Académique Documents
Professionnel Documents
Culture Documents
2
Plan
1. Généralités
2. Historique
3. Classification de l’épidémiologie
4. Indicateurs épidémiologiques
5. Surveillance épidémiologique
Conclusion
3
Plan
1. Généralités
2. Historique
3. Classification de l’épidémiologie
4. Indicateurs épidémiologiques
5. Surveillance épidémiologique
Conclusion
4
Définition de l’épidémiologie (1)
• Attributs
– Distribution des maladies et invalidités
– Populations humaines
– Facteurs qui influencent la maladie
5
Définition de l’épidémiologie (2)
• Attributs
– Distribution
– Déterminants
– Problèmes de santé
– Populations humaines
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)
7
Epidémiologie – Remarques (2)
8
Epidémiologie – Remarques (3)
9
Champs d’application
10
Champs d’application
11
Plan
1. Généralités
2. Historique
3. Classification de l’épidémiologie
4. Indicateurs épidémiologiques
5. Surveillance épidémiologique
Conclusion
12
Historique : avant 1940 (1)
• 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)]
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
3. Classification de l’épidémiologie
4. Indicateurs épidémiologiques
5. Surveillance épidémiologique
Conclusion
16
Classification de l’épidémiologie
17
Classification de l’épidémiologie
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
18
Classification de l’épidémiologie
Épidémiologie descriptive
• Indicateurs • Schémas d’étude
– Prévalence – Etude descriptive
– Incidence – Etude transversale
– Mortalité – Séries de cas
19
Classification de l’épidémiologie
Épidémiologie descriptive
• Pourcentage de personnes présentant une maladie donnée
– Prévalence du diabète au Togo ?
20
21
Classification de l’épidémiologie
Épidémiologie descriptive
• Pourcentage de personnes présentant une maladie donnée
– Prévalence du diabète au Togo ?
– Incidence du cancer de la prostate
22
Classification de l’épidémiologie
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
Classification de l’épidémiologie
Épidémiologie analytique
24
Classification de l’épidémiologie
Épidémiologie analytique
Facteurs d’exposition « risque ou Maladie
protecteur »
25
Classification de l’épidémiologie
Épidémiologie évaluative
• Évaluer l’efficacité des interventions ou actions
sanitaires mises en place
– Campagne de vaccination
– Traitement de masse
– Distribution des moustiquaires imprégnées
26
Classification de l’épidémiologie
Épidémiologie évaluative
• Pour atteindre son objectif : étude
– Essai clinique
– Essai thérapeutique (Médicaments)
27
Plan
1. Généralités
2. Historique
3. Classification de l’épidémiologie
4. Indicateurs épidémiologiques
5. Surveillance épidémiologique
Conclusion
28
Indicateurs épidémiologiques
• Mesures de fréquence
– Prévalence
Maladies
– Incidence
– Mortalité
29
Indicateurs Epidémiologiques
• Mesures d’impact
– Risque Attribuable (RA)
– Fraction Etiologique du Risque (FER)
• Exposé
• Population
– Fraction Préventive du Risque (FPR) 30
Indicateurs Epidémiologiques
• Mesures d’association
– Rapport de Côte (RC)
– Risque Relatif (RR)
31
Plan
1. Généralités
2. Historique
3. Classification de l’épidémiologie
4. Indicateurs épidémiologiques
5. Surveillance épidémiologique
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
• 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
3. Classification de l’épidémiologie
4. Indicateurs épidémiologiques
5. Surveillance épidémiologique
Conclusion
37
Conclusion
38
Travaux de recherche
39
Travaux de recherche
– Endémie
– Epidémie
– Pandémie
– Epizootie
– Enzootie
40
Variables en statistiques
DSP_FSS_2018_2019 2
Plan du cours
1. Définition
DSP_FSS_2018_2019 3
Plan du cours
1. Définition
DSP_FSS_2018_2019 4
Définition
• Caractéristique qui prend des valeurs différentes au sein
d’un groupe de sujets
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)
• On distingue 3 catégories
– Binaire ou dichotomique
– Nominale
– Ordinale
DSP_FSS_2018_2019 10
Variables qualitatives (3)
• 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 qualitatives (4)
• 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 qualitatives (4)
• 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 qualitatives (5)
• Variables ordinales
– Existe un ordre naturel entre les différentes
catégories
• Sévérité d’une douleur (aucune, minime modérée,
sévère, insupportable)
DSP_FSS_2018_2019 15
Transformation des variables
qualitatives
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
DSP_FSS_2018_2019 19
Variables quantitatives
• 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
• 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
• 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)
• 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
DSP_FSS_2018_2019 27
TD. Variables
Préciser pour les variables suivantes, le type de variables
DSP_FSS_2018_2019 28
TD. Variables
Préciser pour les variables suivantes, le type de variables
DSP_FSS_2018_2019 29
Conclusion
• Notion importante en biostatistique
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
DSP_FSS_2018_2019 35
Elaboration d’un
questionnaire / CRF
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
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)
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
DSP_FSS_2018_2019 8
3. Différents types de questions
Questions numériques
• 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
Questions numériques
• 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
Questions numériques
• 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
DSP_FSS_2018_2019 14
Questions fermées
• 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
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
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
DSP_FSS_2018_2019 25
Questions ouvertes
• Utile dans les enquêtes anthropologiques et sociales
« étude qualitative »
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 ?
