MSP 105 - Recherche

Manuel d’auto-apprentissage en épidémiologie

Chapitre 3 : Mesures d’association et études d’observation

Pour les études de cohortes, calculera l'incidence dans les groupes d'exposition, le risque relatif et le risque attribuable
sur présentation d'un tableau de contingence 2 x 2. Interprétera ces risques.
• L’étude de cohorte est une étude pour laquelle, au départ, nous avons 2 groupes d’individus, l’un exposée et l’un non-
exposé à un facteur de risque. Nous les suivons sur une longue période de temps afin d’évaluer l’incidence d’une
maladie.
𝐼𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑒 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑙𝑎𝑑𝑖𝑒 𝑐ℎ𝑒𝑧 𝑙𝑒𝑠 𝑒𝑥𝑝𝑜𝑠é𝑠 (𝐹𝑢𝑚𝑒𝑢𝑟𝑠 𝑝𝑎𝑟 𝑒𝑥𝑒𝑚𝑝𝑙𝑒)
• Risque relatif : 𝐼𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑒 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑙𝑎𝑑𝑖𝑒 𝑐ℎ𝑒𝑧 𝑙𝑒𝑠 𝑛𝑜𝑛−𝑒𝑥𝑝𝑜𝑠é𝑠 (𝑁𝑜𝑛−𝑓𝑢𝑚𝑒𝑢𝑟𝑠)
o Le risque relatif est lorsque l’on compare les risques reliés à la présence de l’exposition.
o Le risque relatif permet d’étudier l’aspect étiologique d’un facteur de risque pour une maladie.
o L’incidence est un estimé direct du risque de développer une maladie dans une période de temps donné.
o Il nous indique par combien est multiplié le risque de base de maladie chez les personnes exposées au
facteur étudié. (Si RR = 3, on a 3 fois plus de chance de contracter la maladie)
▪ Un RR = 1 indique que le facteur n’augmente ou ne diminue pas le risque d’incidence
▪ Un RR > 1 indique que le facteur augmente l’incidence. C’est donc un facteur de risque.
▪ Un RR < 1 indique que le facteur diminue l’incidence. C’est donc un facteur protecteur.

• Le risque attribuable (RA) est lorsque l’on fait la différence entre l’incidence (risque) chez les exposés (E) et l’incidence
(I) chez les non-exposés (NE). Cela nous permet d’obtenir le risque attribuable chez les exposés.
𝐴 𝐶
o 𝑅𝐴 = 𝐼 (𝐸) − 𝐼 (𝑁𝐸) = 𝐴+𝐵 − 𝐶+𝐷
o Un RA positif révèle un facteur de risque alors qu’un RA négatif révèle un facteur protecteur.
o Le RA représente le fardeau d’une maladie associé à un facteur de risque donné. Il indique l’incidence de tous
les cas imputables à ce facteur spécifique chez les exposés. Le risque chez les non-exposés représente donc le
risque « de base » (sans facteur de risque) de développer la maladie.
o Il indique combien le risque d’une maladie chez les exposés peut être diminué par une prévention primaire
(absence du facteur étudié). Donne une meilleure idée de l’impact du facteur en matière de santé publique.
• Le RE et le RA sont des paramètres, ainsi, leur valeur est rarement connue. Nous pouvons toutefois utiliser un
échantillon représentatif pour estimer le paramètre
 Étude de cohorte
• Dans ce type d’étude, on sélectionne un échantillon représentatif de personnes étant exposées et un échantillon
de personnes non-exposées. On suit ensuite les personnes durant une période assez longue pour que la maladie
puisse se développer chez un nombre suffisant d’individus.
o Les personnes dans chaque groupe d’exposition partagent une expérience commune dans un temps défini,
chaque groupe forme alors une cohorte
o Dans plusieurs études, l’exposition ne pourra être dichotomique → différents niveaux d’exposition
o Les personnes sont exemptes de la maladie au début de l’étude

Présentera un schéma d'étude de cohortes visant à évaluer une hypothèse de recherche qui lui sera présentée.

