Cours MDR UL 2022-2023

Introduction à l’Epidémiologie
Prof. Didier Koumavi EKOUEVI

Dr Fifonsi A GBEASOR
Objectifs
• Définir l’épidémiologie
• Décrire les domaines de l’épidémiologie
• Décrire les objectifs de la surveillance épidémiologique
2
Plan
1. Généralités
2. Historique
3. Classification de l’épidémiologie
4. Indicateurs épidémiologiques
5. Surveillance épidémiologique
Conclusion
3
Plan
1. Généralités
2. Historique
Conclusion
4
Définition de l’épidémiologie (1)
• Étude de la distribution des maladies et des invalidités dans les

populations humaines, ainsi que des influences qui déterminent
cette distribution (OMS, 1968)
• Attributs
– Distribution des maladies et invalidités
– Populations humaines
– Facteurs qui influencent la maladie
5
Définition de l’épidémiologie (2)
• Etude de la distribution et des déterminants des problèmes de

santé dans les populations humaines (Mac-Mahon, 1970)
• Attributs
– Distribution
– Déterminants
– Problèmes de santé
– Populations humaines
Source : Mac-Mahon B, Pugh TF. Epidemiology: principles and methods, 1970
6
Epidémiologie – Remarques (1)
• Problèmes de santé
– Maladies (diabète, HTA, VIH)
– Facteurs de risque de maladie (tabac, alcool, contraceptifs oraux)
• Populations humaines
– Groupes d'individus (militaires/ étudiants/ patients)
– Communautés (ethnie=étude génétique)
• Rôle important dans la prévention des problèmes de santé
7
• Médecine clinique # épidémiologie :

– Médecine classique ➔ passage de l’individu
– Epidémiologie ➔ groupe d’individus (population, communauté)
• Etapes de travail sont identiques :

– Diagnostic (Collecte des données)
– Traitement (Intervention)
– Surveillance (Evaluation des actions ou programmes de santé)
8
• Rechercher pourquoi une maladie est survenue

– Un individu : Clinicien
– Une population : Epidémiologiste
• Agir sur ce problème de santé

– Un individu : prescription / ordonnance médicale
– Une population : intervention
• Communication pour un changement de comportement
• Traitement de masse
• Vaccination de masse
9
Champs d’application
• Maladies transmissibles (HBV, HVC, HSV2, HPV, HIV)
• Maladies non transmissibles

– Maladies cardio-vasculaires
– Cancers
– Maladies respiratoires (BPCO)
– Diabète
10
Champs d’application
• Traumatisme (accident de la voie publique)

• Facteurs de risque de maladies
– Tabagisme
– Alcoolisme
– Populations clés (+ exposées au VIH)
• Actions de santé
– Médicaments : Pharmaco-épidémiologie
– Planification et organisation des services de santé
11
Plan
1. Généralités
2. Historique
Conclusion
12
Historique : avant 1940 (1)
• Epidémiologie : études des épidémies, des endémies
• Exemples
– Scorbut (carence en vitamine C)
• Déchaussement des gencives
• Purulence des gencives [James LIND, 1716-1794]
– Epidémie de rougeole [Panum, 1846]
13
Historique : avant 1940 (2)
• Exemples
– Fièvre puerpérale et rôle de l’hygiène des mains des
soignants pendant l’accouchement [Semmelweis (1847)]
– Epidémies de Choléra à Londres [Snow, 1854]
14
Historique : après 1940
• Appui des Biostatistiques
• Etude en Angleterre (Doll et Hill)
– Relation entre tabac et cancer du poumon
– 1948-1956 : Travaux de Doll et Hill
• Etude-cas témoins
• Etude de Cohorte (40701 médecins britanniques), 1951
• Etude de Framingham, Massachussetts aux Etats-Unis
– Maladies cardio-vasculaires
• 5209 personnes - 3ème génération de participants
• 2473 publications en 2012
15
Plan
1. Généralités
2. Historique
Conclusion
16
Classification de l’épidémiologie
• Épidémiologie descriptive : estimation de la fréquence

des maladies
• Épidémiologie analytique : étude des déterminants
• Épidémiologie d’intervention : action de lutte, contrôle

et de prévention dans la population
17
Épidémiologie descriptive
• Objectif
• Décrire la distribution et l’ampleur des phénomènes morbides dans la
collectivité pour orienter le développement des services de santé
• Connaître l’état sanitaire d’un pays
• Décrire les indicateurs de morbidité et mortalité
• De formuler des hypothèses étiologiques (enquêtes

analytiques)
• De planifier les services de santé
18
• Indicateurs • Schémas d’étude
– Prévalence – Etude descriptive
– Incidence – Etude transversale
– Mortalité – Séries de cas
19
• Pourcentage de personnes présentant une maladie donnée
– Prévalence du diabète au Togo ?
20
21
• Pourcentage de personnes présentant une maladie donnée
– Prévalence du diabète au Togo ?
– Incidence du cancer de la prostate
• Fréquence de la maladie en fonction de certaines

caractéristiques
– Sexe (diabète plus élevé chez les femmes)
– Age (diabète augmente avec l’âge)
22
Épidémiologie analytique (explicative)
• Objectifs :
• Déterminer facteurs de risque des maladies dans le but de modifier
ou d’enrayer la maladie
• Questions :
• Pourquoi la maladie survient ?
– Facteurs génétiques (cancers)
– Facteurs alimentaires (cancers, maladies cardio-vasculaires)
• Quels sont les facteurs qui favorisent ou limitent la survenue de la
maladie
23
Épidémiologie analytique
• Rechercher une association entre des facteurs d’exposition et

la maladie
– Rapport de Côte ou Risque Relatif
– Liaison statistique entre un ou plusieurs facteurs d’exposition et la
maladie (test de X²)
• Pour atteindre son objectif

– Étude cas-témoins
– Étude de cohorte : exposés-non exposés
24
Épidémiologie analytique
Facteurs d’exposition « risque ou Maladie
protecteur »
Activité physique • Maladies cardio vasculaires
Exposition aux pesticides Malformation congénitale

Prise d’antirétroviraux
Prise de distilbène Cancer du vagin (Distilbène)

Pollution atmosphérique Asthme
Tabac Cancer du poumon
25
Épidémiologie évaluative
• Évaluer l’efficacité des interventions ou actions
sanitaires mises en place
– Campagne de vaccination
– Traitement de masse
– Distribution des moustiquaires imprégnées
26
Épidémiologie évaluative
• Pour atteindre son objectif : étude
– Essai clinique
– Essai thérapeutique (Médicaments)
• Aide à la prise de décision pour la planification
27
Plan
1. Généralités
2. Historique
Conclusion
28
Indicateurs épidémiologiques
• Permettent de mesurer l’état de santé dans une population
• Mesures de fréquence
– Prévalence
Maladies
– Incidence
– Mortalité
29
Indicateurs Epidémiologiques
• Mesures d’association (maladie – exposition)

– Rapport de Côte (RC)
– Risque Relatif (RR)
• Mesures d’impact
– Risque Attribuable (RA)
– Fraction Etiologique du Risque (FER)
• Exposé
• Population
– Fraction Préventive du Risque (FPR) 30
Indicateurs Epidémiologiques
• Mesures de fréquence • Mesures d’impact

– Prévalence – Risque attribuable
– Incidence – Fraction étiologique du risque
– Mortalité ✓Exposé
✓Population
– Fraction préventive du risque
• Mesures d’association
– Rapport de Côte (RC)
– Risque Relatif (RR)
31
Plan
1. Généralités
2. Historique
Conclusion
32
Surveillance épidémiologique
• Définition
La surveillance épidémiologique est
– un processus continu et systématique de collecte, de compilation,
et d’analyse des données de santé
– ainsi que leur diffusion à tous ceux qui ont contribué à la collecte et
à tous ceux qui ont besoin d’être informés [Langmuir, 1971]
• Remarques
– Processus continu # enquête ponctuelle
– Effectuer une restitution et une diffusion aux personnes concernées
33
Collecte des Analyse des
données données
Actions Rétro-
d’amélioration information
Dynamique de la surveillance des maladies

34
Surveillance épidémiologique : objectifs
• Décrire le phénomène ou la « maladie »

– Fréquence (nombre de nouveaux cas)
– Répartition géographique (lieu de survenue)
• Analyser les tendances en incidence et l’impact des politiques

de prévention
• Détecter de façon précoce les phénomènes épidémiques en

fonction du seuil d’alerte (nombre de cas minimal)
35
Surveillance épidémiologique
• Exemple
– Maladies à potentiel épidémique : épidémies
– Surveillance intégrées des maladies de la riposte (SIMR)
• Choléra
• Méningite
• Fièvre jaune
– Maladies endémiques
• Paludisme
• Tuberculose
• VIH
36
Plan
1. Généralités
2. Historique
Conclusion
37
Conclusion
• Des interactions entre l'épidémiologie et d'autres disciplines

– Statistique : descriptions, comparaisons
– Informatique : saisie et gestion des données
– Démographie : natalité, mortalité, morbidité
– Sociologie : facteurs de risque liés à l'environnement social
– Economie : impact économique de la santé, coût des pathologies, évaluation
– Clinique : maladie
38
Travaux de recherche
• A l’aide de définitions et d’exemples, répondre aux

questions suivantes :
– Est que toutes les maladies transmissibles sont

infectieuses ?
– Est-ce que toutes les maladies infectieuses sont
transmissibles ?
– Est-ce que toutes les maladies chroniques sont non
transmissibles ?
39
Travaux de recherche
• Quelle est la différence entre les termes suivants

(définition et des exemples)?
– Endémie
– Epidémie
– Pandémie
– Epizootie
– Enzootie
40
Variables en statistiques

Dr Fifonsi GBEASOR-KOMLANVI
Faculté des Sciences de la Santé
Université de Lomé, Togo
Objectifs pédagogiques
• A la fin du cours, l’étudiant devra être capable
– D’identifier une variable quantitative
– D’identifier une variable qualitative dichotomique, ordinale,
nominale
– De citer les indications des tests statistiques
DSP_FSS_2018_2019 2
Plan du cours
1. Définition
2. Différents types de variables

2.1. Variables qualitatives
2.2. Variables quantitatives
3. Démarche et les test statistiques
DSP_FSS_2018_2019 3
Plan du cours
1. Définition

3. Démarche et les test statistiques
DSP_FSS_2018_2019 4
Définition
• Caractéristique qui prend des valeurs différentes au sein
d’un groupe de sujets
• Avant de décrire un échantillon, il est indispensable de

bien savoir quelle est la variable statistique
DSP_FSS_2018_2019 5
Définition
• Exemples
– Age (ans)
– Taille (cm)
– Glycémie (g/dL)
– Race (blanche, jaune, noire)
DSP_FSS_2018_2019 6
Plan
1. Définition

3. Conclusion
DSP_FSS_2018_2019 7
Type de variables
• Qualitative
– Ne peut pas être mesurée
– Pas d’unité
• Quantitative
– Susceptible d’être mesurée
– Toujours une unité
DSP_FSS_2018_2019 8
Variables qualitatives (1)
• Ne sont pas susceptibles d’être mesurées

– Couleur des yeux (bleu, marron, rouge)
– Intensité d’une douleur (forte, modérée, faible)
– Maladie (présente /absente)
– Sexe (homme/femme/transgenre)
• Contient un certain nombre de catégories ou

modalités exhaustives
DSP_FSS_2018_2019 9
• On distingue 3 catégories
– Binaire ou dichotomique
– Nominale
– Ordinale
DSP_FSS_2018_2019 10
• Variable binaire ou dichotomique
– Ce sont des variables qui ne peuvent prendre
que deux valeurs
– Exemples
• Sexe : homme ou femme
• Statut tabagique: être fumeur ou non fumeur
• Evaluation de la douleur: présence d’une douleur
ou pas de douleur
DSP_FSS_2018_2019 11
TD
• Citer 5 exemples de variables binaires ou dichotomiques
DSP_FSS_2018_2019 12
• Variables nominales
– Il existe plus de deux catégories mais non
ordonnées
– Une catégorie n’est pas supérieure à une
autre catégorie
– Il n’existe pas d’ordre naturel entre les
catégories
DSP_FSS_2018_2019 13
• Variables nominales
• Groupage sanguin : (A/B/AB/O)
• Situation familiale :
– Marié, vivant en couple, célibataire, divorcé, séparé, veuf
• Couleur de la peau
• Religion
Existe plus de deux catégories mais non ordonnées
Une catégorie n’est pas supérieure à une autre
catégorie
Il n’existe pas d’ordre naturel entre les catégories
DSP_FSS_2018_2019 14
• Variables ordinales
– Existe un ordre naturel entre les différentes
catégories
• Sévérité d’une douleur (aucune, minime modérée,
sévère, insupportable)
• Niveau d’étude : primaire, secondaire et

universitaire
DSP_FSS_2018_2019 15
Transformation des variables
qualitatives
Variable catégorielle ordinale

(douleur) Variable dichtomique
(douleur)
Minime
Modérée Douleur
Sévère Pas de douleur
Insupportable
Transformation est possible, mais aboutit à

une perte d’information 16
DSP_FSS_2018_2019
• Résultats
– Effectif
– Proportion (%)
Effectif %
Sexe
Homme 20 40,0
Femme 30 50,0
Niveau étude
Primaire 10 20,0
Secondaire 30 60,0
Supérieur 10 20,0
17
DSP_FSS_2018_2019
Variables quantitatives
• Obtenues par
– Un instrument de mesure
– Résultat d’un dénombrement
• Accompagné d’une unité de mesure

– Taille (cm), Poids (Kg), Age (ans)
• On peut toujours répondre à la question commençant par

combien ? (moyenne)
DSP_FSS_2018_2019 18
• Variables quantitatives continues
– Peut prendre en théorie un nombre infini de valeurs
– Instrument de mesure détermine la précision
• Balance (kg)
– Exemple :
• Taille (cm) ou en mètre
• Pression artérielle (cmHg) ou en (mmHg)
DSP_FSS_2018_2019 19
• Exemple :
– Retenir une valeur entière exprimée en kilogramme
• Valeur 42,328 kg sera remplacée par 42 kg
• Valeur 67,515 kg sera remplacée par 68 kg
DSP_FSS_2018_2019 20
• Variables quantitatives discrètes
– Nombre fini de de valeurs, ne peut prendre que certaines
valeurs numériques
– Nombres entiers
– Résultats d’un dénombrement (+++)
DSP_FSS_2018_2019 21
• Variables quantitatives discrètes
– Exemples
• Nombre d’enfants dans un ménage
• Nombre de personnes travaillant dans une USP
• Nombre de médecins dans un centre de santé
DSP_FSS_2018_2019 22
Variables continues
• Moyenne avec écart-type
• Médiane avec Q1 à Q3 (ou min-max)
Tableau 1. Description de la population de l’étude
Variable Moyenne Écart-type

Age 53,3 12,9
Séjour 7,5 3,9
Variable Médiane Q1;Q3

Age 53,5 48;58
Séjour 3,4 0,5;21,6
23
Q1: 25ème percentile et Q3 : 75ème percentile
Variables temporelles
• Unités de mesure du temps
– Selon un instant donné
• Date d’inclusion
• Horaire de survenue d’un événement
– Selon la durée : secondes, minutes
• Calcul de la durée
• Date de décès – date de naissance
• Date de sortie – date d’entrée
• Délai de survenue d’un événement
DSP_FSS_2018_2019 24
Pour résumer
Variables
Quantitatives Qualitatives
Continues Binaires
Discrètes Nominales
Temporelles Ordinales
DSP_FSS_2018_2019 25
Plan du cours
1. Définition

3. Conclusion
DSP_FSS_2018_2019 26
TD. Variables
Préciser pour les variables suivantes, le type de variables
• Situation matrimoniale • Profession

• Date de naissance • Décès
• Age • ALAT
• Niveau d’éducation • Glycémie
• Cancer du col • Diabète
• Classification TNM • CD4
• Nombre d’enfant • Nombre de maison
• AgHBS • Infection à VIH
DSP_FSS_2018_2019 27
TD. Variables
DSP_FSS_2018_2019 28
TD. Variables
• Variable quantitative discrète

• Unité de douleur
• Moyenne
• Variable qualitative ordinale

• Subjectivité
• Pas la même valeur si mesure par 2
personnes différentes
DSP_FSS_2018_2019 29
Conclusion
• Notion importante en biostatistique
• Bien maitrisé, permet de

– D’élaborer facilement un questionnaire
– Le plan d’analyse
– Les analyses statistiques
DSP_FSS_2018_2019 30
La démarche
scientifique et les test
statistiques
32
Choix d’un test statistique
• Types et nombre de variables à comparer
– 2 variables de type quantitatif
– 2 variables de type qualitatif
– une variable de type quantitatif et une variable de type qualitatif
• Taille de l’échantillon (< 30 ou ≥ 30)
• Séries non appariées ou appariées
• Conditions d’applications du test

DSP_FSS_2018_2019 33
Choix d’un test statistique
d’une série individuelle
Type de comparaison Paramétrique Non paramétrique
2 variables qualitatives Chi2 Pearson Exact de Fisher
2 moyennes t de Student U de Mann-Whitney
X moyennes Analyse de variance Wilcoxon
2 variables quantitatives Corrélation de Spearman

Pearson
X moyennes: > 2
34
DSP_FSS_2018_2019
Références
• Statistique Médicale, Salamon Roger, Université
Bordeaux ; éditions Bergeret, page 135
• Principaux outils en statistiques. DU méthodes et

pratiques en épidémiologie. Version du 25 octobre 2006
DSP_FSS_2018_2019 35
Elaboration d’un
questionnaire / CRF
Pr Didier Koumavi EKOUEVI

Université de Lomé (Togo)
Plan
1. Rappel de définitions
2. Comment élaborer un questionnaire
3. Différents types de questions
4. Langage, formulation et longueur
5. Autres éléments du questionnaire
6. Conclusion
DSP_FSS_2018_2019 2
1. Rappel de définitions
Définition d’un questionnaire
• Un questionnaire est simplement une liste de questions
qui est remplie par le sujet (auto administration) ou par
une tierce personne
• Une liste de questions structurées

– lues à haute voix ou posées oralement par l’enquêteur
– (avec ou sans approfondissement) lorsqu’il interroge le sujet
DSP_FSS_2018_2019 4
CRF
• Le Cahier d’Observation ou Case Report Form (CRF) est un
document utilisé pour recueillir les données requises par le
protocole de l’étude
– indispensable pour la réussite d’une recherche biomédicale
(essai clinique)
• Objectif : obtenir des données utilisables et vérifiables, selon les

bonnes pratiques cliniques (BPC)
DSP_FSS_2018_2019 5
2. Comment élaborer un
questionnaire
Plusieurs facteurs (1/2)
• Il faut tenir compte des facteurs suivants :
– Objectif de l’étude et principales questions du projet de
recherche
– Hypothèses de l’étude : données exigées pour accepter ou

rejeter l’hypothèse
– Plans de l’analyse et « tableaux fictifs », pour éviter tout oubli

d’information importante
DSP_FSS_2018_2019 7
Plusieurs facteurs (2/2)
– Budget
– Audience ou la population cible : âge, sexe, religion, langue,

traditions
– Présence d’un étranger dans la maison (une femme peut-elle être

interrogée en l’absence de son mari ?)
– Est-ce que les personnes interrogées seront capables de donner les

réponses demandées ?
DSP_FSS_2018_2019 8
3. Différents types de questions
Questions numériques
• Réponse chiffrée attendue
• Variable quantitative
– Toujours préciser l’unité attendue
– Age (ans, mois, jours)
– Lymphocytes T-CD4 (cellules/mm3)
DSP_FSS_2018_2019 10
Exemples : questions
numériques
DSP_FSS_2018_2019 11
• Par exemple “Quel est votre âge ?”
• Age
– Variable quantitative (années)
• <20 ans
• 20-29 ans
• 30-39 ans
• 40-49 ans
• >=50 ans
DSP_FSS_2018_2019 12
• Par exemple “Quel est votre âge ?”
• Age
– Variable quantitative (années)
• <20 ans
• 20-29 ans
• 30-39 ans
• 40-49 ans
• >=50 ans
DSP_FSS_2018_2019 13
Questions fermées
• Variables binaires
– Seulement deux modalités sont proposées et l’enquêté doit

sélectionner la réponse qui lui correspond au mieux
DSP_FSS_2018_2019 14
Questions fermées
• Etes vous satisfait de ce cours ?

 Oui  Non
• Avantages
– Questions simples et faciles à remplir
– Facile à analyser
• Inconvénients
– Tendance facile à l’acquiescement (à dire facilement oui)
– Les avis ne sont pas aussi toujours tranchés
DSP_FSS_2018_2019 15
Questions fermées
• Etes vous fumeur (oui/non) ?

