Séance de révision LCA DFGSM3

10 juin 2021

Agnès Dechartres
agnes.dechartres@aphp.fr
188 étudiants/549 (34%...)
Q1: L’ objectif principal de cette étude était (une seule réponse):
 Réflexe PICO pour l’objectif

Facteur d’exposition

Critère de jugement

Population

P= patients avec un diabète de type 2 nouvellement diagnostiqué (avec et sans

atcd cardiovasculaire)
E= pression artérielle systolique et diastolique pendant la 1ère année
C= sous entendu (référence de la pression artérielle systolique et diastolique)
O= mortalité toutes causes confondues
 Q1: L’ objectif principal de cette étude était d’évaluer :

A. Si la pression artérielle au moment du diagnostic de diabète de type 2 est associée à la

mortalité toutes causes confondues Non PA atteinte dans la première année
B. Si la prise en charge d’un diabète de type 2 nouvellement diagnostiqué permet de faire
baisser la pression artérielle à un an Non association entre PA la 1ere année et mortalité
C. Si un contrôle strict de la pression artérielle dans la première année de prise en charge d’un
diabète de type 2 est efficace pour diminuer la mortalité toutes causes confondues
Non objectif d’essai thérapeutique. Ici, on est dans une étude observationnelle
D. L’association entre pression artérielle dans la première année de prise en charge d’un
diabète de type 2 et évènements cardiovasculaires Non outcome=mortalité
E. Si la pression artérielle dans la première année de prise en charge d’un diabète de
type 2 est associée à la mortalité toutes causes confondues
Q2: La population analysée dans cette étude:
 Q2: La population analysée dans cette étude:

A. Provenait de la base de données de recherche en médecine générale

au Royaume Uni
B. Incluait tous les sujets diabétiques de type 2 diagnostiqués au Royaume
Uni entre le 1er janvier 1990 et le 31 décembre 2005
C. Excluait les sujets de plus de 35 ans à l’âge du diagnostic de diabète
D. Etait incluse prospectivement
E. Excluait les sujets ayant eu un évènement cardiovasculaire enregistré
avant le diagnostic de diabète
Faux, il s’agit ici d’une étude rétrospective
On reconstitue a posteriori la cohorte pour cette analyse
 A vrai

B faux
La base de données en médecine
générale ne comprend que 5% de la
population

C faux
Seuls les sujets de moins de 35 ans avec de l’insuline dans
les 3 mois du diagnostic … étaient exclus

E faux
Seuls les sujets avec un diagnostic d’insuffisance
cardiaque étaient exclus
Justement l’intérêt de cette étude était de regarder les
patients avec et sans antécédent cardiovasculaire
 Type d’étude ici

• Etude de cohorte rétrospective

• Il s’agit d’une étude:

– Observationnelle
– Analytique
– Longitudinale (comme toute étude de cohorte)
 Comparatives
(groupe avec, groupe sans
facteur/intervention
étudié(e)

Observationnelles Expérimentales ou
(aucun contrôle sur le interventionnelles
facteur/intervention étudié) (manipulation du
facteur/intervention étudié)

Études cas-témoin Études de cohorte

Essai randomisé Plan quasi-
expérimental
(non
randomisé)
Transversales
(« cross-sectionnal »)
Distinction entre cohorte prospective et cas témoin
Dans une étude de cohorte, Enquête de cohorte prospective
on recrute des gens plus ou
moins exposés (pas encore 1) Exposition 2) Maladie
malades) Oui / non

Enquête cas / témoins

2) Exposition 1) Malades/non- Dans une étude cas-témoin,
malades on recrute des malades et
des non-malades
Et on va rechercher leur
exposition antérieure à des
facteurs de risque
Temps Aujourd’hui
Cohorte prospective/cohorte rétrospective

• Cohorte prospective
Exposition Maladie

temps

Début d’enquête

• Cohorte rétrospective
Début d’enquête
On reconstitue a posteriori une
cohorte d’exposés ou non (mais les
évènements se sont déjà passés) Maladie
Exposition

temps
Cas particulier: le cas témoin niché dans une cohorte
pre-existante
• On part d’une cohorte pre-existante
– Cela peut être par exemple un registre

