Académique Documents
Professionnel Documents
Culture Documents
RECHERCHE
Pr EL ARBI BOUAITI
Faculté de Médecine et de pharmacie
UPR de médecine sociale
(Santé publique, hygiène et médecine préventive)
2
Objectifs du cours
les objectifs spécifiques
Connaître la définition de la recherche clinique.
Comprendre l’intérêt de la recherche épidémiologique et
clinique.
Connaître la démarche générale de la recherche clinique
Connaître les principaux schéma d’études en recherche
clinique.
S’initier à l’analyse statistique des données des études
cliniques.
Être capable de participer à un travail de recherche clinique
3
Descriptif du sous module
4
Chapitre 1
La recherche clinique en
sciences de la santé.
Pr EL ARBI BOUAITI
Faculté de Médecine et de pharmacie
UPR de médecine sociale
(Santé publique, hygiène et médecine préventive)
Plan
I. Introduction
II. Définition de la recherche clinique
III. Les objectifs de la recherche clinique
IV. La démarche de recherche clinique
V. Les acteurs de la recherche clinique
VI. Étapes de la recherche clinique
6
I. Introduction
7
I. Introduction
I. Introduction
II. Définition de la recherche clinique
III. Les objectifs de la recherche clinique
IV. La démarche de recherche clinique
V. Les acteurs de la recherche clinique
VI. Étapes de la recherche clinique
9
II. Définition de la recherche clinique
Finalité :
Amélioration de la prise
en charge des patients
II. Définition de la recherche clinique
Recherche fondamentale
Études hors cliniques
Recherche menée en vue de faire évoluer
La recherche les connaissances plutôt que pour une application
fondamentale pratique.
12
Plan
I. Introduction
II. Définition de la recherche clinique
III. Les objectifs de la recherche clinique
IV. La démarche de recherche clinique
V. Les acteurs de la recherche clinique
VI. Étapes de la recherche clinique
13
III. Les objectifs de la recherche
clinique
La recherche clinique est une nécessité absolue :
Apparition de maladies nouvelles,
Développement de résistances aux antibiotiques,
Persistance de maladies non guérissables,
Amélioration continue des techniques d’exploration et de soins,
Besoin de vérification, de preuve scientifique (evidence-based
medicine EBM).
….. La prise en charge des patients
L’objectif de la recherche clinique :
l’amélioration à plus ou moins long terme des méthodes
diagnostiques, thérapeutiques et prophylactiques
et la compréhension de l’étiologie et de la pathogénèse des
maladies.
14
III. Les objectifs de la recherche
clinique
D’une façon générale, l’objectif de la
recherche clinique est de fournir des preuves
scientifiques utiles à la pratique en terme :
Diagnostique : Validation d’un nouveau test
Thérapeutique : Validation d’un nouveau
traitement pharmacologique, dispositif médical,
autres traitements non pharmacologiques
(physiothérapie….)
Epidémiologique : Facteurs de risque, Facteurs
pronostiques
15
III. Les objectifs de la recherche
clinique
Exemple: étude CAST en 1989
Constat : Après infarctus, l'existence d'extra systoles
ventriculaires (ESV) augmente le risque de mort subite.
Hypothèse : la suppression des arythmies ventriculaires
dans les suites d’un infarctus du myocarde améliore le
pronostic et diminue le risque létal.
Arguments :
Les arythmies ventriculaires fréquentes (> 10 ESV/h) augmentent
d’un facteur 4 le risque de décès post-infarctus
Les nouveaux anti-arythmiques sont capables de diminuer la
fréquence des ESV post-infarctus.
The Cardiac Arrhythmia Suppression Trial (CAST) Investigators — Preliminary report : Effect of encainide and flecainide on mortality
in a randomized trial of arrhythmia suppression after myocardial infarction . N. Engl. J. Med ., 1989, 321 , 406-12.)
16
III. Les objectifs de la recherche
clinique
Exemple : étude CAST 1989
A partir de ces données, ces traitements anti-
arythmiques ont été prescrits pour prévenir la mort
subite...
Pas d’essais sur des critères cliniques mais uniquement
sur des critères de rythme cardiaque : Ça marche il y a
moins de troubles du rythme sous traitement.
Résultats
Entre 50 et 80 000 décès induits par le traitement aux USA
Les effets indésirables du traitement étaient très supérieurs au
bénéfice via l’aggravation de l’insuffisance cardiaque : décès par
insuffisance aortique
17
III. Les objectifs de la recherche
clinique
Essai comparatif randomisé CAST (1989)
n Décès Mortalité
Groupe Antiarythmiques 432 39 9% RR=2,13
18
Plan
I. Introduction
II. Définition de la recherche clinique
III. Les objectifs de la recherche clinique
IV. La démarche de recherche clinique
V. Les acteurs de la recherche clinique
VI. Étapes de la recherche clinique
19
IV. La démarche de recherche clinique
20
VI. La démarche de recherche clinique
22
VI. La démarche de recherche clinique
La démarche inductive
Part d’observations et mène à une hypothèse
ou un modèle scientifique.