– Je fume de temps en temps : une fois par mois
– Je fume quand je sors la nuit
– Que coderiez vous ?
DSP_FSS_2018_2019 16
Questions fermées
DSP_FSS_2018_2019 17
Questions fermées
• Il s’agit d’une question à laquelle le sujet répondra en
choisissant une ou plusieurs des réponses proposées
• Avantages
– Il est adapté et pertinent au recueil d’information simples, bien
définies et concrètes
– Il est facile à utiliser et est uniforme
– il est précodé et ainsi facile à analyser
DSP_FSS_2018_2019 18
Exemples : questions fermées
DSP_FSS_2018_2019 19
Questions à échelle
• Permet de nuancer les modalités de réponses proposées
avec les variables binaires
• Utilisé dans les

– Enquêtes de satisfaction des patients d’une structure hospitalière
– Evaluation des cours
• Echelle visuelle analogique pour la douleur (Echelle allant de

1 à 10)
DSP_FSS_2018_2019 20
DSP_FSS_2018_2019 21
Questions à choix multiples
• Plusieurs réponses sont attendues
• L’enquêté fait son choix parmi les modalités offertes
DSP_FSS_2018_2019 22
DSP_FSS_2018_2019 23
Bon questionnaire, mais non adapté à l’Afrique
DSP_FSS_2018_2019 24
Questions semi ouvertes
• Il s’agit de questions proposant une liste de modalités, comme les questions
fermées, complétée d’une modalité autre que l’on demande de préciser
• Permet de résoudre les problèmes d’exhaustivité
DSP_FSS_2018_2019 25
Questions ouvertes
• Utile dans les enquêtes anthropologiques et sociales
« étude qualitative »
• Dans les enquêtes médicales, on peut prévoir quelques

questions ouvertes, mais préférable de les limiter
• Parfois utilisée lors d’une pré-enquête afin de mettre au point un

questionnaire
DSP_FSS_2018_2019 26
Questions ouvertes
• Avantages
– Permettent à la personne interrogée de parler sans aucune
contrainte de réponse imposée
– Fournit des réponses plus riches et variées
– Peut induire des choix de réponse peu réfléchies (influence des
médias et de l’actualité)
• « Accident de la voie publique »
DSP_FSS_2018_2019 27
Questions ouvertes
• Inconvénients
– Peut amener le participant à s’éloigner du sujet en question
– Elles exigent un codage spécial après la fin de l’étude, ce qui
allonge la durée de l’analyse
DSP_FSS_2018_2019 28
Questions ouvertes
• Quels sont vos besoins en formation ?
• Est-vous satisfait de vos conditions d’étude ?
DSP_FSS_2018_2019 29
4. Langage et style de
formulation et longueur
Langage et Style de formulation (1)
• La formulation des questions doit être appropriée au niveau de
la personne interrogée
• On doit utiliser un style courant de conversation de tous les jours
DSP_FSS_2018_2019 31
• Dans les études impliquant des cultures différentes :

– Les questionnaires sont traduits de la langue d’origine
(Français) vers la langue locale (Ewe)
– Puis ils sont retranscrits en Français par un linguiste

indépendant pour s’assurer de la fidélité de la traduction
DSP_FSS_2018_2019 32
• Il faut éviter les questions directives
– Ne pensez-vous pas que le dispositif intra-utérin est plus sûr
que la pilule ?
• Il faut préférer la formulation :

– Que pensez-vous être le plus sûr : le dispositif intra-utérin ou
la pilule ?
• Il faut éviter le jargon professionnel et les abréviations

DSP_FSS_2018_2019 33
Longueur du questionnaire (1)
• Combien de page(s) ?
• Combien de questions ?
• Le tentation de tout recueillir

– Quelle est la question d’étude ?
– Ai-je tous les éléments pour y répondre ?
DSP_FSS_2018_2019 34
Longueur du questionnaire (2)
• La longueur raisonnable d’un questionnaire correspond à

un interrogatoire structuré d’une durée d’une demi-heure
au plus
• Questionnaires longs sont contre-productifs

– Problème de complétude des données
– Très peu de variables exploitées
DSP_FSS_2018_2019 35
Questionnaire PEARL
(une page, publication dans le JAMA) 36
5. Autres éléments pour obtenir un bon
questionnaire
Lister les variables
• Age
• Sexe
• Niveau d’étude
• Poids
• Taille
• Cholestérol
• ECG
• Echographie cardiaque
• Question principale de l’étude
DSP_FSS_2018_2019 38
Faire un plan et classer les variables
• Caractéristiques sociodémographiques
– Age
– Sexe
– Niveau d’étude
• Clinique
– Poids
– Taille
• Paraclinique
DSP_FSS_2018_2019 39
Formulation des questions
• Caractéristiques sociodémographiques
– Quel est votre âge (années)
– Sexe (Ne pas formuler toutes les questions)
– Quel est votre niveau d’étude
• Clinique
– Poids
– Taille
• Paraclinique
DSP_FSS_2018_2019 40
Test du questionnaire
• Mise à l’épreuve du questionnaire
• Effectué sur un petit nombre de sujets, mais n’en faisant pas

partie
• Tenir compte pour la reformulation, dans la rédaction d’une

nouvelle version
• Utiliser les questionnaires standards ou déjà utilisés dans une

étude
DSP_FSS_2018_2019 41
Approche multidisciplinaire
• Faire relire le questionnaire par les enquêteurs et les autres
utilisateurs : gestionnaires de base de données, opérateurs
de saisie, statisticien
• Vérifier que le vocabulaire et la formulation sont

compréhensibles par les enquêtés
• Vérifier que le recueil permettra

– Saisie des données
– Réalisation des analyses prévues
DSP_FSS_2018_2019 42
Formation des enquêteurs
• Les enquêteurs doivent être sélectionnés avec soin et recevoir
une formation appropriée
• “Économiser” sur les enquêteurs pour dépenser beaucoup pour

d’autres aspects de l’étude est un mauvais calcul
DSP_FSS_2018_2019 43
Révision et codage
• Superviseurs : vérifier les questionnaires à la fin de
chaque journée pour détecter
– d’éventuelles omissions
– Réponses incomplètes
– Observations confuses ou écritures illisibles
• Enquêteurs : retourner pour chercher les données

manquantes ou clarifier les informations ambiguës
DSP_FSS_2018_2019 44
Conclusion
Conclusion
• Un questionnaire bien fait est le garant de
données fiables
• Ni trop ni trop peu : informations essentielles
• Forme simple et lisible
• Bien soigner la présentation
• Respect des bonnes pratiques cliniques

DSP_FSS_2018_2019 46
Mesures de base en
épidémiologie

1
Objectifs
1. Décrire les mesures de bases en épidémiologie
2. Identifier les proportions, ratios, indices et taux lorsque

des indicateurs de santé sont présentés
2
Plan
1. Introduction
2. Indicateurs de santé
– Définition
– Classification des indicateurs
– Mesures de base
3. Conclusion
3
Introduction : cycle de l'épidémiologie
• Épidémiologie descriptive : décrire l’état de santé d’une

population
• Épidémiologie analytique : analyser les déterminants des

problèmes de santé
• Épidémiologie évaluative : évaluer l’impact des interventions pour

proposer les interventions les plus efficaces
4
Epidémiologie descriptive
• Première étape de toute enquête épidémiologique
• Permet de répondre à la question

– Quelles sont les caractéristiques de la population
étudiée ?
• Fréquence des hommes et des femmes
• Ratio médecin/habitants
5
Plan
1. Introduction
– Définition
– Mesures de base
3. Conclusion
6
Indicateurs de santé
• Indicateurs sont des variables
– Mesurés directement et permettent de décrire l’état de santé d’une population
• Généralement exprimés sous forme

– Taux
– Proportion
– Ratio
• Permettent de quantifier et de rendre comparables les informations
7
Classification des indicateurs de santé
• Indicateurs de morbidité (maladie)
• Indicateurs de mortalité
• Indicateurs démographiques
• Indicateurs d’utilisation des services
8
• Indicateurs de morbidité (maladie)

– Prévalence
– Incidence
• Indicateurs de mortalité
– Taux de mortalité brute
– Taux de mortalité spécifique
– Létalité
9
• Indicateurs démographiques
– Pyramide des âges
– Espérance de vie
– Indicateurs de natalité
10
• Indicateurs démographiques Espérance de vie à la naissance

– Pyramide des âges (année)
– Espérance de vie ✓ Il s'agit du nombre d'années que
les personnes vivent en moyenne
dans un pays
✓ Ces données exigent que les
conditions (socio-médicales) qui
prévalent à la leur naissance
demeurent les mêmes tout au long
de leur vie
11
Togo, 2016 = 60,23 ans
12
Mesure de base en épidémiologie
• Mesures utilisées sont des fractions avec un
numérateur et un dénominateur : rapport
– Quel est le numérateur ?
– Quel est le dénominateur ?
• Rapports calculés en épidémiologie peuvent

être : Proportion, Ratio, Indice, Taux
13
a
Proportion
a +b
• Rapport entre un nombre d’individus
possédant un caractère spécifique et
l’ensemble de la population
• Numérateur fait partie du dénominateur
(sont de même nature)
• Tous deux sont mesurés simultanément
• Exprimée
– sous forme d’un nombre compris entre 0 et 1
– sous forme d’un pourcentage
14
Proportion : Exemple (1/2)
• En 2002, une enquête a été réalisée parmi 2036 patients

infectés par le Virus de l’Immunodéficience Humaine (VIH)
et a montré que
– 1031 étaient fumeurs réguliers (au moins une cigarette par jour au
cours de la dernière année)
– Parmi les fumeurs réguliers, 775 étaient de sexe masculin
• Quelle est la proportion de fumeurs réguliers parmi les

PVVIH ?
15
Proportion : Exemple (2/2)
• En 2002, une enquête parmi 2036 patients infectés par le Virus de

l’Immunodéficience Humaine (VIH) de type 1 a montré que 1031 étaient
fumeurs réguliers (au moins une cigarette par jour au cours de la dernière
année). Parmi les fumeurs réguliers, 775 étaient de sexe masculin
• La proportion de fumeurs réguliers parmi ces patients était:
16
Ratio
• Rapport entre les effectifs de 2 classes d’une
même variable
• Numérateur et dénominateur sont de même

nature
• Numérateur non inclus dans le dénominateur

X
• Exprimé sous forme d’un nombre compris Y
entre 0 et l’infini (sans unité)
17
Ratio : Exemple (1/2)
• En 2002, une enquête a été réalisée parmi 2036 patients

infectés par le Virus de l’Immunodéficience Humaine (VIH)
et a montré que
– 1031 étaient fumeurs réguliers (au moins une cigarette par jour
au cours de la dernière année)
– Parmi les fumeurs réguliers, 775 étaient de sexe masculin
• Quel est le sexe ratio femme/homme chez les fumeurs réguliers ?

• Quel est le sexe ratio homme/femme dans la population générale ?
18
Ratio : Exemple (2/2)
• Dans l’exemple précédent quel est le sexe ratio H/F parmi
les fumeurs?
– Sexe ratio H/F = 775/256 = 3,0 (3 fois plus d’hommes que de

femmes)
– Sexe ratio F/H = 256/775 = 0,33
19
Indice
• Rapport des effectifs de deux variables
• Notion utilisée en économie de la santé
• Exemple
– Nombre de lits/médecin : 85 lits pour un
médecin
– Nombre médecins/habitants au Togo ?
20
Exemple : Indice
• Nombre professionnels de la santé / habitants au Togo ?
– Médecins : 4,98 médecins pour 100 000 habitants
[Norme OMS = 100 médecins pour 100000 habitants]
– Pharmaciens : 2,85 pharmaciens pour 100 000 habitants

[Norme OMS = 50 pharmaciens pour 100000 habitants]
– Médecins-Infirmiers-Sages femmes (MIS) : 50 MIS pour 100000 habitants

[Norme OMS = 230 MIS pour 100000 habitants]
Ministère de la Santé et de la Protection Sociale 2016, ONPT 2018, OMS, 2006 21

X
Cote Y
• Rapport entre la probabilité d’observer un événement sur la
probabilité de ne pas observer l’événement
• La cote est un ratio
• Notion utilisée dans les jeux (courses hippiques)
• Plus de détails (Rapport de Cote, Etude cas-témoins)
22
x
Taux y
k
• Définition
– Un taux est un rapport qui prend en
compte la notion de temps
– Mesure la probabilité de survenue d’un
événement au cours du temps
x
Taux y
k
• Soit un groupe de sujets initialement non malades (groupe M0)
– Certains deviendront malades au cours du temps = nouveaux cas
– Au cours d’une période ∆t , on s’intéresse à la vitesse de transfert entre 2

périodes
• Plus de détails (Incidence, Taux d’incidence)

Plan
1. Introduction
– Définition
– Mesures de base
3. Conclusion
25
Conclusion
• L’épidémiologie descriptive est indispensable pour
– Appréhender l’importance d’un problème de santé
– Guider la planification sanitaire et les problèmes de santé
– Générer des hypothèses sur les facteurs de risque des
maladies
• Important de bien faire la distinction entre ces

mesures de base
26
En résumé
Numérateur inclus dans le

dénominateur?
Oui Non
Notion de survenue
Catégories d’une même
d’évènements dans le
variable?
temps?
Oui Non Oui Non
Taux Proportion Ratio Indice

Travaux dirigés
28
TD
• Nombre de cancers cutanés / nombre de cancers :
• C'est...
29
TD
• Nombre de cancers cutanés / nombre de cancers :
• C'est une proportion
30
TD
• Nombre d'infarctus / consommation de cigarettes par
habitant
• C'est..
31
TD
• Nombre d'infarctus / consommation de cigarettes par
habitant
• C'est un indice
32
TD
• Nombre de décès de la période / effectif à risque pendant
la période :
• C'est...
33
TD
• Nombre de décès de la période / effectif à risque pendant
la période :
• C'est un taux
– Notion de période
– Vitesse d’apparition du décès au cours du temps
34
TD
• Nombre d'hypertendus en 1975 / nombre d'hypertendus
en 1994 :
• C'est...
35
TD
• Nombre d'hypertendus en 1975 / nombre d'hypertendus
en 1994 :
• C'est un ratio
– Rapport entre les effectifs d’une même variable
36
TD
• Nombre d'amputés du bras / nombre d'amputés :
• C'est..
37
TD
• Nombre d'amputés du bras / nombre d'amputés :
• C'est une proportion
– Le numérateur est inclus dans le dénominateur
38
TD
La fraction ci-dessous est un/une :
Nbre de femmes à Ababo décédées d'une maladie cardiaque

Nbre de femmes à Ababo décédées d'un cancer
A. Ratio
B. Proportion
C. Indice
D. Incidence (décès)
TD

Nbre de femmes à Ababo décédées d'un cancer
A. Ratio
B. Proportion
C. Indice
TD

Nbre de femmes à Ababo décédées
A. Rapport
B. Proportion
C. Taux d'attaque
TD

Nbre de femmes à Ababo décédées
A. Rapport
B. Proportion
C. Indice
D. Côte
Indicateurs de mortalité
Prof Didier Koumavi EKOUEVI

Université de Lomé
Version de janvier 2021

1
Objectifs du cours
1. Définir les indicateurs de mortalité
2. Calculer les indicateurs de mortalité
3. Différencier les indicateurs de la mortalité
2
Plan
1. Introduction
2. Indicateurs de la mortalité
3. Source de données sur la mortalité
4. Conclusions
3
1. Introduction
4
Plan
1. Introduction
2. Indicateurs de mortalité
3. Source de données sur la mortalité
4. Conclusions
5
Rappel : cycle de l'épidémiologie
• Épidémiologie descriptive : décrire l’état de santé d’une

population
• Épidémiologie analytique : analyser les déterminants des

problèmes de santé
• Épidémiologie évaluative : évaluer l’impact des interventions afin

de proposer les interventions les plus efficaces
6
Objectifs de l’épidémiologie descriptive
• La première étape de toute enquête épidémiologique
• Permet de répondre à la question suivante

– Quelle est l’importance d’un problème de santé dans cette
population ?
7
Mesure de mortalité
• La plupart des mesures utilisées sont des fractions avec
un numérateur et un dénominateur : rapport
• Quel est le numérateur ?
• Quel est le dénominateur ?
8
2. Indicateurs de mortalité
9
Indicateurs de mortalité
1. Mortalité brute (globale)
2. Mortalité spécifique (liée à une maladie)
3. Part de la mortalité liée à une cause (liée à une maladie)
4. Létalité
10
Indicateur de mortalité
• Mortalité brute : nombre total de décès toute
cause confondue au cours d’une période
• Mortalité spécifique : nombre total de décès liés à

une maladie
• Part de la mortalité liée à une cause : part de

mortalité due à une cause parmi tous les décès
– Part de la mortalité lié au cancer
– Part de la mortalité lié au VIH
11
Indicateur de mortalité
• Létalité : survenue de décès liés à une maladie
donnée, chez des personnes atteintes de cette
maladie
12
Mortalité globale
• Similaire à une incidence dont l’événement étudié est le décès
Nombre total de décès pendant la période t

MG = k
Effectif de la population à mi - période (ou effectif moyen de la population )
– Exprimée pour 1000 habitants par an
– Numérateur : nombre total de décès
– Dénominateur : effectif de la population à mi-période
Togo = 8,1 pour 1000 habitants en 2010 (Source PNDS 2012-2015)
13
Taux brut de mortalité
• Forme particulière de taux d’incidence avec comme événement le
décès
Nombre total de décès pendant la période t

TBM =
Somme des personnes - temps pendant la période t
– Exprimés en nombre de décès pour X personne-année

– Numérateur : nombre total de décès pendant une période
– Dénominateur : Somme des personnes temps
14
Mortalité spécifique
• Décès survenus au cours d'une période donnée, dans des

populations particulières définies selon
– la cause de décès
– l’âge, le sexe...
Nombre total de décès liés à une maladie pendant la période t

MS = k
Effectif de la population à mi - période
• Taux exprimés en général pour 1000 habitants par an

• Lié à une cause : VIH, cancer
15
Taux spécifique de mortalité
• Décès survenus au cours d'une période donnée, dans des
populations particulières définies selon la cause de décès, l’âge,
le sexe...
Nombre total de décès liés à une maladie pendant la période t
TSM = k
Somme des personne - temps pendant la période
• Exprimés en général pour 1000 habitants par an

• Lié à une cause : VIH, cancer
16
Part de la mortalité liée à une cause
• Part de mortalité due à une cause X :

– Numérateur : Nombre de décès liés à une maladie donnée
– Dénominateur : Nombre total de décès au cours d’une période donnée
Nombre de décès dus à une cause X pendant une période t

PM = *100 ou 1000
Nombre de décès de toutes causes pendant la même période
17
Létalité
Nombre de décès liés à une maladie pendant la période t
L= 100
Nombre de nouveaux cas de cette maladie pendant la même période
• Létalité : exprime la gravité d'une maladie

• Se réfère à la survenue des décès liés à une maladie donnée
chez les personnes atteintes de cette maladie
• Exprimé en pourcentage
18
Application pratique
19
Exemple mortalité (Enoncé)
• En 2020, dans la région du Kloto, 252 décès liés à l’infection par le
Virus de l’Immunodéficience Humaine (VIH) et concernant des sujets
masculins de 25 à 64 ans ont été recensés parmi les 11406 décès
recensés dans cette partie de la population
– Quelle est la mortalité brute ?

– Quelle est mortalité spécifique à l’infection par le VIH ?
– Quelle est la part de mortalité liée au VIH chez les sujets masculins de 25
à 65 ans ?
20
Exemple mortalité (Corrections)
• La mortalité brute est donc de 11406,

• La mortalité spécifique à l’infection par le VIH de 252
• La part de mortalité liée au VIH chez les sujets masculins de 25 à

65 ans est : 252 / 11406 = 0,022, soit 2,2%
21
Exemple létalité (énoncé)
• Les Ministères de la santé de la Guinée, de la Sierra Leone et du
Liberia ont recensés, 15 319 cas confirmés, probables ou
suspects de maladie à virus Ebola, dont 5444 décès au 18
novembre 2014 en fin de journée
• Quel est la létalité ?
22
Exemple létalité (énoncé)
• En 2020, dans la région GBEKE, il y a eu 2713 sujets

victimes d’un accident de la voie publique grave dont 72
sont décédés sur le lieux de l’accident
– Quelle est la létalité avant l’hospitalisation ?

– Quelle est la létalité après hospitalisation ?
23
Exemple létalité
(correction)
• En 1993, sur l’île de la Réunion, il y a eu 2713 sujets victimes
d’un accident de la voie publique grave dont 72 sont décédés sur
le lieux de l’accident
– Quelle est la létalité avant l’hospitalisation ?