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
DSP_FSS_2018_2019 31
Langage et Style de formulation (2)
DSP_FSS_2018_2019 32
Langage et Style de formulation (3)
• Il faut éviter les questions directives
– Ne pensez-vous pas que le dispositif intra-utérin est plus sûr
que la pilule ?
• Combien de page(s) ?
• Combien de questions ?
DSP_FSS_2018_2019 34
Longueur du questionnaire (2)
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
• Question principale de l’étude
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
• Question principale de l’étude
DSP_FSS_2018_2019 40
Test du questionnaire
• Mise à l’épreuve du questionnaire
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
DSP_FSS_2018_2019 42
Formation des enquêteurs
• Les enquêteurs doivent être sélectionnés avec soin et recevoir
une formation appropriée
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
DSP_FSS_2018_2019 44
Conclusion
Conclusion
• Un questionnaire bien fait est le garant de
données fiables
1
Objectifs
1. Décrire les mesures de bases en épidémiologie
2
Plan
1. Introduction
2. Indicateurs de santé
– Définition
– Classification des indicateurs
– Mesures de base
3. Conclusion
3
Introduction : cycle de l'épidémiologie
4
Epidémiologie descriptive
5
Plan
1. Introduction
2. Indicateurs de santé
– Définition
– Classification des indicateurs
– 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
7
Classification des indicateurs de santé
• Indicateurs de mortalité
• Indicateurs démographiques
8
Classification des indicateurs de santé
• Indicateurs de mortalité
– Taux de mortalité brute
– Taux de mortalité spécifique
– Létalité
9
Classification des indicateurs de santé
• Indicateurs démographiques
– Pyramide des âges
– Espérance de vie
– Indicateurs de natalité
10
Classification des indicateurs de santé
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 ?
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)
15
Proportion : Exemple (2/2)
16
Ratio
• Rapport entre les effectifs de 2 classes d’une
même variable
18
Ratio : Exemple (2/2)
• Dans l’exemple précédent quel est le sexe ratio H/F parmi
les fumeurs?
19
Indice
• Rapport des effectifs de deux variables
• 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]
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
2. Indicateurs de santé
– Définition
– Classification des indicateurs
– 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
26
En résumé
Oui Non
Notion de survenue
Catégories d’une même
d’évènements dans le
variable?
temps?
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
A. Ratio
B. Proportion
C. Indice
D. Incidence (décès)
TD
A. Ratio
B. Proportion
C. Indice
D. Incidence (décès)
TD
A. Rapport
B. Proportion
C. Taux d'attaque
D. Incidence (décès)
TD
A. Rapport
B. Proportion
C. Indice
D. Côte
Indicateurs de mortalité
2
Plan
1. Introduction
2. Indicateurs de la mortalité
4. Conclusions
3
1. Introduction
4
Plan
1. Introduction
2. Indicateurs de mortalité
4. Conclusions
5
Rappel : cycle de l'épidémiologie
6
Objectifs de l’épidémiologie descriptive
7
Mesure de mortalité
• La plupart des mesures utilisées sont des fractions avec
un numérateur et un dénominateur : rapport
8
2. Indicateurs de mortalité
9
Indicateurs de mortalité
1. Mortalité brute (globale)
4. Létalité
10
Indicateur de mortalité
• Mortalité brute : nombre total de décès toute
cause confondue au cours d’une période
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
13
Taux brut de mortalité
• Forme particulière de taux d’incidence avec comme événement le
décès
14
Mortalité spécifique
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
16
Part de la mortalité liée à une cause
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
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
20
Exemple mortalité (Corrections)
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
22
Exemple létalité (énoncé)
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
24
Autres indicateurs de mortalité
25
Autres indicateurs de mortalité
• Mortalité fœtale tardive (mortinatalité) désigne les enfants nés sans vie
26
Autres indicateurs de mortalité
27
Indicateurs de mortalité au Togo
(Source UNICEF)
28
Indicateurs de mortalité au Togo
(Source UNICEF)
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 ?