• On sélectionne ensuite au sein de cette cohorte pre-existante:

– Des cas: des sujets atteints de l’outcome qui nous intéresse
– Des témoins: des sujets indemnes de l’outcome qui nous intéresse
Q3: Les facteurs d’exposition étudiés dans cette étude incluaient:
 Attention à bien distinguer dans une étude observationnelle:
• Facteur(s) d’exposition d’intérêt
– Celui ou ceux pour lesquels on cherche à évaluer l’association avec le critère de jugement
(cf objectifs)
– On aura un résultat (OR, RR ou HR) rapportée pour ce(ces) facteur(s)

• Facteurs de confusion
– Ceux sur lesquels on ajuste dans le modèle multivarié
– Pas toujours de résultats rapportés
• Ici pas d’HR pour l’âge, le sexe,…

• Critère de jugement
– La maladie ou l’évènement que l’on cherche à expliquer
 Rappel PICO

Facteur d’exposition

Critère de jugement

Population

P= patients avec un diabète de type 2 nouvellement diagnostiqué (avec et sans

atcd cardiovasculaire)
E= pression artérielle systolique et diastolique pendant la 1ère année
C= sous entendu (référence de la pression artérielle systolique et diastolique)
O= mortalité toutes causes confondues
Q3: Les facteurs d’exposition étudiés dans cette étude incluaient:

A. L’âge Non ce sont des facteurs de confusion potentiels

(on n’a pas de HR pour ces deux variables)
B. Le sexe
C. La pression artérielle au moment du diagnostic d’un diabète de
type 2 Non c’est dans la 1ère année
D. La pression artérielle dans la première année de prise en
charge d’un diabète de type 2
E. La mortalité toutes causes confondues Non c’est le critère de jugement
 Covariables dans le modèle:
variables sur lesquelles on
ajuste dans l’analyse
multivariée

Le modèle de Cox s’écrit ici:

Mortalité ~ pression artérielle+âge+sexe+tabac+…

Variable à Variables explicatives

expliquer= Facteur d’intérêt (pression artérielle) + facteurs de
maladie ou evt confusion potentiels
Question 4 (qroc)

Les auteurs disent avoir exclus les patients avec un diagnostic

d’insuffisance cardiaque car ces patients ont tendance à avoir une
pression artérielle plus basse que ceux sans insuffisance cardiaque.
L’insuffisance cardiaque étant un facteur de risque de décès, qu’est-ce
que les auteurs ont voulu éviter en excluant ces patients ? (2 mots
maximum)
Question 4 (qroc)

• Les auteurs disent avoir exclus les patients avec un diagnostic

d’insuffisance cardiaque car ces patients ont tendance à avoir une
pression artérielle plus basse que ceux sans insuffisance cardiaque.
L’insuffisance cardiaque étant un facteur de risque de décès, qu’est-
ce que les auteurs ont voulu éviter en excluant ces patients ? (2 mots
maximum)

• Causalité inverse
 Causalité inverse

• Dans une étude épidémiologique étiologique, ce que l’on tend à montrer (mais
qu’on ne peut pas montrer à partir d’une seule étude, il faudra discuter les
critères de Bradford Hill) est que le facteur d’exposition est la cause de
l’outcome
• La causalité inverse est le fait que le facteur d’exposition est un marqueur
précoce de l’outcome et non sa cause
– Autrement dit: l’outcome (ou comme c’est le cas ici le fait que l’outcome soit proche)
entraine le facteur d’exposition
– Donc ici: l’insuffisance cardiaque facteur de risque de décès entraine une pression
artérielle plus basse
• C’est pour cela que ces patients sont exclus
Q5: Le taux de décès a été estimé à 48.3 pour 1000 patients années.
Que peut-on dire :
=20%
Q5: Le taux de décès a été estimé à 48.3 pour 1000 patients années.
Que peut-on dire :