• 72/2713 = 3,3%
– Quelle est la létalité après hospitalisation ?
24
Autres indicateurs de mortalité
25
• Mortalité infantile est le nombre de décès d’enfants de moins de un an

pendant une période donnée rapporté à la population étudiée pendant la
période donnée
• Mortalité foeto-infantile correspond au nombre d’enfants nés sans vie et de

décès d'enfants de moins d'un an
• Mortalité fœtale tardive (mortinatalité) désigne les enfants nés sans vie
26
• Mortalité périnatale : nombre d’enfants morts à la naissance +

nombre de décès d’enfants au cours des 7 premiers jours de la
vie
• Mortalité néonatale : nombre de décès d’enfants de moins de 28
jours
• Mortalité néonatale précoce : nombre d’enfants mort avant 7
jours de vie
• Mortalité post-néonatale : nombre d’enfants mort entre 28 jours
de vie et un an
27
Indicateurs de mortalité au Togo
(Source UNICEF)
Taux brut de mortalité, 1970 18.9

28
Indicateurs de mortalité au Togo
(Source UNICEF)
Taux de mortalité infantile (moins de 1 an), 1990 89
Taux de mortalité infantile (moins de 1 an), 2012 62
Taux de mortalité néonatale 2012 33
29
PNDS : 2012-2016
30
3. Sources de données
31
Sources des données (1)
• A partir de quelles données peut-on décrire l’état de santé d’une
population ?
• Données de surveillance (recueil continu)

– Statistiques nationales de décès
– Certificats de décès
– Permis d’inhumation
– Etude adhoc
32
Sources des données (2)
• Données de mortalité
– Qualité des données variable : sous et sur déclaration
– Délais importants avant publication
– Utile pour détecter des tendances, des épidémies
– Registre des décès
• Registre en ligne (France)
33
4. Conclusions
34
Conclusions
• Indicateurs de mortalité permettent
– Appréhender l’importance d’un problème de santé : Ebola avec
létalité importante
– Guider la planification sanitaire problèmes de santé :
• Réduction de la mortalité maternelle
• Réduction de la mortalité infantile
– Générer des hypothèses sur les facteurs de risque des
maladies
• Gratuité de la Césarienne au Togo
35
Indicateurs de morbidité

1
Objectifs
1. Définir et calculer la prévalence d’une maladie
2. Définir et calculer l’incidence d’une maladie
3. Faire la distinction entre les 3 types de mesures d’incidence

d’une maladie
4. Décrire la relation entre la prévalence et l’incidence d’une

maladie
2
Plan
Introduction
1. Prévalence d’une maladie
2. Incidence d’une maladie
Conclusion
3
Plan
Introduction
Conclusion
4
Introduction : Indicateurs
épidémiologiques
• Trois types de mesure utilisées en épidémiologie
– Les mesures de la fréquence d’un événement (prévalence,

incidence, mortalité, létalité)
– Les mesures d’association entre une exposition à un facteur
d’exposition et une maladie (RR, OR)
– Les mesures d’impact d’un facteur de risque dans une
population (risque attribuable, fraction étiologique)
5
Plan
Introduction
Conclusions
6
Prévalence (1)
• Prévalence absolue
– Cas existant à un moment t donné
– Effectif
7
Prévalence (1)
• Prévalence : à un moment t donné
– Nombre de cas existants /nombre de sujets observés à un moment t
donné
– Est une proportion ( entre 0 et 1 ou nombre de cas pour 100, 1000, 10

000)
– Exemple :
• Prévalence du diabète
• Prévalence de l’obésité
• Prévalence de l’HTA
8
Prévalence (2)
• Prévalence : mesure de la fréquence d’une maladie M en
s’intéressant à :
– Tous les cas existants (anciens cas encore malades et

nouveaux cas)
– Dans une population donnée
– A un instant t donné ou dans une période donnée
9
Prévalence (2)
• La prévalence n’est pas un taux (terme taux de
prévalence est inapproprié)
– La prévalence ne dépend pas du temps
– Taux : vitesse d’apparition d’une maladie
10
Prévalence (2)
Proportion : valeur entre 0 et 1

k : 100, 1000, 100 0000
11
Exemple Prévalence
• Parmi 1000 patients hospitalisés dans un hôpital donné, lors
d’une enquête effectuée un jour donné, on trouve que 40
personnes présentent une infection nosocomiale
– Quelle est la prévalence absolue ?

– Quelle est la prévalence de l’infection nosocomiale ?
12
Exemple Prévalence
• Quelle est la prévalence absolue? : 40
• Quelle est la prévalence de l’infection nosocomiale ?

– Soit 40 / 1000= 0,04
– ou encore 0,04 x 100 = 4 patients présentant une infection
nosocomiale pour 100 patients ou 4%
13
Plan
1. Introduction
4. Relation entre incidence et prévalence
5.Conclusions
14
Mesures d’incidence (1)
• Nombre de nouveaux cas d’une maladie observée au
cours d’une période donnée dans une population donnée
• Distinguer au cours d’une période donnée les nouveaux

cas (sujets sont non malades avant le début du suivi)
15
Mesures d’incidence (1)
• On distingue :
• Nombre de cas incidents
• Taux d’incidence ou la densité d’incidence
• Incidence cumulée
16
Mesures d’incidence
Nombre de cas incidents
Soit un groupe de 10 sujets, suivi pendant un an
Sujet Durée de période à risque (mois)
1 12
2 PDV 8
3 M 2
4 M 6
M: apparition de la maladie
5 12
DCD: décès
6 12
2
PDV: perdu de vue
7 PDV
8 DCD 8
12
9
10 12
0 2 4 6 8 10 12
Durée d’observation en mois révolus
17
Figure. 1 Suivi d’un groupe de 10 personnes
Mesures d’incidence : Nombre de cas incidents
1 12
2 PDV 8
3 M 2
4 M 6
12
5 Quel est le nombre de
6 12
7 PDV 2 cas incidents

8 DCD 8 si l’événement étudié
12
9
12
est un
10
• décès ?
• la perte de vue?
0 2 4 6 8 10 12
• la maladie?
18
Figure. Suivi d’un groupe de 10 personnes
Taux ou Densité d’incidence (1)
• Numérateur = Nombre de nouveaux cas
• Dénominateur = Nombre de personne-temps à risque
• Mesure utilisée quand le suivi de la population est variable pour

chaque sujet
19
Taux ou Densité d’incidence (1)
• Unité : Nombre de cas pour xx personne-temps

– Personne-année
– Personne-mois
• Taux d’incidence
– 5 cas pour 100 personne-année
– Si nous suivons 100 personnes pendant un an, 5
développeront la maladie
20
Taux d’incidence (2)
• Quand : connaissance de la durée exacte de la période à risque

de chaque sujet étudié
21
• Numérateur : nombre de nouveaux malades
• Dénominateur : nombre de personne-temps à risque

(PTR)
22
1 12
2 PDV 8
3 M 2
4 M 6
5 12
6 12
7 PDV 2
8 DCD 8
12
9
10 12
0 2 4 6 8 10 12
23
• Quand : connaissance de la durée exacte de la période à risque

de chaque sujet étudié
• PTR : somme de la durée exacte de suivi de chaque individu

• 12+8+2+6+12+12+2+8+12+12 = 86 personnes-mois
24
1 12
2 PDV 8
3 M 2
4 M 6
5 12
6 12 86 personnes mois
7 PDV 2
8 DCD 8
12
9
10 12
0 2 4 6 8 10 12
25
Taux d’incidence de la maladie (2)
• Numérateur : nombre de nouveaux malades = 2
• Dénominateur = 86 personnes-mois
• Densité d’incidence de la maladie

– DIM= 2/86=0,023 personnes-mois
• Densité d’incidence de M
– 0,023 personnes mois x 100
– 2,3 pour 100 personnes-mois
26
Incidence cumulée
27
Exemple Choléra
• Dans un camp de réfugiés, la population au début d’une année

donnée est de 3000 sujets et de 4500 à la fin de cette année.
• Au cours de cette année, 1200 cas de choléra ont été observés

dans ce camp
• Quel type d’incidence, je peux estimer ?

• Quelle est l’incidence du choléra ?
28
Incidence cumulée (1)
• Mesure la rapidité de survenue (ou la force) avec laquelle

la maladie ou un évènement de santé attaque une
population pendant une période donnée
• Risque absolu
29
• Numérateur : nombre de nouveaux cas
• Dénominateur : nombre de personnes à risque (PAR) au

cours d’une période donnée
• Proportion et donc pas d’unité, (0-1)
30
• Estimation du dénominateur PAR
• Cohorte fermée ou fixe : (Po+P1)/2 x ∆t
• Cohorte dynamique : (Po+P1-m)/2 x ∆t
• ∆t = période de suivi
31
• Dans un camp de réfugiés, la population au début d’une année
donnée est de 3000 sujets et de 4500 à la fin de cette année.
• Au cours de cette année, 1200 cas de choléra ont été observés

dans ce camp.
• Quelle est l’incidence cumulée ?
32
Mesures d’incidence: Incidence cumulée (2)
33
Nombre de cas incidents
Soit un groupe de 10 sujets, suivi pendant un an
Sujet
1
2 PDV
3 M
4 M M: apparition de la maladie
5 DCD: décès
6
PDV: perdu de vue
7 PDV
8 DCD
9
10
0 2 4 6 8 10 12
34
Figure. 1 Suivi d’un groupe de 10 personnes
• Cohorte fermée ou fixe : (P0+P1)/2 x ∆t
• Dans l’exemple précédent

– P0= population au début =10
– P1 = population à la fin =5
– ∆t = 1 an
– PAR = (10+5)/2 = 7,5
– Incidence cumulée de la maladie M est égale à 2/7,5 =
0,267 soit 26,7%
35
En résume ?
Incidence Cumulée Taux d’incidence
Numérateur
Dénominateur
Mesure de base
Unité
Avantages
Conditions d’application
36
En résumé
Incidence Cumulée Taux d’incidence
Numérateur Nombre de nouveaux cas Nombre de nouveaux cas
Dénominateur Personne à risque Somme des personnes-temps

• Cohorte fermée à risque
• Cohorte ouverte
Mesure de base Proportion Taux
Unité Pas d’unité Nombre de nouveaux cas pour
ou en % x personnes temps
Avantages Simple à calculer Mesure plus précise

Conditions d’application Connaitre la durée exacte de
suivi de chaque individu
37
Incidence cumulée
Taux d’attaque
• Terme utilisé en cas d’épidémie
• Différence : période de mesure n’est pas une période

systématique mais dépend de la durée de l’épidémie
• Taux d’attaque est l’incidence cumulée pendant la

durée de l’épidémie
38
Exemple : taux d’attaque
• Dans une maison d’arrêt contenant 300 prisonniers, on a
observé la survenue de 21 cas de choléra entre 12 janvier
et 23 janvier 2014. Aucune admission, ni sortie n’a été
enregistrée pendant cette période
• Quel est le taux d’attaque de l’épidémie de choléra ?
39
Plan
Introduction
Conclusions
40
Plan
Introduction
Conclusion
41
Comparaison de l'incidence
et de la prévalence
Incidence Prévalence
• NOUVEAUX cas ou événements • TOUS les cas ponctuels ou
sur une période de temps dans la période de temps
• Utile pour l'étude des facteurs • Utile pour mesurer l’ampleur

responsables de la maladie du problème de santé et la
(« facteurs de risque ») planification
Conclusion
• Incidence et prévalence permettent de décrire l’importance d’un
problème de santé
• Guider la planification sanitaire et les problèmes de santé
• Générer des hypothèses sur les facteurs de risque des maladies
• Importance de connaitre ces notions de bases
43
Travaux dirigés
44
Exercice 3 : Obésité au Togo
• Une étude épidémiologique a été réalisée pour

déterminer la prévalence de l’obésité dans une préfecture
du Togo.
• Cette étude a été réalisée sur un échantillon représentatif
de la population composée de 1250 sujets.
• On a noté au cours de l’enquête que 325 sujets étaient
obèses.
45
Exercice 3 : Obésité au Togo
1. Calculer la proportion de sujets obèses et son intervalle de

confiance à 95% dans cette population ?
2. De quelle mesure s’agit-il ?
3. Peut-on estimer l’incidence de l’obésité ? si oui, quelle est

le taux d’incidence et si non pourquoi ?
46
Paramètres de tendance centrale
et de dispersion
Pr. Didier Koumavi EKOUEVI

Université de Lomé, Togo
Objectifs
• A la fin du cours l’étudiant doit savoir
– Reconnaitre dans un tableau une moyenne, une
médiane
– Savoir représenter dans un tableau des variables
quantitatives
– Savoir interpréter les paramètres de dispersion
2
Paramètres décrivant une distribution :
définition
• Nombres permettant de résumer l’ensemble d’une
distribution
• Il existe :
– Paramètres de tendance centrale
– Paramètres de dispersion
3
Paramètres décrivant une distribution
• Paramètres de tendance centrale

– Moyenne
– Médiane
– Mode
• Paramètres de dispersion
– Variance
– Étendue
– Percentile
4
Paramètre central
5
Moyenne arithmétique
• Résume une série de données de variables

quantitatives
• Rapport
– Numérateur : la somme d’une distribution d’un
caractère statistique quantitatif
– Dénominateur : le nombre de valeurs dans la
distribution
6
Comment
• Additionner toutes les valeurs
• Diviser par le nombre d’observations (n)
x i
x= i =1
n
7
En pratique dans Excel
MOYENNE(A2:A14)
Age
15 Moyenne 30,2307692
20
45
56
23
48
16
12
19
26
28
39
46
8
Résultat sous stata
Percentiles Smallest
1% 15 10
5% 17 10
10% 18 10 Obs 10508
25% 20 11 Sum of Wgt. 10508
50% 25 Mean 25.40579

Largest Std. Dev.6.292297
75% 30 48
90% 34 48 Variance 39.59301
95% 37 52 Skewness .5788261
99% 42 55 Kurtosis 2.859255
9
• Mesure de tendance centrale la plus connue
• Utilise toutes les données disponibles
• Dépend ou affectée des valeurs extrêmes
10
Moyenne
Avantages Inconvénients
• Universellement répandue • Fortement influencée par

et acceptée les valeurs extrêmes
• Se prête facilement aux • Représentent mal les

calculs valeurs d’une population
hétérogène (bimodale par
• Toujours la présentée avec exemple) ou fortement
son écart-type asymétrique
11
Médiane
• Valeur qui partage l’échantillon en deux moitiés de taille
égale ou en deux groupes d’effectifs égaux
• C’est le 50ème percentile

– 50% des observations sont inférieures à la médiane
– 50% des observations sont supérieures à la médiane
12
Médiane : comment
• Ordonner ou trier les valeurs
• Trouver la position centrale par (n+1)/2
• Identifier la valeur au centre
13
Médiane : comment
• Exemple
• Observation : 24, 17, 37, 32, 35
– Trier les 5 observations d’âge
• 17, 24, 32, 35, 37
– Médiane = (n+1):2 = 6/2 = 3
– 3ème observation = 32 : médiane = 32
– 8 observations d’âge
• 17, 24, 27, 27, 29, 32, 35, 37
– Médiane = (n+1)/2 = 9/2=4,5
– Médiane (4ème observation) ou 5ème observations (27+29/2) = 28 ans
14
MOYENNE(A2:A14) / MEDIANE (A2:A14)
Age 12
15 Moyenne 30,2307692 15
20 Médiane 26 16
45
19
56
20
23
23
48
16 26
12 28
19 39
26 45
28 46
39 48
46 56
15
1% 15 10
5% 17 10
10% 18 10 Obs 10508
25% 20 11 Sum of Wgt. 10508
50% 25 Mean 25.40579

75% 30 48
90% 34 48 Variance 39.59301
95% 37 52 Skewness .5788261
99% 42 55 Kurtosis 2.859255
16
Médiane
•Peu influencée par des •Se prête mal aux calculs

valeurs exceptionnelles
• Ne représente que la
•Le choix de l’intervalle de valeur qui sépare
classe agit peu sur sa valeur l’échantillon en deux parties
de même effectif sans tenir
•Bon indicateur pour les compte de l’ensemble des
variables asymétriques données
17
Mode
• Valeur la plus représentée de la série
• Une série peut

– Ne pas avoir de mode
– Avoir plusieurs modes
18
Mode : comment
Obs Jours
1 3
2 6
3 7
4 7
1 Rangez les données brutes 5 8
dans l’ordre croissant 6 8

7 8
2. Identifiez la valeur revenant 8 8

9 9
le plus fréquemment 10 9
11 9
12 9
13 9
14 10
15 10
16 11
17 13
18 16
19
19 17
Obs
1
Jours
3
Mode : comment
2 6
3 7
4 7
5 8
Jours Fréquence Jours Fréquence
6 8
3 1 11 1
7 8
8 8 4 0 12 0
9 9
10 9
5 0 13 1
11 9 6 1 14 0
12 9
13 9 7 2 15 0
14 10
8 4 16 1
15 10
16 11 Mode 9 5 17 1
17 13
18 16
10 2 Total 19
19 17
Statistiques sommaires
Mode
• Exemples
• 17, 24, 32, 35, 37
• Pas de mode
• 17, 24, 27, 27, 29, 29 32, 35, 37
• Le mode = 27 ans et 29 ans
• On parle de distribution bimodale
21
Mode 8 500
Médiane 10 906
Moyenne 14 150
La moyenne est-elle trompeuse quand une distribution est

très dissymétrique,
la moyenne est très différente de la médiane : lorsque la
distribution est très « écrasée » 22
Mode
• N’est pas affecté par les • Se prête mal aux

valeurs exceptionnelles calculs
• Permet de représenter des • Varie beaucoup selon

populations hétérogènes qui la largeur choisie pour
présentent plusieurs valeurs les classes
dominantes
23
Characteristics of HIV-infected
patients at ART initiation
(N=126)
HIV-2 HIV-1 & 2

Age (years) 45 [38-51] 41 [35-46]
Median [IQR]
Gender (female) 57% 53%
WHO stage (stage IV 17% 18%
and AIDS)
CD4 count 151 168
Median [IQR] [56-248] [80-251]
IQR : interquartile Range 24
Paramètre de dispersion
Année Universitaire 2012- 2013 25

Minimum-Maximum : Extrêmes
• Minimum : la plus petite valeur
• Maximum : la plus grande valeur
• Extrêmes : représente les valeurs minimales et maximales
• Donne une idée assez générale de la dispersion de la distribution

autour de la médiane
26
1% 15 10
5% 17 10
10% 18 10 Obs 10508
25% 20 11 Sum of Wgt. 10508
50% 25 Mean 25.40579

75% 30 48
90% 34 48 Variance 39.59301
95% 37 52 Skewness .5788261
99% 42 55 Kurtosis 2.859255
27
MIN(A2:A14) / MAX (A2:A14)
Age 12
15 MINIMUM 12 15
20 MAXIMUM 56 16
45
19
56
20
23
23
48
16 26
12 28
19 39
26 45
28 46
39 48
46 56
28
Minimum-Maximum ou Etendue
• Étendue : différence entre la plus grande et la

plus petite valeur = 55-10=45
1% 15 10
5% 17 10
10% 18 10 Obs 10508
25% 20 11 Sum of Wgt. 10508
50% 25 Mean 25.40579

75% 30 48
90% 34 48 Variance 39.59301
95% 37 52 Skewness .5788261
99% 42 55 Kurtosis 2.859255
29
MIN(A2:A14) / MAX (A2:A14)
Age 12
15 MINIMUM 12 15
20 MAXIMUM 56 16
45 ETENDUE 44
19
56
20
23
23
48
16 26
12 28
19 39
26 45
28 46
39 48
46 56
30
Minimum-Maximum ou Etendue
• Exemple
– 17, 24, 27, 27, 29, 29 32, 35, 37
– Minimum : 17 ans, maximum : 37 ans,
– Extrême [17-37] ans
– Etendue : 20 ans
• Étendue est insuffisante : elle ne donne pas d’information sur la

variation a l’intérieur des valeurs elle-même
31
Quantiles
• Sont des valeurs d’une distribution définies par la
proportion de sujets qui se trouve au dessous et au
dessus de cette valeur
• Quartiles : sont les trois valeurs qui partagent la

distribution en quatre parties égales
32
Quantiles
• 1er quartile : 25ème percentile (25% de la distribution au-
dessous et 75% au-dessus)
• 2ème quartile : médiane (50ème percentile)
• 3ème quartile : 75ème percentile (75% de la distribution au-

dessous et 25% au-dessus)
33
Intervalle interquartile
• Médiane [1er quartile – 3ème quartile]

• Médiane [25th-75th percentiles]
Médiane EIQ
Age (ans) 29 [26-33]
CD4 (cellules/mm3) 186 [124-266]
Hémoglobine (g/dL) 10,3 [9,8-12,4]
34
1% 15 10
5% 17 10
10% 18 10 Obs 10508
25% 20 11 Sum of Wgt. 10508
50% 25 Mean 25.40579

75% 30 48
90% 34 48 Variance 39.59301
95% 37 52 Skewness .5788261
99% 42 55 Kurtosis 2.859255
35
Intervalle interquartile
(exemple)
• Etude de l’incidence des effets secondaires de
grade 3 et 4) chez 247 femmes infectées par le
VIH sous ARV. Interpréter les résultats suivants
Médiane EIQ
Age (ans) 29 [26-33]
CD4 (cellules/mm3) 186 [124-266]
Hémoglobine (g/dL) 10,3 [9,8-12,4]
36
Autres paramètres de dispersion
• Déciles : partage en 10
– 9 valeurs qui partagent l’échantillon en 10 parties égales
• Centiles (percentiles) : partage en 100

– Valeurs qui partagent l’échantillon en 100 parties égales
37
Variance
38
Variance
• Unité de la variance est au carré
– Années au carré
– Jours au carré
• Racine carré de la variance = écart-type ou (écart type

inter-individuel)
39
Écart-type
• Un nombre qu’on peut utiliser pour représenter la variation
dans un ensemble de données
• Il prend en considération la distance de chaque valeur par
rapport à la moyenne
40
Écart-type
• Ecart-type est faible : si les données sont regroupées
autour de la moyenne
• Ecart-type est grand : si les données sont dispersées ou

existe de grande valeur
41
1% 15 10
5% 17 10
10% 18 10 Obs 10508
25% 20 11 Sum of Wgt.10508
50% 25 Mean 25.40579

75% 30 48
90% 34 48 Variance 39.59301
95% 37 52 Skewness .5788261
99% 42 55 Kurtosis 2.859255
42
Toujours présenter
la moyenne et son écart-type
43
Comment calculer l’écart-type?
1. Calculer la moyenne des données
2. Soustraire la moyenne de chaque donnée
3. Calculer le carré de chaque déviation
4. Calculer la moyenne des déviations au
carré
5. Trouver la racine carré de la moyenne
des carrés
44
Résultats d’un examen de mathématiques
moyenne = 74.2
Données Déviation de la moyenne (moyenne – donnée) Déviation au carré
55 74.2 – 55 = 19.2 19.2 x 19.2 = 368.64

60 74.2 – 60 = 14.2 (14.2)² = 201.64
63 74.2 – 63 =
65
65
69
71
74
75
77
80
81
88
93
97
45
Résultats d’un examen de mathématiques
moyenne = 74.2
Données Déviation de la moyenne (moyenne – donnée) Déviation au carré
55 74.2 – 55 = 19.2 19.2 x 19.2 = 368.64