23
IV. La démarche de recherche clinique
1. Hypothèse clinique
Physiopathologie : Ex les IEC devraient faire baisser
la tension artérielle
Observation clinique
Intuition
2. Significativité statistique
Vérification statistique de l’hypothèse : Permet
d’affirmer avec un risque d’erreur connu que la
différence observée entre TTT n’est pas due au
hasard
Nombre de patients!!
24
IV. La démarche de recherche clinique
3. Significativité médicale
Lien de cause à effet
Absence de biais
Extrapolation?
Intérêt clinique
Service Médical Attendu : L’intérêt du produit
Effet thérapeutique, diagnostique,
Effets indésirables
Les risques liées à son utilisation…
Le Service Médical Rendu (SMR) : Intérêt pour la santé
publique
Son impact sur la santé de la population,
Sa place dans la stratégie thérapeutique (notamment au regard
des autres thérapies disponibles)
25
Plan
I. Introduction
II. Définition de la recherche clinique
III. Les objectifs de la recherche clinique
IV. La démarche de recherche clinique
V. Les acteurs de la recherche clinique
VI. Étapes de la recherche clinique
26
VI. Les acteurs de la Recherche Clinique
29
3. Intervenants
30
4. Personne participante
31
5. Comité d’éthique
Evaluation:
Méthodologie de la recherche et de sa pertinence
générale
Conformité aux dispositions relatives à la
protection des personnes
Documents d’information et de recueil du
consentement
32
VI. Les acteurs de la Recherche Clinique
33
Plan
I. Introduction
II. Définition de la recherche clinique
III. Les objectifs de la recherche clinique
IV. La démarche de recherche clinique
V. Les acteurs de la recherche clinique
VI. Étapes de la recherche clinique
34
VI. Étapes de la recherche clinique
« L’art du possible »
Anthony Giddens (2013)
VI. Étapes de la recherche clinique
36
VI. Étapes de la recherche clinique
Sélectionner le sujet de
CYCLE DE LA RECHERCHE CLINIQUE
recherche
Réaliser la recherche
Analyser les données
bibliographique
Pr EL ARBI BOUAITI
Faculté de Médecine et de pharmacie
UPR de médecine sociale
(Santé publique, hygiène et médecine préventive)
Plan
39
I. Définition du sujet de recherche
Le point fondamental
40
Plan
41
Plan
42
II. Choix du sujet de recherche
pronostiques,
Tester l’efficacité d’un traitement
...
Problème initial
44
a. Trouver un problème initial
45
a. Trouver un problème initial
46
a. Trouver un problème initial
47
b. Définir correctement le sujet
Une démarche en
entonnoir: Le domaine, le thème
général, Sous thèmes
Le principe de
l'entonnoir stipule que la
forme logique d'une Sujet choisi
problématique va du
général (thème de Question de
recherche) au particulier recherche
(hypothèse).
Hypothè
se de
Délimiter et définir le sujet de recherche +++ recherch
e
48
b. Définir correctement le sujet
49
b. Définir correctement le sujet
50
b. Définir correctement le sujet
53
b. Définir correctement le sujet
54
b. Définir correctement le sujet
55
c. Transformer le sujet en une « question (s)
de recherche »
Problématiser un sujet de recherche
Traduire un problème initial en problématique de recherche :
Question de recherche.
Comment formuler la problématique ?
La question posée doit prendre en compte tous les grands
aspects du sujet : clinique, épidémiologique, thérapeutique….
La question posée doit autant que possible être ancrée dans
l’actualité.
La question posée doit indiquer un contexte, dans l’espace et
dans le temps.
La question de recherche doit être suivie par des pistes
de réponses : Les hypothèses de recherche.
56
c. Transformer le sujet en une « question
(s) de recherche »
La question de recherche : c’est la question que
les auteurs se posent et qui est formulée en
termes de type de question, de schéma d’étude
et de population.
Exemple : « Quelle est la pertinence de l’Indice de Pression
Systolique IPS pour le dépistage de l’artérite oblitérante des
membres inférieurs (AOMI) en médecine général en 2009? ».
Hypothèse de recherche: c’est la question
posée mais formulée avec un sens, une
direction, et soumise à l’analyse statistique.
Exemple : « Le dépistage de l’AOMI par l’IPS en population
de médecine générale doit être ciblé et faisable »
57
c. Transformer le sujet en une « question (s)
de recherche »
SUJET DE RECHERCHE
QUESTION(S) de RECHERCHE
HYPOTHÈSE(S) de RECHERCHE
58
c. Transformer le sujet en une « question
(s) de recherche »
Les types de questions SUJET DE RECHERCHE
de recherche
Le type de questions choisi
détermine le type de
recherche qu’il vous faudra QUESTION(S) de RECHERCHE
ensuite conduire, ainsi que la
HYPOTHÈSE(S) de RECHERCHE
méthodologie à adopter.
METHODOLOGIE
59
c. Transformer le sujet en une « question
(s) de recherche »
Les types de questions de recherche
Les questions descriptives
Elles sont souvent le point de départ du travail de recherche.
Les questions descriptives portent souvent sur le présent.
