
1. Les codes, abrviations ou symboles doivent tre expliqus
en dtail dans une note de bas de page.
2. Chaque ligne et chaque colonne doivent porter des titres
clairs et concis.
3. Les units de mesure spcifiques des donnes doivent
tre spcifies.
4. Le titre doit tre clair, concis et exprimera lessentiel du
sujet. Rponses : Quoi ? Quand ? O ?
5. Le total devra tre indiqu.
198
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.
D. Si les donnes ne sont pas nouvelles, leur source doit tre
indique en bas de page.
E. 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.
TABLE 1: CLASSIFICATION DES NAISSANCES VIVANTES
SUIVANT LE NIVEAU DINSTRUCTION DU PRE
TOUS TATS CONFONDUS, 1968
Niveau dinstruction du pre Nombre de
naissances vivantes
Diplme dtudes secondaires 50 684
Moins de 12 annes scolaires 31 774
TOTAL 82 458
Source: Vital Statistics of the United States,1968, Volume 1, p.81
2. Le tableau 1 peut tre largi pour inclure des sous-
classifications, 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 Mdecin
du pre Autres,
lhpital Hors Sage- et non
hpital femme prcis Total
Diplme dtudes 46 606 3 014 910 154 50 684
secondaires
Moins de 12 annes 14 334 3 094 13 930 416 31 774
scolaires
Total 60 940 6 108 14 840 570 82 458
Source: Vital Statistics of the United States, 1968, Volume 1, p.81
199
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 Ruraux Total
ge en
annes Hommes Femmes Total Hommes Femmes Total Hommes Femmes Total
<1
1-4
5-9
10-14 C
.
.
.
Total A B
200
Annexe 2 : Mthodes de prsentation et dinterprtation des donnes relatives la sant
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
F
R
Q
U
E
N
C
E
CLASSES
201
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
2. Tous les graphiques doivent sexpliquer deux-mmes.
3. Le titre peut tre plac au-dessus ou au-dessous du
graphique.
4. Lorsquun graphique fait apparatre plus dune variable,
chacune doit tre clairement identifie par une lgende
ou un symbole.
5. Ne pas tracer plus de lignes de coordonnes que ce qui
est ncessaire pour guider le regard.
6. Les courbes du graphique proprement dit doivent tre
plus paisses que les lignes des coordonnes.
7. Les valeurs de frquences sont gnralement indiques
sur lchelle des ordonnes et les classes sur lchelle
des abscisses.
8. Sur une chelle arithmtique, les intervalles gaux sur
lchelle doivent reprsenter des quantits numriques
gales.
9. Les intervalles de lchelle doivent clairement apparatre,
de mme que lunit de division de lchelle.
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
202
Annexe 2 : Mthodes de prsentation et dinterprtation des donnes relatives la sant
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
Source: Rubella Surveillance Unit
N
O
M
B
R
E
D
E
C
A
S
P
O
U
R
C
E
N
T
M
I
L
L
E
PRIODE SACHEVANT LE
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) une ligne droite indique un taux de variation constant.
b) linclinaison de la ligne indique le taux de variation
c) 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.
203
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
RAPPORT MORTALIT/MORBIDIT (X 100)
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.
T
A
U
X
P
O
U
R
1
0
0
0
0
0
I
N
D
I
V
I
D
U
S
ANNE
R
A
P
P
O
R
T
(
X
1
0
0
)
M
O
R
T
A
L
I
T
E
T
M
O
R
B
I
D
I
T
RAPPORT (X 100)
MORTALIT ET MORBIDIT
T
A
U
X
D
IN
C
ID
E
N
C
E
T
A
U
X
D
E
M
O
R
T
A
L
IT
204
Annexe 2 : Mthodes de prsentation et dinterprtation des donnes relatives la sant
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
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.