60 74.2 – 60 = 14.2 (14.2)² = 201.64
63 74.2 – 63 = 11.2 (11.2)² = 125.44
65 74.2 – 65 = 9.2 (9.2)² = 84.64
65 74.2 – 65 = 9.2 (9.2)² = 84.64
69 74.2 – 69 = 5.2 (5.2)² = 27.04
71 74.2 – 71 = 3.2 (3.2)² = 10.24
74 74.2 – 74 = 0.2 (0.2)² = 0.04
75 74.2 – 75 = - 0.8 - 0.8 x – 0.8 = + 0.64
77 74.2 – 77 = - 2.8 (- 2.8)² = 7.84
80 74.2 – 80 = - 5.8 (- 5.8)² = 33.64
81 74.2 – 81 = - 6.8 (- 6.8)² = 46.24
88 74.2 – 88 = - 13.8 (- 13.8)² = 190.44
93 74.2 – 93 = - 18.8 (- 18.8)² = 353.44
97 74.2 – 97 = - 22.8 (- 22.8)² = 519.84
46
Étape 3: Trouve la moyenne des écarts au
carré (Variance)
• 368.64 + 201.64 + 125.44 + 84.64 + 84.64

+ 27.04 + 10.24 + 0.04 + 0.64 + 7.84 +
33.64 + 46.24 + 190.44 + 353.44 + 519.84
÷ 15 = 136.96
47
Étape 4: Trouve la racine carrée de la moyenne des
carrés de l’étape 3.
• Écart-type = √136.96 = 11.70
• Et Voilà le travail!
48
En conclusion
• Variance et écart-type sont très intéressant à titre descriptif car ils
permettent d’apprécier à quel point la distribution est dispersée
• Plus l’écart-type est élevé, plus les données varient autour de la moyenne
• Plus la variance est grande et plus la dispersion est grande
• Plus l’écart-type est faible, moins les données varient autour de la

moyenne
49
En pratique
50
En pratique
51
Typologie des études épidémiologiques

1
Méditation de la leçon
More reading….Less TV
More play…Less work
More smiles…Less worry...

Cycle de l’épidémiologie
3
Les sciences
• Les sciences sont des Ensemble cohérent de
connaissances constituées qui connaissances relatives à
ont été le résultat d’une certaines catégories de faits,
l’évolution de l’histoire des idées d'objets ou de phénomènes
que les connaissances sont obéissant à des lois et/ou vérifiés
établies par les méthodes expérimentales
• Il existe une sorte d’ambivalence. (Larousse 2021)
Elle a à faire à la vérité qu’elle
prétend découvrir et autant le
doute
(Etienne Klein-Philosophe)
4
La recherche
• Répondre à des questions dont on ne connait pas la

réponse
• Situation où les connaissances scientifiques ne

permettent pas de répondre partiellement ou
complètement à cette problématique
5
La recherche
• La recherche scientifique est un processus méthodique

dont la finalité est de répondre à une question posée
• L’élaboration d’une question de recherche permet de

répondre de manière concrète à un problème auquel est
confronté un chercheur
– Existe-t-il un médicament efficace contre la COVID-19 ?
– Un régime hygiéno-diététique seul est–il adapté chez les sujets
hypertendus ?
6
Démarche dans la recherche
Formulation Choix du Collecter et Interpréter les Rédiger un

d’une question schéma analyser les données rapport et
de recherche d’étude données publier les
approprié résultats
7
Types d’études en épidémiologie
• À partir du problème retenu, le chercheur va identifier

plusieurs questions de recherche
– Pour chaque question, il va émettre une hypothèse qu’il va
vouloir vérifier
– Grâce à une étude, le chercheur va confirmer ou infirmer son
hypothèse à la lumière des résultats
• Cette démarche hypothético-déductive est caractéristique de
la recherche quantitative
8
Types d’études en épidémiologie
• Une étude est une démarche scientifique usant des
données issus d’une population pour répondre à une
question
– Le tabac est-il associé à la survenue de cancers
bronchopulmonaires ?
– Y a-t-il plus de cas de d’hypertension artérielle au Togo
comparativement à la Côte d’Ivoire ?
9
Selon l’investigateur
10
Typologie des étude
Selon l’attitude des investigateurs
• Etude expérimentale
– Imposer (ajouter, retirer, modifier…) l'exposition
• Etude observationnelle
– Observer l'exposition mais ne pas l'imposer
11
Typologie des études
• Etude expérimentale
– Avec randomisation : essai clinique ou thérapeutique
– Etude quasi-expérimentale
• Etude non expérimentale ou d’observation
• Descriptive
– Série de cas
– Etude transversale
• Analytique
– Etude de cohorte
– Etude cas-témoins
12
Etude interventionnelle
Une intervention est faite sur un groupe de sujets et le
résultat est étudié
13
Essai randomisé contrôlé
• Essai randomisé contrôlé : meilleur modèle d’étude d’intervention
• But d'évaluer l'efficacité d'une thérapie, d'une action de prévention

ou d'un médicament
• Compare 02 groupes de sujets :

– un groupe expérimental dit groupe d'intervention à qui l'on administre le
traitement/intervention
– un groupe dit groupe de contrôle ou groupe témoin ne recevant pas un
traitement (placebo)/intervention
14
• L'attribution dans un groupe se fait de façon aléatoire par tirage au

sort (randomisation)
• Un critère de jugement est fixé en amont (maladie, symptômes,
mortalité…)
• La répartition des groupes se fait à l'insu des participants (étude
en aveugle) et des investigateurs (double aveugle) qui n’ont
aucune influence sur l’étude
15
16
Selon le moment du recueil
17
Typologie des étude
Selon le recueil
• Rétrospective
– Recueil d'informations pré existantes
– Risque que des informations aient disparues entretemps
– Exemples: série de cas, cas-témoins, étude de cohorte
rétrospective
• Prospective
– Recueil d'informations à venir
– Etude à recueil permanent
– Exemple: Etude de cohorte prospective
18
Selon les objectifs
19
Typologie des études :
selon les objectifs
• Objectif : décrire la situation sanitaire (fréquence d’une
maladie, gravité d’une maladie)
• Etudes descriptives
– Séries de cas
– Etude transversales
20
Séries de cas
• En anglais « case report ou case series » :
• Description détaillée d’un cas ou de plusieurs cas cliniques d’intérêt
• Tous les patients inclus dans la série présentent la même maladie
• Cette description porte sur :
– Les symptômes
– Les signes
– Le diagnostic
– Le traitement
– L’évolution
21
Séries de cas
• Ces études permettent de décrire :

– Une association rare entre une pathologie et des symptômes
– Une présentation inhabituelle d’une pathologie commune
– Un nouveau lien entre la pathogénèse d’une maladie ou d’un effet secondaire
– Une maladie nouvelle ou rare
– Une nouvelle procédure diagnostique
• Inconvénients
– Qualité méthodologique souvent faible
– Pas de test statistique, nombreux biais
22
selon les objectifs
• Objectif : estimer l’association entre un facteur d’exposition
et une évènement étude
– Facteur d’exposition : Tabac
– Evènement étudié : Cancer du poumon
• Etudes analytiques
– Etudes de cohorte
• Estimer l’incidence d’un événement de santé
• Survenue de la malnutrition chez les nouveau-nés
– Etudes cas –témoins
23
selon les objectifs
• Objectif : évaluer l’efficacité d’une intervention
• Etudes expérimentales :
– Essais cliniques dont le Gold Standard est l’essai contrôlé randomisé
– Essais thérapeutiques
• Etude quasi expérimentale
– Ici-ailleurs
– Avant après
24
25
26
Etudes écologiques
• Etudes d’observation à but explicatif
• Sujet de l’étude n’est pas l’individu mais un groupe ou une

population entière
• Objectif : comparer la santé de groupes dans différents endroits

(étude géographique) ou à différents moments (étude temporelle)
• Ces études sont moins coûteuses que des études analytiques et

permettent de contrôler la plausibilité d’une association entre effet
sanitaire et caractéristiques environnementales
27
Revue systématique et
Méta-analyse
• Parfois difficile de suivre les différentes études faites sur
un sujet particulier ➔ études qui résument d’autres
études
• Deux principales manières de résumer des études :

– Revue systématique
– Méta-analyse
28
Méta-analyse
• Revue systématique
– Synthèse rigoureuse et reproductible des résultats de toutes les
études originales existantes répondant à une même question de
recherche
• Méta-analyse
– Méthode scientifique systématique combinant les résultats (la
synthèse statistique) d'une série d'études indépendantes ayant le
même model de conception sur une même question de recherche
donnée
– Produire un résultat récapitulatif unique
29
Méta-analyse3/3
30
En résumé
• Plusieurs études
• Tout dépend de la question de recherche
• Chaque étude a des avantages et des inconvénients
• Question du financement est aussi à considérer

31
Hiérarchie des schémas
Etude transversale
« Cross sectional study »
Prof. Didier K EKOUEVI

1
Méditation de la leçon
"La responsabilité de chacun implique deux

actes : vouloir savoir et oser dire"
Abbé Pierre
Objectifs
• A la fin du cours, l’étudiant doit être capable de :

– Faire la distinction entre une étude transversale et les
autres types d’étude
– Calculer la prévalence d’une maladie et son intervalle à
95%
– Décrire les avantages et inconvénients d’une étude
transversale
3
Plan
1. Définition
2. But
3. Echantillonnage et population
4. Principaux résultats
5. Avantages et inconvénients
6. Conclusion
4
Plan
1. Définition
2. But
6. Conclusion
5
Définition
• Les enquêtes transversales portent sur les sujets de la
population étudiée présents au moment de l’enquête au
cours d’une période déterminée
• A un moment (t)
– Une année, mois, semaine, un jour
• Examine une coupe transversale de la population

Étude transversale
Inclusion
des sujets
Recueil de
l ’information
Début de l’étude
7
Libellés de l’objectif d’une étude transversale
• Estimer la prévalence du VIH chez les femmes

enceintes
• Estimer la prévalence de l’hépatite B chez les

patients infectés par le VIH
• Estimer la prévalence de l’obésité chez les

collégiens
8
Plan
1. Définition
2. But
6. Conclusion
9
But : visée descriptive
• Décrire
– Fréquence d’une pathologie
– Fréquence d’une exposition
• Estimer la prévalence d’une maladie

– Prévalence l’hépatite B chez le personnel hospitalier
– Prévalence de l’HTA chez les femmes enceintes
– Prévalence (étudier ➔ verbe à éviter)
10
Libellés de l’objectif d’une étude transversale
• A visée étiologique
• Décrire les facteurs associées entre une maladie et un

facteur d’exposition
– Estimer la relation entre l’obésité et l’HTA
• Facteurs associés à l’HTA
– Estimer la relation entre l’obésité et la consommation de fruits
• Facteurs associés à l’obésité
11
But : à visée étiologique
• Étudier l’association entre un facteur de risque et une maladie
donnée
– Inclusion de sujets présents au moment de l’enquête
– Exposition et la maladie ➔ mesurées au moment de l’enquête
– Question de recherche
• La prostitution est-elle un facteur de risque du VIH ?
• L’obésité est-elle un facteur de risque de lumbago?
12
Plan
1. Définition
2. But
6. Conclusion
13
Echantillonnage et Population
• Une population est l'ensemble des individus qui vous

intéressent. Elle est en général très vaste
• En pratique,
– Nous ne mesurons presque jamais des populations
entières
– Nous sommes obligés de prélever de la population « un
échantillon » de sujets que nous allons observer et
analyser
14
• Population cible
– Ensemble des sujets visés par l’étude
– Résultats sont généralisés dans cette population
– Population à laquelle les résultats devraient être
généralisés
• Population source
– Ensemble des sujets à partir duquel on constitue l’échantillon
15
Population source et cible
La population-cible : C'est celle qui a
motivé au départ l'organisation de l'étude.
C'est donc celle à laquelle on souhaiterait a
priori étendre les résultats
Population cible
Population source
La population-source : C'est celle d'où

l'échantillon a été réellement extrait lors de
la réalisation pratique de l'étude (on devrait
dire population-mère).
16
Population source et cible
Population cible
Population source
Je tire mon échantillon de la source

17
Difficulté majeure : Comment constituer un
échantillon représentatif de la population
générale (+++)
18
Exemples
• Prévalence du VIH chez les patients hospitalisés pour un AVC
au Togo
– Cible : tous les patients ayant un AVC
– Source : patients ayant un AVC hospitalisé au CHU Campus
19
• Sélection des sujets par leur appartenance à une population

(+++)
– Exemple : Etudiants, Travailleurs,
– Tous ceux qui sont présents au moment de l’enquête
– Echantillon représentatif de la population ?
• Mesure à un moment donné (en même temps)

– Exposition (tabac, alcool, sport, alimentation)
– Prévalence de la maladie
20
Plan
1. Définition
2. But
6. Conclusion
21
Principaux : Résultats (1)
• Prévalence absolue
– Nombre de cas
22
e
• Prévalence absolue P= k
– Nombre de cas N
k (100,1000)
• Prévalence
– Nombre de cas/ Population
– Toujours donner l’intervalle de
confiance à 95%  p(1 − p) 
P   p  zα 
 n 
23
• Prévalence absolue e
P = k
– Nombre de cas N
• Prévalence k (100,1000)
– Nombre de cas / population
– Toujours donner l’intervalle
de confiance à 95%  p(1 − p) 
• Test d’association P   p  zα 
 n 
– Test de Chi-2
– Rapport de Côte
– Rapport de Prévalence
24
Principaux Résultats
• La prévalence est une proportion et n’a pas d’unité (P)
• En cas de prévalence faible ou très faible,

– il sera plus pratique de multiplier par 1 000, 10 000, 100 000 voire 1
000 000 pour présenter les résultats
• Intervalle de Confiance à 95% [P-i; P+i] encadre la valeur de p
25
Exemple et TD-1
• Une étude de séroprévalence du VIH a été réalisée en 2011 auprès des
prisonniers au Togo
• Parmi les 1342 prisonniers, 1289 ont accepté de se faire prélever pour le
dépistage du VIH
• Parmi les 1289 prisonniers prélevés, 55 ont été dépistés infectés par le
VIH
– Quel est le schéma d’étude ?
– Quelle est la prévalence du VIH ?
– Quel est son intervalle de confiance?
26
Source: Ekouevi; Médecine et Maladies Infectieuses 2013
Exemple et TD-1
Prévalence du VIH Intervalle de confiance à 95%

• Numérateur = 55 • Intervalle dans lequel nous avons
• Dénominateur = 1289 95% de chance de trouver la vraie
• Prévalence = 4,3% valeur du paramètre estimé
• Formule
• Calcul : [3,2-5,4%]
• Conditions d’application
27
Représentation de prévalence et de l’IC à 95% par ville
28
Exemple et TD-1
• La prévalence variait entre 2,0% à Dapaong (extrême Nord du
Togo) et 6,2% à Aného (extrême Sud du Togo) (Figure 1)
(p=0,437)
– Quel test statistique a été utilisé ?

– Les prévalences sont-elles statistiquement différentes entre les régions ?
29
Représentation de prévalence et de l’IC à 95% par ville
30
Plan
1. Définition
2. But
6. Conclusion
31
Avantages : étude transversale
1. Facile à mettre en œuvre
2. Rapide
3. Utilisée comme première approche d’un problème

pour générer les hypothèses
4. Coût abordable
32
Inconvénients : Étude transversale
1. Ne permet pas d’établir la séquence temporelle exposition-

maladie
2. Impossible de suggérer une relation de cause à effet
3. Pas de mesure d’incidence de la maladie
4. Biais de sélection
33
Conclusions
• Etude la plus fréquemment réalisée en pratique
• Calcul du nombre de sujets nécessaire va tenir compte de la

précision de l’estimation
• Enquête avec un échantillon représentatif de la population

générale est difficile à réaliser sans financement
34
Etude cas-témoins
(Case-control study)

1
2
Objectifs
• A la fin du cours, l’étudiant doit être capable de:
– Faire la distinction entre une étude cas-témoins et les autres types
d’étude
– Calculer l’Odds Ratio
– Interpréter les résultats d’un Odds Ratio
– Connaitre les avantages et inconvénients d’une étude cas-témoins
3
Plan
1. Introduction
2. Objectifs : libellé
3. Population d’étude
6. Conclusion
4
Plan
1. Introduction
6. Conclusion
5
6
7
Introduction
8
Étude cas-témoins : Principes
9
• Maladie : sélection des sujets en fonction de la

maladie
• Exposition:
– Exploration rétrospective (antérieure)
10
Schéma : étude cas -témoins
Patients avec cancer
Comparaison
% exposés cas Expositions
% exposés Témoins
antérieures
Patients sans cancer
11
Sélection des sujets
Exposition non connue
(aléatoire)
Exposition
Oui Non
Oui Exposés Non exposés
Maladie Malades Malades
Non Exposés Non exposés

Non malades Non malades
Maladie est connue : fixée 12

13
Plan
1. Introduction
6. Conclusion
14
Étude cas-témoins : objectifs
• Question de recherche
« La prise de contraceptifs oraux est-elle associée au cancer
de l’ovaire ? »
• Objectifs :
– Estimer la relation entre la prise de contraceptifs oraux et
la survenue d’un cancer de l’ovaire
15
Étude cas-témoins : objectifs
• Question de recherche
« La consommation de tabac est-elle associée à la survenue
du cancer du poumon ? »
ou
« Existe-t-il une relation entre la consommation de tabac et le
cancer du poumon ? »
• Objectifs :
– Estimer la relation entre la consommation de tabac et la
survenue d’un cancer du poumon
16
Exemple : cas -témoins
• Existe-t-il une relation entre la consommation d’aflatoxines

et le cancer du foie?
– Cas = ?
– Témoins = ?
– Objectif ?
17
Exemple : cas -témoins
• Cancer du col ?
– Cas = ?
– Témoins = ?
– Quels facteurs d’exposition = ?
18
Plan
1. Introduction
6. Conclusion
19
Population d’étude
• Sélection des sujets

– Selon la maladie
– Critères de sélection clairs et stricts
– Sélection des cas = malades
• Définition très précise du cas
– Critères cliniques
– Critères paracliniques
• Représentatifs des malades
20
• Sélection des témoins « non malades »

– Représentatifs des personnes non malades
– Doivent être comparables aux cas
– Appariement « Constituer des paires » des témoins
aux cas : sur le sexe, l'âge, ou d'autres critères
En pratique, très difficile

[doivent pouvoir accéder aux filières de soins
identiques à celles où les cas ont été sélectionnés]
21
Étude cas-témoin : exemple
• Quels témoins pour les cas suivants ?
– Drépanocytose SS au CHU de Kara
– Cancer de l’ovaire chez les femmes au CHU Sylvanus
Olympio
22
TD-1
Vous voulez établir la relation entre la rubéole dont ont
souffert les mères et les problèmes de cataracte et de surdité
que connaissent les bébés. Quel type d’étude ferez-vous ?
23
TD-1-Corrections
• Je ferai une étude à visée étiologique, cas-témoins
• On cherche une cause
• Une étude de cohorte(s) serait très onéreuse dans ce

cas parce que la maladie est rare
24
TD-1 Corrections
• Vous avez opté pour une étude cas-témoins
– Préciser les cas
– Préciser les témoins
– Préciser les exposition (s)
25
• Taille de l’échantillon : dépend de la question posée

– Pour le même nombre de cas, la puissance de l’étude
augmente si on augmente le nombre de témoins jusqu’à 4
témoins par cas
– Notion de coût à prendre en compte
– En pratique : dans le cas des maladies rares on prend tous
les cas
26
Nombre de témoins pour un cas
100
90
Puissance
80
70
60
50
40
1 2 3 4 5
Nombre témoins/cas
27
Plan
1. Principes
6. Conclusion
28
Etude cas-témoins : résultats
Cas Témoins Total
Exposés a b E1
Non exposés c d E0
M0 M1 T
Total
29
Etude cas-témoins
Calcul de l’Odds Ratio (OR) ou
Rapport de cote (RC)
30
Etude cas-témoins : résultats
Cas Témoins Total
Exposés a b E1
Non exposés c d E0
M0 M1 T
Total
31
Interprétation du OR
• Force de l’association
• Sens de l’association
– OR=1, Il n’y a pas d’association entre l’exposition et la maladie
– OR>1, association est positive : le risque d’exposition est plus fort
chez les sujets malades que chez les sujets témoins
– OR<1, association est inverse : le risque d’exposition est moins fort
chez les malades que chez les sujets témoins
• Significativité de l’association
32
– L’interprétation doit en fait également tenir compte de
• l’intervalle de confiance de la mesure d’association
• ou du test statistique correspondant
33
x
Non significatif
x
x
Significatif
Significatif
0 ∞
1
Exemple : Odds Ratio
Étude cas-témoin internationale, standardisée, dans 52 pays (Asie,

Europe, Moyen Orient, Afrique, Australie, Amérique du Nord et du Sud)
prévue pour inclure 15 000 cas d’infarctus du myocarde. Les 9 facteurs de
risque pris en compte étaient : le tabac, les taux plasmatiques des lipides
(le rapport ApoB/ApoA1 a été choisi car le résultat du dosage des
apolipoprotéines est indépendant du jeûne), l’hypertension artérielle
(HTA), le diabète, l’obésité, le régime alimentaire, l’activité physique, la
consommation d’alcool et les facteurs psychosociaux. Des questionnaires
structurés ont été administrés et les patients, ainsi que les témoins ont été
soumis aux mêmes examens physiques 35
Quels sont les facteurs associés à l’IDM, quels sont les facteurs
de risque et les facteurs protecteurs
36
Quels sont les facteurs de risque et les facteurs protecteurs
37
Calcul de l’intervalle de confiance
38
Plan
1. Principes
6. Conclusion
39
Étude cas-témoins : Avantages
• Etude possible de plusieurs facteurs de risque

