Methodologie de La Recherche

MTHODOLOGIE DE LA RECHERCHE
DANS LE DOMAINE DE LA SANT

GUIDE DE FORMATION AUX MTHODES DE LA RECHERCHE SCIENTIFIQUE
ORGANISATION MONDIALE DE LA SANT
Bureau rgional du Pacifique occidental
Manille, 2003
D E U X I M E D I T I O N
i
La mthodologie de la recherche dans le domaine de la sant : Guide de formation aux mthodes de la recherche scientifique
MTHODOLOGIE DE LA RECHERCHE
DANS LE DOMAINE DE LA SANT
Guide de formation aux mthodes
de la recherche scientifique
Deuxime dition
ORGANISATION MONDIALE DE LA SANT
Bureau rgional du Pacifique occidental
Manille, 2003
ii
Catalogue la source : Bibliothque de lOMS
Mthodologie de la recherche dans le domaine de la sant : Guide de formation aux
mthodes de la recherche scientifique. Deuxime dition.
1. Health services research - methods.
2. Research design.
I. World Health Organization. Regional Office for the Western Pacific
ISBN 92 9061 204 5
LOrganisation mondiale de la Sant est toujours heureuse de recevoir des demandes
dautorisation de reproduire ou de traduire ses publications, en partie ou intgralement.
Les demandes cet effet et les demandes de renseignements doivent tre adresses
au Bureau des Publications, Organisation mondiale de la Sant, Genve, Suisse, ou au
Bureau rgional du Pacifique occidental, Manille, Philippines, qui se fera un plaisir de
fournir les renseignements les plus rcents sur les changements apports au texte, les
nouvelles ditions prvues et les rimpressions et traductions dj disponibles.
Organisation mondiale de la Sant 2003
Les publications de lOrganisation mondiale de la Sant bnficient de la protection
prvue par les dispositions du Protocole N 2 de la Convention universelle pour la
Protection du Droit dAuteur. Tous droits rservs.
Les appellations employes dans cette publication et la prsentation des donnes qui
y figurent nimpliquent de la part du Secrtariat de lOrganisation mondiale de la Sant
aucune prise de position quant au statut juridique des pays, territoires, villes ou zones,
ou de leurs autorits, ni quant au trac de leurs frontires ou limites.
La mention de firmes et de produits commerciaux nimplique pas que ces firmes et
produits commerciaux sont agrs ou recommands par lOrganisation mondiale de la
Sant de prfrence dautres, de mme nature qui ne sont pas mentionns. Sauf
erreur ou ommission, une majuscule initiale indique quil sagit dun nom dpos.
iii
TABLE DES MATIRES
Avant-propos v
Prambule vii
Remerciements ix
Chapitre 1 : La recherche et ses mthodes scientifiques 1
Chapitre 2 : Stratgies et plan de recherche 13
Chapitre 3 : tudes pidmiologiques descriptives 45
Chapitre 4 : tudes exprimentales et 57
quasi-exprimentales
Chapitre 5 : Mthodes dchantillonnage et 75
taille de lchantillon
Chapitre 6 : Biais et confusion 89
Chapitre 7 : Les principales mesures du risque 103
Chapitre 8 : Analyse statistique des donnes 113
Chapitre 9 : Association et causalit 131
Chapitre 10 : Aspects thiques de la recherche 147
mdicale
Chapitre 11 : Rdaction dune proposition de 155
recherche
Annexes
Annexe 1 : laboration dun questionnaire 179
Annexe 2 : La statistique descriptive 197
Tableaux, graphiques et diagrammes
Annexe 3 : Organisation dun atelier sur la 221
mthodologie de la recherche dans le
domaine de la sant
iv
v
AVANT-PROPOS
La recherche scientifique apporte une contribution trs
importante nos efforts pour prserver la sant et combattre les
maladies. La recherche contribue lmergence de connaissances
nouvelles et llaboration de meilleurs outils pour exploiter les
connaissances existantes. Elle est source de progrs en diagnostic et
en thrapeutique pour ceux qui rendent les prestations de sant et
galement source de donnes factuelles pour clairer ceux qui sont
responsables des politiques et des dcisions en matire de sant et de
dveloppement.
LOMS et ses tats Membres reconnaissent toute limportance
de la recherche. Cependant, de nombreux pays en dveloppement de
la Rgion nont pu accorder la priorit souhaitable la recherche
dans le domaine de la sant. Dans plusieurs de ces pays, labsence
dune mthodologie de la recherche et le manque de chercheurs
qualifis font obstacle la conduite de programmes de recherche
nationaux. Souvent, il ny existe pas de systme de gestion et de
coordination des recherches en sant, ou, si un tel systme a t cr,
il fonctionne mal.
LOMS a pris le ferme engagement de stimuler la recherche
scientifique dans les pays en dveloppement. Grce des perspectives
et un cadre de collaboration clairement dfinis et noncs en matire
de recherche et de partenariat avec ses tats Membres, lOMS
renforcera les capacits de recherche dans les pays en
dveloppement. Au cours des deux dernires dcennies, le Bureau
rgional de lOMS pour le Pacifique occidental a organis plus dune
vingtaine de programmes de formation consacrs au plan de recherche
et la mthodologie de la recherche. En 1992, le Bureau rgional a
publi un manuel de formation intitul Health Research Methodology:
A Guide for Training in Research Methods. (La mthodologie de
vi
la recherche dans le domaine de la sant : Guide de formation aux
mthodes de la recherche scientifique).
Ce manuel, trs apprci par ses lecteurs travers le monde, a
t traduit en chinois, en coren, en khmer, en laotien, en mongolien
et en vietnamien.
Pour rpondre la demande des lecteurs qui souhaitent
bnficier des derniers dveloppements en mthodes de recherche
scientifique et de lexprience tire de nos cours de formation, nous
avons procd la rvision et une nouvelle dition de ce manuel.
Nous esprons que la nouvelle dition mise jour de ce manuel
unique permettra aux scientifiques, aux chercheurs, aux praticiens et
aux administrateurs de la sant, de mieux assimiler et mettre en
pratique les concepts et les principes de la recherche scientifique.
Lassimilation des mthodes scientifiques les aidera laborer et
conduire des projets de recherche rigoureux dans leurs propres pays.
La nouvelle dition de ce manuel est aussi une faon de marquer
notre engagement permanent envers les pays en dveloppement dans
la Rgion de les aider btir et consolider leur systme de recherche
dans le domaine de la sant.
Docteur Shigeru Omi
Directeur rgional
Bureau rgional de lOMS
pour le Pacifique occidental
vii
PRAMBULE
Cette deuxime dition du manuel Mthodologie de la
Recherche dans le domaine de la Sant traite des concepts et principes
fondamentaux dont sont issues les mthodes de la recherche
scientifique, dans loptique particulire de la recherche en matire de
sant.
Toute prise de dcision raisonne et de porte efficace repose
sur lactivit de recherche qui fait partie intgrante des efforts dun
pays pour amliorer la sant de son peuple et lefficacit de ses
systmes de sant. La contribution de la recherche est particulirement
importante dans des priodes de bouleversements pidmiologique,
dmographique et conomique qui touchent les systmes de sant en
profondeur. Conduite par des quipes pluridisciplinaires, la recherche
dans les domaines (1) de la politique de la sant et des systmes de
sant (2) de lpidmiologie des maladies non transmissibles et des
maladies transmissibles, connues, nouvelles et mergentes (3) de la
reproduction, la sant infantile et la nutrition, y compris la violence
domestique et sexuelle, et (4) du comportement socital, y compris
lanalyse des processus suivis par les individus en qute de bonne
sant et leurs croyances, connaissances et habitudes en matire de
sant et de maladie, soutiendra les efforts des pays en dveloppement
pour combattre les maladies et prserver la sant de leur population.
Ce manuel a pour but de dcrire des mthodes de planification
et de conduite dune recherche scientifique, depuis la formulation dun
problme sous forme dun sujet de recherche, la dfinition des objectifs
de la recherche, llaboration du plan dtude, y compris les mthodes
de collecte des donnes et danalyse statistique, et jusqu
linterprtation et la diffusion des rsultats de ltude. Dans sa premire
viii
version ce manuel sest avr un excellent support et une source de
rfrence utile pour lanimation de sminaires sur la Mthodologie de
la Recherche dans le domaine de la Sant organiss dans diffrents
pays de la Rgion du Pacifique occidental de lOMS. Cette nouvelle
dition introduit plus de dtails concernant des mthodes statistiques
dapplication courante et apporte des clarifications qui sont apparues
ncessaires au cours de ces sminaires. Le biais en matire de
recherche a fait lobjet dun dveloppement spcial.
Ce manuel est destin servir de guide et de source de
rfrence lors de la formation de jeunes scientifiques la conduite
dune recherche en sciences de la sant par le Bureau rgional de
lOMS pour le Pacifique occidental. ce titre, il doit servir comme
introduction aux mthodes de la recherche et na pas lambition den
prsenter un trait exhaustif. Il existe dj dexcellents manuels ce
sujet qui sont cits dans les rfrences bibliographiques. Dans la mesure
du possible nous avons choisi des exemples tirs de la ralit rgionale
pour illustrer les principes et les mthodes dcrits dans ce manuel
afin den faciliter lapplication dans le contexte rgional.
On y trouvera des informations utiles pour toutes les tapes
dlaboration dun projet de recherche et en particulier pour la rdaction
dune demande de subvention du projet de recherche lorganisme
susceptible de participer son financement. titre dexemple, le
formulaire de demande de subvention de lOMS est prsent en
annexe. Les questions souleves dans ce manuel permettront au
chercheur de mieux srier les lments importants avant de proposer
et dengager son tude. Nous pensons aussi que ltudiant de licence
en sciences de la sant y trouvera des indications utiles pour la
rdaction de son diplme de matrise.
Nous esprons, surtout, quau-del de son apport dinformations
essentielles sur les mthodes de recherche dans le domaine de la
sant, ce manuel incitera le lecteur poursuivre sa formation dans le
domaine complexe de la mthodologie de la recherche, permettra
aux jeunes chercheurs de la Rgion dtre plus efficaces, et
encouragera des chercheurs engager de plus nombreuses tudes
dans le domaine de la sant, quil sagisse dessais cliniques, denqutes
pidmiologiques sur le terrain ou dtudes relatives aux services de
la sant.
ix
REMERCIEMENTS
Le Bureau rgional de lOrganisation mondiale de la Sant pour le Pacifique occidental est
redevable au Professeur Yung-Han Parik, au Professeur Ung-Ring Ko, et au Docteur Kamini
Mohan Patwary, pour leurs contributions originales la premire dition de ce manuel.
Ses remerciements vont galement au Docteur Rama Nair et au Docteur Lye Munn Sann pour
leur travail conjoint de rvision et de mise jour du manuel.
x
1
Chapitre 1
La recherche et ses mthodes scientifiques
1.1 Dfi ni ti on
La recherche consiste en une qute des connaissances au
moyen dune enqute, dune tude ou dune exprimentation conduite
avec application dans le but de dcouvrir et dinterprter des
connaissances nouvelles. La mthode scientifique est un ensemble
systmatique de procdures et de techniques relatives lexcution
dune tude ou dune exprience destine acqurir de nouvelles
connaissances. Dans le contexte de ce manuel, la recherche et les
mthodes scientifiques peuvent tre considres comme une suite
dinterrogations dcisives conduisant la dcouverte de faits ou
dinformations qui amliore notre comprhension de la sant et des
maladies de ltre humain.
1.2 Catgories de recherches
1. Recherche empirique, recherche thorique
Lapproche philosophique de la recherche est
fondamentalement de deux types : empirique et thorique. Les
recherches dans le domaine de la sant sont principalement de nature
empirique, cest--dire quelles sont fondes plus sur lobservation et
lexprience que sur la thorie et labstraction. La recherche
pidmiologique, par exemple, dpend de la collecte systmatique
dobservations sur des phnomnes de sant spcifiques au sein dune
population dfinie. De plus, mme dans labstraction de modles
mathmatiques, aucun progrs dans la comprhension de lapparition
et de la cause des maladies nest possible sans comparer les
constructions thoriques avec la situation relle observe dans la
population. La recherche empirique et la recherche thorique se
2
Chapitre 1 : La recherche et ses mthodes scientifiques
compltent pour dvelopper la comprhension des phnomnes, pour
prvoir des vnements futurs, ainsi que pour prvenir des vnements
nuisibles au bien-tre gnral de la population concerne.
La recherche empirique dans le domaine de la sant peut tre
de nature qualitative ou quantitative. En rgle gnrale, cette recherche
concerne des informations de nature quantitative et ce manuel traitera
exclusivement de ce type de recherche. Pour la plus grande part, il
sagit de : lidentification de la population concerne, les
caractristiques (variables) des individus (units) composant cette
population, et enfin ltude de la variabilit de ces caractristiques
parmi les individus de la population. Ainsi, dans cette recherche
empirique, la quantification est ralise par trois procdures numriques
associes : (a) mesure des variables ; (b) estimation des paramtres
de la population (paramtres de la distribution de probabilit qui reflte
la variabilit des observations dans la population) ; et (c) test statistique
des hypothses, cest--dire, estimation de la part contribue par le
hasard dans les carts observs parmi les individus ou les groupes
tudis.
La prise en compte du hasard ou de la probabilit est
dterminante dans la recherche biologique ; elle est la base du plan
de recherche. Pour en assurer la validit, ce plan de recherche doit
tenir compte, avant toute autre chose et en permanence, du rle du
hasard. Ce sont les mthodes statistiques qui permettent de respecter
les lois de probabilit au cours de notre tude, et danalyser et
dinterprter correctement les rsultats. La statistique est loutil qui
permet la recherche dans le domaine de la sant dtre empirique
plutt quabstraite ; elle nous permet de confirmer nos constatations
au moyen dobservations et dexprimentations supplmentaires.
2. Recherche fondamentale, recherche applique.
Du point de vue fonctionnel, la recherche peut tre fondamentale
(ou pure) ou applique. On considre dhabitude que la recherche
fondamentale se consacre lacquisition des connaissances sans but
dfini dutilit ou dobjet spcifique. La recherche applique dcoule
dun problme et elle est dirige pour rsoudre un problme existant.
Le bien-fond et les bnfices relatifs pour la socit de la recherche
fondamentale ou applique sont continuellement lobjet de
controverses. Certains prtendent que la science, qui dpend beaucoup
des contributions de la socit, devrait se consacrer directement
rsoudre les problmes relatifs lhomme, tandis que dautres arguent
que la recherche scientifique est la plus productive lorsquelle est
3
entreprise librement et que les plus grands progrs dans les sciences
rsultent de la recherche pure. Il est gnralement admis quil faut un
bon quilibre entre les deux types de recherche ; les socits plus
riches et plus avances techniquement sont en mesure de soutenir la
recherche fondamentale en plus grande proportion que les socits
ayant moins de ressources disponibles.
3. Le triangle de recherche en matire de sant.
Que la recherche dans le domaine de la sant soit empirique ou
thorique, fondamentale ou applique, il existe encore une autre faon
de la classer dans trois catgories oprationnelles lies entre elles -
biomdicale, services de sant, comportementale - pour constituer ce
que lon appelle le triangle de la recherche en matire de sant. La
recherche biomdicale comprend essentiellement les tudes
fondamentales sur les processus au niveau de la cellule ; la recherche
en sant concerne les problmes lis lenvironnement de lhomme
et leurs effets au niveau cellulaire : la recherche sur le comportement
tudie linteraction entre lhomme et lenvironnement, de faon
reflter les croyances, les attitudes et les habitudes de lindividu dans
la socit.
1.3 Les fondements scientifiques de la recherche.
Ltude scientifique utilise plusieurs principes de base :
1. Ordre.
Pour parvenir aux conclusions, la mthode scientifique diffre
du sens commun en ce quelle utilise lobservation organise
dentits ou dvnements qui sont classs ou ordonns sur la base
de proprits et de comportements communs. Cest la frquence des
proprits et des comportements communs qui permet les prvisions,
conduisant en dernier ressort des lois.
2. Infrence et hasard.
Le raisonnement, ou linfrence, est la force qui permet les
avances dans la recherche. Dans le contexte de la logique, cela signifie
quun nonc ou une conclusion doit tre accept parce quun ou
plusieurs autres noncs ou prmisses (vidence) sont vrais. Des
suppositions, des prsomptions ou des thories peuvent tre ainsi
dveloppes par infrence selon une construction minutieuse, en vue
de postuler des hypothses tester. Le test dhypothses est la
4
mthode de base pour faire avancer les connaissances dans les
sciences.
Deux approches ou raisonnements distincts simposent dans le
dveloppement des infrences : dductif et inductif. Dans la dduction,
la conclusion rsulte ncessairement des prmisses, comme dans le
syllogisme (tout A est B, tout B est C, donc tout A est C) ou les
quations algbriques. La dduction se distingue par le fait quelle va
du gnral au particulier et quelle ne tolre aucun lment de hasard
ou dincertitude. Les infrences dductives conviennent donc tout
particulirement la recherche thorique.
tant essentiellement empirique, la recherche en matire de
sant repose presque entirement sur des raisonnements par induction.
La conclusion ne rsulte pas ncessairement des prmisses ou de
lvidence (faits). On peut dire seulement que la conclusion est plus
probablement valide si les prmisses sont vraies, cest--dire, quil y
a une possibilit davoir les prmisses vraies mais la conclusion fausse.
Il faut donc tenir compte de tous les effets du hasard. Par ailleurs le
raisonnement inductif se distingue par le fait quil va du particulier
vers le gnral, donc il construit.
3. valuation de la probabilit.
Lexigence dcisive pour assurer la validit du plan de
recherche, est lvaluation de la probabilit du dbut la fin. Les
lments du plan les plus notables qui doivent assurer lintgrit de la
probabilit et la prvention de biais, sont les suivants : chantillonnage
reprsentatif, randomisation dans la slection des groupes dtude,
maintien de groupes de comparaison servant de tmoins, expriences
et sujets traits en double aveugle, et utilisation de mthodes statistiques
de probabilit dans lanalyse et linterprtation des rsultats.
La probabilit est une mesure de lincertitude ou de la variabilit
des caractristiques parmi les individus dune population. Si lon observe
une population entire, le calcul des frquences relatives des variables
fournit toute linformation sur la variabilit. Si nous observons
seulement un chantillon dindividus tir de la population, linfrence
de lchantillon vers la population (extrapolation du particulier au
gnral), impliquera lidentification des probabilits des vnements
en cours dobservation, ainsi que le recours aux lois de probabilit qui
nous permettent de mesurer le degr dincertitude dans nos infrences.
Seul un plan de recherche correct qui intgre les lois de probabilit
permettra datteindre ces objectifs.
5
4. Hypothse.
Les hypothses sont des noncs soigneusement construits
relatifs un phnomne dans la population. Les hypothses peuvent
dcouler dun raisonnement dductif ou se fonder sur un raisonnement
inductif partir dobservations antrieures. Lun des outils les plus
utiles dans les recherches sur la sant est la gnration dhypothses
qui, aprs avoir t testes, conduiront lidentification des causes
les plus probables dune maladie ou du changement dun tat en
observation. Bien que nous ne puissions tirer des conclusions dfinitives
ou revendiquer la preuve en utilisant des mthodes inductives, nous
pouvons nous approcher toujours plus prs de la vrit en dtruisant
des hypothses existantes et en les remplaant par dautres plus
plausibles.
Dans les recherches sur la sant, les hypothses sont souvent
construites et testes pour identifier les causes de maladies et pour
expliquer la distribution de maladies parmi la population. On fait souvent
appel aux critres de Mill du raisonnement inductif pour former des
hypothses sur le lien entre association et causalit. nonces
brivement ces mthodes sont les suivantes :
(a) mthode de la diffrence : lorsque la frquence dune maladie
prsente une diffrence marquante dans deux circonstances,
et lorsquon peut identifier un facteur dans lune des
circonstances et non dans lautre, ce facteur, ou son absence,
peut tre la cause de la maladie (par exemple la diffrence de
frquence du cancer du poumon chez les fumeurs et chez les
non-fumeurs).
(b) mthode de concordance : si un facteur, ou son absence, est
commun un certain nombre de circonstances diffrentes o
on constate la prsence dune maladie, ce facteur ou son
absence peut tre li aux causes de la maladie (par exemple
lapparition de lhpatite A est associe au contact avec un
malade, au surpeuplement, et de mauvaises conditions
dhygine et dassainissement, chaque facteur participant la
transmission du virus de lhpatite).
(c) mthode des variations concomitantes, ou la relation dose-effet:
citons des exemples de variations concomitantes : augmentation
de la prsence du goitre endmique avec la diminution de la
teneur en iode des aliments ; augmentation de la frquence de
la leucmie avec laugmentation de lexposition aux
6
rayonnements ; augmentation de la prvalence de llphantiasis
dans les rgions o saccrot lendmicit de la filariose).
(d) mthode danalogie : la distribution et la frquence dune maladie
ou dun effet peuvent tre suffisamment analogues celles
dune autre maladie pour suggrer une cause commune (par
exemple infection par le virus de lhpatite B et cancer du foie).
1.4 Plan dtude.
Lapproche pidmiologique est fonde sur des principes
statistiques dans llaboration du plan de recherche. Dans cette
dmarche, la recherche peut tre subdivise en recherche de type
bas sur lobservation, et recherche de type exprimental.
Les tudes bases sur lobservation emploient gnralement la
mthode denqute sur chantillon, dans laquelle on observe diffrentes
caractristiques dun chantillon de la population. On peut y procder
en interrogeant effectivement le sujet, en obtenant les mesures de
caractristiques physiques, ou simplement en extrayant des
informations de sources existantes telles que les registres de
dclaration des maladies, les dossiers mdicaux des hpitaux ou des
dossiers des services demploi. Les tudes du type transversal, o
lon collecte simultanment les donnes de cause et deffet, sans
pouvoir dterminer la squence temporelle, sont considres comme
gnratrices dhypothses. Par contre, les tudes o les observations
de causes et deffets sont dcales dans le temps sont considres
comme analytiques (ou causales) et peuvent donner lieu une
infrence dassociations, par exemple dans les tudes cas-tmoins et
les tudes de cohortes.
La meilleure vrification des hypothses est ralise par des
expriences dans lesquelles tous les facteurs, sauf celui en
considration, peuvent tre matriss. Cependant, pour des raisons
thiques et pratiques, cette mthode est rarement possible dans le
contexte des maladies humaines. On lui substitue souvent des
expriences dites naturelles ou des observations soigneusement
planifies (tudes cas-tmoins, tudes de cohortes) comportant
suffisamment dinformations sur les facteurs parasites pour
permettre de corriger leurs effets lors des infrences. Ces tudes
analytiques par observations peuvent tre rtrospectives (tude cas-
tmoins) ou prospectives (tude de cohorte ou tude historique de
cohorte). Dans ces mthodes, on compare des groupes dindividus
pour relever les diffrences en matire dexposition ou de rsultat.
7
>
>
>
>
Elles se distinguent des expriences par le fait quil ny a pas
dintervention directe du chercheur et que ce chercheur ne peut
matriser aucun des facteurs tiers (ou parasites) agissant sur lun ou
lautre des individus en observation.
Dans les deux approches, le raisonnement statistique utilisant
les lois de probabilit, guide le processus dinfrence. On fait quelques
suppositions de base concernant la population, ses caractristiques et
leur distribution de probabilit, et on value la vraisemblance des
observations confirmant ou infirmant lhypothse nonce. En se
basant sur les probabilits calcules, on accepte ou on rejette
lhypothse (ou bien ltat dincertitude reste non rsolu, ce qui est le
cas en particulier lorsque la taille de lchantillon est trop petite pour
assurer la fiabilit). Des plans dtude spcifiques seront discuts
plus loin dans ce manuel.
Le processus allant de la gnration de lhypothse au test de
lhypothse est illustr ci-dessous.
Une observation ou une srie dobservations lance une
hypothse; une tude transversale est entreprise pour gnrer des
hypothses correctes ; une tude par observations tablit des
associations et confirme (ou rejette) lhypothse ; et une exprience
est mene pour tester lhypothse.
Srie de cas
Enqute
transversale
tude analytique Cas-tmoins
Cohorte
Cohorte historique
Exprience
Essai randomis
Quasi-exprience
8
1.5 Planification et gestion de la recherche
1. Programme de recherche