Elles permettent de décrire une situation, un concept ou une pathologie…
Les questions comparatives
Les questions comparatives permettent d’explorer les différences et
ressemblances entre deux ou plusieurs groupes.
Les questions évaluatives/normatives
Les questions évaluatives/normatives permettent de déterminer la valeur
d’une intervention en santé.
Émettre une opinion ou un jugement.
60
c. Transformer le sujet en une « question
(s) de recherche »
Les types de questions de recherche
Les questions explicatives
Les questions explicatives ont pour rôle de déterminer la cause d’un
problème.
Les questions prédictives
Elles sont utilisées pour prédire l’avènement futur d’un événement.
Les questions de résolution de problème
Elles sont utiles pour identifier de nouvelles solutions à des problèmes
existants.
61
c. Transformer le sujet en une « question
(s) de recherche »
Exemples :
Cause : Quels sont les déterminants de la maladie ?
Traitement : Comment le traitement change-t-il la progression de
la maladie ?
Diagnostic : Les tests utilisés pour le diagnostic sont-ils fiables et
valides ?
Pronostic : Quelles sont les conséquences de la maladie?
Coût : Quel est le coût de la prise en charge d’un malade?
62
c. Transformer le sujet en une « question
(s) de recherche »
Deux interrogations fondamentales :
63
c. Transformer le sujet en une « question
(s) de recherche »
64
c. Transformer le sujet en une « question
(s) de recherche »
65
c. Transformer le sujet en une « question
(s) de recherche »
Constatations à l’Hôpital Général de Vienne, 1846
Observation d’une mortalité forte dans les suites de couche dans
le Servicce de Klin (étudiants en médecine) que dans Service du
Pr Bartch (sages-femmes)
Premier constat : Les étudiants vont de la salle de
dissection à la salle d’accouchement sans précautions
particulières (absence de lavage des mains)
Comment le résoudre ?
Mise en place d’une étude scientifique
66
c. Transformer le sujet en une « question
(s) de recherche »
La question de recherche doit être clairement
formulée : L’acronyme PICO
Patient : à qui s’adresse l’intervention, la méthode
à appliquer ?
Intervention : cherche-t-on des renseignements
sur un traitement médicamenteux, un traitement
physique, une action d’éducation à la santé ?
67
c. Transformer le sujet en une « question
(s) de recherche »
La question de recherche doit être clairement
formulée : L’acronyme PICO
Comparaison : à quoi éventuellement doit être
comparée l’intervention décrite ci-avant ?
Méthode de référence, alternative ?
Outcome : issue clinique, pratique recherchée.
68
c. Transformer le sujet en une « question
(s) de recherche »
La question de recherche doit être
clairement formulée : L’acronyme PICO
Exemple
Y a-t-il un intérêt (O) à vacciner contre la
varicelle (I) les enfants d’âge préscolaire (P)
plutôt que de laisser se développer
spontanément les épidémies en milieu
scolaire (C) ?
69
c. Transformer le sujet en une « question (s) de
recherche »
Exemple : Semmelweiss (2)
Justification de la mise en place d’une étude
Mortalité des femmes en couches
Problème grave et fréquent
Conséquences importantes pour l’enfant, la famille, la société
Question de recherche :
Y a t-il une relation entre le lavage des mains et la mortalité des
femmes en couches ?
70
Plan
71
III. Formulation de l’objectif
Sujet de recherche
Hypothèse de recherche
Objectif
72
III. Formulation de l’objectif
74
III. Formulation de l’objectif
Un objectif principal
Unique
Permet de conclure sur la signification de l’étude.
Définit en fonction :
du schéma de l’étude;
du critère de jugement principal;
Taille de l’échantillon.
Des objectifs secondaires : Leur nombre
devra être limité.
Les objectifs secondaires sont utiles pour élargir
la portée des résultats 75
Exemple : Semmelweiss (3)
Hypothèse
Les étudiants en contact avec du matériel cadavérique
introduisent un «agent invisible» chez les femme en
couches en les examinant qui pourrait être source de
mortalité
Le lavage des mains avant examen doit être suivi
d’une diminution de la mortalité en suites de couche
Objectif
Etudier l’impact du lavage systématique des mains à
l'aide d'une solution de chlorure de calcium sur la
mortalité en suites de couche
76
III. Formulation de l’objectif
77
III. Formulation de l’objectif
78
III. Formulation de l’objectif
79
III. Formulation de l’objectif
Lecture critique :
L’objectif de l’étude est de déterminer les facteurs
prédictifs épidémiologiques, cliniques et
biologiques de survenue d’une infection sous
biothérapie.
80
Exercice
81
Plan
82
IV. Choix des critères de jugement
(endpoints)
Définition :
Traduction explicite, précise et quantifiable de
l’objectif.
Un objectif = un critère de jugement / facteur
d'intérêt
Doit permettre de :
répondre à la question posée
mesurer l’effet du facteur étudié
définir La maladie ou le problème étudié
83
IV. Choix des critères de jugement
(endpoints)
Le critère de jugement peut être très divers :
Un marqueur biologique,
Qualité de vie,
Un comportement (activité physique, observance
thérapeutique),
Un indicateur médico-économique (consommation
de produits de santé, hospitalisations en
urgence…).