• Facile de poser le diagnostic du statut de malade ou de non
malade
• Etude si maladies rares
• Etude relativement courte dans le temps
• Taille de l’échantillon limitée
• Pas de problème de suivi
• Relativement peu coûteuses
40
Étude cas-témoins : Contraintes
• Pas de calcul du taux d’incidence de la maladie (pas de

possibilité d’apprécier le risque associé à une exposition)
• Séquence exposition-maladie (histoire naturelle) mal décrite
à la fin de l’étude
• Difficulté de sélection des groupes témoins comparables aux
malades
• Difficile d’estimer le statut exposé-non exposé (rétrospectif,
biais de mémorisation)
41
Plan
1. Principes
6. Conclusions
42
Conclusions
• Maladie rare
• Témoins indemnes de la maladie
• Estimer le Rapport de Cote (RC) ou Odds Ratio (OR)
• Interpréter le RC ou OR
43
Etude de cohorte
(Cohort study)

1
2
Objectifs
• A la fin du cours, l’étudiant doit être capable de:

– Distinguer une étude de cohorte des autres types d’étude
– Calculer le Risque Relatif
– Interpréter un Risque Relatif
– Connaitre les avantages et inconvénients d’une étude de
cohorte
3
Plan
1. Définition
2. Principes
4. Déroulement de l’étude
5. Résultats
7. Quelques exemples
8. Conclusion
4
Plan
1. Définition
2. Principes
4. Déroulement de l’étude et analyse statistique
5. Résultats
8. Conclusion
5
Définition
Larousse médical
• Ensemble d’individus suivis chronologiquement à
partir d’un temps initial donné (t0), dans le cadre d’une
étude épidémiologique
• Une cohorte forme un groupe homogène choisi pour

l’étude d’une pathologie
– Cohorte de femmes enceintes (début grossesse)
– Cohorte militaires (date engagement)
– Cohorte des étudiants en médecine (2ème année)
6
T0 T1 T2
7
Cohorte
Questions de recherche
• Quelle est l’incidence de cancer du poumon chez les

chauffeurs de taxi-moto ?
• Quelle est l’incidence de la tuberculose chez les

prisonniers ?
• Quelle est l’incidence de l’IDM chez les retraités ?
8
Définition
• Etude de cohorte est une étude de type

longitudinal qui est généralement fondée sur deux
groupes de sujets
– Un groupe exposé à un événement
– Un groupe non exposé à un événement
• Cohorte exposé/non exposé
9
t0
E-
E+
T0 T1 T2
10
Plan
1. Définition
2. Principes
5. Résultats
8. Conclusion
11
Principes
• Sélection des sujets en fonction de l’exposition

1. Suivi des sujets
2. Mesure de l’incidence de la maladie chez les exposés et
non exposés
3. Comparaison de l’incidence chez les exposés et les non
exposés (Risque Relatif)
12
Étude de cohorte
Différents types d'études de cohorte (1)
• Cohortes prospectives
Inclusion des Recueil de

sujets l ’information
Suivi
Début de l’étude prospectif
Nouveaux étudiants de 2ème année

t0=2017
Étude de cohorte
• Cohortes prospectives

Suivi
Début de l’étude prospectif
• Cohortes rétrospectives
Suivi
Début de l’étude
rétrospectif
Étude de cohorte
• Cohorte fermée • Cohorte ouverte ou

– Relation entre l’utilisation dynamique
des téléphones cellulaires – Recrutement continu
• Patient VIH (date du diagnostic)
et la survenue de
• Militaire (nouveau recrutement)
céphalées • Etudiants (inscription en 1ère
• Groupe exposé (n=4000) année)
• Groupe non exposé
(n=2000)
– Suivi pendant trois ans
15
Plan
1. Définition
2. Principes
5. Résultats
8. Conclusion
16
• Sélection des sujets

– Selon l’exposition
– Critères de sélection clairs et stricts
• Définition du début du suivi (temps zéro)

– Absence de la maladie ou événement d’intérêt au temps
(zéro)
• Taille de l'échantillon calculée en fonction de la question

posée (hors programme)
17
Sélection des sujets
sélection des sujets (1)
Fixée
Exposition
Oui Non
Oui Exposés Non exposés
Maladie Malades Malades
Non Exposés Non exposés
Aleatoire Non malades Non malades
18
Plan
1. Définition
2. Principes
5. Résultats
8. Conclusion
19
Déroulement de l’étude
• Suivi des sujets (+++)

– Mesure de la survenue de la maladie de manière
standardisée, en insu
• Nouveaux cas : incidence
• Suivi suffisamment long
– Qualité du suivi
• Perdus de vue
• Notion Personne temps à risque
• Cohorte = suivi
20
Plan
1. Définition
2. Principes
5. Résultats
8. Conclusion
21
5.1. Nombre de cas incidents
• Nombre de cas incidents

– C’est le nombre de nouveaux cas au cours d’une période
donnée
22
5.2. Incidence cumulée
Nombre de nouveaux cas

I cumulée= (Au cours d’une période donnée)
Nombre de personnes à risque
Incidence cumulée (%)

•Cohorte dynamique : calcul du PAR = (P0+P1-m)/2
•Cohorte fermée : calcul du PAR = (P0+P1)/2
23
5.3. Taux d’incidence
Nombre de nouveaux cas

Tincidence= (Au cours d’une période donnée)
Nombre de personnes temps à risque
• Nombre de personne temps : dépend de la durée de suivi de chaque

individu en mois, année.
• Unité: Nombre de cas pour X personne-mois (personne-année)
Exemple : Incidence de survenue

d’une tuberculose est de 9,1 pour 100 personne-année
24
Etude de cohorte : Résultats
(Tableau de contingence)
Malades Non Malades Total

Exposés a b E1
Non Exposés c d E0
Total M1 M0 T
E1 : nombre de sujets exposés

E0 : nombre de sujets non exposés
25
Résultats : Risque Relatif
• Incidence chez les sujets exposés

• Incidence chez les sujets non exposés
Malades Non Malades Total

Exposés a b E1
Non Exposés c d E0
Total M1 M0 T
26
Interprétation du RR
• Force de l’association
• Sens de l’association
– RR=1→ il n’y a pas d’association entre l’exposition et la
maladie
– RR>1→ association est positive : le risque de maladie est
plus fort chez les sujets exposés que chez les sujets non
exposés
– RR<1→ association est inverse : le risque de maladie est
moins fort chez les sujets exposés que chez les sujets non
exposés
• Significativité de l’association 27
– L’interprétation doit en fait également tenir compte de
l’intervalle de confiance du RR
• RR est statistiquement significatif si l’intervalle de confiance ne

contient pas la valeur 1
– RR=0,50; IC95% [0,25-0,64]
– RR=1,75; IC95% [1,30-2,10]
28
• RR est statistiquement significatif si l’intervalle de confiance
ne contient pas la valeur 1
– RR=0,50; IC95% [0,25-0,64]
– RR=1,75; IC95% [1,30-2,10]
• RR n’est pas statiquement significatif si l’intervalle de

confiance à 95% contient la valeur 1
– RR= 2,30, IC95% [0,90-3,75]
– RR= 0,90, IC95% [0,70-1,35]
29
x
Non significatif
x
x
Significatif
Significatif
0 ∞
1
Interprétation du Risque Relatif
• Facteur de risque
– Si association statiquement significatif
– RR=1,30 : un sujet exposé a un risque de présenter l’événement ou
la maladie 1,30 fois plus élevé qu’un sujet non exposé
• Facteur protecteur
– Si association statiquement significatif
– RR=0,65 : le risque de présenter l’événement ou la maladie chez un
sujet exposé est 0,65 fois celui d’un sujet non exposé (à 35% de
moins qu’un sujet non exposé)
31
Plan
1. Définition
2. Principes
5. Résultats
8. Conclusion
32
Étude de cohorte : Avantages
• Calcul du taux d’incidence de la maladie (apprécier le risque
associé à une exposition)
• Séquence exposition-maladie (histoire naturelle) clairement
décrite à la fin de l ’étude
• Enquête peut s’intéresser à d’autres maladies dont le facteur
de risque est le même
• Permet d’apprécier la relation dose-effet
• Étude de facteurs d’exposition rares
33
Étude de cohorte : Contraintes
• Prospectives : suivi très long

– Délai de latence de la maladie
– Perdu de vue
• Taille de l’échantillon importante surtout si maladie étudiée est
rare
• Problèmes de suivi dans une cohorte prospective (perdus de
vue) : Coût
• Réponse à la question attendue dans plusieurs années
34
Plan
1. Définition
2. Principes
5. Résultats
8. Conclusion
35
Source : Tuberculosis: associations with HIV and socioeconomic status in rural Malawi.
JR.Glynn et al. Trans R Soc Trop Med Hyg 2000;94(5):500-3.
Des sujets ont été recrutés au Malawi entre 1986 et 1989 pour
estimer l’incidence de la tuberculose en fonction du statut vis-à-vis
de l’infection par le VIH
La question posée était : « la fréquence de la tuberculose est-elle
différente chez les sujets infectés par le VIH par rapport à ceux qui
ne sont pas infectés par le VIH ?»
La survenue d’une tuberculose était 7,1 fois plus fréquente chez les
sujets infectés par le VIH (RR=7,1) que chez les sujets non infectés
par le VIH.
36
Source : Tuberculosis: associations with HIV and socioeconomic status in rural
Malawi. JR.Glynn et al. Trans R Soc Trop Med Hyg 2000;94(5):500-3.
• Quels sont les type d'étude épidémiologique ?

❑Expérimentale ?
❑ D'observation ?
❑Transversale ?
❑De cohortes ?
❑Cas-témoins
37
Source : Tuberculosis: associations with HIV and socioeconomic status in rural
Malawi. JR.Glynn et al. Trans R Soc Trop Med Hyg 2000;94(5):500-3.
• Quels sont les type d'étude épidémiologique ?

❑ Expérimentale ?
❑ D'observation ?
❑Transversale ?
❑ De cohortes ?
❑ Cas-témoins
38
• Quelle est l’exposition ?

❑VIH ?
❑Tuberculose ?
39
• Quelle est l’exposition ?

❑VIH ?
❑Tuberculose ?
• Estimer l’incidence de la tuberculose en fonction du statut vis-

à-vis de l’infection par le VIH
40
• Quelle est l’événement étudié ?

❑VIH ?
❑Tuberculose ?
41
• Quelle est l’événement étudié ?

❑VIH ?
❑Tuberculose ?
• Estimer l’incidence de la tuberculose en fonction du statut vis-à-vis de l’infection

par le VIH. La question posée était : « la fréquence de la tuberculose est-elle
différente chez les sujets infectés par le VIH par rapport à ceux qui ne sont pas
infectés par le VIH ?»
• La survenue d’une tuberculose était 7,1 fois plus fréquente chez les sujets
infectés par le VIH (RR=7,1) que chez les sujets non infectés par le VIH.
42
Plan
1. Définition
2. Principes
5. Résultats
8. Conclusion
43
Conclusion
• Cohorte historique ou rétrospective
• Suivi des patients
• Incidence de la maladie
• RR et interprétation du Risque Relatif
• Durée longue
44
Évaluation diagnostique

Objectifs
• A la fin du cours, l’étudiant doit être capable de
– Définir et calculer la valeur intrinsèque d’un test : sensibilité et
la spécificité
– Définir et estimer
• Valeur prédictive positive
• Valeur prédictive négative
Evaluation_diagnostique 2
Plan
1. Introduction
2. Qualité d’un test
3. Mesure de la performance d’un test
– Sensibilité
– Spécificité
4. Notion de valeur prédictive
– Valeur prédictive positive
– Valeur prédictive négative
5. Reproductibilité et concordance
6. Conclusion 3
Plan
1. Introduction
– Sensibilité
– Spécificité
4. Notion de valeur prédictives
6. Conclusion 4
Définition des concepts
• Le dépistage constitue une procédure préliminaire
(questionnaire ou examen) visant à détecter
– Un ou plusieurs signes ou symptômes caractéristiques d’une
maladie
– Un syndrome
– Pouvant potentiellement mener à une investigation plus poussée
• Pourquoi faire un dépistage ?

5
Pourquoi faire un test de dépistage ?
• Mettre en évidence un facteur de risque pouvant être corrigé pour
éviter la survenue d'une maladie
– Hypercholestérolémie
• Régime ou un médicament, éviter une maladie cardio-vasculaire (IDM, AVC)
– Obésité
• Mettre en évidence une lésion favorisant une autre maladie

– Polype du côlon ➔ Cancer : surveillance et traitement
6
Pourquoi faire un test de dépistage ?
• Traiter une maladie à un stade précoce

– Exemple : dépistage du cancer du col de l’utérus
• Moyens de dépistage : coloration du col : IVA et IVL ou frottis cervico-
vaginal
• Traitement : cryothérapie ou conisation vs hystérectomie
• Traiter la maladie avant que des séquelles ne surviennent

– Dépistage de l’HTA ➔ AVC
– Dépistage du diabète ➔ Pied diabétique➔ Amputation
7
Conditions nécessaires au dépistage
Maladie
• Pour mettre en œuvre un dépistage, il faut d'abord remplir
certaines conditions :
1. Fréquente : prévalence élevée
2. Grave : maladie doit être assez grave
3. Traitable : maladie doit avoir un stade précoce plus facilement
traitable
8
Conditions nécessaires au
dépistage
Fréquente Grave Traitable Dépistage
HTA + + + Oui
Cancer du sein + + + Oui
Paludisme + +/- + Non
VIH + + + Oui
Hépatite B + + + Oui
9
Conditions nécessaires au dépistage /
TEST à UTILISER
• Il faut disposer
1. Bon test de dépistage
2. Doit pas être coûteux puisqu'il s'applique à des populations
de grande taille
3. Doit être simple à mettre en œuvre
Exemple de dépistage
• Examen clinique
– Palpation des seins
– Toucher rectal
• Examens biologiques
– Frottis cervico-vaginal
– Recherche de mutation génétique : drépanocytose
• Inspection visuelle du col : Acide acétique + Lugol
• Imagerie médicale : Mammographie
Exemple du cancer du sein
• En France, par exemple, le dépistage systématique du cancer du sein est

recommandé chez les femmes de 50 à 69 ans
• La mammographie est recommandée tous les deux ans. En cas de suspicion
de cancer, le diagnostic est fait sur l’examen anatomo-pathologique réalisé à
partir d’une biopsie
– Test de dépistage : mammographie
– Test de diagnostic : examen anatomopathologique
• Que proposeriez-vous pour le Togo ?
Suite cancer du sein
• Au Togo : palpation du sein (âge, groupe ?)
– Test de dépistage : palpation du sein + Echographie
– Test de diagnostic : examen anatomopathologique
• Test simple et peu coûteux
Notion de dépistage et de diagnostic
• Tests de dépistage
– Visent à identifier au sein d’une population les sujets ayant une forte
probabilité d’avoir une maladie donnée
• Tests de diagnostic
– Visent à identifier au sein d’une population les sujets atteints d’une
maladie donnée
14
Notion de dépistage et de diagnostic
• Dépistage de cas : application d’un test de dépistage à des
sujets sans que cela fasse partie d’un ensemble d’activité
programmé visant une population définie
• Dépistage de masse : application d’un test de dépistage à

l’ensemble d’une population définie
– Cancer du col, du sein
– VIH
– HTA
15
Plan
1. Introduction
– Sensibilité
– Spécificité
6. Conclusion 16
Qualité d’un test
• Un test doit être :
– Fiable
– Valide
17
Qualité d’un test : fiabilité
• Test fiable :
– Reproductibilité est bonne (donne les mêmes résultats)
– Inter-observateur : entre les différents observateurs qui
l’utilisent (Personnes)
– Intra-observateur : pour un même observateur s’il le répète
plusieurs fois (Temps)
18
Qualité d’un test : validité
• Test valide :
– Capable d’identifier correctement les malades et les non
malades
– Théoriquement est positif chez les malades et négatif chez non
malades
– Appréciée par les caractéristiques « intrinsèques » du test
19
20
21
Plan
1. Introduction
– Sensibilité
– Spécificité
5. Reproductibité et concordance
6. Conclusion
22
Performance d’un test
ou caractéristiques intrinsèques du test
• Ces caractéristiques sont dites «intrinsèques»
– Dépendent du test
– Mais pas de la population à laquelle le test est appliqué
– Constantes quelle que soit la prévalence de la maladie dans la population
à laquelle on applique le test
23
Résultat du test est une
variable dichotomique
Positif vs négatif
Exemple
Par exemple, on souhaite étudier l’intérêt de la recherche de rectorragies
(hémorragies par voie rectale) pour le diagnostic du cancer colorectal. Dans un
échantillon de 10386 sujets, on a observé les résultats suivants
Absence de
Cancer colorectal cancer colorectal Total
Rectorragie 27 359 386
Absence de 65 9935 10000
rectorragie
Total 92 10294 10386
25
Evaluation_diagnostique
Quelle est la sensibilité du test et la
spécificité du test ?
26
Performance d’un test
• Confrontation entre
– les résultats du test étudié
– les résultats du test de référence « gold standard » qui reflète
la réalité
27
Tableau de contingence
Total
Malades Non Malades
Test positif ? ?
Test négatif ? ?
Total
28
Tableau de contingence
Total
Malades Non Malades
Test positif VP FP VP +FP
Test négatif FN VN VN + FN
Total m mn N
29
Sensibilité du test
• C’est la probabilité qu’un test soit positif sachant que le sujet est
malade
• Aptitude du test à bien détecter les malades
• Se = VP / (VP + FN) ou VP/ malades

– Test très sensible = peu de Faux Négatifs
– Compris entre 0 et 1 (on l’exprime en pourcentage)
30
Sensibilité
Total
Malades Non Malades
Total
Spécificité d’un test
• C’est la probabilité d’avoir un test négatif sachant que le sujet est

non malade
• Aptitude du test à reconnaître les non malades
• Sp = VN/ (VN+FP) = VN/ (Non malades)

– Test très spécifique = peu de Faux Positifs
– Compris entre 0 et 1 (on l’exprime en pourcentage)
32
Spécificité
Total
Malades Non Malades
Total
33
En Résumé
• Sensibilité =VP /(VP+FN)
– Sensibilité = proportion de malades correctement classés
– Exclure la maladie quand le test est négatif
• Spécificité = VN/(VN+FP)
– Spécificité = proportion de non malades correctement classés
34
Plan
1. Introduction
– Sensibilité
– Spécificité
6. Conclusion 35
VPP et VPN (1)
• Valeur prédictive positive : probabilité d’avoir la maladie alors que
le test est positif
• Valeur prédictive négative : probabilité de ne pas avoir la maladie

alors que le test est négatif
36
Valeur prédictive positive
Total
Malades Non Malades
Total
37
Valeur prédictive négative
Total
Malades Non Malades
Total
38
VPP et VPN
• Valeurs prédictives dépendent de
– Sensibilité
– Spécificité
– Prévalence de la maladie dans la population dont est issu le
patient
39
VPP et VPN
• VPP et VPN semblent plus utiles pour le clinicien ➔
mieux applicables à la clinique
• Rarement utilisés en pratique car, souvent, la prévalence

de la maladie dans la population de base n’est pas
connue
40
Valeurs prédictives d’un examen diagnostique
application du théorème de Bayes
• Détermination des valeurs prédictives en fonction de la sensibilité, de la

spécificité et de la prévalence p de la maladie
• VPP = Pr(M+|S+)
Se . p
VPP =
Se . p + (1 − Sp) . (1 − p)
• VPN = Pr(M−|S−)
VPN =
Sp . (1−p)
Sp . (1−p) + (1−Se) . p
41
Exemple
On souhaite étudier l’intérêt de la recherche de rectorragies (hémorragies par
voie rectale) pour le diagnostic du cancer colorectal. Dans un échantillon de
10386 sujets, les résultats suivants ont été observés,
Absence de
Cancer colorectal cancer colorectal Total
Rectorragie 27 359 386
Absence de rectorragie 65 9935 10000
Total 92 10294 10386
42
43
• Sensibilité est 27/92 = 0,293, soit 29,3%
• Spécificité est: 9935/10294 = 0,965, soit 96,5%
Plan
1. Introduction
– Sensibilité
– Spécificité
6. Conclusion 45
Reproductibilité
• Plus un examen est reproductible, plus il est fiable
• La reproductibilité peut être mesurée par le coefficient de Kappa
• Kappa = (concordance réelle/ concordance non aléatoire)
• On admet que la concordance est :
– Bonne si Kappa > 0,6
– Mauvaise si Kappa < 0,3
– Intermédiaire entre les deux
• Kappa pondéré po - pc
Kappa, K =
1-pc
46
Choix d’un test
En pratique (1)
• Le choix entre plusieurs tests dépend de l’objectif :
• Test de dépistage
• Privilégier la sensibilité : obtenir le maximum de sujets
malades
• Accepter l’erreur par excès
– Centre de transfusion sanguine : jeter les poches de sang
48
En pratique (2)
• De la maladie
– Maladie grave mais curable
• Préférer la sensibilité (être sur que le sujet est malade et
traiter)
– Maladie ayant un traitement lourd et ayant de nombreux effets

secondaires
• Préférer la spécificité
• Réduire le nombre de faux positif
49
Cas particulier : le résultat est
quantitatif
Cas particulier : le résultat est quantitatif
• En pratique faire varier le seuil
•Pour chaque seuil, on construit un tableau de contingence et on

calcule la sensibilité et la spécificité
• Le seuil pourra être déterminé à l’aide d’une Courbe ROC

(Receiver Operating Characteristic)
– Indice de Youden : Y = Se + Sp – 1
51
Courbe ROC
Smith-Bindman JAMA 1998
Indice de Youden
4 mm
5 mm
10 mm
15 mm
Se
20 mm
25 mm
Faux positif = 1-Sp