FVRIER MARS
N
O
M
B
R
E
D
E
C
A
S
1 cas
205
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
Source: MMWR Annual Supplement, 1968
C
A
S
P
A
R
T
R
A
N
C
H
E
D
G
E
D
E
5
A
N
S
GE
5 c as
ges <5 Cas
FIGURE 5 CAS DE TTANOS PAR TRANCHES DGE DE 5 ANS
SIGNALS AUX TATS-UNIS, 1968
SEMAINE
N
O
M
B
R
E
D
E
C
A
S
206
Annexe 2 : Mthodes de prsentation et dinterprtation des donnes relatives la sant
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.
207
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
FIGURE 9: NOMBRE DE CAS DE MALADIES DE TYPE GRIPPAL PAR SEMAINE
VILLE-TYPE, 1970
N
O
M
B
R
E
D
E
C
A
S
SEMAINE
Source: MMWR Annual Supplement, 1968
1 c as
FIGURE 10: NOMBRE DE CAS DE TTANOS PAR TRANCHE DGE
DE CINQ ANS SIGNALS AUX TATS UNIS, 1968
Source: MMWR Annual Supplement, 1968
GE
N
O
M
B
R
E
D
E
C
A
S
P
A
R
T
R
A
N
C
H
E
D
G
E
D
E
5
A
N
S
5 c as
208
Annexe 2 : Mthodes de prsentation et dinterprtation des donnes relatives la sant
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
N
O
M
B
R
E
D
E
C
A
S
MOIS
Source: 1965 Encephalitis Surveillance Report
Post-infection
tiologie inconnue
arbovirus
20 c as
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.
209
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
FIGURE 12 : TESTS CUTANS DHISTOPLASMINE
COMPARAISON DES OBSERVATIONS FAITES PAR 2 LECTEURS SUR 51 SUJETS
GREENWOOD, CAROLINE DU SUD, 1963
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
I
N
D
U
R
A
T
I
O
N
(
M
M
)
:
L
e
c
t
e
u
r
S
D
U
N
A
T
E
L
I
E
R
N
A
T
I
O
N
A
L
S
U
R
L
A
M
T
H
O
D
O
L
O
G
I
E
D
E
L
A
R
E
C
H
E
R
C
H
E
D
A
N
S
L
E
D
O
M
A
I
N
E
D
E
L
A
S
A
N
T
J
o
u
r
1
J
o
u
r
2
-
5
J
o
u
r
6
J
o
u
r
7
J
o
u
r
8
J
o
u
r
9
P
l
a
n
d
t
u
d
e
I
(
d
e
s
c
r
i
p
t
i
f
)
A
t
e
l
i
e
r
T
a
b
l
e
r
o
n
d
e
C
m
o
n
i
e
(
d
i
s
c
u
s
s
i
o
n
s
)
d
o
u
v
e
r
t
u
r
e
P
l
a
n
d
t
u
d
e
I
I
O
u
t
i
l
s
R
e
r
c
h
e
r
c
h
e
A
s
p
e
c
t
s
P
e
r
s
p
e
c
t
i
v
e
s
(
a
n
a
l
y
t
i
q
u
e
)
d
i
v
e
r
s
e
n
s
a
n
t
t
h
i
q
u
e
s
e
n
d
e
l
a
r
e
c
h
e
r
c
h
e
r
e
c
h
e
r
c
h
e
A
t
e
l
i
e
r
b
i
o
m
d
i
c
a
l
e
D
i
s
c
u
s
s
i
o
n
T
a
b
l
e
r
o
n
d
e
p
l
n
i
r
e
(
d
i
s