Exemples
Evaluer l’obésité : IMC
Poser le diagnostic du diabète : glycémie à jeun 84
IV. Choix des critères de jugement
(endpoints)
85
IV. Choix des critères de jugement
(endpoints)
Le critère principal de jugement :
de préférence unique
servira au calcul du nombre de sujets
nécessaires.
limite le nombre de tests statistiques
86
IV. Choix des critères de jugement
(endpoints)
Exemple 1 Exemple 2
Sujet de recherche Éradication de Helicobacter Antiagrégant dans la
pylori dans la dyspepsie prévention cardiovasculaire
87
IV. Choix des critères de jugement
(endpoints)
88
VI. Choix des critères de jugement
(endpoints)
Le critère de jugement doit être:
cliniquement pertinent et admis par la communauté
scientifique internationale;
Pertinent : par rapport à la maladie, au traitement, …à la
question posée (l’objectif principal).
C’est le point majeur !
Exemple : Evaluer l’évolution de l’artériopathie des membres
inférieurs : le critère de jugement est la mesure du périmètre de
marche :
Augmentation significative de 20 m : Quel intérêt de passer de 200m à 220m.
Fréquence du succès : fréquence des patients retrouvant sous traitement un
périmètre de marche de 500m.
89
IV. Choix des critères de jugement
(endpoints)
Le critère de jugement doit être:
Méthodologiquement acceptable :
clair : tous les médecins peuvent comprendre la même
chose;
de mesure aisée : obtenu, si possible facilement,
chez tous les sujets;
validé: reconnu par la communauté scientifique;
éthique
90
IV. Choix des critères de jugement
(endpoints)
Le critère de jugement doit être:
répétable : même résultat si la mesure est
répétée par la même personne dans les
mêmes conditions;
reproductible: même résultat si la mesure est
répétée par deux personnes différentes dans
les mêmes conditions;
91
VI. Choix des critères de jugement
(endpoints)
Parmi les différentes formes que peut revêtir un critère
de jugement, on préfèrera lorsque c’est possible :
94
VI. Choix des critères de jugement
(endpoints)
95
III. Formulation de l’objectif
96
III. Formulation de l’objectif
97
Plan
98
V. Définition des variables à mesurer
99
V. Définition des variables à mesurer
100
V. Définition des variables à mesurer
Variables censurées.
101
V. Définition des variables à mesurer
Exemples
102
V. Définition des variables à mesurer
Exemples
103
4. Les variables en résumé
Binaires
Variables
qualitatives
Nominales
Variables Ordinales
Variables
Continues
quantitatives
Discrètes
Variables
censurées
104
Exercice
1. Sujet de recherche?
Les éléments justifiant le choix du sujet
Utilité?
2. Question(s) de recherche?
5. Variables étudiées? :
Variables qualitatives / variables quantitatives
105
106
Chapitre 3.
La recherche bibliographique
Pr EL ARBI BOUAITI
Faculté de Médecine et de pharmacie
UPR de médecine sociale
(Santé publique, hygiène et médecine préventive)
Plan
I. Introduction
II. La recherche bibiographique
III. Trouver les bons « mots clés »
IV. Création de « requête »
V. Les sources d’information
VI. Méthodes de la recherche bibliographique
VII.Les étapes de la recherche bibliographique
VIII.La gestion bibliographique
108
I. Introduction
109
II. La recherche bibliographique
Objectifs
Situer la recherche dans le champ des connaissances
actuelles :
Que sait-on ?, Quelles sont les lacunes ?...
Affiner la problématique / hypothèse de la recherche
Trouver les arguments de justification de l’importance du problème
Finalité
La finalité d'une bonne méthodologie de recherche est
de faciliter la production d'un travail universitaire
alliant richesse documentaire et rigueur
scientifique.
110
II. La recherche bibliographique
Principes
Le choix des références scientifiques
111
II. La recherche bibliographique
Outils
Les moteurs de Base de
recherche données
Medline
Mots clés SCOPUS
Web of Science
EMBASE : Excerpta Medica
Cochrane Library
Banque de données santé
publique : BDSP
ProQuest Dissertations & Theses
Global
Cairn
….
II. La recherche bibliographique
Outils
Moteur de
Mots clés
recherche
#
SILENCE BRUIT
2 solutions :
Les opérateurs booléens
MeSH
SILENCE
BRUIT
Moteur de
Mots clés Requête
recherche
Base de Articles
données Fiables & utiles
Sujet de
recherche
II. La recherche bibliographique
Etapes clés
III. Trouver les bons « mots clés »
Mots clés
Les moteurs de Base de
recherche données
118
III. Trouver les bons « mots clés »
III. Trouver les bons « mots clés »
3. Création de requête
III. Trouver les bons « mots clés »
La méthode QQQOCP
Quoi ? Qui ? Quand ? Où ? Comment ?
Combien ? Pourquoi ?
III. Trouver les bons « mots clés »
1. Traduire son sujet en mots clés
Exemple
Grossesses sous anticoagulants : L'anesthésie
locorégionale est-elle indiquée à l'accouchement ?