Conclusion
• Un test ne doit être validé que s’il est jugé utile pour le
patient ou la santé publique
• La validation d’un test doit suivre un protocole et des

phases bien établis et éviter les biais
53
Echantillonnage

Version du 06 mai 2022
1
Plan du cours
1. Introduction
2. Echantillon aléatoire
i. Aléatoire simple
ii. Aléatoire systématique
iii. Echantillon stratifié
iv. Echantillon en grappes
3. Méthodes non aléatoires
I. Différents types de méthode
II. Avantages et inconvénients
4. Erreurs
5. Conclusion 2
Plan du cours
1. Introduction
2. Echantillon aléatoire
i. Aléatoire simple
ii. Aléatoire systématique
iii. Echantillon stratifié
iv. Echantillon en grappes
3. Méthodes non aléatoires
I. Différents types de méthode
II. Avantages et inconvénients
4. Erreurs
5. Conclusion 3
Introduction et Rappels de
définition
4
Introduction
• La collecte des données primaires se fait le plus souvent à l’aide
d’un sondage
• La conception d’un sondage se fait en trois étapes :

– Determination de la population
– Choix de la méthode d’échantillonnage
– Détermination de la taille de l’échantillon
5
Remarques
• Un sondage est une enquête ponctuelle réalisée auprès

d’un échantillon représentatif de la population étudiée
• Les résultats obtenus auprès de l’échantillon sont ensuite

extrapolés à la population étudiée ou population mère
6
Définition : population
• Population : Ensemble des éléments possédant les
informations désirées pour répondre aux objectifs de l’étude
• Exemple :
– Personnes âgées > 50 ans
– Etudiants
– Elèves
– Prisonniers
– Femmes enceintes
– Sujets hypertendus
7
Rappel de définitions
• Echantillonnage
– Sélection d’un certain nombre d’unités (personnes) faisant partie de la
population qui va être étudiée
– Petite quantité d’une matière, d’information, ou d’une solution
• Un ensemble d'individus extraits d'une population étudiée (ou

sélectionnés) de manière à ce qu'il soit représentatif de cette
population pour être enquêtés
8
9
Définition : unité de sondage
• Unité sélectionnée dans une population en vue de constituer un
échantillon
– Entité contenant un ou plusieurs éléments de la population et qui fera l’objet de
la sélection (patients, sujets dans le ménage)
– Synonyme : unité d’échantillonnage
– Unité de sondage : animal, un groupe d’animaux, un troupeau, etc.
• Sondage à plusieurs degrés

– Unités primaires = unités de sondage de la première étape
– Unités secondaires = unité de la deuxième étape
10
Définition : base de sondage
• Représentation concrète des éléments de la population
• Exemples
– Liste des étudiants de la promotion
– Annuaire téléphonique
– Liste des pharmacies
– Liste des étudiants de l’université de Lomé
– Registre des patients VIH dans un USP plan d’une ville
• Toujours se poser la question : Existe t-il une base de

sondage ? 11
Pourquoi et comment
échantillonner ?
12
Pourquoi échantillonner ?
• Impossibilité d’accéder à tous les individus d’une

population
– Tous les étudiants de l’Université de Lomé (>80 000)
– Tous les cadres de santé du Togo
• On procède à un échantillonnage à une sélection de la

population
13
Deux approches pour construire
un échantillon
Probabiliste Non Probabiliste

Méthodes aléatoires Méthodes non
aléatoires
14
Probabilité = hasard
un échantillon
Méthodes aléatoires Méthodes non

aléatoires
1. Simple
2. Systématique
3. Stratifié
4. En grappe ou par degrés
15
Echantillonnage aléatoire simple
16
Etude de cas
• Une étude est programmée pour être réalisée chez 50

étudiants en 3ème année de médecine de la faculté des
sciences de la santé de l’Université de Lomé. Dans cette
promotion, 500 étudiants sont inscrits.
• Comment procéderez-vous pour constituer votre

échantillon ?
17
Etude de cas : Réponse
• Tirer au sort au hasard 50 numéros d’avance
• Noter tous les numéros sur papier (500 numéros) placés
dans une boite
• Chaque étudiant va choisir un papier
• Echantillon : les étudiants qui tireront les 50 numéros

choisis d’avance
18
Échantillonnage aléatoire simple
• Consiste à choisir des individus de telle sorte que chaque

membre de la population a une chance égale de figurer
dans l’échantillon
• Nombre d’individus à échantillonner est déterminé à l’avance
• Chaque individu de la population a la même probabilité a priori
d’être choisi (tous équivalents)
• Peut se faire avec remise ou sans remise

• Avec remise : un individu peut être choisi plusieurs fois
• Sans remise : un individu déjà choisi ne peut l’être de nouveau
19
Avantages
. Difficultés
• N’est applicable que lorsqu’il
• Obtenir un échantillon existe une liste exhaustive de
«représentatif » puisque la toute la population (base de
méthode donne à chaque sondage)
individu de la population une
chance égale • Exemple :
– Liste des prisonniers
– Liste des étudiants
– Liste des employés
20
Échantillonnage aléatoire simple :
comment procéder ?
• Numéroter tous les individus de la liste correspondant aux

individus de la population
• Utiliser
– Une table de nombres aléatoires
– Un programme informatique (Excel : fonction RANDOM)
21
Echantillonnage systématique
22
Échantillonnage systématique
• Méthode qui exige aussi l’existence d’une liste de la population

(base de sondage) où chaque individu est numéroté de 1 jusqu’à
N
• Notons n, le nombre d’individus que doit comporter l’échantillon (la
taille de l’échantillon)
• k=N/n appelé raison de sondage ou pas de sondage (r= entier
voisin)
23
Etude de Cas 2
• On souhaite réaliser une étude auprès de 100 étudiants venus

déjeuner au restaurant universitaire de Lomé
• Le jour de l’enquête 1000 étudiants sont venus au restaurant
universitaire
• Comment procéderez-vous pour constituer votre échantillon ?
24
Approche de solution : Cas 2
• Déterminer le pas de sondage
– K =Nombre d’étudiants/Taille de l’échantillon
– Pas de sondage =10
• Tirage au sort d’un chiffre entre 1 et 10 (inférieur au pas de sondage)
– 1er numéro de la série = 5
– 2ème numéro = 5+10 = 15
– 3ème numéro = 15 +10 = 25
• Les personnes à interroger sont : 5, 15, 25, 35, 45, 55, 65 etc.
25
Avantages et Inconvénients
– Facile parce qu’un – Les données peuvent
seul individu est choisi être biaisées à cause
au hasard de la périodicité
– Permet d’obtenir une
bonne précision parce
que la méthode
permet de répartir
l’échantillon dans
l’ensemble de la liste
26
Exemple
• Sélectionner 25 patients venus pour une

consultation sur une moyenne de 125
patients consultant par jour
27
Exemple

– Liste de tous les patients
– N = échantillons
– R=125/25 = 5 (pas de sondage est de 5)
• 5, 10, 15, 20 etc……
28
2.3 L’échantillonnage stratifié
• Strates : groupes homogènes

– Tranches d’âges
– Sexe (hommes vs femmes)
– Promotion
– Catégories sociales
– Milieu (rural vs urbain)
29
• Strates : groupe homogène

• On subdivise la population en strates
– Proportionnellement à son importance dans la
population, on calcule combien il faut
d’individus au sein de l’échantillon pour
représenter chaque strate
– Dans chacune des strates : tirage au sort du
nombre nécessaire d’individus
30
Dans chacune des strates : tirage au sort

du nombre nécessaire d’individus
31
• Assurer la représentativité de chaque
strates
– Connaitre la proportion de la population qui
appartient à chaque strate
– 60% d’hommes et 40% de femmes
– 2 listes un pour les hommes et pour les
femmes (100 individus)
• Tirage au sort de 60 hommes
• Tirage au sort de 40 femmes
32
• On s’assure de la présence • La méthode suppose
proportionnelle de tous sous- l’existence d’une liste de la
groupes composant la population
population
• Connaître la répartition de
cette population selon les
strates
33
Exemple
• Choisir par échantillonnage 50 étudiants dans
un groupe de 600, en tenant compte du fait
que
– 50% sont en 1ère année
– 30% en 2ème année
34
2.4. Echantillonnage à plusieurs
degrés
• Exemple de sondage à plusieurs degrés :
enquête rapide après une campagne de
vaccination au VAT
– Nombre de régions sanitaires au Togo : 6

– Nombres de districts : 40 : choix de 20 districts
– Choix de villages : exemples 120 villages (6 par
districts)
– Dans les villages : choix des concessions
35
Cas
• Le Programme National de Lutte contre le
Sida vous demande de réaliser une étude
nationale sur la prévalence du virus de
l’hépatite B dans les prisons du Togo.
• Comment procéderez vous ?
36
Cas : étude Prison
• Etude prison (Togo, 2011): sondage à 2
degrés
– 1er niveau (1er degré) : Choix des prisons
– 2ème niveau (2ème degré) : Choix des prisonniers
37
2.4 - L’échantillonnage par grappes
• Echantillonnage en grappes entraîne la division de la

population en groupes ou grappes
• Assemblage de fruits portés par des pédoncules sur un même

axe : Grappe de raisin
38
• On sélectionne au hasard
– Un nombre de grappes (unités primaires) pour représenter la
population
– On sélectionne tous les individus des grappes choisies
39
• Quand :
– Pas de base de sondage complète (pas de liste)
– Si j’ai des listes de groupes d’unité
• Village
• Ecole
• Comment :
– Choisir un certain nombre de groupe d’unité
– Villages ou écoles
40
Echantillonnage par grappes vs
par degré
• Le sondage par grappes est un cas particulier de
sondage à plusieurs degrés dans lequel l’ensemble
des unités du dernier degré est enquêté
41
Echantillonnage par grappes
• Le sondage par grappes est un cas
particulier de sondage à plusieurs degrés dans lequel
l’ensemble des unités du dernier degré est enquêté
42
Sondage par grappes vs plusieurs
degrés
Degré Grappes
• 1er degré 1er, 2ème et denier degré tous les
éléments de la grappe
• 2ème degré
• 3ème degré
43
Cas
• Une étude sur les connaissances, attitudes et
pratiques du paludisme dans la préfecture d’Amou
• Comment procéderiez vous au choix des individus ?
44
Cas
• Constat
– Pas de liste de la population (pas de base de sondage)
– Liste de village
• Action
– Tirer au sort des villages
– Prendre tous les individus du villages
45
• Avantages
– Ne nécessite pas une liste globale de la population
puisque seules les individus inclus dans les grappes
comptent
– Permet de limiter l’échantillon à des groupes compacts
ce qui permet de réduire les coûts de déplacement, de
suivi et de supervision
• Désavantage
– Peut entraîner des résultats imprécis puisque les unités
voisines ont tendance se rassembler
46
Cas : Etude obésité
• On souhaite réaliser une étude sur l’obésité dans les
écoles primaires à Lomé.
47
5 8
1
4
Figure 2: Répartition des écoles primaires dans la commune de Lomé
21
49
Figure 1: Sélection des établissements scolaires et des élèves
Démarche d’échantillonnage par
grappes
1. Détermination du nombre de sujets nécessaires
2. Détermination du nombre de concessions à visiter
3. Détermination du nombre total de villages où l’enquête aura lieu
4. Détermination pour chaque district du nombre de villages retenus
5. Tirage au sort des villages

50
3. Echantillonnage non aléatoire
51
Méthodes non aléatoires
• Méthodes non aléatoires

– Méthodes où le concept de «chance égale» est absent
– Peu fiables
• Souvent utilisées
– Pour des études exploratoires
– Pour réduire les coûts
– Quand il est impossible ou non envisageable d’utiliser la méthode aléatoire
52
Echantillonnage de commodité
ou accidentel
• Méthode par laquelle les unités disponibles au moment de la collecte
des données sont incluses dans l’échantillon pour des raisons
pratiques
• Beaucoup d’études cliniques reposent sur des échantillons de

commodité
• Inconvénient : échantillonnage pourrait ne pas être représentatif de

la population à étudier
53
Echantillonnage de volontaires
• Ce sont ceux qui se portent volontaires qui font partie de

l’échantillon
• Sources de gros biais de sélection car les volontaires peuvent

avoir des caractéristiques communes en lien avec le thème étudié
– Obésité et alimentation
– Cancer et antécédents familiaux
– Performance et les sportifs
54
Echantillonnage par quotas
• Inclure dans l’échantillon un certain nombre d’unités faisant partie

de catégories différentes et présentant des caractéristiques
précises, de façon que toutes les caractéristiques soient
représentées (exemple : pratiques religieuses).
• Enquêteur interroge le plus de gens possible dans chaque

catégorie d’unités jusqu’à ce qu’il ait atteint son quota
55
• Utilisé dans les enquêtes d’opinion et les études de marché
• Ne nécessite pas de liste des individus de la population
• Faire un nombre d’entrevues dans divers groupes établis en fonction

du secteur géographique, de l’âge, du sexe etc
• L’enquêteur doit respecter son quota
56
Echantillonnage raisonné
• Les cibles sélectionnées le sont pour des raisons de fiabilité et

de précisions de données à collecter
• Les cibles sont retenues parce qu’elles sont les plus à même
de fournir les informations désirées
57
• Avantages
– Moins coûteuse
– Plus facile à réaliser
• Inconvénients
– Beaucoup de non-réponses
– Difficulté de trancher lorsqu’il s’agit de sélectionner des individus d’un
groupe d’âge ouvert (Ex : 65 ans et plus : faut-il prendre 66 ans, 70 ans…)
58
Les erreurs
• Les méthodes d’échantillonnage peuvent être sources
d’erreurs
• Un certain nombre d’erreurs pourront être éliminées,

certaines pourront être réduites, mais d’autres persisteront
59
Les erreurs dues à la
méthode d’échantillonnage
• Il faut toujours vérifier,

– Méthode d’échantillonnage est adaptée ?
• En particulier
– Éviter la surreprésentation de certaines parties de la
population
60
Conclusion
• Tirage au sort pour éviter un échantillon biaisé
• Discuter avec un statisticien
• Plusieurs méthodes existent et utiliser la plus adaptée à la

question posée
61
Méthode Echantillonnage
Cas pratiques
1
Etude de cas
• Une étude est programmée pour être réalisée chez 30

étudiants de la FSS

échantillon ?
2
Etude de cas
• Toujours poser ces questions ?

– Quelle est l’unité de sondage
– Y at-il une base de sondage
3
Etude de cas
• Toujours poser ces questions ?

• Etudiants
– Y at-il une base de sondage
• Oui
• La liste des étudiants
4
5
• Noter tous les numéros sur papier (tous les étudiants)
placés dans une boite
• Une personne neutre va tirer au sort les 30 numéros
• Echantillon : 30 étudiants
6
Conclusion
Echantillonnage réalisé selon la

méthode aléatoire simple
7
Conclusion
Méthode aléatoire
– Simple
– Systématique
– Stratifié
– En grappe ou par degrés
8
Etude à la maternité du CHU SO
• Des chercheurs souhaitent réaliser une étude

épidémiologique sur la prévalence du virus de l’hépatite B
chez les femmes enceintes
• Cinq cent femmes enceintes doivent être enrôlées
• Quels sont les questions que vous poserez pour constituer
votre échantillon ?
• Comment constituerez vous votre échantillon ?
9
Etude à la maternité du CHU SO
• Quels sont les questions que vous poserez pour constituer

votre échantillon ?
– Y- a t-il une base de sondage ?
– Peut-on constituer une base de sondage ?
– Combien de femmes viennent en consultation par jour
– Combien de femmes faut-il interroger par jour ?
– Combien d’ enquêteurs participeront à l’étude ?
– Quel est le durée de remplissage du questionnaire ?
10
• Comment constituerez vous votre échantillon ?

Etude de cas
• Quel est l’unité de sondage

– Entité contenant un ou plusieurs éléments de la population
et qui fera l’objet de la sélection
– Femmes enceintes
11
Etude de cas
• Base de sondage : représentation concrète

des éléments de la population
• Pas de base de sondage

• Liste des femmes enceintes
– Liste journalière à établir tous les jours
12
13
Cas 1
• Toujours se poser la question

– Existe t-il une base de sondage ?
14
• Pourquoi échantillonner ?
– Impossibilité d’accéder à toutes les femmes
enceintes sauf si vous envoyer 50 enquêteurs
– Constituer un échantillon à partir de la liste
journalière
– Faisabilité : 10 questionnaires par jour, il y a
100 femmes qui viennent en CPN par jour
15
• Faisabilité : 10 questionnaires par jour, il y a

100 femmes qui viennent en CPN par jour
• Estimer le pas de sondage k=N/n=10
• Tirer au sort un chiffre entre 1 et 10
• Tirer 5
– 1ere femme = 5
– 2ème femmes = 5+k=15
– 3ème femme= 15+k=25
16
Conclusion
Echantillonnage réalisé selon la méthode

aléatoire systématique
17
un échantillon
Méthode aléatoires Méthode non

(Probabiliste) Aléatoires
(non Probabiliste)
18
Probabilité = hasard
un échantillon
Méthode aléatoires Méthode non

aléatoires
Simple
Systématique
Stratifié
En grappe ou par degrés
19
2. Echantillonnage aléatoire
20
Échantillonnage aléatoire simple
Définition : consiste à choisir des individus de telle

sorte que chaque membre de la population a une
chance égale de figurer dans l’échantillon
• Le nombre d’individus à échantillonner est déterminé à

l’avance
• Chaque individu de la population a la même probabilité

a priori d’être choisi (tous équivalents)
21
2.1- Échantillonnage aléatoire simple
• Le tirage au sort peut se faire avec remise ou sans

remise
– Avec remise : un individu peut être choisi plusieurs fois
– Sans remise : un individu déjà choisi ne peut l’être de
nouveau
22
Pour résumer
• Dresser une liste numérotée de toutes

les unités de la population
• Déterminer la taille de l’échantillon
• Choisir au hasard le nombre d’unité

correspondant à la taille retenue
23
.
Avantages Difficultés
• un échantillon • N’est applicable que
«représentatif » lorsqu’il existe une
puisque la méthode liste exhaustive de
donne à chaque toute la population
individu de la (base de sondage)
population une chance
égale • Exemple :
– Liste des prisonniers
– Liste des étudiants
– Liste des employés
24
2.1- L’échantillonnage aléatoire simple :
comment procéder
• Numéroter tous les individus de la liste
correspondant aux individus de la population
• Utiliser
– Une table de nombres aléatoires
– Un programme informatique (Excel : fonction
RANDOM)
Résultats : Des nombres aléatoires comportant

le nombre de chiffres désiré
25
Cas 3
• On souhaite réaliser une étude auprès de 100

étudiants venus manger au restaurant universitaire de
Lomé
• Le jour de l’enquête 1000 étudiants sont venus au
restaurant universitaire
échantillon ?
26
Cas 3
• Déterminer le pas de sondage = K
– K= Nombre d’étudiants/Taille de l’échantillon
– Pas de sondage =10
– Tirage au sort d’un chiffre entre 1 et 10 (inférieur au pas de sondage)
– 1er numéro de la série = 5
– 2ème numéro = 5+10 = 15
– 3ème numéro = 15 +10 = 25
• Chiffres choisis= 5, 15, 25,……..
27
Échantillonnage systématique
• Méthode qui exige aussi l’existence d’une

liste de la population (Base de sondage) où
chaque individu est numéroté de 1 jusqu’à N
• Notons n, le nombre d’individus que doit
comporter l’échantillon (la taille de l’échantillon)
• K=N/n appelé raison de sondage ou pas de
sondage (k= entier voisin)
28
• Facile parce qu’un • Les données peuvent
seul individu est être biaisées à cause
choisi au hasard de la périodicité
• Permet d’obtenir une
bonne précision parce
que la méthode
permet de répartir
l’échantillon dans
l’ensemble de la liste
29
Exemple

30
Exemple

– Liste de tous les patients
– N = 125
– N=25
– k=125/25 = 5 (pas de sondage est de 5)
• 5, 10, 15, 20 etc……

31
Echantillonnage stratifié
• Strates : groupes homogènes

– Tranches d’âges
• Ménopause
– [35-44 ans[
– [45-55 ans[
– [55 ans et plus[
– Sexe (hommes vs femmes)
– Catégories sociales
– Milieu (rural vs urbain)
32
• Strates : groupe homogène

• On subdivise la population en strates
– Proportionnellement à son importance dans la
population, on calcule combien il faut
d’individus au sein de l’échantillon pour
représenter chaque strate
– Dans chacune des strates : tirage au sort du
nombre nécessaire d’individus
33
Dans chacune des strates : tirage au sort

du nombre nécessaire d’individus
34
• Assurer la représentativité de chaque

strates
– Connaitre la proportion de la population qui
appartient à chaque strate : 60% d’hommes et
40% de femmes
– 2 listes
• un pour les hommes et pour les femmes (100
individus)
– Tirage au sort de 60 hommes
• Tirage au sort de 40 femmes
35
• On s’assure de la présence • méthode suppose l’existence
proportionnelle de tous sous- d’une liste de la population
groupes composant la
• Connaître la répartition de
population
cette population selon les
strates
36
Exemple
• Choisir par échantillonnage 50 étudiants dans
un groupe de 600, en tenant compte du fait
que
– 50% sont en 1ère année
37
Echantillonnage à plusieurs
degrés
• Exemple de sondage à plusieurs degrés :
enquête rapide après une campagne de
vaccination au VAT
1. Nombre de régions sanitaires au Togo : 6