• On peut ainsi estimer l’incidence de la maladie dans chacune des cohortes, le ratio des incidences estimées est un
estimé de RR noté RR^ (l’accent circonflexe sur le 2e R signifie estimateur de)
• La différence des incidences estimées est un estimé de RA noté RÂ
• Spécifier la durée de l’étude lors du calcul d’incidence et de RA (cas/personnes/X ans)
• Ensuite, des conclusions pourront être portées sur RR à partir de notre estimateur RR^ en utilisant la statistique
inférentielle :
o Construire un intervalle de confiance autour de RR^ et regarder si 1 (la valeur dénotant l’absence d’association
entre l’exposition et la maladie) appartient à cet échantillon OU
o Utiliser un test du khi-carré pour tester H0 = 1 vs H1 : RR  1. Les hypothèses font toujours intervenir RR et non
l’estimé
• Si 1 appartient à l’intervalle de confiance autour de RR^ ou que H0 n’est pas rejetée → l’exposition n’est pas associée
au risque
• Si 1 n’appartient pas à l’intervalle de confiance autour de RR^ ou que H0 est rejetée → association entre le facteur
étudié et l’état de santé dans la population
• L’INCIDENCE NE SE CALCULE QUE DANS LE CAS D’ÉTUDE DE COHORTE

Étude de cas-témoins
• L’étude cas-témoins est une comparaison entre un groupe cas (gens atteints de la maladie) et un groupe témoin (gens
sans la maladie). On détermine par la suite s’il y a eu exposition au facteur suspect avant le développement de la
maladie pour les cas et avant l’entrée dans l’étude pour les témoins.
• Contrairement à l’étude de cohortes, les personnes ont été choisies selon la présence de la maladie
o Ainsi, on aura les cas, soit ceux ayant été diagnostiqués avec la maladie
o Et les témoins, les personnes sans la maladie auxquelles sont comparés les cas

Présentera un schéma d'étude cas-témoins visant à évaluer une hypothèse de recherche qui lui sera présentée.
• Il est alors impossible de calculer les risques relatifs et attribuables, puisqu’il n’est plus question d’incidence, mais de
prévalence. L’incidence ne se calcule que dans les études de cohortes.
• C’est plutôt le rapport (odds) des cas exposés au facteur suspect sur ceux non exposés au facteur et le rapport des
témoins exposés au facteur suspect sur ceux non exposés qui seront comparés
• Si le rapport est plus grand chez les cas que chez les témoins, on jugera qu’une association existe entre le facteur
suspect et l’état de santé étudié

Pour les études cas-témoins, calculera et interprétera un « odds ratio » sur présentation d'un tableau de contingence.
• Un odds est le rapport (le numérateur n’est pas inclus dans le dénominateur) de la fréquence d’un évènement (a) sur
la fréquence de l’absence d’un évènement (c) dans un échantillon (a + c).

• Odds d’exposition chez les cas, ODDS (E | cas) = a/c

• Odds d’exposition chez les témoins, ODDS (E | témoins) = b/d
• Le rapport des cotes est appelé ODDS RATIO
𝑂𝐷𝐷𝑆 (𝐸 | 𝑐𝑎𝑠)
o 𝑂𝐷𝐷𝑆 𝑅𝐴𝑇𝐼𝑂 (𝑂𝑅) = 𝑂𝐷𝐷𝑆 (𝐸 |𝑡é𝑚𝑜𝑖𝑛𝑠)
• Puisque OR est calculé à partir des données d’un échantillon, c’est un estimateur de l’association entre
l’exposition et la maladie
𝐴𝐷
o 𝑂𝑅 ≈
𝐵𝐶
• OR peut être considéré comme un bon estimé de RR dans le cas de maladie rare (prévalence < 5%) comme A et
C peuvent être négligeables dans l’addition comme ils sont de faibles valeurs
𝐴
𝐴𝐷
o 𝑂𝑅 ≈ ≈ 𝑅𝑅 = 𝐴+𝐵
𝐶 , 𝑠𝑖 𝐴 𝑒𝑡 𝐶 𝑠𝑜𝑛𝑡 𝑛é𝑔𝑙𝑖𝑔é𝑠 𝑑𝑎𝑛𝑠 𝑙′ 𝑎𝑑𝑑𝑖𝑡𝑖𝑜𝑛
𝐵𝐶
𝐶+𝐷
• Avec la statistique inférentielle, on peut ensuite émettre des conclusions sur RR à partir de notre estimateur OR
o Construire un intervalle de confiance autour de l’OR et regarder si 1 (la valeur dénotant l’absence
d’association entre l’exposition et la maladie) appartient à cet intervalle
o Utiliser un test du khi-carré pour tester H0 = 1 vs H1 : RR  1. Les hypothèses font toujours intervenir
RR et non l’estimé de ce paramètre obtenu à partir de OR
• Si 1 appartient à l’intervalle de confiance autour de OR ou que H0 n’est pas rejetée → on conclura que RR = 1 et
que dans la population, l’exposition n’est pas associée au risque
 • Si 1 n’appartient pas à l’intervalle de confiance autour de RR^ ou que H0 est rejetée → association entre le facteur
étudié et l’état de santé dans la population
• Dans le cas de maladies plus fréquentes, l’OR n’est pas un bon estimateur de RR, il faudra ainsi l’interpréter
comme le rapport des odds dans la population