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
Conclusion
3
Plan
Introduction
Conclusion
4
Introduction : Indicateurs
épidémiologiques
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
– 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 :
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)
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
12
Exemple Prévalence
• Quelle est la prévalence absolue? : 40
13
Plan
1. Introduction
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
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
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
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
18
Figure. Suivi d’un groupe de 10 personnes
Taux ou Densité d’incidence (1)
19
Taux ou Densité d’incidence (1)
• 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)
21
Taux d’incidence (2)
22
Mesures d’incidence : Nombre de cas incidents
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
Figure. Suivi d’un groupe de 10 personnes
Taux d’incidence (2)
24
Mesures d’incidence : Nombre de cas incidents
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
Figure. Suivi d’un groupe de 10 personnes
Taux d’incidence de la maladie (2)
• Dénominateur = 86 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
28
Mesures d’incidence
Incidence cumulée (1)
• Risque absolu
29
Mesures d’incidence
Incidence cumulée (1)
30
Mesures d’incidence
Incidence cumulée (1)
• ∆t = période de suivi
31
Mesures d’incidence
Incidence cumulée (2)
• 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.
32
Mesures d’incidence: Incidence cumulée (2)
33
Mesures d’incidence
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
Mesures d’incidence
Incidence cumulée (1)
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
37
Incidence cumulée
Taux d’attaque
• Terme utilisé en cas d’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
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
43
Travaux dirigés
44
Exercice 3 : Obésité au Togo
45
Exercice 3 : Obésité au Togo
46
Paramètres de tendance centrale
et 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
4
Paramètre central
5
Moyenne arithmétique
• Rapport
– Numérateur : la somme d’une distribution d’un
caractère statistique quantitatif
– Dénominateur : le nombre de valeurs dans la
distribution
6
Moyenne arithmétique
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
9
Moyenne arithmétique
• Mesure de tendance centrale la plus connue
10
Moyenne
Avantages Inconvénients
11
Médiane
• Valeur qui partage l’échantillon en deux moitiés de taille
égale ou en deux groupes d’effectifs égaux
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
En pratique dans Excel
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
Résultat sous stata
Percentiles Smallest
1% 15 10
5% 17 10
10% 18 10 Obs 10508
25% 20 11 Sum of Wgt. 10508
16
Médiane
Avantages Inconvénients
17
Mode
• Valeur la plus représentée de la série
18
Mode : comment
Obs Jours
1 3
2 6
3 7
4 7
1 Rangez les données brutes 5 8
Statistiques sommaires
Mode
• Exemples
– 5 observations d’âge
• 17, 24, 32, 35, 37
• Pas de mode
– 9 observations d’âge
• 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
23
Characteristics of HIV-infected
patients at ART initiation
(N=126)
26
Résultat sous stata
Percentiles Smallest
1% 15 10
5% 17 10
10% 18 10 Obs 10508
25% 20 11 Sum of Wgt. 10508
27
En pratique dans Excel
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
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
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
32
Quantiles
• 1er quartile : 25ème percentile (25% de la distribution au-
dessous et 75% au-dessus)
33
Intervalle interquartile
Médiane EIQ
Age (ans) 29 [26-33]
CD4 (cellules/mm3) 186 [124-266]
Hémoglobine (g/dL) 10,3 [9,8-12,4]
34
Résultat sous stata
Percentiles Smallest
1% 15 10
5% 17 10
10% 18 10 Obs 10508
25% 20 11 Sum of Wgt. 10508
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
37
Variance
38
Variance
• Unité de la variance est au carré
– Années au carré
– Jours au carré
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
41
Résultat sous stata
Percentiles Smallest
1% 15 10
5% 17 10
10% 18 10 Obs 10508
25% 20 11 Sum of Wgt.10508
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