2. Nombres de districts : 40 : choix de 20 districts
3. Choix de villages : exemples 120 villages (6 par
districts)
4. Dans les villages : choix des ménages
38
Cas
• Le Programme National de Lutte contre le
Sida vous demande de réaliser une étude
nationale sur la prévalence du virus de
l’hépatite B dans les prisons du Togo.
39
Cas : étude Prison
• Etude prison (Togo, 2011) : sondage à 2
degrés
– 1er niveau (1er degré) : Choix des prisons
– 2ème niveau (2ème degré) : Choix des prisonniers
40
• Echantillonnage en grappes entraîne la division de la

population en groupes ou grappes
• Grappes : assemblage de fruits portés par des pédoncules

sur un même axe : Grappe de raisin
41
• On sélectionne au hasard
– Un nombre de grappes (unités primaires) pour représenter la
population
– On sélectionne tous les individus des grappes choisies
42
• Quand :
– Pas de base de sondage complète (pas de liste)
– Si j’ai des listes de groupes d’unité
• Village
• Ecole
• Comment :
– Choisir un certain nombre de groupe d’unité
– Villages ou écoles
43
Echantillonnage par grappes vs
par degré
• Le sondage par grappes est un cas particulier de
sondage à plusieurs degrés dans lequel l’ensemble
des unités du dernier degré est enquêté
44
• Le sondage par grappes est un cas
particulier de sondage à plusieurs degrés dans lequel
l’ensemble des unités du dernier degré est enquêté
45
Sondage par grappes vs plusieurs
degrés
Degré Grappes
• 1er degré 1er, 2ème et denier degré tous les
éléments de la grappe
• 2ème degré
• 3ème degré
46
Cas
• Une étude sur les connaissances, attitudes et
pratiques du paludisme dans la préfecture d’Amou
• Comment procéderiez vous au choix des individus ?
47
Cas
• Constat
– Pas de liste de la population (pas de base de sondage)
– Liste de village
• Action
– Tirer au sort des villages
– Prendre tous les individus du villages
48
• Avantages
– Ne nécessite pas une liste globale de la population
puisque seules les individus inclus dans les grappes
comptent
– Permet de limiter l’échantillon à des groupes compacts
ce qui permet de réduire les coûts de déplacement, de
suivi et de supervision
• Désavantage
– Peut entraîner des résultats imprécis puisque les unités
voisines ont tendance se rassembler
49
Cas : Etude obésité
• On souhaite réaliser une étude sur l’obésité dans les
écoles primaires à Lomé.
50
5 8
1
4
Figure 2: Répartition des écoles primaires dans la commune de Lomé
21
Figure 1: Sélection des établissements scolaires et des élèves
52
Démarche d’échantillonnage
par grappes
1. Détermination du nombre de sujets nécessaires
2. Détermination du nombre de concessions à
visiter
3. Détermination du nombre total de villages où
l’enquête aura lieu
4. Détermination pour chaque district du nombre
de villages retenus
5. Tirage au sort des villages
53
3. Echantillonnage non
aléatoire
54
Méthodes non aléatoires
• Méthodes non aléatoires
– Méthodes où le concept de «chance égale» est absent
– Peu fiables
• Elles sont souvent utilisées

– Pour des études exploratoires
– Pour réduire les coûts
– Quand il est impossible ou non envisageable d’utiliser la
méthode aléatoire
55
Echantillonnage de commodité
• Méthode par laquelle les unités disponibles au moment de la

collecte des données sont incluses dans l’échantillon pour des
raisons pratiques
• Beaucoup d’études cliniques ➔ des échantillons de commodité
• Inconvénient : échantillonnage non représentatif de la

population à étudier
56
Echantillonnage de volontaires
• Participants se portent volontaires qui font partie de
l’échantillon
• Sources de gros biais de sélection car les volontaires peuvent

avoir des caractéristiques communes en lien avec le thème
étudié
– Sujets affectés par une maladie donnée
– Sujets à haut risque d’être infectés par le VIH
57
• Méthode qui permet d’inclure dans l’échantillon un certain
nombre d’unités faisant partie de catégories différentes et
présentant des caractéristiques précises, de façon que toutes
les caractéristiques soient représentées
• Interroge les sujets dans chaque catégorie d’unités jusqu’à ce

qu’il ait atteint son quota (sondage politique)
58
• Utilisé dans les enquêtes d’opinion et les études de marché

parce qu’il ne suppose pas de liste des individus de la
population
• Faire un nombre d’entrevues dans divers groupes établis en

fonction du secteur géographique, de l’âge, du sexe etc
• L’enquêteur doit respecter son quota
59
Echantillonnage raisonné
• Ici les cibles sélectionnées le sont pour des raisons de fiabilité
et de précisions de données à collecter
• Les cibles sont retenues parce qu’elles sont les plus à même
de fournir les informations désirées
60
• Avantages
– Moins coûteuse
– Plus facile à réaliser
• Inconvénients
– Beaucoup de non-réponses
– Difficulté de trancher lorsqu’il s’agit de sélectionner des individus
d’un groupe d’âge ouvert (Ex : 65 ans et plus : faut-il prendre 66 ans,
70 ans …).
61
Conclusion
• Tirage au sort pour éviter un échantillon biaisé
• Discuter avec un statisticien
• Plusieurs méthodes existent et utiliser la plus adaptée à la

question posée
62
Critères de causalités dans
une enquête étiologique
Pr Didier K. EKOUEVI
1
Epidémiologie analytique (1)
• Objectif : Mettre en évidence des associations entre déterminants
potentiels et survenue de maladie
• Déterminants de la maladie
– Différencier facteur de risque/protecteur
– Association de façon causale ?
– L’Utilisation
• Exemples d’études :
– Relation entre consommation de vin et incidence de la maladie
cardio-vasculaire
– Relation entre consommateurs d’un buffet et épisode de
gastro-entérite
• Jugement "statistique" : liaison significative ?
• Test statistique
• Jugement de signification
• Jugement de "causalité" :
– Le schéma d’étude et d’autres paramètres permettent-ils
d’établir un lien de "cause à effet" ?
Définition d'une cause
Facteur causal : facteur responsable de l’apparition
ou du développement d’un phénomène
pathologique observé
• Si la cause est présente, l'effet existe

• Si on supprime la cause, l'effet disparaît
? Survenue
Exposition à un
d'une maladie
facteur de risque
Critères de causalité
1. Association exposition/maladie
2. Absence de biais
3. Relation temporelle correcte entre facteur de risque et
maladie
4. Persistance des observations
1. association
• Il existe une association entre l’exposition et la survenue de la
maladie (jugement de signification)
– Mesure de l ’association
• Force, sens et la significativité de l’association
• Tests statistiques (p values ou IC à 95%)
– Association réelle (absence de biais)
• Comment les sujets ont été sélectionnés
• Comment a-t-on mesuré la maladie et les facteurs d’exposition ?
• Y a-t-il des facteurs de confusion ?
2. Antériorité
• Relation temporelle correcte
– Exposition à la cause avant la survenue de la maladie
– Notion de délai d'incubation cohérente
• Réaction allergique à un aliment (œdème de Quincke) : quelques
heures-1 jour
• Gastro-entérite : quelques heures à 1-2 jours
• Rage : 1-3 mois
3. Caractère unidirectionnel
• Qui agit dans une seule direction (Larousse)

– La relation de cause à effet ne doit pas être symétrique
– Un changement dans la cause doit avoir comme conséquence
un changement dans l’effet
4. Cohérence interne à l’étude
• Prise en compte des facteurs de confusion et
autres biais
• Etude par sous-groupes cohérente
• Relation dose-effet
5. Cohérence externe à l’étude
• Constance de l’association et reproductibilité dans d’autres études
(populations, lieux, types d ’enquête, circonstances différents)
• Autres données épidémiologiques (histoire naturelle, données nationales)
• Plausibilité biologique
• Plausibilité physiopathologique, clinique
• Données des expérimentations animales
Intérêt de la recherche bibliographique

Implication
• Hiérarchie des schémas d’étude
– Respect des propriétés
– Vulnérabilité aux biais
• Importance du protocole d’étude

– Poser la question de causalité
– Prévenir les biais
– Neutraliser les fluctuations d’échantillonnage
• Importance de la réplication des études

Hiérarchie des schémas
d’études
• Étude expérimentale (++++)
• Étude de cohorte (++)
• Étude cas-témoins (++)

Critères de Causalité d’après B. Hill
Critères internes à l’étude:
1. Existence d’une association statistique entre l’exposition et la maladie
2. Forte intensité de l’association
3. Existence d’une relation de type “dose-effet” entre l’exposition et la
maladie
4. Spécificité de relation exposition <-> maladie (+/-)
5. Prise en compte correcte de l’ensemble des facteurs de confusion connus
de manière à innocenter d’autres facteurs. Minimisation des biais de
sélection et de classement
6. Absence d’ambiguïté temporelle
Critères externes à l’étude (bibliographie)

1. Concordance entre les résultats d’études
2. Plausibilité biologique
3. Concordance avec les expérimentations menées in vitro ou chez l’animal
4. Gradients géographiques parallèles de l’exposition et de la maladie
5. Diminution de l’incidence de la maladie lorsque l’exposition
est supprimée ou réduite
Validité interne dans une
étude épidémiologique
Notions de biais
Pr Didier K. EKOUEVI
Dr Fifonsi A. GBEASOR-KOMLANVI
Plan du cours
1. Définition
2.1. Définition
2.2. Contrôle ou prévention
3. Bais d’information
3.1. Définition
4. Biais de confusion
4.1. Définition
2
5. Conclusion
1. Définitions
• Biais : des déviations systématiques affectant les mesures
statistiques
• Biais : différence entre l’espérance mathématique d’un estimateur

et la grandeur estimée
3
Trois types de biais
• Biais de sélection : erreurs dans la constitution des groupes
(populations) de comparaison
• Biais d’information : erreurs dans le recueil de l’information

concernant l’exposition ou l’événement
• Biais de confusion doit être évaluée au moment de l’analyse dans

le contexte de l’hypothèse considérée
4
En résumé
3 types
de Biais
Biais Biais Biais

de séléction d’information de confusion
5
La population choisie est-elle représentative ?

2.1. Biais de sélection : définition
• Tous les biais qui peuvent conduire à ce que les sujets

effectivement observés dans l'enquête ne constituent
– Pas un groupe représentatif des populations étudiées pour répondre aux
questions posées
• Les biais de sélection résultent des erreurs commises lors de la

constitution des groupes (des populations) de comparaison
7
2.1.1. Biais de recrutement
• La probabilité que les sujets entrent dans l'étude est liée à

un (ou plusieurs) facteur(s) étudié(s)
• Exemple :
– Recrutement des sujets dans des institutions de soins (hôpital,
cabinet médical, etc.)
8
Etudes cas-témoins
Recrutement des cas
• On trouvera habituellement des cas
– A un stade de la maladie plus grave en milieu hospitalier spécialisé que
dans un cabinet de ville
– La notoriété d'un service hospitalier
• Un recrutement des cas

– Les cas sélectionnés à cette source ne sont pas représentatifs de
l'ensemble des cas atteints de la maladie pour l'exposition au facteur de
risque étudié
9
Etudes cas-témoins
Recrutement des témoins
• Recrutement des témoins est plus difficile :
– En théorie, les témoins doivent être représentatifs de la population dont
sont issus les cas pour l'exposition au facteur de risque
• Exemple : choix en milieu hospitalier (ou dans toute autre

institution de soins)
– Tendance à le faire par commodité
– Même s'ils sont choisis pour présenter des pathologies très différentes de
celle qui est étudiée
10
2.1.2. Auto-sélection
• Il s'agit d'un biais qui peut se produire quand
– Les sujets entrent ou non dans l'étude en fonction d'une décision qu'ils
prennent eux-mêmes et qui peut être liée aux phénomènes étudiés
• Exemple
– Rémunération donnée aux participants
– Parce qu’un parent est atteint de la maladie
– Sport fait-il perdre du poids ?
11
Volontaires spontanés
• Aussi faut-il toujours être très prudent avant de faire entrer dans
une étude des volontaires qui se proposent spontanément :
– Ils peuvent s'estimer particulièrement en mauvaise santé
– Particulièrement exposés
• Exemple
– Etude dans les prisons (idéal =randomisation)
– Populations vulnérables (HSH)
12
Non-répondants
• Fréquent
• Les non-réponses peuvent se produire

– Parce qu'on n'a pas pu retrouver un sujet sélectionné initialement dans
une source quelconque
– Par suite de refus du sujet
• Dans les deux cas, les non-répondants peuvent être très

différents de la population étudiée
13
2.1.3. Etude de cohorte : perdus de vue
• Sujets qui sont initialement entrés dans une étude prospective,

mais qu'on ne peut retrouver ultérieurement dans le cadre du
suivi (statut n’est pas connu)
• Plus fréquent quand la période d'observation est longue :

déménagements
• Exemple : Cohorte VIH :

– Tout sujet dont le délai entre la date de dernière visite et la date de point
ou du bilan excède 6 mois
14
Non-remplacement des sujets
manquants
• Une erreur qu'il ne faut pas commettre consisterait (pour des
raisons d'effectif) à remplacer les sujets manquants (non-
réponses ou perdus de vue) par d'autres qui seraient volontaires :
– Risque d’amplifier le biais en les remplaçant par des sujets qui

présenteraient des caractéristiques différentes
– Prévoir dès l'élaboration du protocole des effectifs suffisants
pour ne pas être gêné
15
2.2 Prévention des biais de sélection (1/2)
• Etude transversale
– Randomisation ou tirage au sort
– Population représentatif
• Etudes de cohorte
– Prévenir les pertes de vue : contact fréquent et systématique avec les
participants
• Registre exhaustif des visites
• Visites à domicile
• Contact téléphonique
• Adresse géographique
16
2.2 Prévention des biais de sélection (2/2)
• Etudes cas-témoins
– Utiliser des stratégies qui favorisent la participation
– Lorsque l’étude est réalisée dans une population bien définie,
sélectionner les témoins de façon aléatoire
– Éviter les données manquantes
17
En résumé : Biais de sélection
• Il faut être très prudent dans la façon de sélectionner les sujets d'une étude
• Toujours se demander si la situation dans laquelle on va se placer ne risque

pas de faire que les sujets entrent dans l'étude avec des probabilités
différentes en fonction de certaines caractéristiques qui peuvent être
liées aux phénomènes étudiés
• Toujours comparer si possible

– Les non-participants aux participants
– Tableau : pour décrire leurs caractéristiques essentielles (sexe, âge, etc.) et de les
comparer à celles des répondants
18
3. Biais d’information
Erreur de mesure
3.1. Définition
• Les biais de mesure regroupent toutes les erreurs systématiques
qui peuvent s'introduire dans la mesure des phénomènes pris en
compte chez les sujets qui entrent dans l'étude
• Exposition
• Autres facteurs
• Ces biais peuvent s'introduire à plusieurs niveaux
20
3.1.1. Subjectivité de l'enquêteur
(enquête cas-témoins)
• Biais de subjectivité de l'enquêteur :
– Ne pas savoir qui est un cas ou un témoin
– Risque de conclusion :
• Exposition aux facteurs de risque
• Selon la formulation des questions
– Insistance plus ou moins prononcée qu'on met à rechercher une exposition
– Risque d’obtenir des réponses qui vont dans le sens souhaité
• L'enquêteur peut également interpréter les questions
21
3.1.2. Biais de mémorisation
• Un cas se souviendra parfois plus facilement d'une

exposition ancienne, parce qu'il se sent plus concerné
qu'un témoin qui fera moins d'efforts
• Ou inversement, tendance à minimiser une exposition
22
Exemples
• Consommations d'alcool : sous-déclaration habituelle
– Un verre de temps en temps
• Etes vous fumeur :

– Je fume de temps en temps ?
• Combien de fois avez-vous des rapports sexuels par

mois :
– on ne peut pas compter (jeune) ?
– 1 fois par mois ?
23
3.1.3. Biais de classement (de jugement) -
Malade/non malade
• Biais de classement (de jugement) :
– L'observateur qui examine un patient ou qui révise un dossier
médical peut également être influencé par la connaissance de
l'exposition au facteur de risque chez le sujet
• Il passera par exemple d'un diagnostic probable à un diagnostic certain
• Comment éviter :
– Examiner à l'aveugle les patients (ou les dossiers)
24
3.2. Prévention : Interrogatoire à l'aveugle -
Questionnaires standardisés
• C'est pour éviter (ou minimiser) ces biais qu'il faut prendre
certaines précautions :
– Quand c'est possible, les enquêteurs doivent travailler à l'aveugle (en
insu)
– Utiliser des instruments de mesure rigoureusement standardisés :
• Les questionnaires doivent être clairs
– un guide de passation du questionnaire doit préciser aux enquêteurs
• la formulation exacte des questions
• Les renseignements complémentaires qu'ils peuvent fournir ou non aux répondants
25
4. Biais de confusion
(Pour note)
26
4.1. Définition : biais de confusion
• Le bais de confusion « counfounding » affectent la mesure
d’association (OR ou RR) entre une exposition et un
événement lorsque l’association, est attribuable en totalité ou en
partie à des facteurs autres que l’exposition
• Distorsion de l'estimation de l'effet de l'exposition à l'étude sur

l'événement à cause d'un facteur externe (tiers facteur)
27
• Dans les études analytiques, on mesure l’association entre une
exposition et la survenue d’un évènement de santé
• Souvent des facteurs autres que l’exposition sont responsables,

en totalité ou en partie, de l’association observée
• On cherche à isoler ce qui dans cette association revient en

propre à l’exposition
28
• Définition
– Intervention d’une troisième variable
– Distorsion de l’estimation de la mesure, l’intervention d’un tiers facteur qui
• est associé à l’exposition
• est un facteur de risque de la maladie, indépendamment de l’exposition
• n’est pas dans le chemin causal entre le déterminant principal et la variable
dépendante
• Exemples
– Contraceptifs oraux, cancer du sein, et âge
– Tabagisme, cancer de l’œsophage, et alcoolisme
29
Facteur de confusion
Exposition Survenue
(déterminant d’une
du risque) maladie
Facteur
de
confusion
30
4.2. Prévention :
Biais de confusion
• Lors de la constitution des groupes de comparaison :
• Randomisation
• Appariement
• Assortiment de fréquence
• Restriction- lors de l'analyse : ajustement (si les données

concernant le tiers facteur ont été recueillies au cours de
l'étude)
31
4.2. Prévention des biais de confusion
• Les biais de confusion peuvent être corrigés au moment de
l’analyse si l’information sur le facteur potentiellement confondant
a été recueillie dans le cadre de l’étude
• Toutes les méthodes de contrôle de la confusion font appel à la

stratification des données selon les catégories du facteur
confondant
32
Prévention des biais de confusion
• Les analyses multivariées dans des modèles de

régression des données permettent d’obtenir des
mesures d’association ajustées
• Stratification
33
Conclusion
• Discuter le biais d’une étude dans la partie discussion d’un article
ou d’une thèse
• Les limites de notre étude

– Echantillon de convenance
– Perdue de vue
• Toujours penser au biais possible lors de la rédaction d’un

protocole d’étude et tout mettre en œuvre pour les éviter
34
Protocole d’enquête
Pr Didier K EKOUEVI
Définitions des concepts et
intérêts
Le protocole
• Le protocole de toute enquête épidémiologique
est un document écrit qui rassemble la
description détaillée de toutes les étapes du
projet
3
Le protocole
• Depuis l’identification du problème jusqu’à la
mise en œuvre du travail de terrain et enfin
l’exploitation et l’utilisation des résultats
• Aspects réglementaires et logistiques, les limites

et difficultés anticipées et les solutions qui visent
à les maitriser doivent également y être exposés
4
Pourquoi écrire un protocole ?
• Le protocole est la traduction sur le papier du projet

d’étude
• En vue d’être jugé quand à :

– sa rationalité et qualité scientifique
– sa cohérence
– sa faisabilité
• Sera la référence qui s’imposera à tous les acteurs de

l’enquête tout au long de l’étude
5
• L’écriture systématique d’un protocole est une

obligation éthique, déontologique et institutionnelle
en préalable à toute enquête épidémiologique
• L’examen de la pertinence du protocole vise à

garantir que les participants vont prendre part à
une étude qui ne présente pas de défaut majeur
6
• Soumis aux instances chargées de délivrer

l’autorisation de mise en œuvre :
– Comité d’éthique (CBRS)

– Autorités sanitaires
– Commissions de protection des données
personnelles
7
• Référence qui s’imposera à tous les acteurs de
l’enquête tout au long de son déroulement
– clarté du document
– qualité scientifique
– faisabilité
• Sa rédaction doit impliquer les partenaires

8
• Incontournable pour l’obtention des ressources
financières
• Le protocole contient les solutions proposées

pour que l’investigation se déroule conformément
aux bonnes pratiques
9
Pourquoi un protocole ? (6)
• Utiliser un plan standardisé prévoyant l’ensemble
des usages est donc une garantie de qualité, et
aussi de flexibilité
10
Plan type de protocole
Plan type
• Il existe de nombreux plans selon les institutions de
financement
• Le plan type doit refléter l’organisation logique du projet

d’étude pour faciliter la lecture
• Plan à adapter en fonction des situations
• Un plan type favorise l’écriture des différents chapitres