Étude cas-témoins avec échantillons appariés

• Dans certaines études, les témoins sont appariés un à un avec les cas sur certaines variables de confusion
potentielles. L’objectif est d’éliminer l’effet de ces variables sur les différences entre les cas et les témoins. Par
contre, l’inconvénient est que l’appariement nous empêche par la suite d’examiner l’influence des facteurs
d’appariement sur la maladie
• Le calcul de l’OR doit tenir compte de cet appariement. Ainsi, au lieu de sa structure habituelle, le tableau de
contingence 2 x 2 se bâtit en fonction des paires de sujets cas et témoins sur le facteur étudié
• Ainsi, pour chaque cas, on peut choisir un témoin comparable au niveau de l’âge et du sexe
• Ex :

Nombre de témoins par cas

• Il n’est pas nécessaire que le nombre de témoins soit identique au nombre de cas
• Les groupes doivent cependant être équilibrés
• Si beaucoup de cas → autant de témoins
• Si peu de cas → plus de témoins que de cas

Études rétrospectives et prospectives

• L’étude rétrospective de cohorte débute après qu’exposition et maladie soient survenues
o Elle recherche dans le passé les causes éventuelles d’une maladie
• L’exposition prospective de cohorte débute lorsque la maladie n’était pas présente.
 o Attende la survenue d’une maladie après exposition

Indiquera, sur présentation d'une liste de caractéristiques, celles se rapportant aux études de cohortes ou cas-témoins.
 Énoncera les principales caractéristiques d'une étude transversale.
• Type d’étude d’observation qui consiste à recueillir, au même moment, des informations sur un facteur de risque
donné et une maladie.
• Se fait par une méthode d’échantillonnage dans la population (souvent choisi au hasard)
• Elles mesurent la fréquence d’une maladie ou d’un facteur de risque à un moment donné et sont appelés études de
prévalence. L’absence de suivi ne permet pas de calculer une incidence. Toutefois, il est possible de calculer un odds
ratio, qui correspond à un estimé du risque relatif de la maladie associé à une exposition.

Chapitre 4 : Les essais cliniques

• Les essais cliniques, ou études expérimentales, nécessitent une intervention de la part de l’équipe de recherche
• Leur séquence est essentiellement la même que celle des études prospectives de cohortes
• L’implication de l’équipe de recherche est toutefois beaucoup plus grande que pour les études d’observation
(comme les études de cohorte)
o L’équipe décide de la répartition des sujets aux groupes d’exposition
o Répartition est faite de préférence au hasard
o Cette randomisation est une différence majeure entre un essai clinique et une étude de cohorte. Elle
augmente les chances que les groupes d’exposition aient des caractéristiques similaires (sexe, âge, état
de santé)
• On utilise souvent un placebo pour les gens non exposés afin d’avoir un protocole à simple insu (aveugle)
• La réévaluation est une source de biaise potentiels considérables
o Si l’équipe d’évaluation connait la répartition des sujets dans les groupes d’exposition → peut avoir des
tendances consciente ou inconsciente qui influence le résultat
o Doit donc faire une étude à double insu
• L’analyse des résultats peut aussi être influencée par ces tendances → triple insu
• Un croisement peut provenir dans les études expérimentales (passer de patient sans intervention à patient avec
intervention)
o Ex : patient qui ne devrait pas prendre d’aspirine qui en prend pour soulager des maux quelconques
o Les croisements non planifiés peuvent causer problème lors de l’analyse des données
• Lorsque l’issue de l’intervention est une variable continue → test
• Si l’issue est dichotomique, on peut estimer plusieurs indices épidémiologiques qui seront calculés avec les mêmes
équations que dans une étude prospective de cohorte :
o L’impact de l’intervention sur la présence de changement sera estimé par le rapport entre l’incidence de
changement chez les sujets exposés à l’intervention et l’incidence de changement chez les sujets non
exposés → RR^
o Le risque attribuable RÂ à l’intervention = valeur absolue de la différence entre l’incidence de
changement chez les sujets exposés à l’intervention et l’incidence de changement chez les sujets non
exposés → appelée la Réduction absolue du risque RAR
▪ Cet indice nous indique l’incidence de changement qui est imputable à l’intervention
▪ L’incidence de changement chez les non-exposés représente le « risque de base » de
changement sans intervention
▪ L’inverse du nombre RAR (1/RAR) indique le nombre de sujets à traiter (NNT)→ représente le
nombre de patients qu’il faut traiter pour obtenir un succès thérapeutique de plus dans le
groupe traité que dans le groupe non traité, en un temps donné
▪ On peut également calculer un risque attribuable à l’intervention en ce qui concerne les effets
indésirables → on parlera alors d’augmentation absolue du risque d’effet indésirable. L’inverse
de cette valeur correspond au « nombre nécessaire pour nuire »( NNH), soit le nombre de
patients qu’il faut traiter pour obtenir un cas d’effet indésirable de plus dans le groupe traité
que dans le groupe non traité
• NNH = 1/augmentation du risque absolu de EI = X, soit il faut traiter X patients pour
avoir un EI supplémentaire

Présentera un schéma d'essai clinique visant à évaluer une intervention présentée.