La recherche est une activit complexe dont llaboration et la
mise en oeuvre exigent une planification, une gestion et une
administration minutieuses. Dans le contexte mondial actuel de
restrictions budgtaires en matire de recherche, il est de plus en plus
ncessaire de programmer la recherche dans le domaine de la sant
en lui fixant des objectifs clairement dfinis et ralisables dans la
pratique.
Llaboration dun programme de recherche comporte
ncessairement un certain nombre dtapes essentielles :
(a) dfinir le rle et le champ daction prvus pour lunit charge
de la recherche ;
(b) dterminer les moyens et les ressources de lunit de recherche,
en incluant : personnel, installations, quipement, fournitures,
dlais et budget, ainsi que laccessibilit aux documents de
recherche ;
(c) slectionner le sujet de recherche, en considrant des facteurs
tels que :
importance du problme et de son impact
urgence du besoin dune solution
pertinence par rapport aux objectifs de lorganisme qui
finance ltude
possibilit de traiter le problme par une tude
faisabilit du programme
chances de succs
consquences prvisibles en cas de succs
retombes en matire de formation du personnel et
dautres lments renforant les capacits de recherche.
(d) laborer des protocoles de recherche, documents qui serviront
de guides lors de lexcution, du contrle et de lvaluation de
la recherche ;
(e) installer une structure administrative clairement dfinie, avec
des fonctions de direction, dencadrement, de consultation et
9
de collaboration, et des profils de postes bass sur des tches
spcifiques.
(f) formuler un calendrier dobjectifs pour la consolidation des
rsultats, et la prparation de ces rsultats en vue de la diffusion,
y compris la publication dans la documentation scientifique.
2. Excution de la recherche.
Le mcanisme pour conduire une recherche suit des tapes
simples : formulation du problme ; planification de la dmarche (plan
de recherche) ; excution des activits dans un rseau stratgique
visant des objectifs spcifiques qui aboutiront la solution du problme.
Un cadre pour la rdaction dune proposition de recherche est donn
ci-aprs. Il comporte les lments de base dune tude de recherche,
qui seront traits en dtail dans le chapitre 11.
a. Conceptualisation du problme :
identifier le problme (quel est le problme ?)
donner une priorit au problme (pourquoi est-ce un
problme important ?)
expos raisonn (le problme peut-il tre rsolu et quels
sont les bnfices pour la socit si le problme est
rsolu ?)
b. Situation actuelle :
tude documentaire (que savons-nous dj ?)
c. Formulation des objectifs :
disposer les questions selon les objectifs gnraux ou
spcifiques ;
dvelopper une hypothse tester pour atteindre les
objectifs.
d. Mthodologie de recherche :
dfinir la population, caractristiques considrer et
distribution de probabilit ;
type dtude (observation ou analyse, enqutes ou
expriences)
mthode de collecte, de gestion et danalyse des
donnes:
10
choix de lchantillon
instruments de mesure (fiabilit et validit des
instruments)
formation des enquteurs
contrle de la qualit des mesures
calcul, vrification et validation des mesures
le problme des observations manquantes
traitement statistique des informations
test de lhypothse
considrations thiques.
e. Plan de travail :
personnel
chronologie (qui va faire quoi et quand ?)
administration du projet.
f. Plan de diffusion :
prsentation aux autorits pour la mise en oeuvre des
rsultats de la recherche (le cas chant)
publication dans des revues scientifiques et dans dautres
documents (y compris ceux de lorganisme qui a financ
le projet) en vue dune large diffusion des connaissances
rsultant de la recherche.
Une bonne proposition contiendra aussi un rsum rdig par
le chef du projet, donnant une vue gnrale des points prcdents
dans un langage clair et simple, comprhensible par un non-spcialiste;
elle comportera aussi une liste de rfrences.
1.6 Le chercheur
Parmi les qualits importantes conduisant au succs dans la
recherche, on peut citer :
un esprit curieux pour trouver de nouveaux faits
la persvrance et la patience
11
lintgrit pour soi-mme et pour la valeur de la mthode
scientifique
un esprit analytique capable de participer des
rflexions critiques
la rceptivit aux critiques au niveau
professionnel
louverture desprit et la capacit de dceler la
signification dobservations inattendues
lobjectivit.
1.7 Conclusion
Linvestigation scientifique est une vritable gageure pour
lhumanit, et le soutien quelle reoit de la socit est une mesure de
la force, de la vitalit et de la foi dans lavenir de cette socit. La
dmarche et les mthodes de la recherche ont lentement volu pour
devenir de plus en plus prcises et efficaces. La technologie existe
pour explorer linconnu. Le succs de cette entreprise dpend
cependant, aujourdhui comme hier, des talents individuels et collectifs
des chercheurs attachs aux principes de la science, tels que lordre,
linfrence et le hasard, dont ils tiendront compte en les intgrant
dans un plan de recherche et une mthodologie solides.
12
13
Chapitre 2
Stratgies et plan de recherche
2.1 Introduction
Le choix dune stratgie de recherche est au coeur du plan de
recherche et cest probablement la dcision unique la plus importante
que doit prendre le chercheur. En consquence, llaboration dune
stratgie de recherche est le thme principal trait dans ce manuel.
Les composantes essentielles dun plan de recherche et leurs bases
scientifiques sont lobjet des chapitres suivants.
La stratgie de recherche doit comporter la dfinition de la
population concerne, la dfinition des variables (caractristiques des
individus dans cette population), leur nature et les relations entre elles.
Par exemple, pour tester une hypothse, le chercheur doit pouvoir
attribuer la variable indpendante, ou variable dexposition, un certain
nombre de sujets dans ltude, et lomettre pour dautres sujets
(tmoins), tandis quil matrise les autres variables parasites ou
confusionnelles. Cette stratgie constitue une exprience dans laquelle
lhypothse est teste par intervention.
Un autre chercheur peut choisir de comparer des individus
exposs un facteur de risque ceux non exposs, lors de lanalyse
de lincidence dune maladie dans ces groupes, afin de constater si
cette maladie est lie lexposition. Dans ce cas il sagit dune tude
analytique dont il existe plusieurs varits. Ce type dtude englobe
aussi le test dhypothse. Un autre chercheur encore peut simplement
dcrire la distribution dun phnomne ou le rsultat dun programme.
Il sagit alors dune tude descriptive sans intervention ni hypothse
pralable.
14
Chapitre 2 : Stratgies et plan de recherche
Dans toutes les situations prcdentes, on fait des observations
sur un groupe dindividus, puis on tire des infrences concernant les
relations ou les associations entre diverses expositions et rsultats.
Les infrences ralises sont toujours sujettes incertitude en raison
des variations des caractristiques travers la population. En
consquence, lexactitude de linfrence dpend de lexactitude des
informations recueillies et de la reprsentativit des sujets observs
par rapport au groupe plus large des sujets de la population, ainsi que
de lexactitude des mthodes statistiques utilises pour tablir
linfrence. Pour dvelopper une bonne stratgie de recherche, il nous
faut comprendre la nature de ces variations ou carts et les
mthodes disponibles pour mesurer les erreurs.
2.2 Erreurs dans linfrence
Il est ncessaire de matriser deux sources derreurs courantes
qui rsultent de problmes lis la fiabilit et la validit. Notre
infrence doit avoir une fiabilit leve (si les observations sont
rptes dans des conditions similaires, les infrences doivent tre
similaires) et une validit assure (linfrence doit reflter la nature
vraie de la relation). La fiabilit et la validit des infrences dpendent
de la fiabilit et de la validit des mesures (mesurons-nous la bonne
caractristique ? avec exactitude ?), ainsi que de la fiabilit et de la
validit des chantillons choisis (partons-nous dune vraie
reprsentation de la population pour effectuer les infrences ?). La
fiabilit de lchantillon est obtenue en choisissant un chantillon de
grande taille, et la validit est assure en vrifiant que le choix de
lchantillon est sans biais. En termes statistiques, la fiabilit est
mesure par lerreur alatoire et la validit par le biais.
2.2.1 Fiabilit
Fiabilit des mesures
Si des mesures rptes dune caractristique dun mme
individu et dans des conditions identiques, donnent des rsultats
similaires, on peut dire que la mesure est fiable. Si on rpte des
observations indpendantes et si on dtermine la distribution de
probabilit, lcart-type des observations donne une mesure de la
fiabilit. Si la mesure a une fiabilit leve, lcart-type doit tre plus
petit. Une faon daccrotre la fiabilit est de prendre la moyenne
dun certain nombre dobservations (car la moyenne prsente un
cart-type - erreur sur la moyenne - plus petit que lcart-type des
observations individuelles).
15
Fiabilit de ltude
Un rsultat est dit fiable si on obtient le mme rsultat lorsque
ltude est rpte dans les mmes conditions. La variabilit
naturelle des observations parmi les individus de la population
est communment appele erreur alatoire. Par exemple,
lorsquon mesure la pression sanguine systolique (PSS)
dindividus, on a observ que les mesures faites dans un groupe
de trs nombreux individus suivent une distribution normale, si
bien que lcart-type du PSS reprsente lerreur alatoire dans
la mesure du PSS. Il est vident que si lcart-type est faible,
des tudes rptes sur cette population produiront
ncessairement des rsultats similaires. Si lcart-type est grand,
des chantillons diffrents de la mme population tendront
avoir des diffrences de mesure notables. Comme nous
considrons souvent des mesures rcapitulatives sur des
chantillons ayant un cart-type inversement proportionnel la
racine carre de la taille de lchantillon, laugmentation de la
taille de lchantillon accrot la fiabilit de ces mesures (voir les
dtails sur ce point au chapitre 5).
2.2.2 Validit
Une mesure est dite valide si elle sapplique ce quelle est
cense mesurer. Lorsquune mesure nest pas valide, on dit quelle
est biaise. Le biais est une erreur systmatique (contrairement
lerreur alatoire) qui dvie lobservation dun seul cot de la vrit.
Ainsi, si nous utilisons une balance qui nest pas rgle au zro, les
poids mesurs avec cette balance seront biaiss. Pareillement, si un
chantillon est biais, les rsultats tendent tre biaiss (par exemple
un chantillon contenant plus dhommes que la proportion dhommes
dans la population, ou comparaison de cas choisis parmi les patients
hospitaliss et de tmoins choisis dans la population gnrale, dans
une tude cas-tmoins). Comme il est souvent difficile de corriger les
effets du biais une fois les donnes collectes, il est toujours
recommand dviter les biais au moment de planifier une tude (on
trouvera au chapitre 6 des dtails sur les biais et sur les moyens de les
viter).
16
2.3 Stratgies dexprimentation et stratgies dobservation.
Malgr la valeur de lexprience dans ltablissement de la
causalit, il est souvent ni praticable ni thique de soumettre des tres
humains des facteurs de risque dans des tudes tiologiques. la
place, les pidmiologistes emploient des expriences naturelles si
cela est possible, ou ils sappuient, plus frquemment, sur des tudes
analytiques dobservations ou des quasi-expriences. Cependant, il
existe un domaine de lpidmiologie o on utilise largement des
stratgies exprimentales : il sagit des campagnes dessais cliniques
ou sur le terrain pour tester de nouveaux mdicaments ou des
programmes dintervention.
Les avantages de la dmarche exprimentale sont les suivants :
La capacit de manipuler ou dattribuer des variables
indpendantes ; cest de loin lavantage le plus net des stratgies
exprimentales. Il est facilement illustr par les essais cliniques,
dcrits au chapitre 4, o les cas dune maladie spcifique sont
affects volontairement (dans un ordre alatoire ou par
appariement) au groupe trait et au groupe tmoin. Par
exemple, dans lvaluation de lefficacit de dispositifs intra-
utrins, on affecte, au hasard ou par paires apparies, des
femmes dune certaine tranche dge et ayant en commun
certaines autres caractristiques, des mdecins dune part et
des infirmires dautre part. On compare entre les deux
groupes un critre dvaluation tel que la frquence des
complications. Il est aussi possible dans certains cas de
manipuler le degr dexposition ou la dose thrapeutique.
La capacit de rpartir au hasard les sujets entre le groupe
trait et le groupe tmoin. Grce la randomisation on trouvera
plus vraisemblablement une distribution gale des variables
parasites entre les deux groupes. Nanmoins, lors de lanalyse
il faut toujours comparer la distribution de ces variables pour
assurer la validit des infrences tires de ltude. Dans des
expriences (et aussi dans certaines tudes par observation), il
est aussi possible dutiliser lappariement en association avec
la randomisation. En outre, la randomisation donne une base de
calcul des probabilits appropries derreur dans linfrence.
La capacit de matriser les confusions et dliminer les sources
dassociations fausses. La plupart des autres facteurs qui
interfrent avec lassociation tudie, peuvent tre matriss
plus facilement dans des expriences (surtout chez les animaux)
que dans des tudes par observation.
17
La capacit de dterminer la squence temporelle. Il est plus
facile de dterminer quelles variables prcdent et lesquelles
sont les consquences dune intervention dans des tudes
exprimentales que dans certaines tudes analytiques, en
particulier les tudes cas-tmoins et les tudes de cohortes.
La capacit de rpliquer les rsultats. Les expriences sont
souvent plus faciles rpliquer que les tudes par observation.
La rplication satisfait les exigences de constance dans la
confirmation de la causalit. Cependant, dans la pratique peu
dessais cliniques sont exactement rpliqus.
Tout bien considr, la preuve dune relation de causalit est
plus irrfutable si elle provient dune tude exprimentale
soigneusement excute, car les facteurs de la slection qui par
inadvertance biaisent les tudes par observation, peuvent tre
virtuellement limins par le processus de randomisation. Toutefois, il
existe dautres sources de biais qui ne sont pas automatiquement
cartes par la randomisation.
On tend parfois oublier les limitations de la dmarche
exprimentale, car les avantages impressionnants des expriences
ont conduit certains rejeter les preuves de causalit si elles ne sont
pas bases sur lexprimentation. Si nous tions tenus lapproche
exprimentale seule, cependant, nous devrions abandonner la plupart
des preuves qui ont permis de raliser des progrs significatifs dans
le domaine de la sant publique. Les expriences prsentent aussi les
limitations suivantes :
Manque de ralisme. Dans la plupart des situations humaines,
il est impossible de randomiser tous les facteurs de risque en
dehors de ceux tudier. Les mthodes par observation
sappliquent des situations plus ralistes.
Difficult dextrapolation. Les rsultats dexpriences sur un
modle animal, expriences qui sont contrles rigoureusement,
ne peuvent pas tre extrapols directement aux populations
humaines.
Problmes dthique. Dans lexprimentation humaine, soit les
individus sont exposs dlibrment des facteurs de risque
(dans les tudes tiologiques), soit le traitement est dlibrment
cart pour les cas tudis (essais dintervention). La mme
question dthique se pose lorsquil sagit de tester lefficacit
ou les effets secondaires de nouveaux traitements sans
valuation critique dans un petit groupe de sujets humains (voir
aussi la chapitre 10).
18
Difficult de manipuler la variable indpendante. Par exemple,
il est virtuellement impossible daffecter au hasard lhabitude
de fumer au groupe exprimental et au groupe tmoin.
Manque de reprsentativit des chantillons. Beaucoup
dexpriences portent sur des populations captives ou des
volontaires, qui ne sont pas ncessairement reprsentatifs de
la population en gnral. Les expriences entreprises dans les
hpitaux (o la dmarche exprimentale est la plus praticable
et frquemment pratique) souffrent de plusieurs sources de
biais dans la slection.
2.4 tudes descriptives
Dfinition
Lorsquune tude pidmiologique na pas la structure formelle
dune tude analytique ou dune tude exprimentale, autrement dit,
lorsquelle na pas pour objet spcifique de tester une hypothse, elle
est dite tude descriptive et fait partie des tudes par observation. La
richesse des informations obtenue dans la plupart des tudes
descriptives permet la gnration dhypothses quon peut ensuite
tester par un plan dtude analytique ou exprimentale. Une enqute,
telle une enqute de prvalence, correspond aussi la dfinition dune
tude descriptive puisquelle englobe les composantes dune tude
descriptive.
Le droulement dune tude descriptive
Une tude descriptive ncessite la collecte, lanalyse et
linterprtation de donnes. On peut faire appel des techniques
qualitatives et quantitatives laide de questionnaires, dinterrogatoires,
des observations de participants, de statistiques des services, ainsi
que de documents donnant des renseignements sur des communauts,
des groupes, des situations, des programmes et dautres units
individuelles ou cologiques. Le trait caractristique de cette catgorie
dtudes est quelle sattache avant tout dcrire une situation plutt
qu tester une hypothse ou rechercher une causalit. Cependant,
la dmarche descriptive peut tre intgre ou ajoute aux mthodes
utilises dans ces deux derniers cas car elle permet denrichir
considrablement la base de donnes.
19
Types dtudes descriptives
Sries de cas
Ce type dtude est bas sur les comptes-rendus dune srie
de cas dune pathologie donne ou dune srie de cas traits,
sans affectation spcifique dun groupe tmoin. Dans ce type
dtude on ne considre que le nombre de cas de la maladie,
qui reprsente le numrateur, si bien quil ne doit pas servir
pour faire une valuation de risques.
Quelquefois pour mettre en valeur ses rsultats, un clinicien
prsente le calcul dune distribution proportionnelle pour une
telle srie, cest--dire les pourcentages du nombre total de
cas qui appartiennent telle tranche dge, tel sexe ou tel groupe
ethnique. Ces valeurs ne sont pas des taux car le dnominateur
dans le calcul est toujours le nombre de cas de la srie et non
pas la population risque.
Diagnostic ou valuation des besoins dune communaut
Ce type dtude ncessite la collecte de donnes sur la situation
actuelle concernant les problmes sanitaires, programmes de
sant, progrs raliss, contraintes, couches sociales, forces
vives, noyaux de rsistance ou de forte prvalence ou groupes
particulirement exposs. Son but est didentifier les besoins et
de fournir les donnes de base qui orienteront les tudes
complmentaires ou les actions mener.
Description pidmiologique des cas de maladies
On adopte souvent lapproche descriptive cette fin. Il faut
recueillir des donnes sur le nombre de cas et sur la rpartition
de la maladie dans des populations en fonction de certaines
caractristiques spcifiques des individus (par exemple, ge,
sexe, niveau dinstruction, consommation de tabac, religion,
profession, catgorie sociale, tat civil, sant, personnalit) ;
en fonction du lieu (rural ou urbain, local, rgional, national,
international) ; et en fonction du facteur temporel (pidmique,
saisonnier, cyclique, sculaire). Une description peut porter aussi
sur des caractristiques familiales : rang de naissance, nombre
denfants, taille de la famille, ge maternel, espacement des
naissances, composition de la famille.
20
Enqutes transversales descriptives ou enqutes de population
(communaut)
Comme son nom lindique, une enqute transversale ncessite
la collecte de donnes sur une coupe transversale dune
population, qui peut tre la population totale ou une partie
(chantillon) de la population. Beaucoup denqutes
transversales ne cherchent pas tester une hypothse
concernant une association, et appartiennent donc la catgorie
des tudes descriptives. Elles fournissent un taux de prvalence
un moment donn dans le temps (prvalence ponctuelle) ou
sur une priode de temps (prvalence priodique). La population
risque, objet de ltude, sert de dnominateur pour le calcul
des taux de prvalence.
Dans ce type dtude descriptive on retrouve les enqutes
dvaluation de la distribution dune maladie, dune incapacit,
dun tat pathologique, dune condition immunologique, dun
tat nutritionnel, de ltat physique, de lintelligence et ainsi de
suite. On peut suivre le mme plan dtude dans la recherche
sur les systmes de sant pour dcrire la prvalence par
certaines caractristiques la tendance dutilisation des services
de sant et de lobservance ou dans des sondages dopinion.
Une pratique gnralise dans les services de planification
familiale et dans dautres services est lenqute KAP (enqute
sur les connaissances, les attitudes et la pratique).
tudes descriptives cologiques
Lorsque lunit dobservation est un agrgat (par exemple, une
famille, un clan ou une cole) ou une unit cologique (un village,
une ville ou un pays) ltude devient une tude descriptive
cologique.
Comme nous lavons dj soulign, en rgle gnrale le test
dhypothse nest pas un objectif de ltude descriptive.
Cependant, dans certaines des tudes cites plus haut (enqutes
transversales, tudes cologiques) un test dhypothse peut
trouver sa place. Dautre part, la description des donnes fait
partie intgrante de ltude analytique.
21
2.5 Stratgies analytiques en pidmiologie
Lorsque le principal objectif dune tude par observation est
dtablir la relation (association) entre un facteur de risque (agent
tiologique) et un rsultat (maladie), cette tude est dite analytique
(ou causale). Dans ce type dtude, le test dhypothse est le premier
outil dinfrence. La dmarche essentielle dans une tude analytique
est dlaborer une hypothse spcifique susceptible dtre mise
lpreuve et de faire un plan dtude qui permet de matriser les
variables parasites ventuelles qui risqueraient de confondre la relation
observe entre le facteur tudi et la maladie. Cette dmarche varie
en fonction de la stratgie analytique adopte.
2.5.1 Enqutes cas-tmoins
En pidmiologie, la stratgie analytique la plus simple et la
plus souvent adopte fait appel ltude comparative cas-tmoins.
Essentiellement, elle consiste tablir les causes de maladies en
recherchant les relations ou associations entre lexposition un facteur
de risque et lapparition de la maladie. Son plan est relativement simple
mais toujours rtrospectif se basant sur les antcdents des cas et
des tmoins en matire dexposition au risque. Dans ce type dtude,
on recherche une association en comparant lexposition dune srie
de cas de la maladie concerne avec la situation dexposition de
groupes tmoins soigneusement slectionns qui sont exempts de cette
maladie (Figure 2.1). Lanalyse des donnes permet de dterminer si
les conditions dexposition des cas taient diffrentes de celles des
tmoins. Le facteur de risque sest produit ou a commenc dans le
pass, probablement avant lapparition de la maladie, par exemple,
lhabitude de fumer ou une infection antrieure ou la prise dun
mdicament. On recueille les donnes relatives lexposition en se
renseignant sur les antcdents et/ou en consultant les dossiers
mdicaux. Parfois le facteur ou lattribut incrimin est une condition
permanente, comme le groupe sanguin, que lon dtermine par un
examen clinique ou de laboratoire. Une frquence plus leve de
lattribut ou du facteur de risque chez les cas de maladie que chez les
tmoins indique une relation entre celui-ci et la maladie/pathologie.
Cette relation peut avoir une signification tiologique. Autrement dit,
si la proportion des cas de maladie ayant des antcdents en matire
dexposition, ou des dossiers indiquant une exposition par le pass,
est plus leve que celle des tmoins, on peut considrer que le facteur
ou lattribut est un facteur causal.
22
FIGURE 2.1 PLAN DTUDE DUNE ENQUTE CAS-TMOINS
exposs (avec le facteur de risque
ou la caractristique)
Cas
(avec la pathologie)
non exposs (sans le facteur de
risque ou la caractristique)
exposs (avec le facteur de risque
ou la caractristique)
Tmoins
(sans la pathologie)
non exposs (sans le facteur de
risque ou la caractristique)
Exempl e
Chiqueurs de tabac
Cas de cancer de la
bouche
Non chiqueurs de tabac
Chiqueurs de tabac
Cas exempts de cancer
de la bouche
Non chiqueurs de tabac
23
Slection des cas
Les cas slectionns pour ltude doivent correspondre une
dfinition prcise en matire de type histologique et dautres
caractristiques particulires de la maladie, comme la date de
diagnostic, le lieu gographique, entre autres. Les cas qui ne
correspondent pas ces critres doivent tre carts de ltude. Cette
dmarche est particulirement efficace dans le cas de maladies rares
car la slection comprendra normalement tous les cas qui rpondent
aux critres de ltude dans un milieu donn et dans une priode
donne. On aura ainsi un nombre suffisant de cas tudier sans avoir
attendre lapparition de nouveaux cas de la maladie sur une priode
plus ou moins longue.
Pour des raisons de commodit et daccs aux dossiers, les
cas slectionns dans les tudes cas-tmoins proviennent souvent
dun milieu hospitalier, des cabinets de mdecins libraux ou des