12
Plan type
1. Résumé du protocole (en français et en anglais)
2. Justification
3. Objectifs
4. Schéma d’étude et méthodes
5. Critères d’éligibilité
6. Expositions étudiées
7. Critères d’évaluation
8. Déroulement de l’enquête
9. Aspects statistiques
10. Comités de surveillance
11. Contrôle et assurance qualité
12. Considérations éthiques et réglementaires
13. Traitement des données, conservation des documents et données relatives à l’enquête
14. Références
15. Annexes
13
Plan type (Protocole thèse-FSS)
1. Introduction
1. Contexte
2. Pourquoi cette étude (justification) ?
3. Hypothèses de travail
4. Question de recherche
5. Objectifs
14
Plan type (Protocole thèse-FSS)
2. Méthode
1. Schéma d’étude
2. Période d’étude
3. Cadre d’étude
4. Population d’étude (cible-source-échantillon)
5. Collecte des données
6. Critères d’évaluation ou les paramètres à estimer
7. Déroulement de l’enquête
8. Aspects statistiques
9. Considérations éthiques
3. Références
4. Annexes 15
Préparer le protocole
• Partir de la question originale
‒ Hypothèses justifiées
‒ Importance en santé publique (prévalence, incidence)
• La justifier dans l’état actuel des connaissances
• Les objectifs doivent être cohérents avec cette

justification
16
Préparer le protocole
• Schéma d’étude cohérent avec l’objectif, optimal
et faisable
• Prévoir le plan d’analyse pour vérifier que les
données collectées permettront de répondre aux
questions
• Vérifier que les grands principes déontologiques
et réglementaires sont pris en compte
17
Comment se lancer ?
• Il faut un investigateur principal (Thèse=vous)
• Rédiger le plan complet (chapitres, sous-chapitres)
• Identifier les chapitres cœur du protocole et les finaliser
en priorité
• S’entourer de collègues expérimentés: épidémiologistes,
statisticiens, experts des autres domaines disciplinaires
que concernera l’enquête épidémiologique (Aide à son
Directeur ou co-Directeur)
18
Comment se lancer ?
• Répartir la rédaction des chapitres prioritaires
entre experts responsables
• Fixer un agenda et faire des points réguliers

pour réajuster le contenu en fonction de
l’avancement
19
« Commande » Justification Définition des objectifs
Hypothèses Choix du type d’étude

Conceptualisation
Population d’étude/échantillon/
méthode de collecte
Définition des variables
Planification Elaboration du plan d’analyse
opérationnelle Autorisation
Elaboration du questionnaire
Organisation préparation du terrain
Réalisation Collecte des données Saisie et analyse
Rédaction du rapport
Valorisation Diffusion des résultats 20
Quelques parties importantes
du protocole d’étude
Contexte et Justification
• Contexte, circonstances, actualités… justifiant
l’enquête
• Situation du problème en fonction des connaissances
– synthèse bibliographique et de la lecture critique approfondie
– arguments sur l’importance du problème et des retombées de
l’enquête
– importance pour la décision en santé publique: gravité, fréquence,
évitabilité
– lacunes des connaissances pour l’action
22
Contexte et Justification
• But de l’étude en une phrase simple qui indique la
proposition en termes d’hypothèse, de population
cible et d’investigation proposée
– Qu’est ce que l’étude va changer dans la pratique

quotidienne ?
– Retombées attendues : pour les connaissances, la
décision, pratique de la santé publique, les malades,
les personnes… 23
Objectifs
• Objectifs doivent être simples et spécifiques
• Ils s’énoncent en commençant par un verbe
• Si plusieurs objectifs (présenter par ordre d’importance)
– Objectif principal : incontournable, celui auquel l’étude doit
répondre et qui guide les choix méthodologiques et le calcul
de la taille d’échantillon ;
– Objectifs secondaires : il peut s’agir d’analyses sur des sous-
groupes (région, sexe, âge…)
• Ne pas multiplier les objectifs
24
Objectifs
• Chaque objectif s’énonce en exposant
brièvement :
– s’il s’agit d’une description ou d’une comparaison
– la population d’étude
– les expositions étudiées
– le critère d’évaluation
– le moment auquel ce critère est évalué ou comparé
25
Exemples
• Etude HTA
– Estimer la prévalence de l’HTA
– Identifier les groupes de populations les plus
touchés
– Décrire les facteurs associés à l’HTA
26
Schéma d’étude
• Quelles méthodes choisir pour atteindre les

objectifs ?
27
Schéma d’étude
• Le schéma d’étude doit être clair et explicite

• Etudes descriptives :
• Transversales
• Etude longitudinale…
• Série de cas
• Etudes à visée étiologique : cohorte, cas-témoins
• Cohorte: ouverte ou fermée, prospective ou rétrospective
• Cas témoins, la méthode d’appariement est détaillée, le
cas échéant
28
Schéma d’étude
• En ce qui concerne l’échantillonnage, préciser :

• Base de sondage, qui représente la population source
• Liste des étudiants de la FSS ou UL
• Liste du personnel de santé
• Type d’échantillon
• Taille de l’échantillon (valeurs des différents
paramètres du calcul)
29
Population : Critères d’éligibilité
• Pour :
– Savoir auprès de quelles sources les
participants sont sélectionnés (population
cible, population source)
– Savoir à quelle population extrapoler les
résultats
30
Population : Critères d’éligibilité
• Comment le recrutement est prévu :
– Dans la population:
• Volontaires
• Tirage au sort
• Exhaustif
– Consultations, hospitalisations…
– Nombre attendu
• Par unité de temps,
• Dans chaque centre,
• Durée prévue des inclusions,
• Justification des prévisions d’inclusion…
31
Expositions et définition des évènements
d’intérêt / Paramètres à estimer
• Pour être crédible, les définir de manière claire

et précise
– Prévalence
– Incidence
• Distinguer les mesures principales (objectif

principal) des mesures secondaires (objectifs
secondaires)
32
Expositions et définition des évènements
d’intérêt / Paramètres à estimer
• Définir dans l’ordre le plus adapté:

• Questionnaire
• Les variables (biologiques, cliniques…)
• Les tests ou méthodes de mesure
• La (les personnes) qui recueille(nt) les variables et à quel rythme
• Face à face
• Auto-questionnaire
• Remplissage en ligne
• Définition de l’exposition (alcool, tabac)
• Définition des cas (malade, clinique, biologie)
33
Aspects statistiques
• Justifier la taille • Méthodes statistiques
d’échantillon • Les tests utilisés
• Estimation des indicateurs • Chi-2
• Prévalence avec IC à 95% • Tests paramétriques
• Moyenne ou Médianes • Tests non paramétriques
• Fréquence ou proportions
• Taux
34
Aspects statistiques
• Pour les principales méthodes statistiques:

• Méthodes statistiques pour les différents critères
d’évaluation
• Plan d’analyse
• Faire les tableaux
• Liste des figures
35
Aspects réglementaires et
éthiques
• Les notes d’information et formulaires de
consentement sont annexés au protocole
• La déclaration des conflits d’intérêt fait

également l’objet d’une annexe
36
Autres chapitres
• Déroulement pratique de l’enquête
• organisation de l’enquête, éventuelle étude pilote
• modalités pour réduire les biais de sélection/d’information
• plan de formation des collaborateurs de l’investigation
• contrôle de qualité des matériels de mesure
• éventuels amendements au protocole
• Circuit des données
• recueil, codage, saisie, transfert et gestion des données,
• contrôle de la qualité et de la sécurité des données 37
Autres chapitres
• La communication des résultats

• communication des résultats aux participants
• règles et listes de publications et de partage des
données
• aux financeurs, décideurs, politiques, et au grand
public
38
Annexes
• Documents qui crédibilisent la qualité de l’étude
• Documents réglementaires
• liste des investigateurs et des centres d’investigation
• autorisations réglementaires obtenues
• fiches d’information et notes de consentement
39
Annexes
• Documents techniques ou scientifiques
• questionnaires
• définitions standardisées des expositions et
des cas
• sources de financement
40
Conclusion
• La rédaction du protocole est le préalable
incontournable à la mise en place de toute
enquête
• Outil indispensable : scientifique, réglementaire,

conduite de l’étude, demande de financement
41
Conclusion
• Qualité de la conception et rédaction du protocole :
• Succès aux appels d’offres
• Eléments essentiels de la qualité du déroulement de
l’enquête, du recueil des données et de la crédibilité et
de l’utilité des résultats
• Plus grand soin doit donc être apporté à la
préparation du protocole
42
Tableaux et Graphiques en
Epidémiologie
Pr Didier Koumavi EKOUEVI

Université de Lomé,Togo
Description des données
Description des données
Trois façons de décrire les données :
• Tableaux
• Graphiques
• Prose (texte)
Tableaux et figures (1)
principes généraux
• Utilisés si améliorent la communication
• Numérotés séquentiellement séparément
• Pas de redondance avec le texte
• Pas de redondances entre illustrations

principes généraux
• Compréhensibles indépendamment du texte
– titres, légendes, notes explicites, claires et complètes
– lieu, temps et sujets d’étude
• Appelés au moins une fois dans le texte
quand faut-il les utiliser ?
• Tableaux
– Données nécessaires à la vérification des résultats principaux
– Données répétitives
quand faut-il les utiliser ?
• Figures
– Pour montrer un élément clé (photo, dessin…)
– Pour montrer de la variation intéressante dans les données
Pour résumer
• Tableau
– Données présentées de façon exacte,
– Précise même si beaucoup de chiffres et lecture incommode
• Graphique
– Données présentées de façon synthétique
– Clarté mais au prix d’une perte d’information
8
Tableaux
Tableaux
• Type Vancouver en général
• Trois lignes : 2 pour séparer les entêtes de colonnes ; 1 pour

fermer le tableau
• Numéro : chiffre romain; exemple : Tableau I, V, X (dépend des

instructions)
• Titre : Quoi ? Où ?, Quand ?, Qui ?
• Légende
Tableau (2): Structure
Tableau I - Format général d’un tableau et éléments nécessaires à sa construction
Bannière Bannière
Souche* Tête de colonne Tête de colonne Tête de colonne Tête de colonne
(unité) (unité) (unité) (unité)
Tête de ligne primaire

Tête de ligne secondaire corps corps corps corps


*Note de bas de tableau : nts du tableau mais ont été inclus pour indiquer comment la fusion de cellules et l’insertion
de colonnes ou de lignes vides permettent de construire des bannières ou d’éviter l’utilisation de traits
supplémentaires.
Tableau type Vancouver
Tableau I :
Variable/modalités Effectif Proportion (%)
Sexe
Amputations MI*
Total
* Amputation de membres inférieurs

Tableau de fréquence 1/2
Hommes Femmes
Niveau d’études
n % n %
Primaire 100 36,4 150 66,7
Secondaire 100 36,4 50 22,2
Supérieur 75 27,2 25 11,1
Total 275 100,0 225 100,0
Ici les totaux sont en colonnes

13
Tableau de fréquence 2/2
Niveau Hommes Femmes Total

d’études
n % n % N %
Primaire 100 36,4 150 66,7 250 100,0
Secondaire 100 36,4 50 22,2 150 100,0
Supérieur 75 27,2 25 11,1 100 100,0
Total 275 100,0 225 100,0 500 100,0
Ici les totaux sont en lignes

14
Tableau
Exemple (pas de diapositive !)
Tableau I - Blessures par collisions de véhicules automobiles sur les ponts et le tunnel
reliant Montréal à la rive sud du fleuve Saint-Laurent, 1978 - 1985*
Exposition Décès Blessures graves†
Pont / tunnel x 108 véh.-km (%)‡ Nombre Taux§ Nombre Taux§
Jacques Cartier|| 3,842 (22) 19 4,94 69 17,96
Victoria 0,838 (5) 0 0,00 1 1,19
Mercier 2,300 (13) 4 1,74 2 0,87
Champlain 7,258 (41) 10 1,38 34 4,68
Lafontaine¶ 3,327 (19) 1 0,30 3 0,90
Total sauf Jacques Cartier 13,327 (78) 15 1,09 40 2,91
Total** 17,565 (100) 34 1,94 109 6,21

* adapté de Brown BP, Salmi LR, Lecours S, et al. Motor vehicle related injuries on the bridges between the island of
Montreal and the south shore of the St. Lawrence river, 1978-1882. Am J Public Health 1985;75:871-4.
† blessure ayant donné lieu à une hospitalisation.
‡ véh.-km : véhicules kilomètres (Cf. l’article original pour l’explication de ce dénominateur) ; données fournies par
l’International Bridge, Tunnel and Pike Association.
§ /108 véhicules-km.
|| pont soupçonné d’être à plus haut risque.
¶ tunnel.
** total des quatre ponts et du tunnel.
Données manquantes dans le tableau
• Données aberrantes vs données manquantes

– Erreurs de saisie
– Prévoir code spécial pour données aberrantes pour éviter
qu’elles soient comptabilisées
– Mettre code spécial pour données manquantes
• Rigueur scientifique : considérer les données aberrantes

et manquantes
– N=Données manquantes
16
Nombres (2) : Décimales
•Aussi peu que réaliste
•Adapter le séparateur à la langue
•Ne pas commencer des phrases avec des 0,25 -
nombres (après .) 0,24 -
0,23 -
•Arrondissement
0,22 -
0,21 -
0,20 -
0,19 -
0,18 -
0,17 -
0,16 -
0,15 -
Nombres (3) : autres règles
• Les % ont un total égal à 100 (distribution) ou non

(fréquences)
• Dans les tableaux
– Alignés sur les entiers, la dernière décimale ou le milieu
d'intervalle
– Différencier entre 0, NA, DM
Variables continues
• Moyenne avec écart-type
• Médiane avec Q1 à Q3 (ou min-max)
Variable Moyenne Écart-type

Age 53.3 12.9
Séjour 7.5 3.9
Variable Médiane Q1;Q3

Age 53.5 48;58
Séjour 3.4 0,5;21,6
Variables catégorielles
• N avec fréquence relative.

Variable n(%)
Age <65 350 (46.7)
≥65 400 (53.3)
Sexe Femmes 475 (63.3)

Hommes 275 (36.7)
Diagnostique Cardiaque 207 (27.6)

primaire Pulmonaire 153 (20.4)
Mélange de types de variables
Table 1. Study cohort characteristics
Characteristic (n=16 805)

Age < 65: n(%) 12 733 (75.8)
Age: median (Q1-Q3) 47 (29-64)
Men: n(%) 3290 (19.6)
Mechanism of injury: n(%)

Motor vehicle accident 6439 (38.3)
Fall 4414 (26.3)
Stabbing 695 (4.1)
Gunshot Wound 102 (0.6)
Other 1148 (6.8)
Unknown 4007 (23.8)
ISS: Injury Severity Score, EMT: Emergency Medical Technician,

PHI: Pre-Hospital Index, HVI: High Velocity Impact
Figures
Graphiques
• Doit être :
– Simple
– Compréhensible
– Légendé (titre, axes, unités)
• Déconseillé :
– Graphique 3D
– Superposition de graphiques
– Couleurs abusives
23
Structure d'une figure
D
A 30 cm (+0)
Échelle
Étiquettes et
C flèches
Corps
Titre
B Légende
Figure 1 - Exemple de technique d’interrogatoire.

L’interviewer (A) et le sujet (B) doivent être mis
en situation d’aveugle, facilitée par un consentement
éclairé (C) ; la durée de l’entrevue dépend de la
puissance de l’ampoule (D, minimum 100W)
Source : Rachid Salmi, Université de Bordeaux

Camembert ou graphique en secteurs
• Un cercle divisé en secteurs
• Adapté à la représentation d’une variable qualitative nominale
• Chaque secteur représente une classe de la variable
• La surface du secteur est proportionnelle à la fréquence de

l’effectif de la classe
• Pas plus de 5 ou 6 secteurs
25
Camembert
Marie Vit en couple Divorcé Veuf(ve)
Figure 1: Répartition des participants selon le statut matrimonial, Togo 2018

Camembert : variable qualitative
nominale
Ventes
10
25
50
15
Groupe 0 Groupe AB Groupe A Groupe B
Figure 1: Répartition des étudiants selon le groupage, Togo 2018

Diagramme circulaire
(pie chart)
Diagramme en barres
• Barres verticales disjointes (séparées)
• Adapté aux variables qualitatives ordinales ou nominales
• Les effectifs ou fréquences sont portées sur l’axe des ordonnées

et les modalités de la variable sur l’axe des abscisses sans
échelle numérique
29
Diagramme en barres
• Les barres sont de largeurs égales
• Si variable ordinale : ordonner par valeur croissante
• Si variable nominale : ordre des classes importe peu
30
Diagramme en barres
• Chaque barre à la même largeur
• Espace entre chaque barre
250
Nb sujets
200
150
100
50
0
Ex fumeur Tabac bond Tabac brun Tabac Mixte
Type de consommation de tabac
Titre : Description de la consommation de tabac à l’inclusion dans une

étude du risque du cancer du poumon chez 1000 sujets
30,0%
24,8%
25,0%
20,0% 18,8%
16,7%
15,8%
Proportion
15,0% 14,1%
12,6% 12,1%
9,8%
10,0%
7,4%
4,8%
5,0%
0,0%
Countries
Diagramme en barres horizontales
• Adapté aux variables qualitatives nominales
• Ici les effectifs ou fréquences sont portées sur l’axe horizontal et

les libellés de classe sur l’axe vertical
• Les barres sont de largeurs égales
• L’ordre des classes importe peu
33
Diagramme en barres horizontales
TOTAL
WORODOUGOU-BERE
TONKPI
SUD COMOE
PORO-TCHOLOGO-BAGOUE
N'ZI IFFOU MORONOU
MARAHOUE
LOH-DJIBOUA
Régions sanitaires
KABADOUGOU-BAFING-…
INDENIE DJUABLIN
HAUT SASSANDRA
HAMBOL
GOH
GBOKLE-NAWA-SAN-PEDRO
GBEKE
CAVALLY-GUEMON
BOUNKANI-GONTOUGO
BELIER
AGNEBY TIASSA ME
ABIDJAN 2
ABIDJAN 1 ET GRANDS PONTS
0 1 2 3 au test Determine
Positivité 4 (%) 5 6 7
34
Histogramme
• Histogramme = diagramme constitué de barres verticales
contiguës
• Distribution d’une variable quantitative continue

– Ordonnées : effectifs de la distribution
– Abscisses : classes de la variable
35
Histogramme
variable quantitative continue
Effectif
80
70
60
50
40
30
20
10
0
<20 ans 20-25ans 25-30ans 30-35 ans

35-40 ans 40-45 ans 45-50ans >50ans
Polygone de fréquences
• Le polygone de fréquence est la courbe qui joint les milieux des
sommets des rectangles de l’histogramme.
• Le terme est général, car on peut faire la représentation de

chaque catégorie d’âge soit en fonction de son effectif, soit en
fonction de sa fréquence
– Distribution d’une variable quantitative continue

– Ordonnées : effectifs ou fréquences
37
Polygone de fréquences
38
Polygone de fréquence cumulée
• Courbe qui joint les valeurs de fréquence cumulées de
chaque classe
Polygone de fréquence cumulée
Courbe d’inclusion cumulative Essai Fit-2 ANRS
au 24/04/2017
209 210 210 210
200
192
181 184
174 172
161
156
150
143
138
127
120
114
100 102 Real

97 99
Theoric
88
84
75
67
66
58
50 48
37
30
12
0 0 2
JANV FÉVR MARS AVR MAI JUIN JUIL AOÛT SEPT OCT NOV DÉC JANV FÉVR MARS AVR
2016 2016 2016 2016 2016 2016 2016 2016 2016 2016 2016 2016 2017 2017 2017 2017
41
Diagramme en boîte
Distribution de la Tension
Artérielle Systolique
190
180 31
170
160
150
140
130
120
110
N= 32
TAS

Cours MDR UL 2022-2023

Transféré par

Informations du document

Titre original

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

Cours MDR UL 2022-2023

Transféré par

Droits d'auteur :

Formats disponibles

Introduction à l’Epidémiologie

Prof. Didier Koumavi EKOUEVI

• Décrire les domaines de l’épidémiologie

• Décrire les objectifs de la surveillance épidémiologique

• Étude de la distribution des maladies et des invalidités dans les

• Etude de la distribution et des déterminants des problèmes de

Source : Mac-Mahon B, Pugh TF. Epidemiology: principles and methods, 1970

• Rôle important dans la prévention des problèmes de santé

• Médecine clinique # épidémiologie :

• Etapes de travail sont identiques :

• Rechercher pourquoi une maladie est survenue

• Agir sur ce problème de santé

• Maladies transmissibles (HBV, HVC, HSV2, HPV, HIV)

• Maladies non transmissibles

• Traumatisme (accident de la voie publique)

• Epidémiologie : études des épidémies, des endémies

– Epidémies de Choléra à Londres [Snow, 1854]

• Épidémiologie descriptive : estimation de la fréquence

• Épidémiologie analytique : étude des déterminants

• Épidémiologie d’intervention : action de lutte, contrôle

• De formuler des hypothèses étiologiques (enquêtes

• De planifier les services de santé

• Fréquence de la maladie en fonction de certaines

• Rechercher une association entre des facteurs d’exposition et

• Pour atteindre son objectif

Activité physique • Maladies cardio vasculaires

Exposition aux pesticides Malformation congénitale

Prise de distilbène Cancer du vagin (Distilbène)

• Aide à la prise de décision pour la planification

• Permettent de mesurer l’état de santé dans une population

• Mesures d’association (maladie – exposition)

• Mesures de fréquence • Mesures d’impact

Dynamique de la surveillance des maladies

• Décrire le phénomène ou la « maladie »

• Analyser les tendances en incidence et l’impact des politiques

• Détecter de façon précoce les phénomènes épidémiques en

• Des interactions entre l'épidémiologie et d'autres disciplines

• A l’aide de définitions et d’exemples, répondre aux

– Est que toutes les maladies transmissibles sont

• Quelle est la différence entre les termes suivants

Prof. Didier Koumavi EKOUEVI

2. Différents types de variables

3. Démarche et les test statistiques

2. Différents types de variables

3. Démarche et les test statistiques

• Avant de décrire un échantillon, il est indispensable de

2. Différents types de variables

• Ne sont pas susceptibles d’être mesurées

• Contient un certain nombre de catégories ou

• Niveau d’étude : primaire, secondaire et

Variable catégorielle ordinale

Transformation est possible, mais aboutit à

• Accompagné d’une unité de mesure

• On peut toujours répondre à la question commençant par

Tableau 1. Description de la population de l’étude

Variable Moyenne Écart-type

Variable Médiane Q1;Q3

2. Différents types de variables

• Situation matrimoniale • Profession

• Variable quantitative discrète

• Variable qualitative ordinale

• Bien maitrisé, permet de

• Taille de l’échantillon (< 30 ou ≥ 30)