Étude expérimentale croisée

• Étude expérimentale dans laquelle on administre à un même groupe de patients les traitements expérimentaux l’un
après l’autre dans un ordre déterminé ou au hasard

Indiquera, sur présentation d'une liste, les caractéristiques propres aux essais cliniques et communes aux études
prospectives de cohortes.
• Les essais cliniques nécessitent une intervention de la part de l’équipe de recherche, contrairement aux études
d’observation que sont les études de cohortes et les études cas-témoins.
• Ressemble beaucoup, en termes de séquence, à une étude prospective de cohortes.
• Différence : l’équipe décidera de la répartition des sujets aux groupes d’exposition. Cette répartition se fait de
préférence au hasard (randomisation).
• La randomisation est une différence majeure entre un essai clinique et une étude de cohortes. Son intérêt est qu’elle
augmente les chances que les groupes d’exposition aient des caractéristiques similaires en termes de sexe, d’âge et
d’état de santé.

Indiquera, sur présentation d'une description de protocole d'essai clinique, le mode d'évaluation utilisé (simple, double
ou triple insu) et le type d’analyse (en intention de traiter ou non).

Mode d’évaluation
• Simple insu (à l’aveugle) : Les participants ne savent pas à quels groupes ils appartiennent.
o Ex : Placebo ou traitement
• Double insu : Lorsque les participants et les observateurs ne savent pas qui est dans quel groupe.
• Triple insu : Lorsque les participants, les observateurs et les gens analysant les résultats ne savent pas qui est dans
quel groupe.
→ Phénomène de croisement : Lorsqu’un patient recevant le placebo prend de l’aspirine en vente libre pour soulager
son malaise alors que le traitement offert l’autre groupe d’étude est l’aspirine.

Mode d’analyse
• Intention de traiter : Analyse comparant les participants selon un groupe qui leur a été assigné avec la randomisation
en début d’étude, et ce, peu importe qu’il y ait eu ou non un croisement non planifié en cours de route. Les groupes
ont ainsi plus de chances d’être similaire.

Primer : Chapitre 5 – Devis

Introduction
• La médecine factuelle est de déterminer la qualité des preuves par une évaluation critique, c’est-à-dire en appliquant
les règles de la science et du bon sens pour évaluer la qualité des articles publiés.
• L’évaluation critique : Consiste à juger de la validité des méthodes et des procédures utilisées pour recueillir les
données, à repérer les biais possibles, à évaluer la pertinence de l’analyse, l’exhaustivité du compte rendu et les
conclusions tirées, et à vérifier si l’étude est conforme aux codes d’éthique de la recherche.
• Une étude doit être réfutable, logique, intégrale, honnête, reproductible et suffisante.
• Les méthodes quantitatives se fondent sur des données pouvant être quantifiées ou converties en format numérique.
• La recherche qualitative emploie des informations non numériques pour explorer les caractéristiques des individus et
des groupes et arrive à des résultats qu’il est impossible d’obtenir par des techniques de statistiques ou d’autres
méthodes quantitatives.
o Elle est davantage explicative.

Comparaison entre les méthodes quantitatives et qualitative

Quantitative Qualitative

Génère des hypothèses Vérifie des hypothèses

Inductive (par d’un cas précis pour arriver à une Déductive (par d’une théorie générale pour arriver à une
conclusion) explication précise)

Examine un ensemble d’idées Examine un ensemble de personnes

Explique pourquoi et ce que cela veut dire Explique quoi, combien et dans quelle mesure

Capte des renseignements étoffés auprès d’un petit Obtient des estimations numériques de la fréquence, de
nombre de participants la gravité et des associations à partir d’un grand nombre
de participants

• Les méthodes quantitatives permettent d’étudier des associations statistiques entre les variables.
• Le but des méthodes quantitatives est de découvrir les facteurs causaux qui influencent l’état de santé.
• Les critères d’inférence d’une relation causale sont :
o Relation chronologique (exposition antérieure à l’apparition de la maladie)
o Force de l’association (personnes malades exposées versus personnes saines non-exposées)
o Intensité ou durée de l’exposition
o Spécificité de l’association (si un facteur de risque est associé de façon constante à une seule maladie)
o Constance des résultats
o Cohérence ou plausibilité des résultats.
o Cessation de l’exposition (si on enlève l’agent causal d’une population, l’incidence d’une maladie devrait
diminuer)