registres de dclaration des maladies. Sur une priode donne, on
prfrera les cas rcemment diagnostiqus (les cas dincidence) aux
cas de prvalence, ce qui permet dliminer la possibilit dune
exposition au facteur de risque tudi aprs lapparition de la maladie
chez des patients qui vivent depuis longtemps avec la maladie.
Les cas slectionns pour ltude doivent favoriser lacquisition
de rsultats fiables et valables. On suivra donc les directives suivantes
pour la slection des cas dans une tude cas-tmoins :
a. nonc clair des critres de slection pour ltude (la dfinition
dun cas) et des critres dexclusion de ltude, afin damliorer
la validit des rsultats ;
b. Les cas peuvent provenir de :
- tous les cas dadmission ou de sortie dun hpital, dun
dispensaire ou dun cabinet de mdecin libral au cours
de la priode spcifie ;
- tous les cas signals ou diagnostiqus pendant une
enqute ou un programme de surveillance au cours dune
priode spcifie ;
- des cas dincidence ou diagnostiqus rcemment ;
- des cas dincidence dans une tude de cohorte en cours
ou dans une cohorte professionnelle (appele parfois
tude cas-tmoins embote) ;
24
- des cas de mortalit lorsque les causes de dcs sont
indiques et dautres critres de ltude sont satisfaits ;
- des cas individuels rpondant un rsultat prescrit en
termes de sant ;
c. Si le nombre de cas est trop important, on peut utiliser un
chantillon respectant les rgles de probabilit ;
d. Les cas slectionns pour ltude doivent tre reprsentatifs
de tous les cas de la maladie en considration.
Slection des tmoins.
Il est essentiel de crer un ou plusieurs groupes tmoins de
personnes exemptes de la maladie ou de la pathologie tudie pour
pouvoir valuer la frquence de lattribut ou du facteur de risque et la
comparer la frquence chez les cas de maladie. Cest ltape la
plus importante de ltude cas-tmoins, puisquune slection de tmoins
biaise peut invalider les rsultats de ltude. Le biais dans la slection
des tmoins est souvent la principale source de proccupation dans
lanalyse des donnes dune enqute cas-tmoins.
a. Les groupes tmoins de comparaison peuvent provenir de :
un chantillon reprsentatif dune population dfinie, si
les cas tudis sont tirs de cette population dfinie ;
un chantillon de patients admis ou prsents dans le
mme tablissement que les cas tudis ;
un chantillon prlev parmi les parents ou les relations
des cas tudis (tmoins de voisinage) ;
un groupe de personnes slectionnes partir de la mme
source de population que les cas tudis et apparies
aux cas tudis pour les variables pouvant introduire des
facteurs de confusion ;
une slection base sur dautres facteurs de risque que
le facteur tudi ;
b. La slection de tmoins peut comprendre un appariement bas
sur dautres facteurs de risque :
Lappariement signifie que le choix des tmoins se fait
en fonction de caractristiques identiques (ou trs
analogues) celles des cas tudis lexception de la
25
maladie ou du facteur de risque en considration. Ces
caractristiques sont celles qui auraient pour effet de
confondre le facteur de risque incrimin, cest--dire des
caractristiques reconnues pour leur relation avec la
maladie et qui peuvent tre associes au facteur de risque
tudi. Le but de lappariement est dassurer la
comparabilit de ces caractristiques chez les deux
groupes, de sorte que lassociation observe entre le
facteur de risque incrimin et la maladie ne soit pas
perturbe par une distribution diffrente de ces autres
caractristiques. Habituellement lappariement se fait
pour lge, le sexe, la race et le niveau socio-conomique
dans les tudes cas-tmoins relatives une maladie, car
tous ces facteurs influencent lincidence de la plupart
des maladies. Lappariement se fait titre individuel
(paires apparies) ou pour lensemble du groupe
(frquences apparies). Lappariement individuel est
prfrable car il facilite la prise en compte de
lappariement dans lanalyse. Les inconvnients de
lappariement sont une perte de prcision et un excs
dappariement, entre autres. De plus, une fois fix le
plan dappariement, la variable utilise pour lappariement
nest plus prise en considration dans ltude. Il nest
donc plus possible dtudier sa relation tiologique avec
la maladie. A titre dexemple, si dans une tude sur le
cancer du sein lappariement des groupes se fait sur ltat
civil, marie ou clibataire, il nest plus possible de savoir
si le risque dun cancer du sein est plus lev pour les
femmes maries ou pour les clibataires. De nombreux
pidmiologistes prfrent conduire des tudes sans
appariement et utiliser des mthodes statistiques pour
corriger une confusion ventuelle au moment de
lanalyse. Cette approche augmente la prcision de
ltude et laisse ouverte la possibilit dexaminer des
interactions ventuelles. La slection de tmoins par
chantillonnage alatoire sans appariement offre plus de
libert de manoeuvre pour tudier diverses interactions.
Le plus important est de recueillir des informations sur
les facteurs confusionnels potentiels afin den corriger
les effets lors de lanalyse.
c. Le nombre de groupes tmoins peut varier. Il est souvent
souhaitable davoir plusieurs groupes tmoins reprsentant des
conditions pathologiques autres que celle tudie et/ou des
26
groupes non hospitaliss. Lemploi de groupes tmoins multiples
prsente trois avantages :
Si la frquence de lattribut ou du facteur de risque nest
pas diffrente dun groupe tmoin un autre, mais est
constamment plus faible que dans le groupe du cas tudi,
la cohrence interne de lassociation est renforce.
Si le groupe tmoin est compos de patients qui souffrent
dune autre maladie associe de faon indpendante au
mme facteur de risque, lcart des frquences entre le
groupe de cas de la maladie tudie et le groupe tmoin
a toutes les chances dtre cach. Le recours un autre
groupe tmoin en parallle va permettre de sauver le
projet de recherche.
Les groupes tmoins multiples permettent un contrle
du biais.
Un exemple classique de leffet important du mauvais choix
des tmoins sur les conclusions dune tude cas-tmoins est celui de
ltude de Pearl en 1929. Pearl a compar 816 tumeurs malignes
identifies chez 7500 cas autopsis lHpital J ohns Hopkins
Baltimore, Maryland, tats-Unis, avec 816 tumeurs bnignes chez
des cas autopsis (tmoins) qui taient apparis au moment du dcs
pour lge, le sexe, la race et la date de dcs. On constatait des
lsions indicatives dune tuberculose active chez 6,6 % des cas tudis
et chez 16,3 % des tmoins, do on tirait la conclusion quil y avait
antagonisme entre la tuberculose et le cancer. Lexprimentation sur
animal na aucunement corrobor cette conclusion. Une explication
des faits constats par Pearl est que son groupe tmoin comprenait
par inadvertance beaucoup de tuberculeux dcds du fait que
lautopsie tait plus frquente pour les dcs par tuberculose que
pour les dcs dus une autre cause. Son groupe tmoin ntait donc
pas reprsentatif de la population des patients dcds.
Collecte de donnes sur lexposition et dautres facteurs.
Le recueil de donnes se fait souvent par interrogatoires,
questionnaires et/ou examen de dossiers. Parfois on procde des
examens cliniques ou de laboratoire, mais ceci nest pas toujours
possible, notamment lorsque les cas tudis comprennent des cas
anciens et ventuellement des cas mortels. On doit prendre les
prcautions suivantes dans le choix dune stratgie de collecte de
donnes :
27
Les observations doivent tre objectives ou, si elles proviennent
dune enqute, normalises avec rigueur ;
Lexaminateur ou lenquteur ne doit pas savoir si un sujet
appartient au groupe tudi ou au groupe tmoin (mthode
aveugle) ;
La mme procdure doit tre suivie pour tous les groupes
(mme interrogatoire, mme cadre).
Enqutes cas-tmoins facteurs multiples
La forme habituelle de lenqute cas-tmoins considre un seul
facteur ou un seul attribut la fois. Cependant, il nest pas exclu
dtudier plusieurs facteurs dexposition dans la mme tude. Par
exemple, une tude mene dans trois tats des tats-Unis ayant une
population de 13 millions comportait une enqute par interrogatoire
auprs de toutes les mres denfants leucmiques gs de 1 4 ans
(cas diagnostiqus entre 1959 et 1967). Un chantillon de
13 000 autres femmes servait de groupe tmoin. Quatre facteurs ont
t tudis, deux relatifs la priode avant la conception (exposition
aux rayonnements, et checs antrieurs de la reproduction) et deux
relatifs la priode aprs la conception (irradiation in utero et infection
virale pendant la grossesse). Lanalyse a dmontr que chaque facteur
tait li la leucmie chez leurs enfants (Gibson et col. 1968). Une
poursuite de lanalyse a port sur laction conjointe de facteurs, dans
laquelle lestimation du risque relatif en labsence de lun quelconque
des quatre facteurs tait gal 1,0 (voir Tableau 2.1).
TABLEAU 2.1 ESTIMATION DES RISQUES RELATIFS DE LEUCMIE CHEZ LES ENFANTS
DE 1 4 ANS POUR DIFFRENTES ASSOCIATIONS DE FACTEURS DE RISQUE
Nombre de facteurs Nombre de facteurs postrieurs la conception
antrieurs la conception
Aucun Un Deux
Aucun 1,0 1,1 1,8
Un 1,2 1,6 2,7
Deux 1,9 3,1 4,6
28
Il est clair que la prsence de lensemble des quatre facteurs
chez les femmes produit leffet le plus notable et quil existe une
synergie entre ces facteurs.
Avantages des enqutes cas-tmoins
On cite ci-aprs quelques exemples des avantages des tudes
cas-tmoins :
Applicables lorsque la maladie tudier est rare, par
exemple le cancer dun organe spcifique ;
Relativement efficaces, avec un chantillon plus petit
que dans le cas dune tude de cohorte ;
Peu de problmes de perte de participation (attrition),
comme dans un suivi avec examens priodiques o
certains sujets refusent de cooprer ;
Cest parfois la stratgie par observation la plus prcoce
praticable pour dterminer une association (par exemple,
administration de dithylstilbestrol chez la femme
enceinte et ladnocarcinome vaginal cellules claires
chez son enfant).
Amlioration de la validit des enqutes cas-tmoins
Pour amliorer la validit dune tude on doit sassurer que :
les cas tudis sont reprsentatifs de tous les cas dans
un milieu donn ;
les tmoins sont analogues aux cas tudis pour tous les
facteurs de risque autres que le facteur tudi ;
des tmoins multiples sont utiliss et donnent des rsultats
constants ;
les cas et les tmoins sont slectionns tout fait
indpendamment de leur exposition au facteur de risque ;
les sources de biais sont attnues ou quelles sont sans
effet sur les rsultats (un exemple classique est ltude
britannique de lassociation entre la consommation de
tabac et le cancer du poumon par Doll et Hill, 1952).
Aprs les interrogatoires des cas tudis et des tmoins,
on a constat que le diagnostic de cancer chez certains
des cas tudis tait erron. Une nouvelle analyse a
29
montr que lassociation navait pas chang, indiquant
que, dans cette tude, la notification au patient de son
cancer du poumon navait pas biais la faon de rpondre
aux questions relatives la consommation de tabac) ;
des tudes rptes dans des milieux diffrents et par
des chercheurs diffrents se corroborent (par exemple,
lassociation entre la consommation de tabac et le cancer
du poumon est signale par plus de 25 chercheurs
travaillant dans dix pays) ;
il est possible de dmontrer une relation dose-effet ou
un effet de gradient (par exemple, plusieurs tudes cas-
tmoins montrent que le cancer du poumon est fonction
du nombre de cigarettes consommes par jour) ;
enfin, on peut utiliser une stratgie trs puissante qui
consiste en un plan dtude hybride o ltude cas-tmoins
est embote dans une tude de cohorte sur une
population dfinie.
Inconvnients et sources de biais des enqutes cas-tmoins.
On rappelle ci-aprs certains des problmes lis aux tudes
cas-tmoins :
en labsence de dnominateurs pidmiologiques (la
population risque) tout calcul des taux dincidence, et
donc des risques attribuables, est impossible ;
la squence temporelle est un problme srieux pour
beaucoup dtudes cas-tmoins o il est impossible de
savoir si lattribut a prcd la maladie/tat pathologique
ou en est le rsultat ;
la slection des cas tudis et des tmoins est trs sujette
au biais. Ceci est particulirement grave lorsquun seul
groupe tmoin est associ au facteur de risque tudi ;
il peut tre trs difficile voire impossible dobtenir des
informations sur lexposition si la priode de
remmoration est longue.
la survie slective, qui a un effet dans les tudes cas-
tmoins, peut biaiser la comparaison. Il ny a aucun
moyen de savoir si lexposition tait identique pour ceux
qui sont morts et ceux qui ont survcu ;
30
tant donn que la plupart des tudes cas-tmoins se
droulent en milieu hospitalier, elles tombent dans le cadre
du faux raisonnement de Berkson, cest--dire sont
sujettes leffet des changements dans les politiques et
des taux dadmission de ltablissement.
un biais de mesures est possible, y compris par la
remmoration slective ou lerreur de classification (des
cas classs avec les tmoins, et rciproquement). Il existe
aussi leffet de Hawthorne, selon lequel par le fait des
interrogatoires rpts, les rpondants sont influencs
par le fait dtre tudis.
Les tudes cas-tmoins sont incapables de rvler
dautres tats lis au facteur de risque : par exemple,
dans une tude des effets secondaires des contraceptifs
oraux, il faut connatre davance ces effets secondaires
pour pouvoir tablir un plan dtude cas-tmoins.
2.5.2 tude de cohorte prospective (enqute exposs/non
exposs)
La stratgie classique des tudes de cohorte est de prendre au
dpart une population de rfrence (ou un chantillon reprsentatif
de celle-ci), dont certains individus prsentent des caractristiques ou
des attributs dintrt pour ltude (groupe expos), tandis que dautres
individus ne les prsentent pas (groupe non expos). Les deux groupes
doivent tre exempts de la ou les pathologie(s) en considration au
commencement de ltude. Lobservation des deux groupes se poursuit
sur une priode donne afin de dcouvrir pour chaque groupe son
risque de dvelopper la ou les pathologie(s) objet de ltude. Cette
dmarche est illustre schmatiquement dans la figure 2.2.
Caractristiques du plan dtude
a. Slection dune cohorte :
Une cohorte appartenant une mme communaut,
dge et de sexe spcifiques ;
Une cohorte ayant le mme facteur dexposition :
radiologues, fumeurs, utilisatrices de contraceptifs oraux ;
Une cohorte ayant la mme anne de naissance : coliers
de premire anne ;
31
FIGURE 2.2 PLAN DTUDE DUNE ENQUTE DE COHORTES (PROSPECTIVE)
Dveloppent
la maladie
Avec
facteur
Ne dveloppent
pas la maladie
Population chantillon
de rfrence
Dveloppent
la maladie
Sans
facteur
Ne dveloppent
pas la maladie
Exempl e
Dveloppent le
cancer de la
bouche
Chiquent
Ne dveloppent
pas le cancer
de la bouche
Population
exempt de chantillon
cancer de la
bouche Dveloppent le
cancer de la
bouche
Ne chiquent pas
Ne dveloppent
pas le cancer
de la bouche
32
Une cohorte ayant la mme profession : mineurs ;
militaires ;
Une cohorte ayant le mme tat civil (mari,
clibataire) ;
Une cohorte de mme diagnostic ou de mme
traitement : cas traits par radiothrapie, par chirurgie,
par traitement hormonal.
La procdure habituelle est de situer ou didentifier la cohorte,
qui peut tre la population totale dune rgion ou un chantillon de
celle-ci.
b. Donnes recueillir :
Donnes sur lexposition considre dans les hypothses
de ltude ;
Donnes sur le rsultat considr dans les hypothses
de ltude ;
Caractristiques de la cohorte qui risquent de confondre
lassociation tudie.
c. Mthodes de collecte des donnes :
On emploie diffrentes mthodes, qui doivent se prolonger dans
le temps, pour recueillir les donnes mentionnes ci-dessus.
Ces mthodes comprennent :
Les enqutes avec interrogatoires et des procdures de
suivi ;
Les dossiers mdicaux qui sont contrls au cours du
temps ;
Les examens mdicaux et les essais de laboratoire ;
Regroupement des archives avec les ensembles de
donnes dexposition et avec les ensembles de donnes
de rsultat : par exemple, donnes sur le travail pass
dans les mines avec les donnes de mortalit des archives
nationales de mortalit.
Dans une tude de cohorte classique, on effectue souvent une
enqute transversale pralable afin dexclure les individus qui
prsentent dj le rsultat considr (maladie) et didentifier la cohorte
exempte de la maladie.
33
Mesures de frquence.
Dans les tudes de cohorte on utilise couramment deux mthodes
pour mesurer lincidence de la maladie (tat pathologique) tudie :
a. Incidence cumule
Cet indicateur de la frquence dune maladie est bas sur la
population totale risque qui tait, au commencement de ltude,
exempte de la maladie tudie. On calcule lincidence de la
maladie pour chaque niveau dexposition au facteur de risque,
lincidence tant le nombre de cas ou dvnements nouveaux
au cours de la priode dobservation, rapport la population
totale risque au cours de la mme priode.
La mesure dincidence donne une estimation de la probabilit
ou du risque de dvelopper la maladie chez tous les membres
du groupe, inclus dans ltude son commencement, qui taient
susceptibles de dvelopper la maladie. Comme la mesure est
obtenue par le cumul de tous les nouveaux cas dans la population
totale risque, on a adopt le terme de incidence cumule.
Lincidence cumule est une proportion mais nest pas un taux.
Elle peut varier de 0 1, cest--dire quentre 0 % et 100 % de
la population risque peut dvelopper la maladie.
Cette mesure de la frquence de la maladie se calcule comme
si la mme priode dobservation sappliquait toutes les units
ou tous les individus de la population, mais les nouveaux cas
qui ont dvelopp la maladie ne font plus partie de la population
risque.
b. Densit dincidence, ou taux dincidence, ou incidence
instantane (approche personne-temps)
Cette approche amliore la mesure classique de lincidence
puisquelle tient compte non seulement du nombre dindividus
observs mais galement de la dure de lobservation de chaque
individu. Ainsi, si lobservation de 30 individus se droule de la
faon suivante : 10 pendant deux ans, 5 pendant trois ans, et 15
pendant quatre ans, leurs parts respectives sont de
(10x2)+(5x3)+(15x4) soit un total de 95 personnes-anne
dobservation. Cette dernire valeur devient le dnominateur
alors que le numrateur est le nombre de nouveaux cas observs
dans le groupe au cours de la priode spcifie. On obtient
34
ainsi un taux dincidence exprim en personnes par anne, qui
sappelle la densit dincidence (ou incidence instantane). La
valeur personnes par anne ne correspond pas un nombre
dfini de personnes : 400 personnes/anne dobservation peut
correspondre 400 personnes observes pendant une anne
ou 40 personnes observes chacune pendant 10 ans. Cette
mesure a deux inconvnients : il est souvent difficile de
dterminer le moment prcis de lapparition de la maladie ; la
maladie ne progresse pas ncessairement taux constant au
cours du temps.
Les mesures essentielles utilises avec profit dans les tudes
de cohorte sont le risque relatif (RR), le risque attribuable (RA),
le risque attribuable dans la population (RAP), et le risque
attribuable chez les exposs ou la fraction tiologique (FE).
Ces mesures seront traites en dtail au chapitre 7.
Avantages des tudes de cohorte
Parmi les avantages dune tude de cohorte par rapport une
tude cas-tmoins, on peut citer :
Comme la population risque est bien dfinie, les tudes
de cohorte permettent une mesure directe du risque relatif
de dvelopper ltat pathologique chez la population
expose au facteur de risque par rapport la population
non expose ce facteur, grce aux mesures dincidence
calcules sparment pour chaque population.
Dans une tude de cohorte, on sait que la caractristique
ou facteur de risque prcde lapparition de la maladie,
puisque tous les sujets sont exempts de la maladie au
commencement de ltude. Ceci est une condition
ncessaire (mais non suffisante) pour conclure une
relation de cause effet.
tant donn que la prsence ou labsence du facteur de
risque est constate avant lapparition de la maladie, on
ne risque pas dintroduire un biais par le fait que le sujet
apprend son tat pathologique, comme cela se produit
dans les tudes cas-tmoins.
Il y a aussi un moindre risque de problmes de survie
slective ou de remmoration slective, bien quun biais
li la slection ne soit pas totalement cart puisque
35
certains sujets qui tombent malades au dbut de ltude
ne sont plus pris en considration.
Les tudes de cohortes peuvent identifier dautres
maladies ventuellement associes au mme facteur de
risque.
Contrairement aux tudes cas-tmoins, les tudes de
cohorte permettent destimer des risques attribuables,
indiquant ainsi la part absolue de la maladie attribuable
au facteur de risque.
En prenant un chantillon respectant les rgles de
probabilit dans la population de rfrence, il est possible
dextrapoler de lchantillon la population de rfrence
avec un degr de prcision connue.
Inconvnients des tudes de cohorte
Parmi les inconvnients des tudes de cohorte on peut citer :
Ces tudes sont de longue dure ce qui pose un problme
de faisabilit ; elles sont relativement peu efficaces pour
ltude de pathologies rares.
Elles sont exigeantes en temps, en personnel, en locaux,
et en planification de suivi des patients.
La taille des chantillons requise pour une tude de
cohorte est trs grande ; en particulier pour des
pathologies rares, il est difficile de constituer et de grer
des chantillons de la taille ncessaire.
Le problme le plus grave est celui de lattrition, ou la
perte deffectif dans les groupes exposs et non exposs
au cours de la dure de ltude par suite de migration ou
de refus de continuer de participer ltude. Lattrition
peut entacher la validit des rsultats, si elle a pour effet
de rendre les chantillons moins reprsentatifs ou si les
patients qui participent au suivi sont diffrents de ceux
qui ont abandonn. Plus la perte deffectif est leve
(suprieure 10-15 %) plus grand sera le risque de
rsultats biaiss.
Le risque dattrition existe aussi pour les chercheurs. Ils
peuvent se dsintresser de ltude, changer dactivit,
ou se consacrer un autre projet de recherche.
36
Au cours dune longue priode, on assiste beaucoup
de changements de lenvironnement, chez les personnes
comme dans la nature de lintervention, et ceux-ci peuvent
crer une confusion en ce qui concerne lassociation ou
le risque attribuable.
Au cours dune longue priode, le protocole de ltude
peut influencer le comportement des patients tudis de
faon modifier lvolution de la maladie (effet
Hawthorne). Cet effet se produit surtout dans les tudes
o il y a beaucoup de contacts avec les participants, par
exemple dans les tudes de rgime ou de contraception.
En raction aux interrogatoires rpts, les participants
modifient leur rgime ou changent de mthode de
contraception. Les changements de comportements
posent aussi un problme srieux dans les sondages
dopinion, les tudes dacceptabilit et les enqutes de
nature psychologique, comme les tudes sur les squelles
psychologiques de la strilisation.
Un problme thique trs proccupant peut se poser si
lon constate que le surnombre de cas de maladies de la
population expose est trs significatif avant la fin de la
priode de suivi.
Il faut souligner que, mme si une tude de cohorte est proche
de lessai randomis (exprience) du point de vue de sa puissance
pidmiologique, elle peut avoir des problmes de validit. Il faut
prendre soin de sassurer quelle satisfait aux autres exigences de la
recherche pidmiologique, en particulier pour ce qui concerne le choix
de lchantillon, la constitution des groupes de comparaison, le
traitement des donnes manquantes, la mise en oeuvre de mthodes
statistiques appropries, et dautres exigences de base dun plan de
recherche solide.
2.5.3 tude de cohorte historique
Dans une tude de cohorte prospective les chercheurs, ou leurs
remplaants, sont normalement prsents depuis le commencement et
jusqu la fin de la priode dobservation. On peut conserver les
avantages de ltude de cohorte sans la contrainte de la prsence
permanente des chercheurs et sans la ncessit dattendre longtemps
pour la collecte des donnes par ladoption dune tude de cohorte
historique. La figure 2.3 reprsente un plan dtude de cohorte
historique.
37
FIGURE 2.3 PLAN DTUDE DUNE ENQUTE DE COHORTES HISTORIQUE
Maladie
Avec la
caractristique
Sans maladie
risque
Maladie
Sans la
caractristique
Sans maladie
Lenqute commence
ici et reconstruit
le pass de
lexposition et
de lvolution
de la maladie
Dure
>
38
Une tude de cohorte historique nest possible que si des
archives ou des donnes disponibles permettent de reconstituer une
cohorte expose un facteur de risque incrimin et de faire le suivi
de sa mortalit ou de sa morbidit au cours du temps. Autrement dit,
bien que le chercheur nait pas assist lidentification initiale du
facteur de risque, il reconstitue partir des archives les populations
exposes et non exposes, et poursuit ltude comme il le ferait pour
une tude suivie depuis le commencement.
Les tudes de cohorte historiques partagent plusieurs des
avantages de ltude de cohorte prospective. En fait, si toutes les
conditions sont satisfaites, une tude de cohorte historique saffranchit
des inconvnients de cot et de dure de ltude prospective. Elle a
nanmoins dautres inconvnients :
Certaines des variables pertinentes peuvent manquer dans les
dossiers dorigine.
Il peut tre difficile de prouver que la population tudie tait
exempte de la pathologie au commencement de ltude de
comparaison. Ce problme ne se pose pas, toutefois, si