A. Cela correspond au ratio entre les 25495 décès et les 126092 personnes incluses dans
cette étude Non car ce ratio ne prend pas en compte la durée de participation de chaque sujet
B. Il prend en compte la durée de participation de chaque sujet définie comme la
durée entre la date de diagnostic et la date de décès, de perdu de vue ou le 31
décembre 2005, selon ce qui survenait en premier
C. Cela correspond à 48.3 décès pour 1000 personnes suivies pendant un an
D. Cela signifie que toutes les personnes avaient la même durée de suivi
E. Sur 2000 sujets suivis 6 mois, on s’attendrait à observer entre 48 et 49 décès
C’est l’interprétation de ce
taux d’incidence Faux!
Prend en compte la durée de
participation de chaque sujet
Personne-temps

• En épidémiologie, la notion de personne-temps est fréquemment utilisée et en

particulier la notion de personne-année

• Elle permet de calculer des taux d’incidence

• Avec PT : Nombre de Personnes-Temps sur la période c'est-à-dire la somme

cumulée des durées pendant lesquelles les non-malades sont « à risque » de
devenir malade

Diapo Lisa Belin

Personne-temps

• 1 personne année correspond à la durée de suivi de :

• 1 personne non-malade pendant 1 an

– Si cette personne n’est pas malade pendant l’année de suivi, elle aura
été susceptible de produire un nouveau cas de maladie pendant 1 an

• 2 personnes non-malades pendant 6 mois (E vrai)

– Il pourrait s’agir de personnes décédées au bout de 6 mois de suivi.
Elle ne peuvent plus produire de nouveaux cas de maladie après leur
décès. Il pourrait s’agir aussi de personnes présentant la maladie au
bout de 6 mois de suivi. Elles ne peuvent plus produire de nouveaux
cas de maladie après la survenue de la maladie
Diapo Lisa Belin
B vrai
Q6: Dans la figure 3, pointez la médiane de survie en année chez les patients sans
antécédent cardiovasculaire, et pour lesquels la pression artérielle systolique était mal
contrôlée (> 140 mmHg) sur l'axe des abscisses
Attention à
bien lire
l’énoncé
Q6: Dans la figure 3, pointez la médiane de survie en année chez les patients sans
antécédent cardiovasculaire, et pour lesquels la pression artérielle systolique était mal
contrôlée (> 140 mmHg) sur l'axe des abscisses
 Analyse statistique
• Avant toute chose: quel est le type de variable?

– Variable binaire (oui/non pour chaque patient)

• Exemple: mortalité à 30 jours

– Variable quantitative (valeur pour chaque patient)

• Exemple: douleur évaluée par EVA (entre 0 et 10) à 30 minutes

– Variable censurée
• Evènement (oui/non) et délai jusqu’à la survenue de cet évènement
• Exemple: délai jusqu’au décès ou survie ou mortalité (sans précision)
Cf poly de LCA: tableau résumé
 Analyse statistique
• Avant toute chose: quel est le type de variable?

– Variable binaire (oui/non pour chaque patient)

• Exemple: mortalité à 30 jours

– Variable quantitative (valeur pour chaque patient)

• Exemple: douleur évaluée par EVA (entre 0 et 10) à 30 minutes

– Variable censurée
• Evènement (oui/non) et délai jusqu’à la survenue de cet évènement
• Exemple: délai jusqu’au décès ou survie ou mortalité (sans précision)
 Données censurées

Dans cette étude, la date de point est le 31 Décembre 2005

 Rappel: analyse des données de survie
• Analyse descriptive:
– Méthode de Kaplan-Meier : Courbe (ou fonction) de survie

• Analyse univariée:
– Comparaison de plusieurs courbes de survie à l’aide du test du Log-Rank

• Analyse multivariée:
– Modèle de Cox : modélisation du risque instantané de décéder en fonction d’une ou
plusieurs variables prédictives
– Risque instantané = risque observé entre un temps t et t + dt
– « Hazard Ratio », ou rapport des risques instantanés de décéder
Analyse descriptive