c
u
s
s
i
o
n
s
)
O
u
t
i
l
s
b
i
o
-
l
a
b
o
r
a
t
i
o
n
d
e
l
a
b
o
r
a
t
i
o
n
d
e
P
r
s
e
n
t
a
t
i
o
n
s
P
l
a
n
d
t
u
d
e
I
I
I
s
t
a
t
i
s
t
i
q
u
e
s
l
a
r
e
c
h
e
r
c
h
e
l
a
r
e
c
h
e
r
c
h
e
d
e
s
(
r
e
c
h
e
r
c
h
e
c
l
i
n
i
q
u
e
p
r
o
p
o
s
i
t
i
o
n
s
d
o
n
t
e
s
s
a
i
s
c
l
i
n
i
q
u
e
s
)
P
r
s
e
n
t
a
t
i
o
n
A
t
e
l
i
e
r
d
e
s
A
t
e
l
i
e
r
A
t
e
l
i
e
r
A
t
e
l
i
e
r
p
a
r
t
i
c
i
p
a
n
t
s
T
a
b
l
e
r
o
n
d
e
C
m
o
n
i
e
(
d
i
s
c
u
s
s
i
o
n
s
)
T
a
b
l
e
r
o
n
d
e
T
a
b
l
e
r
o
n
d
e
T
a
b
l
e
r
o
n
d
e
d
e
c
l
t
u
r
e
(
d
i
s
c
u
s
s
i
o
n
s
)
(
d
i
s
c
u
s
s
i
o
n
s
)
(
d
i
s
c
u
s
s
i
o
n
s
)
P
l
a
n
d
t
u
d
e
I
V
P
r
s
e
n
t
a
t
i
o
n
(
e
x
p
r
i
e
n
c
e
s
)
d
e
l
a
t
e
l
i
e
r
l
a
b
o
r
a
t
i
o
n
d
e
l
a
p
r
o
p
o
s
i
t
i
o
n
A
t
e
l
i
e
r
T
a
b
l
e
r
o
n
d
e
(
d
i
s
c
u
s
s
i
o
n
s
)
229
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
F
I
G
U
R
E
2
E
X
E
M
P
L
E
D
E
M
P
L
O
I
D
U
T
E
M
P
S
:
A
T
E
L
I
E
R
N
A
T
I
O
N
A
L
S
U
R
L
E
P
L
A
N
D
E
R
E
C
H
E
R
C
H
E
E
T
L
A
M
T
H
O
D
O
L
O
G
I
E
D
E
L
A
R
E
C
H
E
R
C
H
E
D
A
N
S
L
E
D
O
M
A
I
N
E
D
E
L
A
S
A
N
T
,
D
U
1
8
A
U
3
0
A
O
T
1
9
8
6
J
o
u
r
1
J
o
u
r
2
J
o
u
r
3
J
o
u
r
4
J
o
u
r
5
J
o
u
r
6
L
u
n
d
i
1
8
a
o
t
M
a
r
d
i
1
9
a
o
t
M
e
r
2
0
a
o
t
J
e
u
d
i
2
1
a
o
t
V
e
n
2
2
a
o
t
S
a
m
e
d
i
2
3
a
o
t
8
.
3
0
O
u
v
e
r
t
u
r
e
S
t
r
u
c
t
u
r
e
d
u
S
t
r
u
c
t
u
r
e
d
u
t
u
d
e
T
e
s
t
d
e
L
e
c
t
u
r
e
d
e
p
l
a
n
d
e
p
l
a
n
d
e
m
a
l
a
d
i
e
s
s
i
g
n
i
f
i
c
a
t
i
o
n
p
r
o
j
e
t
s
C
a
d
r
e
d
u
t
r
a
v
a
i
l
r
e
c
h
e
r
c
h
e
r
e
c
h
e
r
c
h
e
d
i
a
r
r
h
i
q
u
e
s
s
l
e
c
t
i
o
n
n
t
a
p
e
I
t
a
p
e
V
a
u
x
P
h
i
l
i
p
p
i
n
e
s
II
V
I
1
0
.
0
0
I
I
I
V
I
I
V
I
I
I
D
i
s
c
u
s
s
i
o
n
a
v
e
c
1
0
.
1
5
P
r
o
g
r
a
m
m
e
d
e
t
u
d
e
s
d
e
l
a
b
o
r
a
t
i
o
n
d
e
e
n
s
e
i
g
n
a
n
t
s
r
e
c
h
e
r
c
h
e
O
M
S
R
a
p
p
e
l
s
u
r
l
a
c
o
h
o
r
t
e
s
q
u
e
s
t
i
o
n
n
a
i
r
e
s
t
a
p
e
I
V
s
t
a
t
i
s
t
i
q
u
e
e
t
e
n
q
u
t
e
C
o
n
c
e
p
t
d
e
d
e
s
c
r
i
p
t
i
v
e
P
r
o
s
p
e
c
t
i
v
e
b
a
s
e
d
i
n
t
e
r
-
r
e
c
h
e
r
c
h
e
e
n
H
i
s
t
o
r
i
q
u
e
r
o
g
a
t
o
i
r
e
1
1
.