lindicateur de la maladie est le dcs.
Des problmes dattrition se posent avec la perte darchives,
des dossiers incomplets, ou des difficults pour retrouver tous
les sujets de la population dorigine pour la poursuite de ltude.
Une telle tude exige un esprit inventif pour identifier les
populations adaptes et acqurir des informations fiables
concernant lexposition et dautres facteurs pertinents. On peut
citer parmi de tels groupes de population les membres dune
mutuelle dassurance sociale, les militaires, les travailleurs de
lindustrie (comme les mineurs), les membres des syndicats
professionnels, des syndicats ouvriers, etc.
2.5.4 tude de cohorte pronostique
Les tudes de cohorte pronostiques sont un type spcial dtude
de cohorte utilis pour identifier des facteurs qui peuvent influencer
le pronostic aprs un diagnostic ou un traitement. Ce sont des tudes
de suivi caractrises par le fait que :
La cohorte est compose de cas diagnostiqus une date
prcise, ou traits une date prcise par une intervention
mdicale ou chirurgicale, un programme de rducation, ou de
radaptation psychologique ou professionnelle.
39
Par dfinition, ces cas ne sont pas exempts de la maladie
concerne, comme dans ltude de cohorte classique (mais ils
sont exempts du rsultat concern).
Le rsultat concern est en gnral la survie, la gurison,
lincapacit, la radaptation professionnelle, ou la rechute.
2.5.5 Enqute analytique transversale
Dans une enqute analytique transversale, le chercheur mesure
lexposition et la maladie simultanment sur un chantillon reprsentatif
de la population. En prenant un chantillon reprsentatif, il est possible
dextrapoler les rsultats obtenus pour lchantillon la population
dans son ensemble. Les tudes transversales mesurent lassociation
entre la variable exposition et la maladie prsente (prvalence), alors
que les tudes de cohorte mesurent le taux de progression de la
maladie (incidence). Les maladies rares, les tats pathologiques de
courte dure, les maladies ltalit leve, peuvent chapper limage
instantane saisie par lenqute transversale. Ces enqutes
transversales sont mieux adaptes la mesure de la relation entre
des caractristiques semi-permanentes des individus et des maladies
chroniques ou tats pathologiques stables.
FIGURE 2.4 PLAN DTUDE DUNE TUDE TRANSVERSALE
Exposition et maladie
Exposition et
exempt de maladie
Population de chantillon
rfrence
Pas dexposition
avec maladie
Pas dexposition
exempt de maladie
40
Plan dtude
La figure 2.4 reprsente le plan dune enqute transversale. A
partir dune population de rfrence on prend un chantillon randomis.
On recueille en mme temps les donnes relatives au facteur ou la
caractristique de risque et ltat pathologique.
Avantages de lenqute transversale
Parmi les avantages des enqutes transversales on peut citer :
Le grand avantage des enqutes transversales
compares aux tudes cas-tmoins est le fait quelles
disposent au dpart dune population de rfrence do
elles prlvent les cas et les tmoins.
Elles peuvent tre de courte dure, donc moins coteuses
que des tudes prospectives.
Elles constituent la premire tape dune tude de
cohorte prospective pour dpister et liminer les cas
prsentant dj ltat pathologique.
Elles fournissent une grande quantit de donnes trs
utiles pour la recherche sur les systmes de sant.
Elles permettent de formuler un nonc du risque mais
qui manque de prcision.
Les inconvnients de lenqute transversale sont les suivants :
Elles ne permettent pas une estimation directe du risque.
Elles sont sujettes au biais li la survie slective.
Etant donn que lexposition et la maladie sont mesures
au mme moment au cours du temps, il nest pas possible
de dterminer la squence temporelle (cest--dire si
lexposition ou la prsence dune caractristique prcde
lapparition de la maladie ou de ltat pathologique).
2.5.6 Etudes cologiques
Dans les tudes cologiques, le sujet de lobservation est un
agrgat, un secteur administratif, un lot urbain, une ville, un pays, etc.
Ces tudes peuvent tre :
descriptives
41
cas-tmoins
transversales
de cohortes
exprimentales.
Des formes particulires dtudes cologiques sont traites ci-
aprs.
Analyse de lagrgat des chiffres nationaux
Ces tudes consistent faire lanalyse de lagrgat des chiffres
sur la corrlation entre un facteur tudi et une maladie (ou la mortalit
due une cause spcifique) dans le lieu gographique concern. Elles
ne donnent pas dinformation sur la situation dexposition des individus
qui souffrent ou sont dcds de la cause spcifique. Cest le niveau
dexposition pour lunit gographique ou le pays qui sert de mesure
de remplacement pour tous les individus de lunit gographique ou
du pays. Parmi les exemples on peut citer :
la corrlation cologique de la consommation de cigarettes par
habitant et le nombre de dcs imputables au cancer du poumon
la corrlation cologique de la duret de leau et le nombre de
dcs par maladies cardio-vasculaires
cartographie de la frquence du cancer dans un pays et son
interprtation par les responsables nationaux de la recherche
sur le cancer
Corrlation cologique du taux de natalit et de lactivit salarie
des femmes.
Etudes cologiques par squences chronologiques
Une varit dtude cologique ajoute un aspect chronologique
en examinant, toujours sous forme dagrgat, si lintroduction dun
nouveau facteur dans une zone gographique a t associe une
augmentation de la morbidit ou de la mortalit, ou si une intervention
sanitaire dans une zone gographique a diminu la morbidit ou la
mortalit. Un bon exemple est ltude des certificats de dcs des
femmes amricaines en ge de procrer entre 1961 et 1966 (Markush
et Siegel, 1969) pour rechercher si une augmentation de la mortalit
fminine par thrombo-embolie a suivi lintroduction des contraceptifs
oraux en 1960-61.
42
Inconvnients et biais des tudes cologiques
Lintrt de ces tudes est de permettre de formuler des
hypothses et de servir de mthode dtude prliminaire et rapide
dassociations. Elles ne peuvent pas servir de base pour tablir une
infrence de causalit. Leur plus grand dfaut est le danger dun
faux raisonnement cologique, lorsque les caractristiques de lunit
gographique sont attribus tort aux individus. Dautres sources de
confusion existent, car de nombreux facteurs de risque ont tendance
se regrouper dans certaines zones gographiques. A titre dexemple,
la pollution de lair, lindustrie lourde, le vieillissement de la population,
et le surpeuplement sont tous associs aux grandes villes. La prsence
de lindustrie lourde peut avoir peu ou pas de lien avec le dcs dun
citadin par maladie cardiaque.
2.6 Comparaison des trois principales stratgies analytiques
Les attributs essentiels des trois principales stratgies, ltude
cas-tmoins, ltude de cohorte et lenqute transversale, sont rsums
dans le Tableau 2.2. On notera quune exprience (un essai clinique,
par exemple) prsente les mmes caractristiques quune tude de
cohorte prospective, sous rserve que la variable exposition (en gnral
une intervention) est attribue volontairement au groupe exprimental
(groupe expos).
2.7 Choix de la stratgie
Le Tableau 2.3 numre les lments de base qui dterminent
le choix de lune des stratgies de recherche.
43
TABLEAU 2.2 COMPARAISON DES TROIS STRATGIES ANALYTIQUES
Attribut Type de stratgie analytique
Cohort e Cas-t moi ns Transversal e
Classification de la Population exempte Cas avec la maladie Population sans
population de la maladie, avec avec ou sans la identification de
ou sans la caractristique ; la maladie ou de
caractristique et tmoins la caractristique
chantillon reprsentatif Sans la maladie Indtrmin : la Survivants un
population source des moment donn ou
cas est inconnue pendant une priode
donne
Squence temporelle Prospective ou Rtrospective Contemporaine ou
historique historique
Fonction Compare les taux Compare la prvalence Relve en mme
dincidence chez les de lexposition chez temps lassociation
exposs et les non les cas et chez les entre lexposition et
exposs tmoins la maladie
Rsultat Incidence de la Prvalence de lexpo- Prvalence de la
la maladie chez les sition chez les cas et maladie chez les
exposs et les non chez les tmoins exposs et les non
exposs exposs
Mesure de risque Risque relatif Rapport de chances Taux de prvalence
Risque attribuable (Odds Ratio) OR (estimation approxi-
mative du risque
relatif par OR)
Degr de preuve de lev Exige une analyse titre indicatif
causalit plus approfondie
Biais Facile traiter Plus compliqu et Parfois trs difficile
souvent trs difficile traiter
traiter
44
2.8 Rfrences et pour en savoir plus
Doll, R. and Hill, A. B. A study of the aetiology of carcinoma of the lung. Brit Med J 1952;2.
Gibson R. W. [et.al.]. Leukemia in children exposed to multiple risk factors. N England J of Med 1968;
279: 906-909.
Kleinbaum, D. G., Kupper, L. L. and Morgenstern, H. Epidemiologic research: principles and quantitative
methods. London: Lifetime Learning Publications, 1982.
Markush, R. and Siegel, D. Oral contraceptives and mortality trends from thromboembolism in the United
States.
Amer J Public Health, 1969; 59: 418-434.
Schlesselman, J . J . Case-control studies. New York: Oxford University Press, 1982.
TABLEAU 2.3 CHOIX DUNE STRATGIE
Critre Cohorte Cas-tmoins Transversale
Pathologie rare Peu pratique Biais Ne convient pas
Pour dterminer un Meilleur choix Ne donne quune Ne donne que la
risque prcis estimation prvalence relative,
pas lincidence
Pour vrifier que Meilleur choix Ne convient pas Ne convient pas
lexposition prcde
la pathologie
Pour des buts Ne convient pas Ne convient pas Meilleur choix
administratifs
Si lattrition pose Ne convient pas Attrition minimale Attrition possible
problme en rgle gnrale avant ltude
Si la survie slective Meilleur choix Ne convient pas Ne convient pas
pose problme
Si tous les facteurs ne Meilleur choix Ne convient pas Moins adapt
sont pas connus
Dure et cot Le plus coteux Le moins coteux Intermdiaire
45
Chapitre 3
tudes pidmiologiques descriptives
3.1 Introduction
Comme on la vu dans le Chapitre 2, on conduit habituellement
une tude pidmiologique descriptive comme pralable ltude
analytique qui teste des hypothses. Dans les tudes descriptives, on
tudie la morbidit ou la mortalit dans la population, et leur occurrence
et leur rpartition au sein des groupes de population en fonction (1) des
caractristiques des individus, (2) des caractristiques de lieu et (3) des
caractristiques de temps.
On recense le nombre des vnements (mortalit ou morbidit)
et on identifie la population risque. Le calcul des pourcentages, des
taux et des proportions sont des mesures de la probabilit de ces
vnements. Il faut prendre soin dutiliser les mesures appropries et
les bons dnominateurs pour dterminer ces mesures de probabilit.
On procde ensuite la comparaison des mesures de probabilit pour
diffrents sous-groupes de la population pour identifier les variables
(temps, lieu et personne) qui pourraient expliquer la variabilit de la
mortalit et la morbidit au sein des groupes de population et entre
ces groupes. Dans ce chapitre, on traite des problmes majeurs
rencontrs dans la ralisation dune tude descriptive.
3.2 Les diffrents types dtudes descriptives
Sries de cas
Ce type dtude est bas sur les constatations relatives une
srie de cas dune pathologie donne ou une srie de cas traits,
sans dsignation spcifique dun groupe tmoin. Le nombre de cas
46
Chapitre 3 : tudes pidmiologiques descriptives
de la maladie constitue le numrateur dans ltude, donc celle-ci ne
doit pas servir pour faire une valuation de risques.
Quelquefois la rpartition des cas en fonction de diffrences
importantes des variables de temps, de lieu et dindividu, fournit dj
une indication quant aux causes potentielles, ce qui peut conduire
des tudes descriptives plus dtailles permettant de formuler des
hypothses. On procdera alors une tude analytique formelle pour
tester ces hypothses. titre dexemple, la premire tude sur le
SIDA concernait une srie de cas San Francisco ; la distribution
des cas tait limite presque exclusivement aux hommes homosexuels,
ce qui conduisit suspecter une relation causale avec les
comportements sexuels. Quand on signale une srie de cas de cholra
dans une rgion particulire dun pays, une premire classification de
la srie de cas fournit souvent une indication sur lorigine potentielle
de lpidmie que des tudes analytiques ultrieures permettront de
confirmer ou dinfirmer.
Diagnostic ou valuation des besoins de sant publique
Ce type dtude ncessite la collecte de donnes sur la situation
actuelle concernant les problmes sanitaires, programmes de sant,
progrs raliss, contraintes, couches sociales, forces vives, noyaux
de rsistance ou de forte prvalence ou groupes particulirement
exposs. Son but est didentifier les besoins et de fournir les donnes
de base qui orienteront les tudes complmentaires ou les actions
mener.
Une description des problmes communs un sous-groupe
particulier de la population (par exemple les SDF) et des moyens
disponibles pour venir en aide cette population peut dboucher sur
une action collective pour sensibiliser le public et pour mobiliser les
ressources de la collectivit pour rsoudre ces problmes.
Description pidmiologique de loccurrence dune maladie
On adopte souvent lapproche descriptive cette fin. Il faut
recueillir des donnes sur le nombre de cas et sur la rpartition de la
maladie dans des populations en fonction de certaines caractristiques
spcifiques des individus (par exemple, ge, sexe, niveau dinstruction,
consommation de tabac, religion, profession, catgorie sociale, tat
civil, sant, personnalit) ; en fonction du lieu (rural ou urbain, local,
rgional, national, international) ; et en fonction du facteur temporel
(pidmique, saisonnier, cyclique, sculaire). Une description peut
porter aussi sur des caractristiques familiales : rang de naissance,
47
nombre denfants, taille de la famille, ge maternel, espacement des
naissances, ou type de famille.
Cest en fait lemploi le plus frquent de ltude pidmiologique
descriptive. Les mesures de loccurrence de la maladie, par exemple
lincidence et la prvalence, ou la mortalit, sont gnralement
signales en provenance de plusieurs circonscriptions administratives.
Un examen approfondi de ces statistiques descriptives permet de
formuler des hypothses qui seront ensuite testes laide dtudes
analytiques. Le choix des indicateurs est important pour la
dtermination des risques, et sera trait plus loin dans ce chapitre.
Enqutes transversales descriptives ou enqutes de population
Comme son nom lindique, une enqute transversale ncessite
la collecte de donnes sur une coupe transversale dune population,
qui peut tre la population totale ou une partie (chantillon) de cette
population. Beaucoup dtudes transversales ne cherchent pas tester
une hypothse concernant une association, et appartiennent donc la
catgorie des tudes descriptives. Elles fournissent un taux de
prvalence un moment donn dans le temps (prvalence ponctuelle)
ou sur une priode de temps (prvalence priodique). La population
risque, objet de ltude, sert de dnominateur pour le calcul des taux
de prvalence.
Dans ce type dtude descriptive on retrouve les enqutes
dvaluation de la rpartition dune maladie, dune incapacit, dun
tat pathologique, du niveau de vaccination, de ltat nutritionnel, de
ltat physique, de lintelligence et ainsi de suite. On peut suivre le
mme plan dtude dans la recherche sur les systmes de sant pour
dcrire la prvalence par certaines caractristiques - la tendance
dutilisation des services de sant et de lobservance - ou dans des
sondages dopinion. Une pratique gnralise dans les services de
planification familiale entre autres est lenqute KAP (enqute sur
les connaissances, les attitudes et la pratique).
tudes descriptives cologiques
Lorsque lunit dobservation est un agrgat (par exemple, une
famille, un clan ou une cole) ou une unit cologique (un village, une
ville ou un pays) ltude devient une tude descriptive cologique.
Comme nous lavons dj soulign, en rgle gnrale le test
dhypothse nest pas un objectif de ltude descriptive. Cependant,
dans certaines des tudes cites plus haut (enqutes transversales,
48
tudes cologiques) un test dhypothse peut trouver sa place. Dautre
part, la description des donnes fait partie intgrante de ltude
analytique.
3.3 Mesures de lincidence et de la prvalence
Ces mesures de la rpartition de loccurrence de la maladie
sont certainement les indicateurs les plus utiliss pour caractriser la
morbidit de la population. Lincidence mesure lapparition des
nouveaux cas dune maladie, et la prvalence mesure tous les cas de
la maladie prsents au temps dfini dans ltude.
3.3.1 Lincidence partir des tudes longitudinales
Lincidence est une mesure de la frquence dapparition de
nouveaux cas de la maladie, et du taux de dveloppement de la maladie
chez les personnes exemptes de la maladie, pendant une priode
dobservation dtermine. En rgle gnrale, lobservation porte sur
une priode dune anne. Les principaux aspects de cette mesure
sont les suivants :
la ncessit de dfinir la population concerne ; on lappelle
souvent la cohorte initiale ;
toutes les personnes de la cohorte initiale doivent tre exemptes
de la maladie ;
une priode dobservation doit tre spcifie ;
toutes les personnes doivent tre suivies pendant la priode
dobservation spcifie ;
si lon constate un suivi incomplet (certaines personnes suivies
pendant une dure infrieure la priode spcifie), on doit
ajuster les valuations des taux dincidence de manire
approprie (cest--dire, on doit utiliser la densit dincidence
plutt que lincidence cumule).
On utilise habituellement deux mesures de lincidence dans les
tudes descriptives : lincidence cumule et la densit dincidence.
Quand tous les individus dune population donne ont t suivis pendant
la priode spcifie, le nombre de nouveaux cas divis par la population
totale donne lincidence cumule. Il sagit dune proportion qui est
une mesure du risque de contracter la maladie dans cette population
au cours de la priode donne.
49
Si les priodes de suivi diffrent en fonction des diffrentes
personnes, le dnominateur du calcul ci-dessus est remplac par le
terme personne-temps (par exemple, si 100 personnes sont suivies
pendant 6 mois, et 100 personnes sont suivies pendant un an,
lobservation totale porte sur 1 800 personnes-mois ou 150 personnes-
anne). Lindicateur qui en rsulte sappelle la densit dincidence
1
,
et donne une estimation de la probabilit instantane de contracter
la maladie dans cette population.
La classification par taux dincidence des diffrentes catgories
de personnes, des lieux et des temps, est un moyen utile pour identifier
les causes potentielles de la variation de lincidence (les facteurs de
risque), qui serviront ventuellement pour vrifier ou consolider les
rsultats dans des tudes ultrieures.
3.3.2 Lutilisation des taux dincidence pour la surveillance
Traditionnellement, les organismes de sant utilisent les taux
dincidence pour des besoins de la surveillance. On calcule les taux
annuels dincidence et on dresse des courbes des variations qui
permettent danalyser les tendances et didentifier les zones problme
ventuelles. Par exemple, si le taux annuel dincidence de la tuberculose
est stable depuis longtemps, et quune certaine anne on note une
hausse brutale, on peut entreprendre des tudes pour rechercher les
causes de ce changement et mettre en oeuvre des actions prventives.
Pour certains vnements rcurrents, comme le rhume banal,
les allergies ou lasthme, on utilise pour le numrateur le nombre des
pisodes plutt que le nombre des cas. Parfois, le terme de taux
de crises est utilis pour ce taux dincidence. (Voir J. Last. Dictionary
of Epidemiology pour les diffrents emplois de ces termes).
Les variations dincidence peuvent tre dues aux facteurs
suivants :
- lintroduction dun nouveau facteur de risque (par exemple les
contraceptifs oraux et laugmentation des thrombo-embolies,
les additifs alimentaires et le cancer) ;
- le changement dhabitudes (par exemple lextension du
tabagisme et le cancer du poumon, leau fluore et la diminution
des caries dentaires) ;
1
Ou taux dincidence ou incidence instantane.
50
- la modification de la virulence des organismes responsables
(par exemple, les bactries pharmacorsistantes et les dcs
dus aux infections, la rsistance aux mdicaments dans la
prophylaxie du paludisme et la recrudescence du paludisme) ;
- lvolution dans lefficacit des traitements ou des programmes
dintervention (par exemple la vaccination contre la rougeole a
fait baisser lincidence de la rougeole, le relchement des
campagnes contre les maladies vnriennes voit augmenter
lincidence des maladies vnriennes) ;
- la migration slective de personnes prdisposes dans une
rgion dendmie.
3.4 La prvalence
La prvalence est une mesure de la situation dune maladie
dans une population un moment prcis dans le temps ou pendant
une priode dtermine. Cest la proportion de personnes atteintes
par la maladie ce moment ou cette priode spcifique. La prvalence
est une mesure trs utile pour des besoins administratifs, en particulier
pour dterminer la charge de travail dun programme sanitaire. Elle
est aussi utile pour le diagnostic de sant publique, cest--dire pour
identifier les populations qui ont besoin de programmes particuliers ou
dune action spcifique pour empcher la gnralisation de la maladie.
Habituellement, les taux de prvalence sont obtenus par des
tudes transversales telles que des enqutes de sant lchelle
nationale. Occasionnellement, ils sont bass sur les registres de
dclaration des maladies (au niveau national ou spcifiques une
population). La prvalence dpend de lincidence antrieure (I) et de
la dure de la maladie (D). Quand la fois lincidence et la dure
sont relativement stables, la prvalence est gale : P =I x D.
La prvalence peut varier au cours du temps en fonction :
- de la variation de lincidence ;
- des modifications de la dure et de la chronicit de la maladie
(par exemple il est possible que certaines maladies durent moins
longtemps ou deviennent plus aigus en raison dun pourcentage
lev de gurison ou dun pourcentage lev de cas mortels) ;
- des programmes dintervention ;
- de lattrition slective (par exemple une migration slective des
cas, ou des personnes prdisposes ou immunises) ;
- des changements de classification (ceci est particulirement
51
important si on utilise des statistiques nationales recueillies de
faon systmatique pour contrler les tendances de la
prvalence ; on modifie souvent le codage des donnes selon
les diffrentes catgories de maladies, ce qui peut entraner
des variations de la prvalence dues des erreurs de
classification).
3.5 Exemples
Les exemples suivants illustrent les diffrences entre lincidence
et la prvalence, et le calcul des taux dincidence et de prvalence
dans des situations simples :
Exemple 1
Population, 1
er
janvier : 100
1. X X
2. X X
3. X X
4. X X
5. X X
6. X X (dcds)
7. X X
8. X X
9. X X
10. X X (dcds)
11. X X (migrs)
12. X X
13. X X
1
er
janvier 1
er
juillet 31 dcembre
Prvalence ponctuelle, le 1
er
jan =tous les cas par rapport la population totale =4 %
er
juillet =tous les cas le 1
er
juillet par rapport la population
le 1er juillet =5 / (100 - 2) =5,1 %
er
dc =tous les cas le 31 dcembre par rapport la population
le 31 dcembre =4 / (100 - 4) =4,2 %
Prvalence priodique pour lanne =tous les cas de lanne rapports la population du
milieu de lanne =(4 +11) / (100 - 2) =15,3 %
Incidence cumule =nouveaux cas au cours de lanne / personnes
exemptes de la maladie la date du 1
er
janvier
=11 / (100 - 4) =11,5 %
52
Exemple 2
Une population de 1000 femmes ges de 40 ans ou plus a subi un test de dpistage du
diabte le 1
er
janvier 1998, et 40 cas ont t dtects. Au cours du deuxime semestre de
lanne, cinq malades sont dcdes, cinq ont quitt la rgion et cinq ont guri. Au cours de
cette mme priode, vingt nouveaux cas ont t dcels. On veut mesurer la morbidit
imputable au diabte dans ce groupe pendant lanne 1998. Lorganigramme prsent dans la
figure 3.1 illustre le droulement chronologique des vnements.
FIGURE 3.1 RSULTATS DU DPISTAGE DE DIABTE SUR LE TAUX DINCIDENCE
5 dcs
5 migrations
1
5 gurisons
40 cas
25 cas
2,3
1000 femmes
20 cas
2,3
960 exemptes
de maladie
940 exemptes
de maladie
Dpistage le 1
er
janvier 1998 le 31 dcembre 1998
1
Attrition
2
Cas de prvalence le 31 dcembre 1998
3
Cas dincidence au cours de lanne 1998
Prvalence ponctuelle le 1
er
janvier 1998 =40 pour 1000
Prvalence ponctuelle le 31 dcembre 1998 =(25 +20) / 990 =45,4 pour 1000
Prvalence priodique pour lanne 1998 =(40 +20) / 1000 =60 pour 1000,
en supposant que lattrition se produit uniquement pendant le deuxime semestre.
Incidence cumule pour 1998 =20 / 960 =20,8 pour 1000
53
Exemple 3
Divergence des tendances de lincidence et de la prvalence
Supposons que les rsultats du tableau 3.1 et de la figure 3.3 sappliquent une maladie
infantile au cours de la priode 1983 1992.
TABLEAU 3.1 INCIDENCE ET PRVALENCE DE LA MALADIE INFANTILE X
Anne Incidence / 100 000 Prvalence / 100 000
1983 24,5 42,8
1984 24,9 41,2
1985 23,8 40,9
1986 24,6 40,1
1987 24,1 38,4
1988 24,7 37,9
1989 24,2 35,3
1990 23,9 33,2
1991 25,1 29,8
1992 24,5 27,2
FIGURE 3.3 INCIDENCE ET PRVALENCE DE LA MALADIE INFANTILE X DE 1983 1992
0
5
10
15
20
25
30
35
40
45
1
9
8
3
1
9
8
5
1
9
8
7
1
9
8
9
1
9
9
1
Year
r
a
t
e