Les études par observation

Dans le cas d’une étude par observation, le chercheur observe ce qui arrive à des personnes exposées à des conditions
qu’il a sélectionnées lui-même ou qui sont déterminées par des influences sur lesquelles il n’exerce aucun contrôle.
• Études descriptives : Décrire ce qui est, et non pas tester des hypothèses. Ce sont davantage des études transversales.
Renseignements de nature descriptive.
• Études analytiques : Elles sont conçues pour tester des hypothèses. Lorsqu’une variable de résultat est étudiée en lien
avec une variable d’exposition. L’étude fait plus que dénombrer, elle teste une hypothèse qui devine une association
entre les 2 variables.
• Études transversales : Les sujets sont choisis sans tenir compte de la présence ou l’absence des caractéristiques
d’intérêt pour tester l’hypothèse. Généralement l’on choisit un échantillon aléatoire représentatif d’une population.
• Études de cohortes : Une cohorte est un groupe de personne faisant partie d’un échantillon quantifiable
qui partagent une certaine caractéristique et auprès desquelles on peut effectuer un suivi sur une période
déterminée. Typiquement, une étude de cohorte porte d'abord sur un échantillon de personnes n'ayant pas la
maladie d'intérêt ; elle recueille des renseignements sur l'exposition au facteur à l'étude, et effectue un suivi auprès
de personnes exposées et non exposées sur une certaine période. Le nombre de nouveaux cas (incidents) de la
maladie est consigné et comparé entre les groupes d'exposition. Les études de cohortes sont également appelées
études longitudinales ou de suivi. On peut calculer l’incidence d’apparition de la maladie.
• Études de cas-témoins : Elles comparent un groupe de patient présentant un résultat particulier (pathologie) à un
groupe semblable par ailleurs, mais ne présentant par la maladie. Les antécédents d’exposition avant l’apparition de
la maladie sont ensuite comparés entre les groupes. Il n’est pas possible de calculer l’incidence ou le risque, puisque
l’étude débute avec des personnes déjà atteintes de la maladie.

Les erreurs d’échantillonnage

• Le hasard : Il est possible que les résultats obtenus suite à l’étude d’un échantillon soient attribuables au hasard. Le
degré possible d’erreur dans l’estimation d’un paramètre d’après un échantillon se calcule par l’intervalle de
confiance (95% des résultats devraient se retrouver dans la moyenne  2 écart-types.)
• Le biais
o D’échantillonnage : Secondaire à la manière dont les participants ont été sélectionnés. Survient
généralement lorsque l’échantillon n’est pas choisi de manière aléatoire.
o De non réponse : Le fait que les gens faisant parti de l’échantillon décident de ne pas participer à l’étude.
o De mesure : Secondaire aux erreurs dans la mesure des expositions ou des résultats. Désigne les écarts
entre les valeurs consignées à l’aide d’une mesure et les valeurs réelles chez les participants de l’étude.
o Objectivité du chercheur : Peut influencer les résultats de l’étude.
• La confusion : Lorsqu’une troisième (ou quatrième, etc.) variable dans un réseau de causes est associée à
l’exposition et au résultat à l’étude. Si on ne tient pas compte de cette variable, les conclusions portant sur la
relation entre les deux premières variables peuvent être mal interprétées.

La hiérarchie des preuves

• Examens systématiques : Répertorier toutes les études pertinentes relatives au traitement ou à l’intervention dans
le but de l’évaluer et des résumer les résultats.
• Méta-analyses : Synthèse statistique de données d’études différentes, mais comparables.
 Épidémiologie et statistiques 3

Manuel d’auto-apprentissage en épidémiologie

Chapitre 5 : Le dépistage

• Le diagnostic se déroule au stade où la maladie est clinique (présence de signes et symptômes).

• Théoriquement, il serait préférable de détecter la maladie à un stade préclinique plutôt que d’attendre la phase
clinique. Cette détection précoce est en fait la notion de dépistage.
o Dépistage : Identification présomptive d’une maladie ou d’un défaut non reconnu par l’application de tests,
examens ou autres procédures pouvant être employées rapidement, pour repérer les personnes
apparemment saines et qui sont probablement atteintes de la maladie parmi celles qui ne le sont pas. Un test
de dépistage n’est pas conçu pour être diagnostique. Les personnes avec des résultats positifs ou suspects
doivent être référées à leur médecin pour diagnostic et traitement si nécessaire