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
49
En pratique
50
En pratique
51
Typologie des études épidémiologiques
1
Méditation de la leçon
More reading….Less TV
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
5
La recherche
6
Démarche dans la recherche
7
Types d’études en épidémiologie
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
Etude interventionnelle
Essai randomisé contrôlé
• Essai randomisé contrôlé : meilleur modèle d’étude d’intervention
14
Etude interventionnelle
Essai randomisé contrôlé
15
Etude interventionnelle
Essai randomisé contrôlé
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
• Inconvénients
– Qualité méthodologique souvent faible
– Pas de test statistique, nombreux biais
22
Typologie des études
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
Typologie des études
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
Typologie des études
25
Typologie des études
26
Etudes écologiques
• Etudes d’observation à but explicatif
27
Revue systématique et
Méta-analyse
• Parfois difficile de suivre les différentes études faites sur
un sujet particulier ➔ études qui résument d’autres
études
28
Revue systématique et
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
Revue systématique et
Méta-analyse3/3
30
En résumé
• Plusieurs études
1
Méditation de la leçon
Abbé Pierre
Objectifs
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
3. Echantillonnage et population
4. Principaux résultats
5. Avantages et inconvénients
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
Recueil de
l ’information
Début de l’étude
7
Libellés de l’objectif d’une étude transversale
1. Définition
2. But
3. Echantillonnage et population
4. Principaux résultats
5. Avantages et inconvénients
6. Conclusion
9
But : visée descriptive
• Décrire
– Fréquence d’une pathologie
– Fréquence d’une exposition
• A visée étiologique
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
3. Echantillonnage et population
4. Principaux résultats
5. Avantages et inconvénients
6. Conclusion
13
Echantillonnage et Population
• 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
Echantillonnage et Population
• 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
Population cible
Population source
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
Echantillonnage et Population
20
Plan
1. Définition
2. But
3. Echantillonnage et population
4. Principaux résultats
5. Avantages et inconvénients
6. Conclusion
21
Principaux : Résultats (1)
• Prévalence absolue
– Nombre de cas
22
Principaux : Résultats (2)
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
Principaux : Résultats (3)
• 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
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
27
Source: Ekouevi; Médecine et Maladies Infectieuses 2013
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)
29
Source: Ekouevi; Médecine et Maladies Infectieuses 2013
Représentation de prévalence et de l’IC à 95% par ville
30
Plan
1. Définition
2. But
3. Echantillonnage et population
4. Principaux résultats
5. Avantages et inconvénients
6. Conclusion
31
Avantages : étude transversale
2. Rapide
4. Coût abordable
32
Inconvénients : Étude transversale
4. Biais de sélection
33
Conclusions
• Etude la plus fréquemment réalisée en pratique
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
4. Principaux résultats
5. Avantages et inconvénients
6. Conclusion
4
Plan
1. Introduction
2. Objectifs : libellé
3. Population d’étude
4. Principaux résultats
5. Avantages et inconvénients
6. Conclusion
5
Typologie des études
6
Typologie des études
7
Introduction
8
Étude cas-témoins : Principes
9
Étude cas-témoins : Principes
• Exposition:
– Exploration rétrospective (antérieure)
10
Schéma : étude cas -témoins
Comparaison
% exposés cas Expositions
% exposés Témoins
antérieures
11
Étude cas-témoins : Principes
Sélection des sujets
Exposition non connue
(aléatoire)
Exposition
Oui Non
Oui Exposés Non exposés
Maladie Malades Malades
13
Plan
1. Introduction
2. Objectifs : libellé
3. Population d’étude
4. Principaux résultats
5. Avantages et inconvénients
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
17
Exemple : cas -témoins
• Cancer du col ?
– Cas = ?
– Témoins = ?
– Quels facteurs d’exposition = ?