4
5
s
e
r
v
i
c
e
s
P
r
o
g
n
o
s
t
i
q
u
e
s
a
n
i
t
a
i
r
e
s
1
3
.
1
5
P
r
s
e
n
t
a
t
i
o
n
t
u
d
e
F
o
r
m
a
t
i
o
n
l
a
M
o
d
l
e
O
M
S
E
m
p
l
o
i
d
e
s
d
e
s
r
s
u
l
t
a
t
s
i
n
f
e
c
t
i
o
n
s
m
t
h
o
d
o
l
o
g
i
e
d
e
p
o
u
r
d
e
m
a
n
d
e
t
a
b
l
e
s
d
e
d
e
r
e
c
h
e
r
c
h
e
r
e
s
p
i
r
a
t
o
i
r
e
s
l
a
r
e
c
h
e
r
c
h
e
d
e
s
u
b
v
e
n
t
i
o
n
m
o
r
t
a
l
i
t
a
u
x
P
h
i
l
i
p
p
i
n
e
s
d
e
r
e
c
h
e
r
c
h
e
(
t
a
b
l
e
a
u
x
1
4
.
3
0
g
r
a
p
h
i
q
u
e
s
)
1
4
.
4
5
D
e
s
c
r
i
p
t
i
o
n
E
x
e
m
p
l
e
d
u
n
I
n
i
t
i
a
t
i
o
n
a
u
x
t
h
i
q
u
e
E
x
e
r
c
i
c
e
s
p
i
d
m
i
o
l
o
g
i
q
u
e
p
l
a
n
d
e
s
t
r
a
t
g
i
e
s
p
r
a
t
i
q
u
e
s
d
e
l
o
c
c
u
r
r
e
n
c
e
r
e
c
h
e
r
c
h
e
C
h
o
i
x
d
e
p
r
o
j
e
t
s
(
e
n
g
r
o
u
p
e
)
d
e
s
m
a
l
a
d
i
e
s
p
o
u
r
u
n
e
s
s
a
i
t
u
d
e
s
d
e
r
e
c
h
e
r
c
h
e
I
n
c
i
d
e
n
c
e
/
c
l
i
n
i
q
u
e
D
e
s
c
r
i
p
t
i
v
e
p
o
u
r
l
e
s
I
d
e
n
t
i
f
i
c
a
t
i
o
n
d
u
p
r
v
a
l
e
n
c
e
T
r
a
n
s
v
e
r
s
a
l
e
p
a
r
t
i
c
i
p
a
n
t
s
p
r
o
b
l
m
e
I
n
d
i
c
a
t
e
u
r
s
d
e
P
o
p
u
l
a
t
i
o
n
D
o
c
u
m
e
n
t
a
t
i
o
n
s
a
n
i
t
a
i
r
e
s
H
y
p
h
o
t
h
s
e
s
1
6
.
0
0
I
n
i
t
i
a
t
i
o
n
i
n
t
e
r
p
r
t
a
t
i
o
n
230
Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
F
I
G
U
R
E
2
(
S
U
I
T
E
)
J
o
u
r
1
J
o
u
r
2
J
o
u
r
3
J
o
u
r
4
J
o
u
r
5
J
o
u
r
6
L
u
n
d
i
2
5
a
o
t
M
a
r
d
i
2
6
a
o
t
M
e
r
2
7
a
o
t
J
e
u
d
i
2
8
a
o
t
V
e
n
2
9
a
o
t
S
a
m
e
d
i
3
0
a
o
t
8
.