• Courbe de Kaplan et Meier:

Evènement(s)

Probabilité cumulée de survie

Censure(s)

Temps
(mois)

40
Analyse descriptive

• Courbe de Kaplan et Meier: médiane de survie

– Temps pour lequel la moitié des patients en vie

Probabilité cumulée de survie

Temps
(mois)
On ne peut pas toujours l’estimer (il faut que la moitié des patients aient eu
41
l’évènement
Analyse univariée: test du log-rank
 Analyse multivariée: modèle de Cox

• Modèle de Cox
– Qui repose sur une hypothèse de proportionnalité des risques
• Que les auteurs sont censés vérifier

• Hazard ratio: rapport des risques instantanés de décéder ou d’avoir

l’évènement
– Doit toujours être présenté avec son IC à 95%
– S’interprète comme un risque relatif
Q7: Que peut-on dire de l’analyse multivariée présentée dans le
tableau 2 :
Attention, l’analyse multivariée correspond au modèle 2 (ajusté)!
Par exemple pour la PA systolique, c’est ça qu’il faut regarder
Rappel: Interprétation du RR/OR/HR
RR/OR/HR (95% CI)

Étude 1 1. 80 (0. 90 , 3.60 ) p > 0.05

Étude 2 3.30 ( 1.80 - 5.90 ) p < 0.05

Étude 3 0.30 (0.20 - 0.60 ) p < 0.05

1
HR
• Étude 1: absence d’association
• Étude 2: facteur de risque
• Étude 3: facteur protecteur

47
Interprétation d’un Risque relatif/hazard ratio
• HR=1,40
– Risque multiplié par 1,4 dans la catégorie évaluée par rapport à la catégorie de
référence (indiquée par un HR=1 sans IC à 95%)
– Augmentation relative du risque de 40% dans la catégorie évaluée par rapport à la
catégorie de référence (indiquée par un HR=1 sans IC à 95%)

• HR=0,70
– Risque multiplié par 0,70 dans la catégorie évaluée par rapport à la catégorie de
référence (indiquée par un HR=1 sans IC à 95%)
– Réduction relative du risque de 30 % dans la catégorie évaluée par rapport à la
catégorie de référence (indiquée par un HR=1 sans IC à 95%)

48
Catégorie de référence pour l’analyse multivariée
Commençons par les items portant sur la PA systolique!

A faux
On a bien un HR=2.79 soit un risque de
décès multiplié par 2.79 mais par rapport
à la catégorie de référence (identifiée par
un HR=1) c’est-à-dire par rapport aux
sujets avec atcd cardiovasculaire et une
PAS entre 130 et 139 (usual control)
Commençons par les items portant sur la PA systolique!

E vrai
L’association était retrouvée chez
les sujets avec et sans atcd
cardiovasculaire
Passons aux items sur la pression artérielle diastolique

B vrai
On a un HR=1.54 soit une
augmentation relative du
risque de 54% chez les sujets
avec une PAD<70 par rapport à
la catégorie de référence (les
sujets avec une PAD entre 80
et 84)
C faux
On a bien un risque
significativement plus élevé
mais par rapport à la catégorie
de référence (PAD entre 80 et
84)
On ne peut rien dire sur la
comparaison entre PAD<70 et
PAD entre 70 et 74
D faux
Non significatif
Q8: L’association entre pression artérielle basse et mortalité toutes
causes confondues peut s’expliquer par :
 Question classique

• Une association significative dans une étude observationnelle peut être

expliquée :
– Le risque alpha (probabilité de conclure à une association qui n’existe pas)
– Des facteurs de confusion résiduels
– Des biais
– Une vraie association (et donc ici un effet délétère d’un contrôle trop strict)

– Mais pas par un manque de puissance! (probabilité de ne pas montrer une

association qui existe)
D vrai

E vrai
Q9: Les résultats de cette étude incitent à:
Attention terme beaucoup trop fort
On est ici dans une étude observationnelle
Attention à ne pas surinterpréter les résultats
Les auteurs sont prudents dans l’interprétation des résultats