18
Plan
1. Introduction
2. Objectifs : libellé
3. Population d’étude
4. Principaux résultats
5. Avantages et inconvénients
6. Conclusion
19
Population d’étude
20
Population d’étude
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
24
TD-1 Corrections
• Vous avez opté pour une étude cas-témoins
– Préciser les cas
– Préciser les témoins
– Préciser les exposition (s)
25
Population d’étude
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
2. Objectifs : libellé
3. Population d’étude
4. Principaux résultats
5. Avantages et inconvénients
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
Interprétation du OR
• Significativité de l’association
– L’interprétation doit en fait également tenir compte de
• l’intervalle de confiance de la mesure d’association
• ou du test statistique correspondant
33
Interprétation du OR
x
Non significatif
x
x
Significatif
Significatif
0 ∞
1
Exemple : Odds Ratio
36
Quels sont les facteurs de risque et les facteurs protecteurs
37
Calcul de l’intervalle de confiance
38
Plan
1. Principes
2. Objectifs : libellé
3. Population d’étude
4. Principaux résultats
5. Avantages et inconvénients
6. Conclusion
39
Étude cas-témoins : Avantages
40
Étude cas-témoins : Contraintes
41
Plan
1. Principes
2. Objectifs : libellé
3. Population d’étude
4. Principaux résultats
5. Avantages et inconvénients
6. Conclusions
42
Conclusions
• Maladie rare
• Interpréter le RC ou OR
43
Etude de cohorte
(Cohort study)
1
2
Objectifs
3
Plan
1. Définition
2. Principes
3. Population d’étude
4. Déroulement de l’étude
5. Résultats
6. Avantages et inconvénients
7. Quelques exemples
8. Conclusion
4
Plan
1. Définition
2. Principes
3. Population d’étude
4. Déroulement de l’étude et analyse statistique
5. Résultats
6. Avantages et inconvénients
7. Quelques exemples
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
6
T0 T1 T2
7
Cohorte
Questions de recherche
8
Définition
9
t0
E-
E+
T0 T1 T2
10
Plan
1. Définition
2. Principes
3. Population d’étude
4. Déroulement de l’étude
5. Résultats
6. Avantages et inconvénients
7. Quelques exemples
8. Conclusion
11
Principes
12
Étude de cohorte
Différents types d'études de cohorte (1)
• Cohortes prospectives
Suivi
Début de l’étude prospectif
• Cohortes prospectives
Suivi
Début de l’étude prospectif
• Cohortes rétrospectives
Inclusion des Recueil de
sujets l ’information
Suivi
Début de l’étude
rétrospectif
Étude de cohorte
Différents types d'études de cohorte (2)
15
Plan
1. Définition
2. Principes
3. Population d’étude
4. Déroulement de l’étude
5. Résultats
6. Avantages et inconvénients
7. Quelques exemples
8. Conclusion
16
Population d’étude
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
3. Population d’étude
4. Déroulement de l’étude et analyse statistique
5. Résultats
6. Avantages et inconvénients
7. Quelques exemples
8. Conclusion
19
Déroulement de l’étude
• Cohorte = suivi
20
Plan
1. Définition
2. Principes
3. Population d’étude
4. Déroulement de l’étude
5. Résultats
6. Avantages et inconvénients
7. Quelques exemples
8. Conclusion
21
5.1. Nombre de cas incidents
22
5.2. Incidence cumulée
24
Etude de cohorte : Résultats
(Tableau de contingence)
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
Interprétation du RR
• Significativité de l’association
– L’interprétation doit en fait également tenir compte de
l’intervalle de confiance du RR
28
Interprétation 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]
29
Interprétation du RR
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
3. Population d’étude
4. Déroulement de l’étude et analyse statistique
5. Résultats
6. Avantages et inconvénients
7. Quelques exemples
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
34
Plan
1. Définition
2. Principes
3. Population d’étude
4. Déroulement de l’étude et analyse statistique
5. Résultats
6. Avantages et inconvénients
7. Quelques exemples
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.
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.
38
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.
39
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.
40
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.
41
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.
42
Plan
1. Définition
2. Principes
3. Population d’étude
4. Déroulement de l’étude et analyse statistique
5. Résultats
6. Avantages et inconvénients
7. Quelques exemples
8. Conclusion
43
Conclusion
• Incidence de la maladie
• Durée longue
44
Évaluation diagnostique
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
2. Qualité d’un test
3. Mesure de la performance d’un test
– Sensibilité
– Spécificité
4. Notion de valeur prédictives
– Valeur prédictive positive
– Valeur prédictive négative
5. Reproductibilité et concordance
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
6
Pourquoi faire un test de dépistage ?
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
Evaluation_diagnostique 10
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
Evaluation_diagnostique 11
Exemple du cancer du sein
Evaluation_diagnostique 12
Suite cancer du sein
• Au Togo : palpation du sein (âge, groupe ?)