Prévention
5.1 Indiquera, sur présentation d'une situation clinique, les périodes où se situeraient les activités de prévention
primaire, secondaire et tertiaire.
• Primaire → On empêche le développement de la maladie (action au niveau de l’incidence)
Ex : Vaccination et modification des habitudes de vie (sport et alimentation)
• Secondaire → Après le développement de la maladie, on empêche sa progression ou sa persistance, et dans les cas
possibles, on guérit la personne. (Action au niveau de la prévalence)
Ex : Dépistage et traitements qui élimineront la maladie (ex : antibiotique).
• Tertiaire → Lorsque que la guérison n’est plus une option, on tente de diminuer l’impact de l’état chronique de la
maladie en empêchant la dégradation de son état ou en ralentissant la progression
Ex : Contrôle du diabète par l’insuline, diurétique dans le cas de l’hypertension.

Tableau de contingence et schéma suite à un test de dépistage

→ 5.2 Présentera, après description d'une situation, un schéma illustrant les conséquences de l'application d'un test de
dépistage.
→ 5.3 Calculera la sensibilité et la spécificité à partir d'un tableau de contingence.
→ 5.4 Calculera les valeurs prédictives positives et négatives sur présentation d'une situation donnant la validité d'un
test, la population et la prévalence de la maladie à dépister.
→ 5.5 Proposera, sur présentation d'une situation clinique, un moyen permettant d'augmenter la valeur prédictive
positive d'un test de dépistage.

• Il faut évaluer le rendement de ce test de dépistage → la nécessité d’un test diagnostique est expliquée par la
présence de faux positifs et de faux négatifs
o Il faut confronter les résultats du test de dépistage avec ceux de l’examen diagnostique qui assure la présence
de la maladie dans un tableau de contingence
• La sensibilité du test de dépistage est la proportion de vrais positifs (a) chez tous les sujets atteints de la maladie (a +
c).
o Sensibilité́ = a / (a + c).
• La spécificité du test de dépistage est la proportion de vrais négatifs (d) chez tous les sujets exempts de la maladie (b
+ d).
o Spécificité = d / (b + d).
• Le complément de la spécificité (1 – spécificité) nous indiquera la proportion faussement identifiée par le test comme
ayant la maladie.
→ Notons que la sensibilité et spécificité sont des indices de validité intrinsèque des tests.

On fait des tests de dépistage, afin d’éviter de faire trop de tests diagnostiques qui sont généralement très couteux. On
utilise donc 2 autres valeurs :
• Valeur prédictive positive (VPP) = Proportion des vrais positifs (a) sur tous ceux classés positifs par le test (a+b). Ainsi,
VPP = a/(a+b).
• Valeur prédictive négative (VPN) = Proportion des vrais négatifs (d) sur tous ceux classés négatifs par le test (c+d).
Ainsi, VPN = d/(c+d).

• Plus la prévalence est -, plus le VPP est - et plus la VPN ¯

• Comme dans la ville A la prévalence est 6 fois moins -, il y a 1 chance sur 6 de procéder au bilan diagnostique coûteux
et invasif chez la personne avec un test positif alors que la maladie n'y est pas, comparativement à 1 chance sur 40
seulement d'entraîner les mêmes conséquences dans la ville B.
o On peut éviter cela en ciblant la population à risque

Chapitre 6 : L’épidémiologie et le médecin en pratique clinique

Définira le concept de médecine fondée sur les preuves

• La recherche clinique et l’épidémiologie fournissent beaucoup d’information qui peut influencer la pratique clinique.
Un médecin en exercice doit prendre connaissance de ces nouveautés, évaluer leur qualité et décider s’il y a lieu
ou non de les appliquer → principe de médecine fondée sur les preuves
• Plusieurs associations professionnelles et médicales (Cochrane...) génèrent des guides de pratique et des synthèses
qui se veulent basés sur une évaluation rigoureuse des recherches scientifiques existantes → en tirer des leçons
applicables à la médecine
• Résumés d’étude aussi disponible, organisations sur Internet → permettre au médecin d’accéder à des informations
de qualité sans se perdre dans une mer d’articles
• Ce domaine est en expansion remarquable parce que la diffusion et l’application des connaissances pertinentes à la
pratique reposent sur un impératif éthique → empêcher que des connaissances sauvant des vies ne soient pas
appliquées assez rapidement

Évaluation du niveau de la preuve scientifique

** Décrira une hiérarchie du niveau de preuve scientifique**

• Avant d’instaurer une nouvelle méthode ou tout changement dans sa pratique (outil de dépistage, médicament, …),
il faut en évaluer la valeur → se demander quelles preuves existent quant à la valeur de cette nouveauté
• Une hiérarchie permet de servir de guide approximatif en classant les données de recherche en fonction du niveau de
la preuve scientifique
o En haut de la hiérarchie, la preuve est généralement considérée solide, peu sujette à des biais ; plus on
descend dans la liste, plus il est possible que les résultats soient erronés, peu fiables.