p
e
r

1
0
0
,
0
0
0
Incidence
P oint P revalence
t
a
u
x

p
a
r

1
0
0

0
0
0
Anne
Incidence
Prvalence ponctuelle
54
Interprtation
1. La gurison de la maladie sacclre : par exemple, un nouveau mdicament a t
dcouvert et est utilis plus frquemment.
2. La situation contraire se produit : le nombre de cas mortels de la maladie augmente (le
taux de ltalit des cas augmente) ; par exemple, une virulence accrue de la maladie, une
augmentation des checs thrapeutiques, ou une diminution de la mise en oeuvre dun
traitement efficace.
3. Il y a une augmentation des migrations slectives des cas (peut-tre pour chercher un
traitement ailleurs).
Exemple 4
La graphique de la Figure 3.4 reprsente une maladie dont lincidence est stable au cours du
temps alors que la prvalence augmente :
FIGURE 3.4 MALADIE POUR LAQUELLE LINCIDENCE EST STABLE ET
LA PRVALENCE EN AUGMENTATION
rat
e
pe
r
10
0,0
00
t
a
u
x

p
a
r

1
0
0

0
0
0
Anne
Incidence
Prvalence
ponctuelle
Interprtation
1. La gurison est plus lente (la maladie devient de plus en plus chronique). Par
exemple, les mdicaments sont de moins en moins efficaces, ou on les utilise
de moins en moins, ou la pharmacorsistance augmente.
2. La ltalit de la maladie diminue, grce, par exemple, une application plus
systmatique du traitement conventionnel, la dcouverte dun nouveau
mdicament puissant qui agit contre la progression de la maladie mais nassure ni la
prvention ni la gurison, ou la virulence de lagent pathogne
diminue.
3. Il y a une immigration slective de cas de lextrieur.
55
Exemple 5
La Figure 3.5 reprsente un cas o lincidence augmente au cours du temps alors que la
prvalence diminue.
FIGURE 3.5 MALADIE POUR LAQUELLE LINCIDENCE AUGMENTE ET
LA PRVALENCE DIMINUE
Interprtation
1. La dure de la maladie diminue de faon significative : ainsi, alors quelle apparat plus
frquemment, elle devient plus aigu.
2. La ltalit de la maladie augmente.
3.6 Comparaison des taux
On doit noter que dans les exemples ci-dessus, on a compar
des taux bruts dune anne lautre. Ceci peut induire en erreur, en
particulier si la composition de la population a volu au cours des
annes. En pidmiologie, quand on compare des taux entre diffrents
lieux ou diffrentes priodes dans le temps, il est important de prendre
en considration tous les changements concomitants des variables
associes, principalement lge, le sexe et la race. On procde
gnralement la standardisation des taux ou on utilise des modles
mathmatiques multivaris ; ceci sera abord plus loin.
0
5
1 0
1 5
2 0
2 5
3 0
3 5
4 0
4 5
1
9
8
3
1
9
8
5
1
9
8
7
1
9
8
9
1
9
9
1
Y e a r
r
a
t
e