– Test de dépistage : palpation du sein + Echographie
– Test de diagnostic : examen anatomopathologique
Evaluation_diagnostique 13
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
15
Plan
1. Introduction
2. Qualité d’un test
3. Mesure de la performance d’un test
– Sensibilité
– Spécificité
4. Notion de valeur prédictives
– Valeur prédictive positive
– Valeur prédictive négative
5. Reproductibilité et concordance
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
2. Qualité d’un test
3. Mesure de la performance d’un test
– Sensibilité
– Spécificité
4. Notion de valeur prédictives
– Valeur prédictive positive
– Valeur prédictive négative
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 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
30
Sensibilité
Total
Malades Non Malades
Test négatif FN VN VN + FN
Total
Evaluation_diagnostique 31
Spécificité d’un test
32
Spécificité
Total
Malades Non Malades
Test négatif FN VN VN + FN
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
2. Qualité d’un test
3. Mesure de la performance d’un test
– Sensibilité
– Spécificité
4. Notion de valeur prédictives
– Valeur prédictive positive
– Valeur prédictive négative
5. Reproductibilité et concordance
6. Conclusion 35
VPP et VPN (1)
• Valeur prédictive positive : probabilité d’avoir la maladie alors que
le test est positif
36
Valeur prédictive positive
Total
Malades Non Malades
Test négatif FN VN VN + FN
Total
37
Valeur prédictive négative
Total
Malades Non Malades
Test négatif FN VN VN + FN
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
40
Valeurs prédictives d’un examen diagnostique
application du théorème de Bayes
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
42
Quelle est la sensibilité du test et la
spécificité du test ?
43
Quelle est la sensibilité du test et la
spécificité du test ?
Evaluation_diagnostique 44
Plan
1. Introduction
2. Qualité d’un test
3. Mesure de la performance d’un test
– Sensibilité
– Spécificité
4. Notion de valeur prédictives
– Valeur prédictive positive
– Valeur prédictive négative
5. Reproductibilité et concordance
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)
51
Courbe ROC
Smith-Bindman JAMA 1998
Indice de Youden
4 mm
5 mm
10 mm
15 mm
Se
20 mm
25 mm
53
Echantillonnage
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
5
Remarques
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
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.
• 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
12
Pourquoi échantillonner ?
13
Deux approches pour construire
un échantillon
14
Probabilité = hasard
Deux approches pour construire
un échantillon
16
Etude de cas
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
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 ?
• Utiliser
– Une table de nombres aléatoires
– Un programme informatique (Excel : fonction RANDOM)
21
Echantillonnage systématique
22
Échantillonnage systématique
23
Etude de Cas 2
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
Avantages 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
27
Exemple
28
2.3 L’échantillonnage stratifié
29
2.3 L’échantillonnage stratifié
30
2.3 L’échantillonnage stratifié
31
2.3 L’échantillonnage stratifié
• 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
Avantages et Inconvénients
Avantages Inconvénients
• 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
– 20% en 3ème année
34
2.4. Echantillonnage à plusieurs
degrés
• Exemple de sondage à plusieurs degrés :
enquête rapide après une campagne de
vaccination au VAT
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.
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
38
2.4 - L’échantillonnage par grappes
• On sélectionne au hasard
– Un nombre de grappes (unités primaires) pour représenter la
population
– On sélectionne tous les individus des grappes choisies
39
2.4 - L’échantillonnage par grappes
• 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
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 et Inconvénients
• 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
51
Méthodes non aléatoires
• 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
55
Echantillonnage par quotas
56
Echantillonnage raisonné
• Les cibles sont retenues parce qu’elles sont les plus à même
de fournir les informations désirées
57
Avantages et Inconvénients
• 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
59
Les erreurs dues à la
méthode d’échantillonnage
• En particulier
– Éviter la surreprésentation de certaines parties de la
population
60
Conclusion
61
Méthode Echantillonnage
Cas pratiques
Prof. Didier Koumavi EKOUEVI
1
Etude de cas
2
Etude de cas
3
Etude de cas
4
Etude de cas : Réponse
• Tirer au sort au hasard 30 numéros d’avance
5
Etude de cas : Réponse
• Tirer au sort au hasard 30 numéros d’avance
• 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
7
Conclusion
Méthode aléatoire
– Simple
– Systématique
– Stratifié
– En grappe ou par degrés
8
Etude à la maternité du CHU SO
9
Etude à la maternité du CHU SO
11
Etude de cas
12
13
Cas 1
14
Pourquoi échantillonner ?