• Au sommet de la liste, on part du principe qu’une seule étude ne fait pas toujours un résultat digne d’être appliqué
o Une publication qui recense et analyse toutes les études de grande qualité (essais cliniques avec répartition
aléatoire) faites autour du problème d’intérêt → valeur supérieure = REVUE SYSTÉMATIQUE
o Combinaison mathématique des résultats de plusieurs études pour augmenter la précision de l’estimation =
MÉTA-ANALYSE
• Si de telles synthèses ne sont pas disponibles → études randomisées (moins de chance d’avoir des résultats erronés)
• Il ne faut toutefois pas se fier aveuglément à la hiérarchie → bonne étude de cohorte de grande taille avec un
excellent suivi > petite étude randomisée
• On doit tenir compte de la qualité méthodologique d’une étude aussi et non seulement de son devis
 Se servira de l’acronyme PICOT pour décrire une question de recherche.
• Pratique dans PubMed
• Ça devient les mots clés de recherche
 Exercice #7 : Vingt-deux mille personnes participent à un essai clinique comparant l’effet de faibles doses d’aspirine
(325 mg aux deux jours) à un placebo dans la réduction de la mortalité́ par infarctus. Après 5 ans, 139 des 11 000 sujets
traités à l’aspirine sont décédés par infarctus alors que ce nombre est de 239 chez les 11 000 patients traités au placebo.

P : Personnes à risque d’infarctus du myocarde

I : Aspirine
C : Placebo
O : Mortalité́ par infarctus
T : 5 ans

Décrira un plan sommaire d’analyse critique d’un article scientifique.

• Plan pour bien analyser → RAMMbo
o R pour recrutement ou représentativité.
▪ A-t-on choisi des sujets qui représentent bien la population à l’étude?
▪ Critères d’inclusion et d’exclusion pertinents?
▪ A-t-on recruté suffisamment de sujets? Les a-t-on recrutés d’une façon qui est justifiée et limite les
biais de sélection?
o A pour « allocation » en anglais, mais les mots français « attribution » ou « répartition » conviennent mieux
▪ La répartition entre les groupes a-t-elle été bien faite? (si possible à l’insu, de façon aléatoire)
▪ Le groupe à l’étude et le groupe témoin sont-ils comparables ou sont-ils au contraire trop
différents?
▪ A-t-on compensé pour des différences entre les groupes ou des variables confondantes par des
stratégies statistiques (ajustement)?
o M pour le maintien
▪ A-t-on pu maintenir dans l’étude un nombre suffisant de personnes, dans tous les groupes à
l’étude? (les patients qui abandonnent ou sont perdus de vue faussent les résultats s’ils sont trop
nombreux)
▪ Les groupes ont-ils été maintenus de façon assez pure (les sujets du groupe témoin de doivent pas
avoir reçu subrepticement l’intervention à l’étude ou être exposés au facteur de risque d’intérêt)
o M pour mesures
▪ Les mesures de résultat sont-elles valides et fiables?
o b pour « blinded » ou à l’insu
▪ A-t-on utilisé cette stratégie si possible?
o o pour objectives
▪ Sinon, est-ce qu’on s’est au moins assuré qu’on a utilisé des mesures les plus objectives et fidèles
possibles pour éliminer les sources de variabilités dues aux mesures?
▪ A-t-on utilisé une échelle de mesure bien validée et fidèle?
 Évaluer la validité et la causalité d’une association
• Une fois la question recherche identifiée (PICOT) et la qualité de l’article évaluée (RAMMbo) → prêts à interpréter
les résultats présentés dans l’étude
• Il faut tout d’abord vérifier si l’association observée entre l’exposition et la maladie est statistiquement significative
→ pas le fruit du hasard → ÉVALUATION DE LA VALIDITÉ
o Cette association est-elle affectée par les biais? Ou encore y a-t-il des facteurs de confusion qui n’ont pas été
pris en compte?
o Cette association, qui a été observée dans un contexte bien précis, est-elle extrapolable à votre clientèle?
• STATUER DE LA CAUSALITÉ à l’aide de critères de causalité de Hennekens : ABCDE
o A pour Ampleur de l’association
o B pour crédibilité Biologique
o C pour Cohérence avec les autres travaux de recherche
o D pour relation Dose-dépendante
o E pour Enchaînement chronologique