Femmes Accouchement
enceintes
anticoagulants
locorégionale
Anesthésie
128
III. Trouver les bons « mots clés »
Synonymes
MEdical Subject Headings (MeSH):
Un thésaurus de mots-clés.
Mots clés
Requête
Moteur de
recherche
IV: Création de “Requête”
3. Création de requête
(TMS OR Troubles musculo-squelettiques OR Troubles ostéo-musculaires
OR Troubles ostéomusculaires OR Musculoskeletal disease OR Orthopedic
disorder OR Orthopedic disorders) AND (Chirurgien-dentiste OR Dentiste
OR Dentist)
Recherche bibliographique
Constructeurs de Requêtes
Constructeurs de Requêtes
Constructeurs de Requêtes
Constructeurs de Requêtes
Constructeurs de Requêtes
Constructeurs de Requêtes
Constructeurs de Requêtes
Constructeurs de Requêtes
V. Les sources d’information
Les moteurs de
recherche
148
V. Les sources d’information
Les différentes ressources
Les documents
Thèses
Articles de revue
Ouvrages publiés
Rapports,
….
Internet (moteurs de recherche)
Ressources « libres » = Accès web gratuit
Ressources en accès restreint
Littérature grise (celle qui ne passe pas par un
éditeur)
149
V. Les sources d’information
Les moteurs de recherche
CISMeF
PubMed / Medline
ClinicalKey
Science direct
Cochrane
Google scholar
150
V. Les sources d’information
Les moteurs de recherche
Les moteurs de Base de
recherche données
Medline
Mots clés SCOPUS
Web of Science
EMBASE : Excerpta Medica
Cochrane Library
Banque de données santé
publique : BDSP
ProQuest Dissertations & Theses
Global
Cairn
….
V. Les sources d’information
Les moteurs de recherche
V. Les sources d’information
Les moteurs de recherche
Accès gratuit au
texte intégral
Type de
publication
Date de
publication
VI. Les étapes de la recherche bibliographique
1. Définition et Choix du sujet de recherche
4. Faire la recherche :
Identifier les sources d’information
Le choix des moteurs de recherche (Pubmed)
155
VII. La gestion bibliographique
Écrire une bibliographie
Style VANCOUVER
Articles: nom1 initial, nom 2 initial. Titre article. Revue
156
VII. La gestion bibliographique
Écrire une bibliographie
Style VANCOUVER
Livres: Auteur Initial. Titre. N° d’édition. Ville: Editeur;
année
157
VII. La gestion bibliographique
158
VII. La gestion bibliographique
La gestion bibliographique :
Logiciel de gestion bibliographique
est un logiciel destiné à établir, trier et utiliser des listes
de références bibliographiques d'articles, d'ouvrages
ou même de sites web concernant des publications
scientifiques.
159
VII. La gestion bibliographique
Les logiciels
Logiciels libres (open source) et gratuits :
Zotero (payant avec un compte en ligne et un stockage de
références au- delà de 100 Mo)
Connotea
JabRef
Bibus
Logiciels propriétaires et gratuit :
EndNote Basic
Mendeley (payant si l’on souhaite profiter de davantage de
capacités et de fonctions)
Logiciels propriétaires et payants :
EndNote
Refworks
160
VII. La gestion bibliographique
Les logiciels
http://www.zotero.org/
https://endnote.com/
161
Exercice
162
Chapitre 4.
Les différents types de design
d’études cliniques et
épidémiologiques
Pr EL ARBI BOUAITI
Faculté de Médecine et de pharmacie
UPR de médecine sociale
(Santé publique, hygiène et médecine préventive)
Plan
I. Introduction
II. Classification des études cliniques et épidémiologiques
III. Les études expérimentales
IV. Les études descriptives
V. Les études de cohortes
VI. Les études cas témoins
VII. Les Biais dans les études cliniques
VIII. Choix d’un type d’étude de recherche clinique
IX. Les niveaux de preuves
164
Les types de questions de recherche
165
Les types de questions de recherche
166
I. Introduction
167
I. Introduction
168
I. Introduction
169
I. Introduction
170
I. Introduction
171
I. Introduction
173
Population de l’étude
174
Population de l’étude
Exemple
On veut réaliser une enquête sur l’obésité
chez les jeunes de la région de Rabat en
2011
I. Introduction
II. Classification des études cliniques
III. Les études expérimentales
IV. Les études descriptives
V. Les études de cohortes
VI. Les études cas témoins
VII. Les Biais dans les études cliniques
VIII. Choix d’un type d’étude de recherche clinique
IX. Les niveaux de preuves
178
II. Classification des études cliniques
179
II. Classification des études cliniques
180
II. Classification des études cliniques
181
II. Classification des études cliniques
182
II. Classification des études cliniques
186
II. Classification des études cliniques
Définition du schéma de l’étude
Les études de cohorte sont observationnelles
sur l’être humain et prospectives.