• 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
Pourquoi échantillonner ?
17
Deux approches pour construire
un échantillon
18
Probabilité = hasard
Deux approches pour construire
un échantillon
20
Échantillonnage aléatoire simple
22
Pour résumer
23
Echantillonnage aléatoire simple
.
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)
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
28
Avantages et Inconvénients
Avantages Inconvénients
• 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
32
Echantillonnage stratifié
33
Echantillonnage stratifié
34
Echantillonnage stratifié
35
Avantages et Inconvénients
Avantages Inconvénients
• 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
– 30% en 2ème année
– 20% en 3ème année
37
Echantillonnage à plusieurs
degrés
• Exemple de sondage à plusieurs degrés :
enquête rapide après une campagne de
vaccination au VAT
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 par grappes
41
2.4 - L’échantillonnage par grappes
• On sélectionne au hasard
– Un nombre de grappes (unités primaires) pour représenter la
population
– On sélectionne tous les individus des grappes choisies
42
Echantillonnage par grappes
• 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
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
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
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 et Inconvénients
• 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
55
Echantillonnage de commodité
56
Echantillonnage de volontaires
• Participants se portent volontaires qui font partie de
l’échantillon
57
Echantillonnage par quotas
• 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
58
Echantillonnage par quotas
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 et Inconvénients
• 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
62
Critères de causalités dans
une enquête étiologique
Pr Didier K. EKOUEVI
Faculté des Sciences de la Santé
Université de Lomé
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
Epidémiologie analytique (2)
• 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
Epidémiologie analytique (3)
• 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
? 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
Critères de causalité
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 ?
Critères de causalité
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
Critères de causalité
3. Caractère unidirectionnel
• Relation dose-effet
Critères de causalité
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
Pr Didier K. EKOUEVI
Dr Fifonsi A. GBEASOR-KOMLANVI
Faculté des Sciences de la Santé
Université de Lomé
Plan du cours
1. Définition
2. Biais de sélection
2.1. Définition
2.2. Contrôle ou prévention
3. Bais d’information
3.1. Définition
3.2. Contrôle ou prévention
4. Biais de confusion
4.1. Définition
4.2. Contrôle ou prévention
2
5. Conclusion
1. Définitions
• Biais : des déviations systématiques affectant les mesures
statistiques
3
Trois types de biais
• Biais de sélection : erreurs dans la constitution des groupes
(populations) de comparaison
4
En résumé
3 types
de Biais
5
2. Biais de sélection
7
2.1.1. Biais de recrutement
• 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
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
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
13
2.1.3. Etude de cohorte : perdus de vue
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 :
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
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
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
21
3.1.2. Biais de mémorisation
22
Exemples
• Consommations d'alcool : sous-déclaration habituelle
– Un verre de temps en temps
• 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
27
4.1. Définition : biais de confusion
• Dans les études analytiques, on mesure l’association entre une
exposition et la survenue d’un évènement de santé
28
4.1. Définition : biais de confusion
• 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
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
32
Prévention des biais de confusion
• Stratification
33
Conclusion
• Discuter le biais d’une étude dans la partie discussion d’un article
ou d’une thèse
34
Protocole d’enquête
Pr Didier K EKOUEVI
Faculté des Sciences de la Santé
Université de Lomé
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
6
Pourquoi écrire un protocole ?
7
Pourquoi écrire un protocole ?
• Référence qui s’imposera à tous les acteurs de
l’enquête tout au long de son déroulement
– clarté du document
– qualité scientifique
– faisabilité
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
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)
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
19
« Commande » Justification Définition des objectifs
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
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
27
Schéma d’étude
28
Schéma d’étude
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
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
35
Aspects réglementaires et
éthiques
• Les notes d’information et formulaires de
consentement sont annexés au protocole
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
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
• Graphiques
• Prose (texte)
Tableaux et figures (1)
principes généraux
• Utilisés si améliorent la communication
• Graphique
– Données présentées de façon synthétique
– Clarté mais au prix d’une perte d’information
8
Tableaux
Tableaux
• Type Vancouver en général
• 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)
Sexe
Amputations MI*
Total
Hommes Femmes
Niveau d’études
n % n %
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
• 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
25
Camembert
10
25
50
15
29
Diagramme en barres
• Les barres sont de largeurs égales
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
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
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
35
Histogramme
variable quantitative continue
Effectif
80
70
60
50
40
30
20
10
0
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
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