3
0
t
u
d
e
s
c
a
s
-
R
g
r
e
s
s
i
o
n
,
E
s
s
a
i
s
c
l
i
n
i
q
u
e
s
t
u
d
e
c
r
i
t
i
q
u
e
V
i
s
i
t
e
d
e
c
e
n
t
r
e
P
r
s
e
n
t
a
t
i
o
n
t
m
o
i
n
s
c
o
r
r
l
a
t
i
o
n
e
t
d
e
t
e
r
r
a
i
n
d
u
n
a
r
t
i
c
l
e
i
n
f
o
r
m
a
t
i
q
u
e
d
e
(
n
o
t
i
o
n
s
)
l
O
M
S
e
t
n
o
t
i
o
n
s
G
r
o
u
p
e
1
II
s
u
r
l
e
s
y
s
t
m
e
1
0
.
0
0
d
i
n
f
o
r
m
a
t
i
o
n
G
r
o
u
p
e
2
I
I
I
s
a
n
i
t
a
i
r
e
1
0
.
1
5
T
e
s
t
d
e
B
i
a
i
s
e
t
D
t
e
r
m
i
n
a
t
i
o
n
R
d
a
c
t
i
o
n
(
o
p
t
i
o
n
)
s
i
g
n
i
f
i
c
a
t
i
o
n
i
n
f
r
e
n
c
e
d
e
l
a
t
a
i
l
l
e
d
e
s
r
a
p
p
o
r
t
s
c
a
u
s
a
l
e
d
c
h
a
n
t
i
l
l
o
n
s
c
i
e
n
t
i
f
i
q
u
e
s
II
1
1
.
4
5
C
l
t
u
r
e
1
3
.
1
5
F
a
c
t
e
u
r
s
d
e
E
x
e
r
c
i
c
e
s
c
h
a
n
t
i
l
l
o
n
n
a
g
e
t
u
d
e
c
r
i
t
i
q
u
e
v
a
l
u
a
t
i
o
n
r
i
s
q
u
e
d
e
p
r
a
t
i
q
u
e
s
e
t
t
m
o
i
n
s
d
u
n
a
r
t
i
c
l
e
d
a
n
s
l
a
m
a
l
a
d
i
e
s
a
t
h
r
o
-
A
n
a
l
y
s
e
d
e
r
e
c
h
e
r
c
h
e
s
u
r
m
a
t
e
u
s
e
s
c
h
e
z
p
l
a
n
s
(
t
a
b
l
e
s
1
4
.
3
0
I
l
e
s
s
e
r
v
i
c
e
s
d
e
l
e
s
c
o
r
e
n
s
d
e
e
t
g
r
a
p
h
i
q
u
e
s
)
s
a
n
t
s
e
x
e
m
a
s
c
u
l
i
n
f
i
c
t
i
f
s
)
1
4
.
4
5
E
x
e
r
c
i
c
e
s
E
x
e
r
c
i
c
e
s
E
x
e
r
c
i
c
e
s
E
x
e
r
c
i
c
e
s
E
x
e
r
c
i
c
e
s
p
r
a
t
i
q
u
e
s
p
r
a
t
i
q
u
e
s
p
r
a
t
i
q
u
e
s
p
r
a
t
i
q
u
e
s
p
r
a
t
i
q
u
e
s
t
a
p
e
I
t
a
p
e
I
V
c
h
a
n
t
i
l
l
o
n
s
M
i
s
e
a
u
p
o
i
n
t
II
Q
u
e
s
t
i
o
n
n
a
i
r
e
s
d
u
n
e
p
r
o
p
o
s
i
-
I
I
I
Q
u
e
s
t
i
o
n
n
a
i
r
e
s
t
i
o
n
(
M
o
d
l
e
1
6
.