187
Plan
I. Introduction
II. Classification des études cliniques
III. Les études expérimentales
IV. Les études descriptives
V. Les études de cohortes
VI. Les études cas témoins
VII. Les Biais dans les études cliniques
VIII. Choix d’un type d’étude de recherche clinique
IX. Les niveaux de preuves
188
III. Les études expérimentales
190
III. Les études expérimentales
Le principe de randomisation :
L’étude est dite randomisée si l’affectation des sujets à un groupe ou à un autre
est tirée au sort.
C’est le hasard qui détermine donc l’appartenance du sujet à un groupe.
Ainsi, seul le groupe d’appartenance des sujets semble pouvoir différencier les
sujets entre eux.
La randomisation permet de limiter les biais des études.
Les études ou essais randomisés sont qualifiés :
D’ouverts quand le traitement est connu de tous,
En simple aveugle (Insu) quand seuls les patients ignorent la nature du
traitement,
En double aveugle (Insu) quand patients et médecins ignorent la
nature du traitement.
191
III. Les études expérimentales
192
III. Les études expérimentales
193
III. Les études expérimentales
194
Plan
I. Introduction
II. Classification des études cliniques
III. Les études expérimentales
IV. Les études descriptives
V. Les études de cohortes
VI. Les études cas témoins
VII. Les Biais dans les études cliniques
VIII. Choix d’un type d’étude de recherche clinique
IX. Les niveaux de preuves
195
VI. Les études descriptives
196
VI. Les études descriptives
197
Les études de prévalence
198
Les études de prévalence
199
Les études de prévalence
200
Les études de prévalence
prévalence au cours du temps
201
Les études de prévalence
prévalence au cours du temps
202
Les études de prévalence
Exemple:
•Enquête nationale sur les facteurs de risque cardio-vasculaires en 2001.
•33% des marocains âgés de plus de 20 ans avaient une HTA en 2001
203
Les études de prévalence
204
Les études d’incidence
205
Les études d’incidence
Incidence :
206
Les études d’incidence
208
Les études d’incidence
209
Les études d’incidence
210
VI. Les études descriptives
Déroulement
1. Identification de la population d’étude
2. Choix de l’évènement d’intérêt (critère
de jugement)
Evènement d’intérêt peut être simple ou
composite (Mortalité ou morbidité, définition
clinique, biologique, histologique).
211
VI. Les études descriptives
Déroulement
1. Identification de la population d’étude
2. Choix de l’évènement d’intérêt (critère
de jugement)
3. Le recueil
Étude de prévalence : instantané
Étude d’incidence : Prospectif
Précis et objectif : mesuré avec un outil validé
et fiable
Standardisé : utilisation des mêmes outils pour
tous les sujets 212
VI. Les études descriptives
213
VI. Les études descriptives
214
Plan
I. Introduction
II. Classification des études cliniques
III. Les études expérimentales
IV. Les études descriptives
V. Les études de cohortes
VI. Les études cas témoins
VII. Les Biais dans les études cliniques
VIII. Choix d’un type d’étude de recherche clinique
IX. Les niveaux de preuves
215
V. Les études de cohortes
216
V. Les études de cohortes
217
Les études de cohorte
• Etudes analytiques
• Études PROSPECTIVES
219
Les études de cohorte
Observation
Les sujets sont sélectionnés sur la base de leur
exposition au facteur étudié et sont suivi de
manière prospective pour voir si ils développent la
maladie.
V. Les études de cohortes
221
V. Les études de cohortes
Principe
Une phase initiale d’inclusion
Dans les études de cohorte, on commence par le choix de la
population et la définition des individus exposés et non exposés
pour constituer les groupes de comparaison.
L’inclusion dans l’étude et le recueil initial des informations sur
l’exposition peuvent se faire au moment de la mise en place de
l’enquête.
L’inclusion peut également se faire à partir d’une date choisie
dans le passé (la répartition dans les groupes exposés et non
exposés étant antérieure au début de l’enquête): on parle alors
de cohorte historique.
222
V. Les études de cohortes
223
V. Les études de cohortes
Principe
Une deuxième phase de suivi
Identique dans les deux groupes.
La cohorte est alors suivie de manière prospective :
on parle de cohorte prospective.
Au cours du suivi, le recueil d’information porte sur la
mesure de l’évènement étudié (par exemple état de
santé).
224
V. Les études de cohortes
Principe
La troisième phase
C’est la phase de comparaison
A la fin de la période de l’étude, on compare la
fréquence des événements dans les différents
groupes grâce à des outils statistiques.
225
Les études de cohorte
Principe et Objectifs
Incidence ?