Primer

Suite du chapitre 6
Chapitre 9 - Dépistage

But du dépistage
• Le dépistage a pour objectif de détecter la maladie tôt, avant qu’elle ne se manifeste cliniquement
o Application d’un test ou procédure pour des personnes asymptomatiques dans le but de les classer dans 2
groupes :
 ▪ Groupe 1 : Haut risque de développer la maladie clinique
▪ Groupe 2 : Faible risque de développer la maladie clinique
o Cela permet de traiter les personnes à hauts risques afin de prévenir les effets de la maladie → on assume
que la maladie diagnostiquée tôt répond mieux au traitement que celle qui commence déjà à se développer
cliniquement
o LE RESTANT DU DOC S’EST EFFACÉ KILL Mi

Développement de guides cliniques

• Les méthodes de développement de guide clinique devraient assurer que traiter les patients selon ces directives
cliniques va résulter en les objectifs désirés

Identification et raffinement du domaine du sujet d’un guide clinique

Prioriser les sujets

• Les guides cliniques peuvent être développés pour un large ensemble de sujets
• Les domaines cliniques sont touchés par des conditions (saignement utérin anormaux, maladie des artères
coronaires) et des procédures (hystérectomie, chirurgie de pontage des artères coronaires)
• Étant donné le grand nombre de domaines potentiels, une certaine priorité doit donc être déterminée pour choisir
le sujet d’un guide clinique. Des domaines potentiels peuvent être :
o Les causes majeures de morbidité et mortalité dans la population
o Incertitude à propos de la pertinence des soins de santé ou preuve qu’ils sont effectifs ou le besoinde
conserver les ressources pour donner des oins

Raffiner le domaine du sujet

• Le sujet pour le développement de guideline doit être raffiné avant que les preuves soient évaluées afin de répondre
aux questions
• La façon habituelle de raffiner le sujet est à travers le dialogue entre patients, cliniciens et les utilisateurs potentiels
du guide clinique
• Si le sujet n’est pas raffiné, la condition clinique ou la question serait peut-être trop large
• Une méthode permettant de définir la question est celui de la construction de modèles ou relation causale
o Une relation causale est un diagramme illustrant le lien entre les interventions d’intérêt et les résultats
intermédiaire, substitut et de santé
o Permet d’identifier les questions bénéfiques qui devraient être répondues par les preuves afin de justifier les
conclusions

Diriger des groupes de développement de guide clinique

• Monter un projet de guide clinique
• Peut être nécessaire d’avoir plus d’un groupe
o Un qui fait le travail de synthèse, d’identification, d’interprétation, etc. et un qui fait des recommandations
selon la présence ou l’absence de preuves
• Membres du groupe et leur rôle
• …..

Schémas de classification
Catégorie de preuve
• IA : Preuve d’une méta-analyse d’études randomisées contrôlées
• IB : Preuve d’au moins une étude randomisée, contrôlée
• IIA : Preuve d’au moins une étude contrôlée sans randomisation
• IIB : Preuve d’au moins un autre type d’étude quasi-expérimentale
 • III : Preuve d’études non-expérimentales descriptive, tels que des études comparatives, de corrélation et de cas-
contrôle
• IV : Preuve provenant de rapport, d’opinions ou d’expérience clinique d’un comité d’experts, d’autorités
respectées ou des deux
Force de la recommandation
• A : Basée directement sur des preuves de catégorie I
• B : Basée directement sur des preuves de catégorie II ou des recommandations extrapolées de preuves de
catégorie I
• C : Basée directement sur des preuves de catégorie III ou des recommandations extrapolées de preuves de
catégorie I ou II
• D : Basée directement sur des preuves de catégorie IV ou des recommandations extrapolées de preuves de
catégorie I, II ou III

Utilisations cliniques des caractéristiques des tests

Notions de likelihood ration (rapport de vraisemblable)

Transformer des probabilités en ods

On peut prendre un nomogramme ou le calculer à on veut transformer une probabilité prétest en probabilité post-test
• Calculs :
1. Transformer probabilité en ODDS
o Pour x%, oddsx : (100-x)
2. Multiplier ODDS par LR+ ou LR-selon résultats
o LR + = Sensibilité/(1-spécificité)
o LR -= (1-sensibilité)/spécificité)
3. Transformer ODDS en probabilité
o Pour oddsa : b, probabilité = a / (a + b)
• Nomogramme
o Gris = likelihood de 1 (au milieu) test n’a pas aidé, rien gagné du tout
o Test pathognomonique = test parfait = LR = 100%
o LR négatif à confirmer que la patient n’a pas la maladie
o Plus test est bon pour confirmer le diagnostic à plus LR est élevée
o Test + augmente probabilité d’avoir la maladie
o Test – augmente probabilité de ne pas avoir la maladie
o Est-ce que test est efficace ou pas ? à LR