0
0
O
M
S
)
231
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
F
I
G
U
R
E
3
C
O
N
C
E
P
T
I
O
N
E
T
L
A
B
O
R
A
T
I
O
N
D
U
N
E
R
E
C
H
E
R
C
H
E
P
I
D
M
I
O
L
O
G
I
E
S
T
A
T
I
S
T
I
Q
U
E
P
h
a
s
e
1
P
r
o
b
l
m
e
d
e
r
e
c
h
e
r
c
h
e
P
l
a
n
d
e
r
e
c
h
e
r
c
h
e
P
l
a
n
d
t
u
d
e
L
a
s
t
a
t
i
s
t
i
q
u
e
e
t
o
b
j
e
c
t
i
f
s
d
e
l
t
u
d
e
e
t
m
t
h
o
d
o
l
o
g
i
e
e
t
s
t
r
a
t
g
i
e
s
d
e
s
c
r
i
p
t
i
v
e
2
t
u
d
e
b
i
b
l
i
o
g
a
p
h
i
q
u
e
P
l
a
n
d
t
u
d
e
t
u
d
e
d
e
s
c
r
i
p
t
i
v
e
L
e
s
t
a
b
l
e
a
u
x
e
t
l
a
p
r
e
s
e
n
t
a
t
i
o
n
d
e
s
C
a
d
r
e
d
e
l
t
u
d
e
t
u
d
e
a
n
a
l
y
t
i
q
u
e
d
o
n
n
e
s
3
F
o
r
m
u
l
a
t
i
o
n
d
e
s
(
c
a
u
s
a
l
e
)
h
y
p
o
t
h
s
e
s
d
e
P
o
p
u
l
a
t
i
o
n
,
L
e
s
t
e
s
t
s
d
e
r
e
c
h
e
r
c
h
e
c
h
a
n
t
i
l
l
o
n
n
a
g
e
E
s
s
a
i
s
c
l
i
n
i
q
u
e
s
s
i
g
n
i
f
i
c
a
t
i
o
n
e
t
t
m
o
i
n
s
P
l
a
n
s
d
e
x
p
-
L
c
h
a
n
t
i
l
l
o
n
n
a
g
e
e
t
4
P
l
a
n
d
e
r
e
c
h
e
r
c
h
e
D
o
n
n
e
s
r
i
e
n
c
e
e
t
l
a
t
a
i
l
l
e
d
e
l
c
h
a
n
t
i
l
l
o
n
e
t
m
t
h
o
d
o
l
o
g
i
e
r
e
c
u
e
i
l
l
i
r
v
a
l
u
a
t
i
o
n
L
e
s
d
i
v
e
r
s
e
s
t
e
c
h
n
i
q
u
e
s
M
t
h
o
d
e
s
e
t
P
l
a
n
s
p
a
r
t
i
c
u
l
i
e
r
s
p
l
u
s
p
o
u
s
s
e
s
,
e
n
5
R
a
l
i
s
a
t
i
o
n
d
e
l
t
u
d
e
o
u
t
i
l
s
f
o
n
c
t
i
o
n
d
e
l
a
d
e
m
a
n
d
e
A
s
p
e
c
t
s
t
h
i
q
u
e
s
M
e
s
u
r
e
s
e
n
L
e
s
s
c
i
e
n
c
e
s
s
o
c
i
a
l
e
s
6
D
p
o
u
i
l
l
e
m
e
n
t
e
t
p
i
d
m
i
o
l
o
g
i
e
t
r
a
i
t
e
m
e
n
t
d
e
s
R
g
l
e
s
p
o
u
r
l
a
d
o
n
n
e
s
c
o
l
l
e
c
t
e
d
e
s
d
o
n
n
e
s
e
t
l
e
s
A
n
a
l
y
s
e
d
e
s
o
p
r
a
t
i
o
n
s
s
u
r
r
i
s
q
u
e
s
7
A
n
a
l
y
s
e
e
t
l
e
t
e
r
r
a
i
n
i
n
t
e
r
p
r
t
a
t
i
o
n
d
e
s
L
e
b
i
a
i
s
e
t
L
l
a
b
o
r
a
t
i
o
n
d
u
n
d
o
n
n
e
s
R
g
l
e
s
p
o
u
r
l
a
c
o
n
f
u
s
i
o
n
q
u
e
s
t
i
o
n
n
a
i
r
e
l
a
n
a
l
y
s
e
d
e
s
d
o
n
n
e
s
I
n
f
r
e
n
c
e
c
a
u
s
a
l
e
L
e
s
m
t
h
o
d
e
s
8
R
d
a
c
t
i
o
n
d
e
s
q
u
a
n
t
i
t
a
t
i
v
e
s
r
a
p
p
o
r
t
s
(
A
d
m
i
n
i
s
-
t
a
b
l
i
s
s
e
m
e
n
t
d
u
t
r
a
t
i
o
n
s
c
i
e
n
t
i
f
i
q
u
e
b
u
d
g
e
t
A
u
t
r
e
s
c
o
n
c
e
p
t
s
L
e
s
s
o
n
d
a
g
e
s
d
o
p
i
n
i
o
n
D
o
m
a
i
n
e
s
d
e
s
s
u
j
e
t
s
d
t
u
d
e
e
n
f
o
n
c
t
i
o
n
d
e
l
a
d
e
m
a
n
d
e
E
x
e
r
c
i
c
e
p
r
a
t
i
q
u
e
:
l
a
b
o
r
a
t
i
o
n
d
u
n
e
p
r
o
p
o
s
i
t
i
o
n
d
e
r
e
c
h
e
r
c
h
e
p
e
r
s
o
n
n
e
l
l
e
VALUAT
I
ON
I
NAUGURAT
I
ON
232
Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
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
233
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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
234
Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
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.