Population COMPARAISON
Nombre
Non-exposés de nouveaux cas
temps
Collecte de données sur les nouveaux cas à venir
Les études de cohorte
Présentation des résultats
« tableau de contingence »
Non
Malades Total
Malades
Exposés A B A+B
Maladie + Maladie -
Exposés E+ A B
Non exposés E- C D
Mesure d'association
le risque relatif : RR
RR=Ice Exposés/Ice Non
Exposés
Mesure d'association
Interprétation
Le RR est une estimation ponctuelle
qui varie de 0 a l’infini
RR=1 : il n’y a pas d’association
RR≠1 : il y a association :
RR>1: il s’agit d’un facteur de risque
0<RR<1: il s’agit d’un facteur protecteur
Exemple
Avantages Inconvénients
Particulièrement indiquées lors des Non adaptées aux maladies rares
expositions rares
Permettent d’examiner plusieurs Prospectives: longues et coûteuses
évènements
Temporalité établie entre exposition et Rétrospectives: nécessité de disposer de
évènement documents appropriés
Prospectives: limitation des biais de Validité des résultats dépendante de la
mesure de l’exposition et de la maladie qualité du Suivi
Mesures d’incidence dans chacun des
groupes
232
V. Les études de cohortes
233
V. Les études de cohortes
234
Plan
I. Introduction
II. Classification des études cliniques
III. Les études expérimentales
IV. Les études descriptives
V. Les études de cohortes
VI. Les études cas témoins
VII. Les Biais dans les études cliniques
VIII. Choix d’un type d’étude de recherche clinique
IX. Les niveaux de preuves
235
VI. Les études cas témoins
236
Les études cas-témoins
• Etudes analytiques
• Études RETROSPECTIVES
237
Les études cas-témoins
Observation
L’enquêteur choisit les groupes étudiés sur la
base de leur statut malade (cas) et non malade
(témoins). Ce sont des études rétrospectives,
c'est-à-dire que l’enquêteur va chercher dans le
passé des individus des deux groupes l’exposition
au facteur étudié.
VI. Les études cas témoins
239
VI. Les études cas témoins
Principe
La planification d’une enquête cas-témoins commence
par le choix de la population de l’étude dont seront issus
les cas et les témoins:
Les cas seront atteints de la pathologie étudiée et représentatifs,
pour l'exposition au facteur de risque, de l'ensemble des malades
ayant cette pathologie.
Le groupe témoin est construit pour servir de référence, ils sont
représentatifs pour l'exposition au facteur de risque de la
population dont sont issus les cas.
240
VI. Les études cas témoins
Principe
Les cas et les témoins doivent être choisis dans la
même population.
Les caractéristiques du groupe « témoin » doivent être
les plus proche possible du groupe « cas ».
La seule différence observable entre les groupes devrait
être théoriquement l’absence de signes de la maladie.
Le recueil d’information est toujours rétrospectif dans ce
cas.
Les groupes sont ensuite comparés on utilisant des
méthodes statistiques.
241
VI. Les études cas témoins
Déroulement
1. Identification de la population d’étude
2. Groupe de sujets malades « cas »
3. Groupe de sujets indemnes « témoins»
4. Choix de l’évènement d’intérêt (critère de jugement)
5. Le recueil : rétrospective
6. Période d’observation
7. Mesure d’association
A la fin de la période d'observation, on dispose alors de toutes les
242
VI. Les études cas témoins
Avantages Inconvénients
Résultats rapides et coûts faibles Importance du recueil similaire de l’exposition
entre les cas et les témoins (biais)
Pas de perdus de vue Pas d’estimation d’incidence ni de prévalence
Pas d’estimation du RR
Adapté aux évènements dont les Difficultés d’évaluer la relation temporelle
périodes de latence sont longues (Exposition et maladie) (biais)
(Exposition et maladie)
Adapté aux évènements rares Recueil rétrospectif de l’exposition (biais)
Étude de plusieurs facteurs Non indiqué pour les expositions rares
étiologiques pour un seul Un seul évènement d’intérêt
évènement
243
VI. Les études cas témoins
244
VI. Les études cas témoins
245
Etudes cas – témoins
Principe et Objectifs
% Exposés ?
COMPARAISON Population
temps
Collecte de données sur le passé des cas et des témoins
246
Etudes cas – témoins
Présentation des résultats
« tableau de contingence »
Cas Témoins Total
Exposés A B A+B
Cas Témoins
Exposés E+ A B
Non exposés E- C D
Mesure d'association
l’Odds Ratio : OR
OR= La cotes d’exposition chez les cas / La
cotes d’exposition chez les témoins
Mesure d'association
Interprétation
L’OR est une estimation ponctuelle
qui varie de 0 a l’infini
OR=1 : il n’y a pas d’association
OR≠1 : il y a association :
OR>1: il s’agit d’un facteur de risque
0<OR<1: il s’agit d’un facteur protecteur
Epidémiologie analytique
Résumé
Comparer la fréquence de l’apparition de la
maladie entre sujets exposés et non exposés à
un facteur
Enquête exposé- non exposé= enquête
de cohorte
I. Introduction
II. Classification des études cliniques
III. Les études expérimentales
IV. Les études descriptives
V. Les études de cohortes
VI. Les études cas témoins
VII. Les Biais dans les études cliniques
VIII. Choix d’un type d’étude de recherche clinique
IX. Les niveaux de preuves
253
VII. Les Biais dans les études cliniques
Définition
Erreur systématique ayant pour
conséquence:
Une estimation incorrecte
Et une distorsion de la mesure de l’association
entre l’exposition à un facteur de risque et la
survenue d’une maladie.