p
e
r

1
0
0
,
0
0
0
Inc i de nc e
P o i nt
pre va l e nc e
t
a
u
x

p
a
r

1
0
0

0
0
0
Anne
Incidence
Prvalence
ponctuelle
56
Prenons lge en considration titre dexemple. La pyramide
des ges peut influencer lincidence, la prvalence et la mortalit.
Par consquent, quand on compare des populations un moment
prcis dans le temps, ou la mme population diffrents moments
dans le temps, et plus particulirement si la pyramide des ges volue,
il faut prendre certaines dispositions pour affiner les mesures de
morbidit et de mortalit. Ces dispositions comprennent :
- restriction de la comparaison des cas une tranche dge (par
exemple la comparaison de la fcondit des femmes ges de
20 24 ans, ou la pression artrielle chez les hommes gs de
50 59 ans) ;
- utilisation de taux spcifis par ge ;
- ajustement des taux en fonction de lge, en utilisant une
mthode directe ou indirecte dajustement (standardisation) ;
- appariement selon lge au stade de la conception de ltude,
ce qui vite la prise en compte des effets de lge sur les
rsultats ; et
- lutilisation dune analyse par stratification, ou un autre type
danalyse multivarie, dans laquelle lge est lune des variables
indpendantes prise en considration.
C.H.Hennekens, J . Buring. Epidemiology in Medicine. Little Brown and Company, Boston (1987)
R.Beaglehole, R.Bonita, T. Kjellstrom. Basic Epidemiology. WHO,Geneva (1993)
R.S.Greenberg, S.R.Daniels, W.D.Flanders, J .W. Eley, J .R.Boring. Medical Epidemiology
(2
nd
Edition). Appleton and Lange, Norwalk (1996)
57
Chapitre 4
tudes exprimentales et
quasi-exprimentales
4.1 Introduction
Comme nous lavons vu au Chapitre 2, le meilleur plan dtude
pidmiologique pour prouver une relation de causalit est ltude
exprimentale. On peut considrer lexprimentation comme la
dmarche ultime ou dcisive du processus de recherche, en tant que
mcanisme pour confirmer ou rejeter la validit des ides, des
suppositions, des postulats et des hypothses concernant le
comportement des sujets, ou concernant les effets sur ces sujets de
certaines interventions ralises dans des conditions bien dfinies.
Lexprimentateur (ou le chercheur) matrise les sujets, lintervention,
les mesures des rsultats, et impose les conditions dans lesquelles
lexprience se droule. Plus particulirement, lexprimentateur
dfinit le sujet qui sera expos lintervention et celui qui ne sera pas
expos. Il procde cette slection de faon rduire au minimum
tout effet de biais lors de la comparaison des mesures de rsultats
entre le groupe expos et le groupe non expos.
Dans une tude exprimentale, comme dans les autres plans
de recherche, il est rare que le chercheur soit en mesure dtudier
tous les lments dune population. Il doit extraire un chantillon de la
population cible aux fins dexprience, chantillon qui doit prserver
lintgrit de la reprsentativit pour permettre la gnralisation la
population totale. Pour ce faire, on a recours gnralement un tirage
au sort des units tudier, bas sur un processus de probabilit. Ce
processus ne peut pas garantir la reprsentativit pour les chantillons
de petite taille, mais avec de grandes sries on devrait disposer
58
Chapitre 4 : tudes exprimentales et quasi-exprimentales
dchantillons sans biais qui sont reprsentatifs des populations
tudier.
Dans le domaine de la sant, la recherche fait souvent appel
lexprience comparative o il sagit de comparer un ou plusieurs
groupes ayant subi des interventions spcifiques avec un groupe qui
na pas t expos ces interventions (groupe placebo dans les essais
cliniques) ou qui reoit le meilleur traitement conventionnel. On tudie
leffet des interventions novatrices sur une ou plusieurs variables de
rsultat en appliquant des procdures statistiques pour comparer les
groupes et pour valuer la signification des carts constats lors du
test statistique de lhypothse nulle
1
. Ce chapitre traitera de deux
types dexpriences comparatives, lessai clinique randomis (ECR)
et lessai dintervention de sant publique (EISP).
4.2 But de lexprience
Le plan dexprience permet dassurer que nous disposons de
donnes valides pour les besoins du test dhypothse dans les
conditions les plus conomiques possibles, autrement dit, que nous
disposons dun maximum de puissance statistique pour un minimum
de cot et deffort. Une enqute auprs de la population nous
renseigne sur les caractristiques observes et la relation entre ces
caractristiques dans la population. Cette relation reste cependant
purement descriptive et na pas de signification causale : nous ne
savons pas si la variable Y prendra telle valeur si nous modifions la
variable X. Grce lexprience nous pouvons vrifier sil sagit dune
relation causale.
Lexprience comparative est caractrise essentiellement par
le fait que :
- la seule diffrence entre les deux groupes est celle de
lintervention ;
- le nombre dunits dans chacun des groupes comparatifs est
suffisamment important ;
- des mthodes probabilistes appropries permettent didentifier
la relation entre lintervention et le rsultat.
1
Lhypothse nulle postule quil nexiste pas de diffrence entre les populations, ou, plus exactement, que les carts
observs peuvent tre imputs la distribution dchantillonnage, cest--dire sont dus au hasard.
59
La russite de lexprience dpend du soin apport au choix de
la variable de rsultat, la slection de lchantillon, au processus
daffectation dans les groupes, et lanalyse statistique. Dans la
pratique, on scarte ncessairement des conditions idales de
lexprimentation, mais par un choix tudi du plan dexprience il
est souvent possible de faire un ajustement statistique pour tenir compte
des diffrences des caractristiques de base ou dautres anomalies
dans le processus dchantillonnage lorsquon fait les tests
dhypothses.
Tout en reconnaissant limportance de lexprimentation pour
tablir une relation causale, il faut garder lesprit quil est souvent
impossible, pour des raisons pratiques et thiques, dexposer des tres
humains des facteurs de risque dans des tudes tiologiques. Par
consquent, lexprimentation est gnralement rserve aux essais
cliniques de nouveaux mdicaments ou thrapeutiques potentiellement
plus bnfiques, donc justifis sur le plan thique. Dans le mme ordre
dide, les interventions en sant publique, comme la fluoration du
rseau de distribution deau potable, ou lintroduction de programmes
pdagogiques sur la nutrition pour les mres de famille, sont des
expriences acceptables.
Nous allons voir maintenant certains principes de base dune
exprimentation et traiterons ensuite les cas spcifiques de lessai
clinique randomis (ECR) et de lessai dintervention en sant publique
(EISP).
4.3 Le plan dexprience
Le choix dun bon plan dexprience doit tenir compte de
plusieurs facteurs. La figure 4.1 est un organigramme dun plan
dexprience de base.
60
FIGURE 4.1 ORGANIGRAMME DUNE EXPRIENCE
Population de rfrence (Cible)
chantillonnage au hasard /
Consentement
Population exprimentale
(population tudie)
Critres dinclusion/
dexclusion
participants ltude exclus de ltude
Affectation alatoire
Groupe dIntervention Groupe tmoin
Rsultat Rsultat
Comparer
La population de rfrence (ou population cible) est la population
laquelle sappliquent les gnralisations des rsultats de lexprience.
Dans un essai clinique de lAZT pour les malades du SIDA, tous les
patients potentiels ayant un diagnostic du SIDA feraient partie de ce
groupe. Dans un essai dintervention en sant publique concernant
leffet sur la sant infantile dun programme pdagogique sur la
nutrition destin aux mres de famille, toutes les familles ayant des
enfants constitueront la population de rfrence. La premire tape
dans tout plan dexprience est didentifier la population de rfrence
concerne.
Une fois la population de rfrence identifie, il faut dterminer
si ltude peut inclure la population totale ou si seul un chantillon est
disponible. Sil sagit dun chantillon, la meilleure faon de procder
pour la population tudier est den extraire un simple chantillon au
hasard (surtout si ltude concerne un nombre relativement important)
afin dviter tout biais dans la slection des sujets de ltude. Dans la
ralit, cependant, le groupe tudier est choisi en fonction des
ncessits pratiques. Pour un essai clinique, on limite souvent ltude
61
un petit nombre dtablissements et aux patients qui sy rendent en
consultation, soit volontairement soit dans le cadre dun systme
dorientation par mdecin rfrent. Il est vident que le bien-fond de
lexprience et de la gnralisation des rsultats la population cible
dpendra de la reprsentativit de cet chantillon. Par exemple, si un
essai clinique portant sur des malades cardiaques se limite un centre
de cardiologie spcialis, on ne pourra pas extrapoler les rsultats
tous les malades cardiaques. Ce biais de slection pose souvent un
problme important lors du choix de la population tudier.
Dans la plupart des expriences on est amen, pour de
nombreuses raisons, limiter ltude un sous-groupe de la population
tudier. La classification des sous-groupes est (et doit tre) tablie
avant le dbut de ltude en fonction de critres dinclusion et
dexclusion. Les critres dinclusion identifient le groupe cible de faon
sure et cohrente. Par exemple, si les expriences portent sur des
malades qui souffrent dinfarctus du myocarde, il faut donner une
dfinition de linfarctus du myocarde qui est acceptable par les
destinataires des informations issues de ltude (gnralement dautres
mdecins ou professionnels de la sant, des dcideurs politiques etc.).
Cette dfinition doit donc permettre lidentification de cette affection
dans des milieux trs diffrents. Ces dfinitions doivent tre prcises
et reproductibles. Au contraire, les critres dexclusion numrent
les caractristiques des sujets qui les rendent inligibles pour inclusion
dans ltude. Le but des critres dexclusion est de minimiser les
risques potentiels (en rgle gnrale on naccepte pas les personnes
ges et les femmes enceintes pour des essais cliniques) et de choisir
un groupe de sujets aussi homogne que possible pour rduire la taille
de lchantillon requis. Naturellement, cette faon de procder biaise
le groupe soumis lexprience par rapport au groupe cible ou la
population tudier. Ltendue des critres dexclusion peut entacher
la validit de ltude
Aprs avoir dfini le groupe de sujets potentiels, il est obligatoire
dobtenir un consentement clair de la part de chacun des
participants avant de les soumettre aux expriences. Il est contraire
lthique de conduire une exprimentation sur des tres humains sans
leur consentement (soit le consentement de la personne concerne,
soit, dans le cas dune incapacit physique ou lgale, le consentement
de son reprsentant lgal). Il existe de nombreuses conventions
internationales (entre autres la dclaration de Helsinki) relatives
lexprimentation humaine quil faut consulter. Dans certains pays il
faut respecter des consignes spcifiques et utiliser des formulaires de
consentement imposs, pour obtenir un consentement rglementaire.
62
Il faut supprimer de la liste des participants potentiels, les sujets qui
ne souhaitent pas ou ne peuvent pas donner leur consentement.
lissue des procdures dexclusion, il reste les participants
de ltude qui forment le groupe qui sera lobjet de lexprimentation.
Les sujets de ce groupe sont alors affects alatoirement aux diffrents
facteurs dintervention et au groupe tmoin. Laffectation alatoire
peut tre ralise par simple chantillonnage au hasard ou laide
dune stratification selon les catgories de facteurs de confusion.
Les sujets affects dans les groupes tmoins et exprimentaux
font alors lobjet dun suivi dans des conditions rigoureuses pendant
un dlai dtermin. On relve scrupuleusement les informations
concernant les rsultats des expriences. Les rsultats peuvent tre
un vnement dichotomique - une gurison ; le soulagement de la
douleur ou bien ils peuvent tre la mesure dune variable continue -
une baisse de la pression sanguine ; les dures entre des rcurrences.
On emploie des mthodes statistiques appropries pour comparer les
mesures de rsultats des groupes.
Une affectation alatoire des sujets entre les groupes
exprimentaux et les groupes tmoins napporte pas de garantie que
cette affectation nest pas biaise. Il peut exister des carts significatifs
entre ces groupes pour ce qui concerne une ou plusieurs variables de
confusion. Il faut vrifier labsence de biais dans laffectation par
une comparaison de la distribution de toutes les variables de confusion,
au dbut de ltude, avant le commencement du traitement. Si lon
constate des carts, on effectue un ajustement appropri lors de
lanalyse statistique comparative des mesures de rsultats.
4.4 Lessai clinique randomis (ECR)
La recherche scientifique en matire de sant fait appel le plus
souvent pour son exprimentation lessai clinique contrl,
randomis, en double aveugle, appel plus brivement essai clinique
randomis (ECR). Cest la stratgie de recherche qui apporte la preuve
de lefficacit dun traitement. On peut rsumer les tapes de lECR
par lorganigramme ci-aprs qui fait suite celui illustr dans la
figure 4.1.
63
FIGURE 4.2 ORGANIGRAMME DUN ESSAI CLINIQUE CONTRL,
RANDOMIS EN DOUBLE AVEUGLE
Avant lessai
Donnes de dpart Aprs lessai
Groupe Soumis temps Effet ou
exprimental 1 lintervention impact
Identifier Statut initial
la population
cible Choix dun
concerne chantillon Affectation Comparaison
par de probabilit alatoire
lintervention
Obtenir le
consentement Groupe Non soumis Effet ou
et randomiser exprimental 2 lintervention temps impact
les participants
consentants
Avant essai Aprs essai
Les essais cliniques rpondent des buts divers. Les catgories
(par but) des essais cliniques les plus utilises sont numres ci-
aprs :
a. essais prophylactiques, par exemple, vaccination, contraception ;
b. essais thrapeutiques, par exemple, traitement mdicamenteux,
procdure chirurgicale ;
c. essais de scurit, par exemple, des effets secondaires des
contraceptifs oraux et injectables ;
d. essais de facteurs de risque, par exemple, rechercher la preuve
de ltiologie dune maladie en provoquant celle-ci chez lanimal
par un agent potentiel, ou en supprimant lagent potentiel (par
exemple cesser de fumer).
Le but dun essai prophylactique peut tre de tester lefficacit
clinique : lagent thrapeutique prsente-t-il un avantage dans une
situation idale contrle ? Ou, une fois lefficacit clinique tablie,
on peut tester sa performance effective dans la population gnrale :
lagent thrapeutique sera-t-il efficace dans une situation comportant
>
>
>
>
>
64
des interventions concomitantes, des facteurs de confusion, une
contamination etc.
Les interventions ralises dans un essai clinique comprennent :
a. les mdicaments prophylactiques, thrapeutiques ou palliatifs ;
b. les dispositifs cliniques, tels que les dispositifs intra-uterins ;
c. les procdures chirurgicales, de rducation :
d. le conseil mdical ;
e. le rgime, lexercice physique, dautres changements du mode
de vie ;
f. les services hospitaliers : soins intgrs compars aux soins
non-intgrs ; traitement intensif de courte dure compar au
traitement modr au long cours ;
g. facteurs de risque ;
h. modes de communication : communication de vive voix
compare la documentation ;
i. comparaison des catgories de professionnels de la sant :
mdecins compars aux infirmires ;
j. protocoles de traitement : administration dune dose journalire
compare trois prises par jour.
Chacun de ces scnarios suivra le mme organigramme illustr
dans la figure 4.1 mais les dtails de chaque tape peuvent varier.
Par exemple, les problmes rencontrs pour la randomisation de
laffectation entre deux groupes exprimentaux seront diffrents en
fonction de la nature de lintervention. Nous examinerons en dtail
les diffrentes tapes dun essai thrapeutique et les problmes quelles
soulvent.
Un essai clinique conventionnel concernant une nouvelle
thrapie ou un nouveau dispositif passe par quatre phases
chronologiques :
a. Phase I de lessai clinique
Avant daborder la premire phase chez ltre humain, un travail
de recherche considrable est effectu, comprenant des tudes
pharmacologiques et toxicologiques sur des animaux de laboratoire,
afin dtablir que le nouvel agent est efficace et potentiellement
65
bnfique pour lusage humain, et dvaluer approximativement la
dose administrer chez lhomme. Les essais pendant la Phase I
comprennent des tudes portant sur des volontaires qui reoivent
dabord une fraction de la dose prvue afin de suivre les effets
ventuels du mdicament sur les fonctions hpatique, cardio-
vasculaire, rnale, gastro-intestinale et endocrinienne. Parfois on tudie
galement le mtabolisme du mdicament au cours de cette phase.
Les volontaires auxquels on fait gnralement appel pour ces tudes
sont la plupart du temps hospitaliss et des lits de recherche leur
sont rservs. Ils font lobjet dune surveillance troite. Cette phase,
de courte dure (de lordre dun ou de deux mois), exige des moyens
de haute technologie en biochimie, en pharmacologie et en
endocrinologie, et la disponibilit de diverses spcialisations mdicales.
Il faut galement la mise disposition dinstallations de laboratoire
bien quipes.
b. Phase II de lessai clinique
Cette phase aussi fait appel des volontaires slectionns selon
des critres rigoureux. Les essais de la phase II sont destins valuer
lefficacit clinique du mdicament ou du dispositif, dterminer le
dosage appropri et tudier sa scurit. On recueille des informations
pharmacologiques supplmentaires, notamment sur la relation dose-
effet du mdicament. Sil sagit dun dispositif, on value son efficacit
clinique et on teste sa configuration et les possibilits de lamliorer.
c. Phase III de lessai clinique
La phase III est la phase classique laquelle se rfre
habituellement la notion dessai clinique et dont rendent compte les
articles dans les revues de recherche mdicale. Les sujets de lessai
sont des patients qui doivent donner leur consentement pour faire
partie dun essai clinique. On suit des critres rigoureux dinclusion et
dexclusion pour le choix des participants. Le but de cette phase est
dvaluer la performance effective du mdicament ou du dispositif
(bien que, compte tenu des conditions rigoureuses dans lesquelles se
droule ltude, on puisse dire avec quelque justesse quil sagit encore
dun essai defficacit clinique) et dvaluer la scurit de son utilisation
prolonge dans une population plus grande et plus htrogne que
dans la Phase II. Les tudes et les contrles sont plus labors que
dans des conditions dutilisation normale. Les sujets sont gnralement
des patients hospitaliss, mais il peut sagir de patients ambulatoires
qui bnficient de contrles et dun suivi intensifs. Cette phase exige
de grandes comptences cliniques et pidmiologiques en plus dune
66
haute technologie de laboratoire. Il faut en outre une planification et
une organisation bien tudies et lobservance sans faille des protocoles
et des consignes labors au pralable, en particulier lorsquil sagit
dessais mens en collaboration entre plusieurs centres. La
surveillance, le suivi, et la bonne tenue des dossiers et des registres
sont dune grande importance.
Les autorisations de mise sur le march dun nouveau
mdicament ou dun nouveau dispositif mdical reposent sur
lvaluation des rsultats des essais de la Phase III. Par consquent,
les essais de la Phase III sont soumis des directives strictes en ce
qui concerne la nature et la quantit des donnes recueillir, le
dpouillement et la prsentation des donnes, et leur diffusion aux
destinataires (patients et professionnels de la sant).
d. Phase IV de lessai clinique
Bien que lautorisation de mise sur le march dun mdicament
ou dun dispositif procde habituellement des bons rsultats des essais
de la Phase III, de plus en plus les agences gouvernementales, lOMS
et dautres institutions privilgient le recours une phase dessai
supplmentaire - lessai sur le terrain ou dans les conditions dutilisation
normales. Lobjet de la Phase IV de lessai clinique est de rvaluer
la performance effective, la scurit, lacceptabilit, et la continuit
demploi dun mdicament ou dun dispositif dans les conditions
dutilisation normales. Il faut noter que les essais de la Phase III sont
souvent limits dans le temps et que des effets indsirables peuvent
ne pas apparatre brve chance. De ce point de vue, les essais de
la Phase IV apportent une garantie de scurit supplmentaire. Ils
sous-entendent aussi une formulation des besoins pour la mise en
oeuvre de la nouvelle mthode, en termes dinstallations, de formation,
de logistique de transport et dapprovisionnement, de surveillance,
parmi dautres aspects du programme. Les conditions de ralisation
de la Phase IV sont aussi proches que possible des conditions
normales, mais cette phase exige plus de comptences en
pidmiologie et en biostatistique, ainsi que des moyens ncessaires
la recherche, dont la tenue des dossiers et des registres et des moyens
informatiques.
67
4.5 Les facteurs prendre en compte dans la conception et lanalyse des
essais cliniques
a. Agent, traitement ou variable exprimentale :
Tous les chercheurs doivent avoir accs un maximum
dinformations concernant le traitement. Ces informations
proviennent des essais de la Phase I et de la Phase II et de
multiples sources complmentaires. Il faut connatre, entre
autres, laction pharmacologique, la toxicit, la dose, la scurit
et le mode dadministration dun mdicament, par exemple.
b. Pathologie traiter :
Tous les chercheurs doivent avoir accs des informations
cliniques et pidmiologiques suffisantes concernant la
pathologie traiter. Entre autres, ils doivent connatre
lhistorique de la pathologie, les critres de diagnostic, la prise
en charge mdicale classique, et les autres variables qui
influencent lvolution de la pathologie (ge, sexe, catgorie
sociale, poids, tabagisme, tats pathologiques concomitants,
mdicaments administrs pour dautres raisons). Les protocoles
de traitement dtaills doivent tre explicits et observs.
c. Population cible :
Il faut spcifier clairement la nature des cas inclure dans
lessai, avec des critres explicites pour linclusion et pour
lexclusion. La taille des chantillons doit tre dtermine au
pralable. Si lchantillon requis ne peut tre obtenu dun seul
tablissement, il faut prvoir des essais mens en collaboration
avec dautres centres, ce qui ncessite une planification
minutieuse et des protocoles rigoureux. Un essai men dans un
centre unique a lavantage dune meilleure homognit des
sujets, mais un essai dans plusieurs centres est plus propice
la gnralisation. Il faut noter galement que lorsque plusieurs
centres sont impliqus dans les essais, il est beaucoup plus
difficile dassurer une quantit et une qualit comparables des
donnes recueillies dans les diffrents centres que dans le cas
dun centre unique o se trouve le chercheur responsable de
lessai. Avant laffectation des cas dans les groupes
exprimentaux et tmoins, chaque participant doit donner son
consentement clair. Cette affectation par groupe fait lobjet
de procdures rigoureuses.
68
d. Aspects thiques :
Il ne faut jamais engager un essai clinique sans un examen
approfondi des aspects thiques. En gnral, avant dengager
un essai clinique, le protocole est soumis pour approbation un
examen thique soit interne soit par un conseil dthique
indpendant. La plupart des instances charges des
autorisations de mise sur le march exigeront la preuve de
lapprobation thique de lessai clinique, avant daccepter
dexaminer les rsultats de lessai en termes defficacit clinique
ou de performance effective.
e. Rsultats mesurer :
Il faut dfinir explicitement les rsultats attendus et les critres
utiliser pour juger du succs ou de lchec de lessai. Les
rsultats constater peuvent tre la prvention, la gurison,
lamlioration dun tat pathologique ; le soulagement de la
douleur ; lamlioration de la sant physique ou mentale.
f. Effets secondaires :
Il faut aussi spcifier les critres dobservation et de constatation
des effets secondaires. Si certains effets secondaires risquent
de compromettre la sant dun patient, celui-ci doit tre exclu
de ltude et il doit recevoir un traitement appropri. On doit
incorporer dans le plan dtude des procdures pour mettre fin
lessai si lon constate trop deffets indsirables.
g. Moyens de ltude :
Il faut galement spcifier les moyens de ltude, dont les essais
de laboratoires, les diagnostics cliniques, les procdures, les
comptes-rendus dinterrogatoires et les questionnaires, ou
lemploi dinformations en provenance de tiers (lpoux, des
parents, des voisins, le mdecin traitant), pour reconstituer les
antcdents mdico-sociaux des patients.
h. Conduite en aveugle :
Il est fortement conseill de renforcer lobjectivit des mesures
en conduisant ltude en aveugle, cest--dire sans rvler
lidentit du traitement au sujet, au chercheur qui en value le
rsultat, et quelquefois la personne qui enregistre et analyse
les donnes. Le type dtude clinique le plus courant est conduit
69
en double aveugle, cest--dire que le chercheur ainsi que le
patient, ne connaissent pas la nature du traitement appliqu.
Les informations concernant lapplication du traitement seront
connues des membres dun comit ad hoc, indpendants des
chercheurs, qui seront chargs de contrler le droulement de
ltude et de mettre fin lessai si (a) une conclusion peut tre
tire et justifie bien avant lexploitation de toute la taille de
lchantillon ou si (b) un niveau inacceptable deffets secondaires
a t constat.
Dans certains cas, il nest pas possible de procder linsu de
tous les intresss. Par exemple, dans la plupart des essais en
chirurgie ou ceux impliquant des dispositifs mdicaux, il est facile
de constater si le patient fait partie du groupe trait ou non.
Cependant, mme pour la chirurgie, on peut avoir recours
une procdure chirurgicale fictive (analogue un placebo dans
un essai de mdicament).
i. Fin de lessai :
Il faut dfinir les critres pour mettre fin lessai. La rgle
gnrale est de poursuivre lessai tant que la taille impose de
lchantillon nest pas atteinte. Dans lessai clinique squentiel,
toutefois, les mesures de rsultats sont analyses intervalles
rguliers et on met fin lessai ds que des carts
statistiquement significatifs sont constats. (Bien entendu, ces
analyses rptes des donnes augmentent le risque derreurs
de premire espce pour lesquelles il faut faire un ajustement
statistique). Il faut aussi dfinir et respecter des procdures
pour mettre fin lessai par anticipation dans le cas deffets
indsirables.
j. Plans danalyse :
Aucun essai clinique ne doit tre envisag par une quipe de
recherche qui ne peut pas se prvaloir de comptences en
pidmiologie et en statistique. Avant dengager lessai, lquipe
laborera tous les dtails des plans danalyse. Un niveau de
connaissance insuffisant dans les techniques dlaboration dun
plan de recherche et danalyse des donnes entrane
obligatoirement une faute sur le plan thique lorsquil sagit
dune exprimentation sur des tres humains.
70
k. Attrition slective :
Aprs laffectation alatoire des patients dans les groupes de
lessai, lattrition des patients (soit avant de commencer le
traitement, soit aprs un traitement partiel) compromet
gravement la validit de lessai clinique. Lattrition diminue la
puissance statistique de ltude (par la rduction de la taille de
lchantillon) et augmente le risque de biais (les patients perdus
pour lessai peuvent tre diffrents de ceux qui restent). Il est
donc essentiel de limiter lattrition au minimum.
Comme certaines causes dattrition sont invitables (par
exemple, laggravation notable dun tat, la constatation tardive
dune erreur de diagnostic ou dune mauvaise interprtation
des critres de diagnostic), il est habituel de gonfler lvaluation
initiale de la taille dchantillon de 10 % afin de ne pas diminuer
gravement sa puissance statistique. Le problme de biais ne
peut tre abord qua posteriori, par une comparaison des
variables essentielles des patients perdus de vue et des patients
qui poursuivent lessai. Dans tous les cas, plus le taux dattrition
est important, plus les rsultats de lessai seront douteux.
l. Mthodes pour assurer lintgrit des donnes :
Il va sans dire quune tenue impeccable des dossiers est une
ncessit absolue dans toute activit de recherche, et cette
ncessit simpose de toute vidence lorsquil sagit dessais
cliniques. La bonne tenue des dossiers est non seulement
ncessaire pour assurer lintgrit des rsultats de la recherche
mais souvent aussi pour satisfaire des exigences rglementaires
et des obligations lgales de conserver des informations et
dassurer une surveillance adquate du recueil des donnes,
du contrle qualit, des analyses et des comptes-rendus.
m. Choix du plan dexprience :
Il existe diffrents plans dexprience pour des essais cliniques.
Le choix dpendra de la nature des composantes de lessai et
de la composition de lquipe de recherche. Le plan habituel
est lessai clinique contrl, randomis, en double aveugle (voir
figure 4.3). Parmi les autres plans qui ne sont pas dcrits ici on
peut citer : (i) le plan doses multiples (ii) le plan traitements
multiples, (iii) le plan squentiel, (iv) le plan factoriel et (v) les
diffrents types de plan blocs tel que le carr latin, le plan
blocs incomplets quilibrs, les essais croiss, etc.
71
n. Dure prvoir :
Il faut prvoir plusieurs mois pour la prparation de lessai,
comprenant : llaboration des protocoles, des procdures
dchantillonnage, la dtermination de la taille de lchantillon,
lidentification des sources dobtention des sujets, lesquisse
des procdures administratives dont le contrle qualit, la
planification et le dpouillement des donnes. Parfois une tude
de faisabilit sera ncessaire avant de commencer lessai, afin
de tester le protocole et de dterminer ce qui peut et ne peut
pas tre ralis.
4.6 Essais dintervention en sant publique (EISP)
En rgle gnrale, les essais dintervention en sant publique
se droulent en milieu hospitalier ou dans des dispensaires et visent
un groupe de patients qui prsentent un tat de sant dtermin. Il
existe aussi des essais randomiss conduits dans la population gnrale.
Lexemple classique dun essai dintervention en sant publique est
celui de la vaccination. Certaines zones de la population sont choisies
au hasard pour recevoir un vaccin, et dautres zones de la population
ne sont pas vaccines ou sont vaccines avec un placebo. Un autre
exemple est lessai dintroduction de sel additionn de fer dans une
population pour constater son effet sur lincidence danmie ferriprive
dans cette population.
La diffrence essentielle entre ces tudes et lessai clinique
randomis est que laffectation randomise concerne des zones de
population et non pas des individus. Les zones de population
slectionnes en vue de ltude doivent tre aussi similaires que
possible, dautant plus que seul un nombre limit de zones de population
sera exploit.
Trs souvent il nest pas possible de conduire ce type dtude
en aveugle, et la contamination et les interventions concomitantes
deviennent des problmes srieux. La contamination a lieu lorsque
des individus appartenant lun des groupes exprimentaux reoivent
le traitement dintervention en provenance de lautre groupe
exprimental. Par exemple, dans le cas de lessai dadministration de
sel additionn de fer, certains individus de la zone de population qui ne
reoit pas le sel additionn de fer, entendent parler de ce produit et
lobtiennent en sadressant la zone de population traite par
lintervention. (Le cas inverse est galement possible). Si les deux
zones de population sont proches gographiquement le risque de
72
contamination est plus lev. Il y a intervention concomitante lorsque
dautres interventions se droulent dans les mmes zones de population
en mme temps, linsu ou non des chercheurs qui conduisent lessai
dintervention en question. Dans ce cas, la comparaison des rsultats
des deux groupes randomiss ne reflte plus lessai dintervention en
question. La randomisation par zone de population dans ces essais
rduit forcment la taille de lchantillon ; la taille effective de
lchantillon est le nombre de zones de population et non pas le nombre
dindividus dans ces zones de population. Des mthodes statistiques
spcifiques sont appliques pour tenir compte de cet effet de grappe.
Beaucoup dessais dintervention en sant publique font appel
des stratgies dvaluation pour tudier les services de sant publique.
Des exemples types de tels essais impliquent :
lvaluation du besoin dun service, autrement dit, un diagnostic
de population (estimation ou valuation des besoins) ;
lvaluation de la conception dun service de sant (valuation
de conception) ;
lvaluation de la performance ou de lefficience dun processus
de prestation de services (valuation defficience ou de
processus) ;
lvaluation de lefficacit et de limpact dun programme ou
dune procdure (valuation defficacit ou dimpact) ;
lvaluation des rsultats du programme par rapport aux apports
et aux contraintes du programme (valuation de systme), y
compris lanalyse cots-avantages.
La figure 4.3 est une illustration des tapes suivre dans la
mise en oeuvre dun essai de sant publique.
73
FIGURE 4.3 PROCDURES DUN ESSAI SUR LE TERRAIN
Population ou groupe cible qui bnficiera
du programme valuer
chantillon de population (chantillon de
probabilit) utilis pour lvaluation
Affectation alatoire
Groupe exprimentale Groupe tmoin ne reoit pas le programme
reoit le programme ou reoit un placebo
Administration du stimulus
ou du programme
identique celle prvue Placebo ou autre
pour la population cible programme
Mesure ou Mesure ou
observation observation
conformment aux conformment aux
critres retenus critres retenus
Comparaison, relev des carts, valuation
statistique de lerreur dchantillonnage
Exemple
Une tude est labore pour valuer leffet dune augmentation du dpistage du cancer du col
utrin sur la mortalit imputable cette maladie. On affecte au hasard six villes de taille moyenne
et de caractristiques analogues du sud des tats-Unis dans trois grappes chacune comportant
deux villes qui sont traites de la faon suivante :
>
< >
>
>
>
>
74
Grappe A : bnficie dune compagne intensive dinformations de proximit de mme que des
annonces par les mdia, destines inciter les femmes de plus de 30 ans
participer au programme de dpistage du cancer du col.
Grappe B : ne reoit que les annonces par voie des mdia.
Grappe C : ne bnficie pas du programme spcial dinformations mais seulement des
services de dpistage de routine. Cette grappe sert de tmoin sans intervention
pour savoir quelle serait la mortalit imputable au cancer du col utrin sans
lintroduction de programmes spciaux dinformations pour encourager le recours
aux services de dpistage.
On notera que les mdia taient lun des moyens utiliss pour la diffusion des informations. Il
sensuit une contamination potentielle de la population tmoin, surtout si les mdia comprennent
des missions de tlvision qui peuvent tre captes par la population tmoin.
Le critre de russite de cette tude dvaluation (de type exprimental) est une diminution
relative du taux de mortalit annuel imputable au cancer du col dans les trois grappes. Il faut
donc mesurer la mortalit avant ltude (le taux moyen pour les trois annes qui prcdent
lintervention) et aprs ltude. Pour limiter le risque derreur cologique dans la comparaison des
trois grappes (puisque la diminution de mortalit peut avoir dautres causes que les services de
dpistage), on tient un registre du nombre et des caractristiques des femmes ayant recours
aux services de dpistage. Dautre part, les cabinets de mdecine librale rendent compte de
leurs activits en matire de dpistage. Le nombre dutilisatrices des services de dpistage
donne une indication du rle du dpistage dans la diminution de la mortalit.
Ltude a dur deux ans. Au cours de cette priode, la diminution relative du taux de mortalit
imputable au cancer du col utrin tait le plus lev dans la Grappe A, et intermdiaire dans la
Grappe B. On a constat en parallle une augmentation dans le nombre dutilisatrices des
services de dpistage, la Grappe A ayant la plus forte augmentation, suivie par la Grappe B,
tandis que la plus faible augmentation tait constate dans la Grappe C.
Altman, D. G. Statistics and ethics in medical research. British Med J 1980; 281: 1336-1338.
Angell, M. The ethics of clinical research in the third world. N Engl J Med 1997; 337(12): 847.
Berry, A. D. Statistical issues in drug research development. New York: Marcel Dekker, 1990.
Buncher, R. C. and Tsay, J . Y. Statistics in the pharmaceutical industry. New York: Marcel Dekker, 1981.
Friedman, L. M.,.Fuberg, C. D. and DeMets, D. L. Fundamentals of clinical trials. Boston: Wright, 1983.
Gore, S. M. Assessing clinical trials: why randomize? British Med J 1981; 282: 1958-1960.
Lilford, R.F. and J ackson, J . Equipoise and the ethics of randomization. J R Soc Med 1995; 88(10): 552-559.
Peto, R. [et al.]. Design and analysis of randomized clinical trials requiring prolonged observation of each patient.
I. Introduction and design. British J Cancer 1976; 34: 585-612.
Peto, R. [ et al.]. Design and analysis of randomized clinical trials requiring prolonged observation of each patient.
II. Analysis and examples. British J Cancer 1977; 35: 1-39.
Rothman, K. J . and Michels, K.B. The continuing unethical use of placebo controls. N Engl J Med 1994; 331(6):
394-398.
75
Chapitre 5
Mthodes dchantillonnage et
taille de lchantillon
5.1 Introduction
La plupart des tudes de recherche impliquent lobservation
dun chantillon issu dune population dfinie. Par exemple, dans les
tudes pidmiologiques lobservation porte sur lexposition aux
diffrents facteurs de risque, les consquences pour la sant, ainsi
que dautres variables associes, dun chantillon de personnes. Les
conclusions tires de ltude se fondent souvent sur la gnralisation
des rsultats observs dans lchantillon, la population totale do a
t extrait lchantillon. En consquence, lexactitude des conclusions
dpendra de la qualit de la constitution de lchantillon, et plus
spcialement de la reprsentativit de cet chantillon vis--vis de la
population. Nous allons discuter dans ce chapitre des problmes
majeurs que doit considrer le chercheur lors du choix de lchantillon
appropri.
5.2 Pourquoi chantillonner ?
Lchantillonnage est un processus o on choisit un segment
de la population pour lobserver et ltudier. Il y a plusieurs raisons
pour lesquelles on choisit des chantillons tudier plutt que la
population totale. La premire raison, et la plus minente, est que le
chercheur veut diminuer les cots (financiers et autres) pour collecter
les informations, pour traiter celles-ci et pour prsenter les rsultats.
Si on peut obtenir une image raisonnable de la population en observant
seulement un segment de celle-ci, le choix dun tel segment permettra
au chercheur de raliser des conomies. Lorsque lobservation porte
76
Chapitre 5 : Mthodes dchantillonnage et taille de lchantillon
sur un chantillon, il est vident que linformation totale sera moins
tendue que si elle portait sur la population totale.
Cependant dans certains cas, le temps et les ressources
ncessaires pour le processus dobservation dune population totale
seraient si importants que, dune part, les rsultats ne seraient plus
opportuns et, dautre part, les observations risqueraient dtre moins
fiables. Considrons la mthode habituelle dobservation dune
population totale, le recensement. La plupart des pays collectent
priodiquement (tous les 5 ans, 10 ans, etc.) des informations sur leur
population au moyen du recensement. Ceci consiste dnombrer
tous les individus de la population, associs un ensemble prdtermin
de renseignements. Mme dans un pays relativement peu peupl
comme le Canada (29 millions dhabitants), cette opration prend une
bonne partie de lanne et les tableaux de rsultats ne sont disponibles
que plusieurs annes aprs le recensement. Lorsque la taille de la
population est trs grande, comme en Inde ou en Chine, les dlais
danalyse et de diffusion des donnes peuvent tre encore plus longs.
De plus, le recensement ne peut jamais collecter des informations sur
la totalit de la population : les personnes sans domicile fixe et les
nomades chappent souvent au recensement.
Un grand avantage de lchantillonnage sur le dnombrement
total rside dans le meilleur emploi qui est fait des ressources
disponibles, pour amliorer les instruments et les mthodes de mesures
en vue de rendre exactes (valides et fiables) les informations
collectes. Certaines informations comme la surveillance de la teneur
en mtaux toxiques de lorganisme, surveillance ncessitant un
matriel et des oprateurs spcialiss, ne peuvent tre collectes dans
une population totale. Dans de tels cas un chantillon peut donner une
image raisonnable de ltat de la population.
5.3 Le processus dchantillonnage
Quest-ce qui caractrise un chantillon correct ? La premire
proccupation dans le choix dun chantillon appropri est que cet
chantillon soit reprsentatif de la population. Chaque variable
considre doit avoir la mme distribution dans lchantillon que dans
la population do il est extrait. Il faut donc connatre les variables et
leur distribution dans la population, autrement dit, disposer des rsultats
de ltude avant de lavoir faite ! Ainsi il nest souvent pas possible
daffirmer que lchantillon est reprsentatif de la population.
Cependant les statisticiens ont propos des moyens pour nous
permettre de donner une garantie raisonnable de reprsentativit. Nous
77
discuterons brivement de certaines de ces mthodes dans les sections
suivantes.
Avant de constituer un chantillon, il faut dfinir clairement la
population. Dans une enqute sur la population, il faut tablir une liste
de tous les individus de cette population (cadre dchantillonnage).
Nous pouvons utiliser alors des mthodes de probabilit pour constituer
un chantillon de faon assurer la reprsentativit des diffrentes
caractristiques qui nous intressent. Dans les expriences (telles
que les essais cliniques), cette liste peut ne pas tre explicite et peut
voluer au cours de lchantillonnage. Par exemple, une liste de critres
dinclusion et dexclusion est spcifie au dbut de lessai, dfinissant
le cadre gnral de la population. Ensuite, au fur et mesure de
lidentification des patients, ils sont choisis pour ltude, puis affects
aux diffrents groupes exprimentaux en utilisant des mthodes de
probabilit.
Le cadre dchantillonnage est une liste dlments (units) de
la population. Dans les enqutes sur la population, cest une liste
dindividus. Dans les essais cliniques concernant une maladie, cest
une liste des patients ayant cette maladie. Dans une tude cas-tmoins,
il sagit dune liste de personnes ayant la maladie et une liste de
personnes nayant pas cette maladie. Le succs de ltude dpend
de la compltude et de lexactitude de ces listes. Lun des principaux
dfauts de nombreux projets de recherche est le biais de slection du
cadre dchantillonnage. Par exemple, si un sondage par tlphone
est entrepris avant une lection gnrale en Inde pour prdire quel
parti va gagner, les rsultats seront trs vraisemblablement faux, car
le cadre dchantillonnage comprend seulement des gens aiss (qui
possdent un tlphone), et leur opinion nest certainement pas
reprsentative de lensemble de la population.
Une fois le cadre dchantillonnage dfini, il nous faut des
mthodes pour slectionner dans ce cadre les individus inclure dans
ltude. Deux problmes sont importants : quelle taille doit avoir
lchantillon choisi ? comment doit-on choisir les individus le
constituant ? Ces points sont discuts dans ce qui suit.
5.4 Quelle taille pour lchantillon ?
Lune des dcisions les plus difficiles soumises au chercheur
est de fixer la taille de lchantillon. Dans les recherches on emploie
en gnral une dmarche empirique ou une dmarche analytique. La
dmarche empirique consiste adopter une taille dchantillon
78
analogue celle dtudes similaires. Cette dmarche na aucune base
scientifique et ne donnera satisfaction que si les erreurs de
gnralisation des tudes prcdentes tombent dans des limites
acceptables, et si ltude actuelle est trs similaire dans son contenu
(objectifs, plan, population tudie, etc.). Cette mthode nest pas
recommande et ne sera pas discute plus avant.
La dmarche analytique (scientifique) pour dterminer la taille
approprie de lchantillon inclure dans ltude, dpend de
lvaluation des erreurs dinfrence et de la volont de minimiser
lerreur dchantillonnage. Lerreur dchantillonnage mesure le
degr de variabilit entre les rsultats sur chantillons (en tant que
reprsentation rapproche de la situation relle dans la population,
telle quelle est reproduite dans les rsultats sur chantillons) ; moins
les rsultats sur chantillons sont variables, plus ceux-ci sont proches
des rsultats sur population.
Le facteur principal dterminant la taille de lchantillon est
donc lexactitude requise pour les rsultats. Celle-ci est fonction de
lobjectif de ltude (tude descriptive pour dterminer une mesure
sommaire dune caractristique, ou tude analytique destine tester
un ensemble spcifique dhypothses).
5.4.1 Taille de lchantillon pour les tudes descriptives.
Dans le cas des tudes descriptives, lobjectif est souvent
dobtenir une estimation dun paramtre de la population. Par exemple,
dans les sondages dopinion, le responsable du marketing sintresse
la proportion de la population qui prfre une marque donne. Un
nutritionniste peut tre intress par la consommation moyenne de
calories par jour de la population. Un chercheur dans le domaine de la
sant peut tre intress par la proportion de fumeurs, ou par la valeur
mdiane de la survie aprs un pontage coronarien. La dtermination
de la taille de lchantillon ncessaire pour rpondre ces questions,
dpend de plusieurs facteurs :
i. Quelle est la mesure considrer ? Elle aura t dtermine
par les objectifs de ltude. Lidentification de la caractristique
de premire importance dtermine les tapes suivantes du
processus de dfinition de la taille de lchantillon. Par exemple,
si le taux de prvalence dans la population doit tre estim
partir de lobservation dun chantillon extrait de cette population,
la mesure est la proportion dindividus dans lchantillon ayant
la maladie.
79
ii. Quelle est la distribution de probabilit qui sous-tend la
caractristique considre ? La plupart des problmes de
recherche se rattachent lune des deux distributions suivantes :
la distribution binomiale (lorsquon veut estimer la proportion
dun certain vnement), ou la distribution normale (lorsquon
veut estimer une valeur moyenne). Par exemple, le responsable
de marketing prcdent fixe comme caractristique la
prfrence dune marque, avec deux rsultats possibles. Si on
suppose quil y a une proportion fixe () de gens prfrant
cette marque, alors le nombre de gens exprimant cette
prfrence dans nimporte quel ensemble fixe dindividus, suivra
une distribution binomiale ; la proportion (p) de gens montrant
cette prfrence est une bonne estimation de la proportion dans
la population. Pour le nutritionniste, la consommation calorique
journalire des individus suit une distribution normale ayant une
certaine moyenne () ; la moyenne de la consommation de
calories par jour dans un chantillon de population observ (x)
est une bonne estimation de la valeur relative la population.
iii. Quelle est la distribution de la mesure due lchantillonnage ?
Lexcution de linfrence de lchantillon vers la population
entrane des erreurs inhrentes qui sont mesures par la
distribution dchantillonnage. Si nous observons plusieurs
chantillons slectionns suivant la mme mthode, les mesures
effectues sur ces chantillons seront diffrentes, do une
distribution de probabilit pour la mesure sur chantillon. Cette
distribution appele distribution dchantillonnage, dpend du
type de plan dtude et de la manire de constituer les
chantillons. Dans le calcul de la taille de lchantillon, on
suppose souvent que lchantillonnage a t fait simplement au
hasard (ceci est discut plus loin dans ce chapitre). Quelquefois
le plan dchantillonnage est plus complexe (par exemple
techniques dchantillonnage par grappes en plusieurs tapes) ;
alors il faut utiliser des formules plus compliques pour calculer
correctement la taille dun chantillon.
iv. Quelle exactitude souhaite-t-on pour le rsultat ? En gros, on
cherche obtenir une estimation aussi proche que possible de
la valeur relative la population. En consquence, nous devons
considrer une quantit qui mesure la diffrence entre
lestimation et la valeur reprsentant la population. Dans la
plupart des cas on utilise la variance, lerreur quadratique
moyenne (moyenne des carrs des carts entre valeur de
lchantillon et valeur de la population). Pour exprimer cette
80
erreur de faon concise, on utilise lcart-type de lestimation,
qui est la racine carre de la variance. Cet cart-type provient
de la distribution dchantillonnage de lestimation. Si
lchantillonnage est fait correctement (en utilisant des mthodes
de probabilit appropries), on peut prdire ce que doit tre
cette distribution, et partir de l, on peut estimer lcart quaura
lestimation sur chantillon par rapport la valeur de la
population.
Par exemple, on estime une proportion dans une population, la
distribution dchantillonnage de cette proportion, p, dans
lchantillon est approximativement normale, de moyenne et
de variance (1 - )/n, o n est la taille de lchantillon.
Lintervalle de confiance pour au niveau de confiance (1- )
est alors : p + , soit :