2. 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.
3. 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.
4. 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
235
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
6. 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.
7. 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.
8. 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.
9. 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.
10. 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.
236
Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
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. objectifs trop ambitieux sans une valuation raliste des
limitations inhrentes aux formations de courte dure ;
2. 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 ;
3. 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 ;
4. 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 ;
5. 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 ;
6. recrutement non slectif ou peu slectif des candidats ; et
7. 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
237
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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.
2. 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.
3. 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.
4. Les cours de formation doivent tre adapts aux caractristiques
des auditeurs, et ces derniers doivent faire lobjet dune slection
rigoureuse.
5. Le corps enseignant doit tre choisi avec discernement et doit
tre solidairement responsable de lensemble de la formation.
238
Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
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 J apanese men living in J apan,
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, 589-
592
Greenberg, G. (1977) Maternal drug histories and congenital abnormalities. Br. Med. J., ii, 853-856
239
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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 simposent-
elles 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
240
Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
Remarques ____________________________________________
4. Hypothses
Les hypothses qui sous-tendent ltude sont-elles spcifies ?
____ Oui ____ Non
Rdigez votre propre nonc des hypothses relatives cette tude.
a. Lhypothse conceptuelle
b. Lhypothse oprationnelle.
5. Stratgie
Dans quelle catgorie classez-vous cette tude (une seule catgorie) :
a. essai clinique contrl, randomis, en double aveugle
b. essai clinique contrl, randomis
c. essai clinique contrl
d. tude descriptive, tude cologique
e. tude cas-tmoins
f. tude de cohortes
g. enqute transversale
h. autre ( spcifier)
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
Remarques ____________________________________________
Si vous deviez reprendre llaboration de cette tude, comment feriez-vous
laffectation randomise entre le groupe tudi et le groupe tmoin ?
241
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
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. questionnaire
b. calendrier dinterrogatoires
c. examen mdical
d. procdure de laboratoire
e. 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 _____ Oui _____ Non
des donnes
Remarques ______________________________________
b. le test de signification _____ Oui _____ Non
Comments ______________________________________
c. la matrise des facteurs _____ Oui _____ Non
de confusion
Remarques ______________________________________
Rpondez aux questions suivantes concernant lanalyse statistique des
donnes :
a. Quels sont les tests statistiques employs ? Expliquez les rsultats.
b. Quel est le niveau de signification employ ?
c. 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 ?
242
Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
tes-vous prt accepter les rsultats de cette tude ? (Choisissez une des
rponses suivantes)
a. Oui sans hsitation
b. Oui avec quelques rserves
c. Non
d. Remarques :
15. Gnralits
Quelle est votre valuation globale de cette tude - ses points forts et ses
points faibles ?
a. Points forts
b. Points faibles
Rfrences et pour en savoir plus
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, Chun-
Chon 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.
243
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
pidmiologie clinique. Clinimtrie. M. J enicek, 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. J enson, 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 Mdecine-
Sciences, 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.
244
Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
Fombonne F., Mousson F., Dassonville B., Bost. P.S., J aeger 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.