n p p z p / ) 1 (
1

o z
1-
est le point dintersection appropri sur la courbe de la
distribution normale (par exemple au niveau de confiance 95 %,
z = 1,96). Lexactitude de lestimation dpend ainsi de deux
quantits : la largeur de lintervalle et le niveau de confiance
dsir (par exemple 95 %).
Le calcul de la taille de lchantillon dans une tude descriptive
dpend ainsi de deux paramtres : la largeur de lintervalle de confiance
et le niveau de confiance. De nombreux logiciels sont disponibles
(par exemple EPIINFO a un module qui permet de calculer la taille
de lchantillon)
1
. Les deux cas courants de distribution sont illustrs
ci-aprs ; estimation dune proportion dans une population, et estimation
dune moyenne dans une population.
a. Estimation dune proportion () dans une population. Nous
supposons entreprendre une enqute pour dterminer la
prvalence (p) dune maladie relativement courante dans une
communaut. Nous voulons dterminer combien dindividus
doivent tre observs pour obtenir une image raisonnablement
exacte de cette prvalence. Les tapes suivantes sont
ncessaires.
1
Voir aussi le programme EPISODE (Morabia, 199b) qui effectue les tests statistiques frquemment utiliss en pidmiologie.
Disponible gratuitement auprs de : Alfredo Morabia, Division dpidmiologie clinique, HUG, case postale 1211
Genve 14, Suisse.
81
Spcifier les paramtres de lerreur admissible :
Niveau de confiance (1-) 95 %
Largeur de lintervalle de 10 %
confiance (2)
Supposer la vraie valeur de 30 %
Le problme est de calculer la taille de lchantillon ncessaire
pour estimer la prvalence de la maladie plus ou moins 5 %
de sa vraie valeur, et avec un niveau de confiance de 95 %.
Comme lintervalle de confiance dpend en ralit de la vraie
valeur, nous devons faire une supposition sur cette valeur. Elle
peut tre faite en se basant sur une exprience antrieure ;
sinon, on adopte la valeur 50 % qui donnera la taille maximale
pour lchantillon. Partant du fait que la proportion (p) dans
lchantillon se situe dans lintervalle de confiance donn ci-
dessus, la taille de lchantillon (n) est calcule laide de la
formule :
) 1 ( ) / (
2
1
p p z n =

Applique lexemple ci-dessus, elle donne : n = (1,96/

5)
2
(30*70) = 323. Nous avons besoin dun minimum de
323 individus observer pour pouvoir assurer avec une
probabilit de 95 % que la valeur estime de la proportion se
situe plus ou moins 5 % de la vraie prvalence. Si la vraie
prvalence est infrieure 30 %, lintervalle de confiance sera
plus troit. Le maximum de la taille dchantillon ncessaire a
lieu lorsque la vraie prvalence est de 50 % ; alors n = 385.
Le calcul prcdent suppose un chantillonnage fait au hasard
dans une population relativement nombreuse. En pratique la
population do sont extraits les chantillons peut tre limite
et petite. Dans ce cas des corrections aux formules sont
ncessaires (voir le programme EPIINFO pour les modifications
des formules et leur utilisation pour diffrents plans
dchantillonnage).
b. Estimation dune moyenne () dans une population. On
suppose vouloir estimer la consommation calorique moyenne
par jour dans une communaut. La consommation de calories
par jour est suppose suivre une distribution normale de moyenne
et dcart-type (). La mesure sur chantillon utilise pour
estimer est la moyenne de lchantillon. Cette moyenne a
82
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 (

La taille de lchantillon requise dans lexemple est :

n = (1,96*150/50)
2
= 35.
c. Estimation des risques relatifs ou des rapports de chance (Odds
Ratio, OR). Pour ces situations, les formules de calcul de la
taille dchantillon sont beaucoup plus compliques, car la
distribution dchantillonnage des estimations des risques relatifs
et des rapports de chances (OR) nest pas simple. Il existe de
nombreux logiciels pour calculer la taille dchantillon approprie.
Le principe de calcul est essentiellement le mme : dterminer
la formule donnant lintervalle de confiance, puis calculer avec
cette formule la taille dchantillon aprs avoir spcifi les deux
paramtres.
5.4.2 Taille dchantillon dans les tudes analytiques.
Le premier objectif dune tude analytique (ou causale) est de
tester la ou les hypothses nulles ; alors, pour dterminer les tailles
dchantillons, il faut spcifier les limites derreurs admissibles lors
83
du rejet ou de lacceptation de lhypothse nulle (risques derreur de
premire ou de deuxime espce). Comme dans le cas des tudes
descriptives, il nous faut dfinir la mesure utilise pour lchantillon
(une proportion, une moyenne dchantillon, une estimation du risque
relatif ou du rapport de chances (OR), etc.) et sa distribution
dchantillonnage. Sur la base de celles-ci, on prend la dcision
daccepter ou de rejeter lhypothse nulle. En imposant les limites
derreurs spcifies pour les risques derreur de premire et de
deuxime espce (fonctions de la distribution dchantillonnage), on
peut alors calculer la taille de lchantillon.
Par exemple, supposons que nous acceptions un risque derreur
de premire espce (cest la probabilit de tirer la conclusion fausse
que les deux proportions ne sont pas gales dans les groupes de
population, alors quelles sont en fait gales). Le calcul du risque
derreur de deuxime espce (la probabilit de tirer la conclusion
fausse que les deux proportions sont gales, alors quelles ne sont en
fait pas gales) dpend dune dfinition prcise de lnonc hypothse
nulle nest pas vraie. La faon la plus simple de procder est de
dfinir la plus petite diffrence entre les deux proportions () que
nous considrons comme significative (une diffrence cliniquement
significative) et de calculer dans cette hypothse. Il est clair que si
la diffrence est plus grande que , le risque derreur de deuxime
espce sera moindre que . Selon cette mthode, des formules sont
proposes pour calculer la taille de lchantillon pour diffrentes sortes
de tests statistiques. Noter quen matire de tests statistiques, les
risques derreur de deuxime espce indiquent la puissance statistique,
gale 1- : autrement dit, une tude ayant un risque derreur de
deuxime espce de 5 % a une puissance statistique de 95 %. On
trouvera ci-aprs quelques exemples pratiques pour illustrer ces
propos. Encore une fois, il existe de nombreux logiciels pour traiter la
plupart de ces cas et les calculs qui suivent sont donns uniquement
titre dexemples.
a. Test de lgalit de deux proportions
1
=
2
Les mesures dans les chantillons sont des proportions, et la
distribution dchantillonnage utilise pour tester lhypothse nulle est
soit la distribution normale (z), soit la distribution de chi-carr (
2
).
La marche du calcul est la suivante :
Fixer le risque derreur de premire espce : ;
Dterminer la diffrence minimale cliniquement
significative : ;
84
Faire une supposition sur la proportion dans un des
groupes (gnralement le groupe tmoin) :
1
;
Dterminer la puissance statistique (1-) requise pour
dtecter cette diffrence.
Alors la taille dchantillon ncessaire est :
2
2 2 1 1 1
] / } ) 1 ( ) 1 ( ) 1 ( 2 [{

+ =

z z n
o = (
1
+
2
)/2
Par exemple, on dsire dterminer la taille de lchantillon
requise dans lessai clinique dun nouveau mdicament susceptible
damliorer le taux de survie. On suppose que le taux de survie
traditionnel est de 40 %, donc
1
= 0,4. Nous dsirons dtecter si le
nouveau mdicament amliore le taux de survie dau moins 10 %,
donc = 0,10 et
2
= 0,50. Fixons un risque derreur de premire
espce de 5 %, soit = 0,05 et z
1- =
1,96 ; nous voulons aussi que le
risque derreur de deuxime espce () soit de 5 %, cest--dire que
nous puissions dtecter une diffrence de 10 % ou plus, avec une
probabilit de 95 % ; donc z

= -1,645.
En introduisant ces valeurs dans la formule ci-dessus, on trouve
n = 640. Ainsi cette tude exige davoir 640 sujets dans chacun des
deux groupes pour assurer avec une probabilit de 95 % la dtection
dune amlioration dau moins 10 % du taux de survie, si le test
statistique repose sur un niveau de signification de 5 %.
b. Taille dchantillon dans une tude cas-tmoins.
On suppose que lusage prolong de contraceptifs oraux (CO)
augmente le risque de maladies coronariennes (MC). On souhaite
dtecter un accroissement du risque relatif dau moins 30 % (ce qui
quivaut un rapport de chances (OR) suprieur 1,3), au moyen
dune tude cas-tmoins. Quelle doit tre la taille dchantillon
approprie ?
Le test dhypothse dans ltude sera quivalent au test suivant :
tester si la proportion de femmes utilisant des contraceptifs oraux est
la mme dans le groupe ayant une maladie coronarienne que dans le
groupe sans maladie coronarienne. Il nous faut dterminer parmi les
femmes sans maladie coronarienne (groupe tmoin) la proportion de
femmes qui utilise des CO ; disons 20 %. Ensuite nous fixons la
diffrence minimale dtecter par le test statistique. Nous devons
85
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
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
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
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.
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
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
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
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
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
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
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
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
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
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
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
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
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
103
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
= 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
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
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
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
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
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
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
Kleinbaum, D. G., Kupper, L. L. and Morganstern, H. Epidemiologic research: principles and quantitative
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
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
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
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
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
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
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
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
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
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
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
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
>
> >
>
>
>
>
>
>
>
>
>
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
>
>
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
>
>
>
>
>
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
2. Association falsifie, non causale
Dans certaines situations, une association existe effectivement,
mais malgr sa signification et sa force, elle peut tre falsifie ou non
causale en ce qui concerne les caractristiques spciales tudies.
Une association non causale est infre lorsque cette association :
est due au hasard
est base sur une analyse du numrateur ou une corrlation
cologique
est due un biais.
Hill, A. B. Principles of medical statistics. New York: Oxford University Press, 1966.
Kelsey, L.T., Thompson, W.D. and Evans, S.A. Methods in observational epidemiology. New York: Oxford
Kleinbaum, D.G., Kupper, L.L. and Morgenstern, H. Epidemiologic research: principles and quantitative
Lillienfeld, A.M. and Lillienfeld, D.E. Foundations of epidemiology. 2
nd
ed. New York: Oxford University Press,
1980.
147
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
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
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
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
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
que le chercheur est suffisamment qualifi et
expriment, et dispose des quipements et moyens
appropris pour conduire la recherche avec efficacit et
en toute scurit ;
que des dispositions seront prises pour protger la
confidentialit des informations ; et
la nature de toutes les autres considrations thiques
impliques, ainsi quune indication que les principes
noncs dans la Dclaration de Helsinki seront appliqus.
Bankowski, Z. And Bernardelli, J .C. Medical ethics and medical education. Geneva: Council for International
Organizations of Medical Sciences, 1981. (CIOMS round table proceedings; no. 14)
Bankowski, Z. And Howard-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
155
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
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
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
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
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
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
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
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
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 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
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
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
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
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
(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
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
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
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
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
Annexes
180
Annexe 1: laboration dun questionnaire
181
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
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
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
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
- 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
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
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
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
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
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
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
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
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
____ 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
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
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
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
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
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
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
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
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
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
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
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
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
1 c as
FIGURE 10: NOMBRE DE CAS DE TTANOS PAR TRANCHE DGE
DE CINQ ANS SIGNALS AUX TATS UNIS, 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
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
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

INDURATION (MM) : Lecteur B

*Les 2 observateurs ont enregistr 0 pour 13 sujets.
I
N
D
U
R
A
T
I
O
N

(
M
M
)

:

L
e
c
t
e
u
r

INDURATION (MM) : Lecteur B

*Les 2 observateurs ont enregistr 0 pour 13 sujets.
210
horizontales ou verticales (comme illustr dans les figures 13 et 14).
Il est prfrable de disposer ces barres dans lordre ascendant ou
descendant, afin den faciliter la lecture. Ne jamais pratiquer de rupture
dchelle dans un diagramme barres, il en rsulterait des erreurs
dinterprtation. Les colonnes peuvent tre ombres, hachures ou
colores pour faire ressortir les diffrences entre les barres. Les
indications seront places la base des barres et non au milieu du
diagramme, pour viter toute confusion inutile dans un graphique dont
la qualit premire est la simplicit. Dans le cas de comparaisons,
lespace entre les barres dun mme groupe est facultatif ; par contre,
il est obligatoire entre les diffrents groupes de barres.
FIGURE 13 COMPARAISON ENTRE LE POURCENTAGE DES TRANCHES DGE DANS UN CHANTILLON DE
POPULATION ET LE POURCENTAGE DES TRANCHES DGE DANS UN RECENSEMENT DE POPULATION,
ENQUTE SUR LA VACCINATION, VILLE-TYPE, 1970
e
n

p
o
u
r
c
e
n
t
a
g
e
TRANCHE DGE
Population recense
211
FIGURE 14 : TAUX BRUT DE MORTALIT DANS 20 PAYS, 1955
(expri ms en nombre de dcs pour 1000 habi t ant s)
(1) 1954, Dpartement de la Sant ; (2) 61 villes seulement ; (3) population indigne ; (4) 1951, Dclarations dtat
Civil, lexception des nouveau-ns vivants dcds avant la dclaration de leur naissance ; (5) Dclarations dtat
Civil, lexception de Bihar, Madhya Pradesh et Orissa ; (6) lexception des aborignes de pure race ; (7) lexception
de la population bdouine du Nguev.
Source: Swaroop, S. Introduction to health statistics. E & S. Livingstone Ltd., London, 1960.
Egypte
1
Birmanie
2
Equateur
Albanie
Congo Belge
3
Chili
France
Pakistan
4
Inde
5
Portugal
Suisse
Sude
Italie
tats-Unis
Australie
6
Canada
URSS
Uruguay
Grce
Isral
7
212
ANNES
ECOULES
DEPUIS LA
VACCINATION
NOMBRE DE CAS
Source: SEP, NCDC
ROYAUME-UNI
SUDE
Cas
Dcs
jamais vaccin
jamais vaccin
< 3
< 3
2. Le Pictogramme
Le pictogramme est une variante du diagramme barres ; les
donnes sont prsentes par une srie de petits symboles
reprsentatifs. Les chiffres sont gnralement placs horizontalement,
mais peuvent ltre verticalement. Chaque symbole peut reprsenter
une personne ou une unit particulire. En rgle gnrale, un symbole
reprsentera un nombre fixe de personnes ou dunits. Le nombre
dlments est dtermin par la variable faisant lobjet du graphique.
Cette variable son tour dtermine la longueur de la barre. La
Figure 15 en donne une illustration, chaque symbole reprsentant une
seule personne.
FIGURE 15 : TAT DE VACCINATION DES CAS DE VARIOLE
ROYAUME-UNI - 1962, ET SUDE - 1963
213
B. Diagrammes reprsentant des proportions
Les deux principaux diagrammes de cette catgorie sont les
diagrammes barres segmentes et les camemberts.
(1) Le diagramme barres segmentes
Le diagramme barres segmentes est un diagramme dans
lequel les barres sont divises en portions qui sont soit colores, soit
ombres, pour faire ressortir les classes. Un exemple de diagramme
barres segmentes est donn ci-dessous, la Figure 16.
FIGURE 16: VACCINATION CONTRE LA POLIOMYLITE DANS LES GRANDES VILLES
( 250 000 HAB.) PAR TRANCHE DGE ET SITUATION FINANCIRE
TATS-UNIS, 1969
PAUVRET
1-4
NON PAUVRET
POURCENTAGE
PAUVRET
10-14
NON PAUVRET
PAUVRET
5-9
NON PAUVRET
Source: 1969 U.S. Immunization Survey
Vaccination suffisante
Vaccination insuffisante
Pas de vaccination 0 OPV, 0 IPV
214
(2) Le camembert
Les camemberts utilisent les portions de cercle pour illustrer
une comparaison. Ils sont parfois appels diagrammes secteurs. Ce
type de diagramme est la meilleure faon dillustrer la division dun
tout en segments. Par convention, le point de dpart est la position de
12 heures. Les segments sont prsents dans lordre dimportance,
le plus grand en premier, puis les autres dans le sens horaire. Pour
convertir un pourcentage en degrs, multiplier le pourcentage par 3,6
puisque 360/100 % =3,6. La Figure 17 donne un exemple de
camemberts.
FIGURE 17 : VACCINATION CONTRE LA POLIOMYLITE CHEZ LES ENFANTS
DE 1 4 ANS DANS LES GRANDES VILLES ( 250 000 HABITANTS)
SELON LA SITUATION FINANCIRE
TATS-UNIS, 1969
NON PAUVRET PAUVRET
Source : 1969 U.S. Immunization Survey
Vaccination suffisante : >3 doses IPV et/ou 3 doses OPV
Vaccination insuffisante : vaccin anti-polio mais <3 doses IPV et/ou <3 doses OPV
Pas de vaccination : aucun vaccin
215
Source: MMWR Annual Supplement, 1968.
COMPTES DCLARANT UN OU
PLUSIEURS CAS DE RAGE ANIMALE
C. Diagrammes coordonnes gographiques
Les diagrammes coordonnes gographiques donnent une
reprsentation gographique partir de cartes. Il est trs facile de
reprsenter les pidmies sur une carte pour en visualiser ltendue
gographique. Des pourcentages indiquant les niveaux de vaccination,
par exemple, peuvent galement tre reprsents de cette faon. La
Figure 18 donne une illustration dun diagramme coordonnes
gographiques.
FIGURE 18: COMPTES DCLARANT UN OU PLUSIEURS CAS DE RAGE ANIMALE
TATS-UNIS, 1968
216
ACHAT RCEPTION STOCKAGE
PRPARATION
SURPLUS
CUISSON
VACUATION NETTOYAGE SERVICE
D. Diagrammes spciaux
En plus des diagrammes bass sur des notions de longueur, de
proportion ou sur des coordonnes gographiques, il existe dautres
mthodes visuelles de prsenter des donnes, telles que les diagrammes
de circulation, les organigrammes, les tableaux du personnel et les
tableaux de fonctions.
1. Diagrammes de circulation
Parmi les exemples de diagrammes de circulation citons la
description des flux dans une usine de traitement des eaux uses, ou
dans une usine de traitement deau potable. Le circuit suivi par les
aliments dans un restaurant peut tre prsent visuellement par un
diagramme, comme le montre la Figure 19.
FIGURE 19 : CIRCUIT DES ALIMENTS DANS LE RESTAURANT DE JOE, VILLE-TYPE, 1970
217
COMMISSION
DE LA SANT
DU COMPTE
BUREAU DU
SECRTAIRE
LA SANT
Lutte contre Lutte contre la ducation Services de Services de Salubrit de
les maladies tuberculose la Sant soins infirmiers Laboratoire lenvironnement
transmissibles
Services mdico- Sant mentale Services Sant bucco- Sant maternelle
pdagogiques administratifs dentaire et infantile
2. Organigramme
Il y a parfois confusion entre les organigrammes et les tableaux
du personnel et de fonctions. Les organigrammes doivent prsenter
le nom du bureau, de la division ou de la section, et non pas les
personnes ou leur fonction. La Figure 20 prsente un exemple
dorganigramme.
FIGURE 20: ORGANIGRAMME DU DPARTEMENT DE LA SANT DE TILLER COUNTY, 1968
IV. Suggestions pour llaboration et lutilisation de tableaux, graphiques et
diagrammes
En conclusion, il serait bien de revoir et de souligner ce dont
nous avons discut prcdemment.
A. Choisir loutil le plus efficace compte tenu des donnes et du
but recherch
Certaines mthodes de prsentation ncessitent des donnes
plus compltes que dautres ; dautres ncessitent des donnes
configures de faon spcifique. partir de ces contraintes, dfinissez
quel message prcis vous souhaitez communiquer puis choisissez la
mthode : courbes linaires continues si vous voulez comparer des
tendances ; diagrammes barres pour prsenter clairement une
218
comparaison entre des quantits distinctes en nombre limit ;
diagrammes secteurs dont lavantage est de comparer les parties et
la totalit ; diagrammes nuages de points, excellents pour montrer
une tendance.
B. Ne prsentez quune ide la fois
Votre prsentation ne devra avoir quun seul but ou une seule
ide ; limitez le volume de donnes et nutilisez quun seul type de
donnes chaque prsentation. Diffrents points de vue sur les
informations (sauf sil sagit dune comparaison) ncessitent des
prsentations spares. En consquence, traitez un grand volume
dinformations ou plusieurs types dinformations.
C. Imprimez en noir et blanc ce que vous devez reproduire
Peu de photocopieurs peuvent reproduire en couleur et toutes
les photocopies couleur sont chres. Les couleurs peuvent trs bien
tre remplaces : par des surfaces hachures ou pointilles pour les
aires; pour les courbes, par des repres, des pointills ou des tirets
(de diffrentes longueurs sur les diffrentes courbes) ou par une
combinaison de ces diffrentes solutions.
D. Utilisez les indications appropries et bien places
Les titres doivent dfinir le quoi, o et quand permettant
didentifier totalement les donnes prsentes. Toutes les autres
indications doivent tre tout aussi claires, compltes et faciles
comprendre, et comme le titre, elles doivent tre disposes lextrieur
du cadre du diagramme. Seules les lgendes et les symboles peuvent
tre disposes dans la zone de traage dun graphique ou dun
diagramme (en les plaant dans une case distincte qui les isole des
donnes).
E. Citez vos sources
Il est essentiel de prciser o ou comment (ou les deux) les
donnes ont t obtenues. Sans une totale divulgation de vos sources,
il est difficile, pour ne pas dire impossible, aux membres de votre
auditoire deffectuer une vrification ou dapprofondir votre analyse.
En outre, pouvoir accder la source de linformation peut se rvler
aussi utile aux auditeurs que les extraits prsents ou les conclusions
que vous en tirez.
219
F. Soyez vigilants dans vos conclusions
En particulier, vos conclusions doivent reflter la totalit des
informations dont vous avez extrait vos donnes. Ne prsentez que
des conclusions pouvant tre tayes par les donnes que vous
prsentez. Mais ne perdez pas de vue que les tableaux, graphiques et
diagrammes mettent en lumire des gnralits - au dtriment, bien
entendu, des dtails. Compensez ce dsquilibre la fois dans la
prsentation et dans le commentaire. Prsentez dans une note de bas
de page, de faon bien visible, les dtails importants qui se trouvent
occults. Evitez toute conclusion qui ne tiendrait pas compte de ce
dsquilibre.
Ipsen, J . and Feigl, P. Bancroffts Introduction to Biostatistics. Harper and Row, New York, N.Y. 1970
Swaroop, S. Introduction to health statistics. E& S Livingstome Ltd., Edinburgh and London, 1960.
Schor, S.S. Fundamentals of Biostatistics. G.P. Putnams Sons, New York, N.Y., 1968.
220
221
Annexe 3
Organisation dun atelier sur la mthodologie
de la recherche dans le domaine de la sant
Historique
En avril 1979, lors de sa Quatrime Session, le Comit
consultatif de la Recherche en Sant du Pacifique occidental
(CCRSPO) a formul une recommandation au Bureau rgional de
lOMS pour le Pacifique occidental , portant sur lorganisation dans
ses tats Membres, dateliers consacrs la conception et llaboration
dun projet de recherche et la mthodologie de la recherche, et
orients plus particulirement en vue de la prparation de propositions
de subventions de recherche. En consquence, quatorze ateliers
nationaux ont eu lieu entre 1981 et 1991 avec la collaboration des
instances nationales : quatre en Chine ; deux dans chacun des pays
Malaisie, Papouasie-Nouvelle-Guine et les Philippines ; un dans
chacun des pays Brunei Darussalam, Fidji, Rpublique de Core et
Viet Nam.
Auparavant, beaucoup de personnes avaient fait part de leur
scepticisme quant la faisabilit denseigner la recherche par une
formation de courte dure, telle que dans des ateliers nationaux
organiss par lOMS. Ces critiques sont tout fait justifies, puisque
la recherche exige un haut niveau de motivation personnelle, des
connaissances et des comptences tendues, de mme quun esprit
cratif. Ce sont l des qualits que lon ne peut gure sattendre
acqurir par lassimilation de leons sur une courte dure. Nanmoins,
il y a des personnes qui osent penser que de jeunes scientifiques et
des membres des professions mdicales peuvent tirer profit dune
telle formation axe sur les techniques dlaboration dun projet de
222
Annexe 3 : Organisation dun atelier sur la mthodologie de la recherche dans le domaine de la sant
recherche. Si cette formation permet de comprendre les tapes
essentielles dans llaboration dun projet de recherche et de sy
rfrer dans ses activits de recherche, elle peut apporter beaucoup.
De nombreux pays en dveloppement sont conscients de leurs
besoins en matire de recherche et sefforcent damliorer leurs
capacits en recherche. Il est peu probable, toutefois, que beaucoup
de ces pays soient en mesure dacqurir au cours des 15 prochaines
annes les pidmiologistes et les statisticiens diplms dorigine
nationale, en nombre suffisant pour rpondre aux besoins de tous les
programmes de recherche qui ncessitent leur expertise. Il faut aussi
garder lesprit que lamlioration des capacits en matire de
recherche fait partie intgrante de notre effort pour atteindre lobjectif
de la sant pour tous dici lan 2000.
Alors, que peut faire le dcideur ? Une dmarche est dorganiser
des formations de courte dure sur la mthodologie de la recherche
et, en parallle, daugmenter le nombre de spcialistes de la recherche
qui reoivent une formation universitaire sur plusieurs annes. LOMS
est en faveur de cette dmarche et au cours de la dcennie plus de
50 cours de formation de courte dure ont bnfici du soutien de ses
bureaux rgionaux, en premier du Bureau rgional de lAsie du Sud-
Est, suivi par le Bureau rgional du Pacifique occidental. Ces deux
rgions ont mis en place des structures dorganisation perfectionnes
dans le domaine de la planification et de la mise en oeuvre de
programmes de recherche.
Objectifs
Lobjectif principal de ces cours de formation et de fournir aux
participants une approche systmatique de la conduite dun projet de
recherche, dans lespoir que cet acquit sera diffus largement dans le
milieu de la recherche par leur intermdiaire, et en mme temps que
les participants transmettront aux jeunes chercheurs et aux stagiaires
les connaissances et les techniques apprises pendant latelier. Les
participants doivent pouvoir organiser des sessions de formation sur
la mthodologie de la recherche dans leurs propres institutions afin de
transmettre les principes de la recherche scientifique que doit suivre
scrupuleusement un chercheur pour trouver les rponses pertinentes
un problme de recherche, en toute objectivit et sans biais.
lissue de la formation, les participants doivent tre en mesure
de :
223
comprendre et apprcier sa juste valeur la mthode
scientifique, telle quelle sapplique la recherche ncessaire
la bonne pratique clinique, la prvention et la lutte contre
les maladies, et la prestation des soins ;
faire lnonc prcis dun problme de recherche et des objectifs
de ltude de recherche consacre ce problme ;
valuer lintrt dun problme de recherche pour lamlioration
de la sant au niveau local ou national ;
formuler les hypothses pertinentes susceptibles dtre testes
par des mthodes scientifiques pour produire des rsultats valides
et utiles ;
laborer une proposition de recherche par le choix et la mise
en oeuvre dun plan et dune mthodologie de recherche
appropris ;
raliser le programme de recherche ;
interprter correctement et prsenter clairement les rsultats
aux collgues scientifiques et chercheurs, aux dcideurs, aux
administrateurs et au public ;
former les jeunes scientifiques aux principes et aux techniques
ci-dessus.
Le cadre de la mthodologie de la recherche, dont les
participants auront assimil lenseignement, est schmatis dans le
tableau 1.
Concept du travail
Le concept du travail de latelier est de fournir un cadre trs
gnral des techniques dlaboration dun projet de recherche et de
la mthodologie de la recherche, applicables la recherche biomdicale
et aux tudes relatives aux systmes sanitaires. En principe, un sujet
est prsent par une confrence plnire qui traite des concepts et
des rgles, et est suivi dune session pratique datelier et/ou des
prsentations des participants.
Dure de latelier
Latelier se droule sur deux semaines.
224
Contenu de latelier
1. Introduction la recherche :
a. Politique de recherche de lOMS et coordination de la
recherche nationale ;
b. Introduction la recherche et aux mthodes scientifiques:
dfinition, catgories de la recherche, fondations
scientifiques en matire de recherche, plan dtude,
planification et gestion de la recherche ;
c. Concept de la recherche relative aux systmes sanitaires.
TABLEAU 1 CADRE DE LA MTHODOLOGIE DE LA RECHERCHE
dfinition, rle et objet de la recherche
principes scientifiques
infrences et hypothses
preuve scientifique et probabilit
population tudie
chantillonnage
slection des tmoins
limination du biais
matrise des facteurs de confusion
dfinition du problme
formulation des questions
nonc des objectifs
choix du plan dtude
planification du programme
recueil de donnes
dpouillement des donnes
traitement des donnes
analyse des donnes
interprtation des rsultats
publication scientifique
prsentation en runions
prsentation aux administrateurs et dcideurs
prsentation au public
Recherche et
mthodes
scientifiques
Plan dtude
Enqutes
tudes
analytiques
Essais
Expriences
laboration de la
proposition de
recherche
Excution de
ltude
Prsentation
des rsultats
225
2. Un plan de recherche-type et sa pertinence pour
llaboration de propositions de recherche utilisant le
modle de lOMS :
a. plan dtude
choix et formulation des problmes de recherche;
valuation des informations existantes ;
nonc des objectifs et des hypothses de
recherche
plan et mthodologie de recherche pour les tests
dhypothses.
b. excution de ltude :
recueil de donnes
dpouillement et analyse des donnes
interprtation et conclusions ;
rapport final (prsentation) et publication.
3. Choix du plan dtude et des stratgies de recherche
appropris :
a. stratgies descriptives ;
b. stratgies analytiques (causales) : tudes de cohortes,
enqutes cas-tmoins ;
c. stratgies exprimentales : essais cliniques et tudes
dintervention.
4. Outils biostatistiques
a. statistique fondamentale ;
b. chantillonnage et taille dchantillon ;
c. test de signification ; test dhypothse en statistique ;
d. techniques relatives aux tables de mortalit.
5. Exercices pratiques et prparation des propositions :
a. modle WPRO pour les propositions de recherche ;
b. formulation de propositions (travail de groupe).
226
6. Autres lments prendre en compte :
a. biais et facteurs de confusion ;
b. thique dans la recherche biomdicale ;
c. gestion de donnes et informatique (visite).
Les figures 1 et 2 prsentent un organigramme des activits
dun atelier sur la mthodologie de la recherche dans le domaine de la
sant et un exemple demploi du temps.
Participants
Le nombre de participants devrait tre de lordre de 25. Ces
personnes doivent tenir des postes de responsabilit en qualit de :
1 Enseignant dune cole de mdecine, ou
2 Mdecin chef concern par lamlioration des comptences
en matire de recherche, ou
3 Chercheur scientifique dont lactivit principale se droule dans
le domaine de la sant.
Corps enseignant
Le corps enseignant sera compos dexperts dans les
diffrentes disciplines concernes par la mthodologie de la recherche
en matire de sant.
Proposition de module de formation
Il nexiste pas de modle impos qui permet de rassembler les
matires dune formation de courte dure de faon garantir que les
objectifs de la formation seront atteints et que les principes dune
bonne pdagogie seront respects. Le module qui est propos ci-
aprs ne fait quindiquer des matires envisager. On peut ajouter
celles-ci, ou les rduire, le cas chant, en fonction des objectifs de la
formation, de la dure de celle-ci, et de lexprience des participants.
De mme, il nexiste pas de modle impos pour lorganisation des
cours par sessions journalires. Ceci relve plutt du style
denseignement, du bon sens, et des moyens logistiques.
Le module comporte trois parties principales : des sessions
consacres la mthodologie, des sessions de travaux pratiques et
dexercices, et des sessions sur des sujets dtude spcifiques aux
besoins dun atelier donn.
227
1. La partie Mthodologie
a. Conception et laboration dune recherche
La composante essentielle de la partie mthodologie est la
conception et llaboration dune recherche, illustre schmatiquement
dans la figure 3. Les quatre premires tapes constituent la proposition
de recherche, et les quatre tapes suivantes reprsentent la conduite
de ltude, lanalyse et linterprtation des donnes et la prparation
des rapports dactivits et des rapports scientifiques. Chacune de ces
tapes doit tre approfondie. Les quatre premires tapes doivent
tre dtailles, et en particulier ltape 4. Dans les sessions consacres
dcrire llaboration dune recherche, les lments spcifiques de
ltape 4 (plans de recherche) et de ltape 7 (analyse des donnes)
seront traits dans les grandes lignes pour que lon sache de quoi il
sagit, mais on nentrera dans le dtail de ces lments que lors des
sessions sur lpidmiologie, la statistique ou les sciences sociales.
Si lhoraire le permet, on peut illustrer la conception et
llaboration dune recherche par des exemples tirs de la littrature
relative au domaine dintrt des participants.
b. Concepts et mthodes pidmiologiques
Lenseignement dans ces domaines doit tre adapt et se
rapporter llaboration dune recherche, en tenant compte des
objectifs de la formation, de la dure de celle-ci et de lexprience
des participants. Il faut garder lesprit quil ne sagit pas dune
formation en pidmiologie et par consquent le but nest pas de
former des pidmiologistes instantans. Les matires les mieux
adaptes pour une formation de courte dure sont :
la description pidmiologique et les mesures ;
les diffrents plans dtude (tude descriptive, tude analytique,
essais cliniques, tude exprimentale et dvaluation) ;
lvaluation du risque et les mesures deffets pour chaque type
de plan dtude ;
le biais, la confusion et linfrence causale.
Le niveau de dtail trait dans ces quatre matires dpendra
de la dure de la formation. Des formations spciales comprendront
des notions supplmentaires.
228
F
I
G
U
R
E

1

O
R
G
A
N
I
G
R
A
M
M
E

D
E
S

A
C
T
I
V
I
T
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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.

Methodologie de La Recherche

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Methodologie de La Recherche

Transféré par

Droits d'auteur :

Formats disponibles

MTHODOLOGIE DE LA RECHERCHE

DANS LE DOMAINE DE LA SANT

Applique lexemple ci-dessus, elle donne : n = (1,96/

La taille de lchantillon requise dans lexemple est :

INDURATION (MM) : Lecteur B

INDURATION (MM) : Lecteur B

Vous aimerez peut-être aussi