Trois types :
Les biais de sélection
Les biais d’information
Les biais de confusion
Les biais de sélection
Exposition Maladie
Café Kc de poumon
Facteur de confusion
Tabac
Plan
I. Introduction
II. Classification des études cliniques
III. Les études expérimentales
IV. Les études descriptives
V. Les études de cohortes
VI. Les études cas témoins
VII. Les Biais dans les études cliniques
VIII. Choix d’un type d’étude de recherche clinique
IX. Les niveaux de preuves
258
VIII. Choix d’un type d’étude de
recherche clinique
En plus des considérations théoriques, certains
éléments permettent d'orienter le choix vers tel
ou tel type de recherche clinique :
Une étude rétrospective constitue une bonne méthode au
début d'un travail pour vérifier une hypothèse de façon
préliminaire.
Plus la maladie est répandue, plus facile sera l'étude
prospective.
Si la maladie est rare, seule l'étude rétrospective est utilisable.
Plus court est l'intervalle entre la cause (facteur d'exposition) et
la conséquence (maladie), meilleure sera l'étude prospective.
Pour les maladies à incubation longue, l'étude rétrospective
convient mieux.
259
VIII. Choix d’un type d’étude de
recherche clinique
En plus des considérations théoriques, certains
éléments permettent d'orienter le choix vers tel
ou tel type de recherche clinique :
Plus la documentation est complète et exacte, meilleure sera
l'étude rétrospective (déclaration de la maladie, enregistrement,
classification diagnostique) ou historico-prospective.
Une association forte entre la cause probable et la maladie
favorise une étude prospective.
Si on s'attend à une grande fluctuation dans les cohortes, une
étude rétrospective est préférable.
260
Plan
I. Introduction
II. Classification des études cliniques
III. Les études expérimentales
IV. Les études descriptives
V. Les études de cohortes
VI. Les études cas témoins
VII. Les Biais dans les études cliniques
VIII. Choix d’un type d’étude de recherche clinique
IX. Les niveaux de preuves
261
IX. Les niveaux de preuves
262
IX. Les niveaux de preuves
263
Chapitre 5 :
Les statistiques descriptives
Pr EL ARBI BOUAITI
Faculté de Médecine et de pharmacie
UPR de médecine sociale
(Santé publique, hygiène et médecine préventive)
Introduction
La biostatistique : Deux branches
Statistique descriptive Statistique inférentielle
deux dimensions
Plus de deux variables à la fois :
statistique multidimensionnelle.
Variables qualitatives
Variables quantitatives
Variables censurées
26/11/2023 269
VARIABLES QUALITATIVES
1. Définition
Une variable statistique est qualitative si ses valeurs
correspondent à des « qualités » :
Non mesurables sur une échelle
Présence ou absence d’une caractéristique
Expression : modalités (Classes - Catégories)
Variable Variable
Variable qualitative
qualitative qualitative
nominale ordinale
binaire
26/11/2023 270
2. Variable qualitative nominale
Définition
Une variable statistique est qualitative « binaire » si
ses résultats possibles correspondent à deux
réponses uniquement (modalités).
26/11/2023 271
3. Variable qualitative nominale
Définition :
C'est une variable qualitative dont les modalités
ne sont pas ordonnées.
Réponses possibles : Plusieurs modalités > 2
Exemples
Groupe sanguin
A, B, AB, O
Situation familiale :
Célibataire, marié, divorcé, veuf
26/11/2023 272
3. Variable qualitative ordinale
Définition :
C'est une variable qualitative dont les modalités
sont naturellement ordonnées (il existe un ordre
entre les classes).
Réponses possibles : Plusieurs modalités > 2
Exemple :
Niveau d’étude :
Primaire, secondaire, universitaire.
Stade de gravité d’une maladie :
Modéré, sévère, très sévère.
Degré de satisfaction
26/11/2023 273
VARIABLES QUANTITATIVES
Définition
Une variable statistique est quantitative si ses
valeurs sont représentées par des quantités.
Expression : valeurs numériques.
sur lesquels les opérations arithmétiques (somme,
différence...) ont un sens.
26/11/2023 274
1. Variable quantitative discrète
Définition
Une variable quantitative discrète :
Est une variable avec une valeur que l’on peut
énumérer.
Est une variable qui ne prend qu'un nombre fini de
valeurs.
Valeurs possibles : peut être donné sous la forme
d’une liste de nombres.
Exemples
Nombre d’enfants d’une famille : 0, 1, 2, 3, 4, …10
26/11/2023 275
2. Variable quantitative continue
Définition
Une variable continue peut prendre n’importe
quelle valeur d’un intervalle.
Valeurs possibles :
Ne sont pas dénombrable.
Une infinité de valeurs possibles.
Entre un minimum et un maximum.
Exemples
Âge, poids, taille, niveau de cholestérol,… .
26/11/2023 276
Exemple
Variable quantitative
26/11/2023 277
VARIABLES CENSURÉES
La censure :
S’appliquer à tout événement non récurrent qui
survient dans le temps.
Intervient lorsque l’on n’observe pas exactement
la valeur de la variable à laquelle on s’intéresse.
Exemple :
La survie qui requiert la survenue de l’événement
« décès ».
26/11/2023 278
VARIABLES CENSURÉES
Définition :
– Les variables sont dites censurées lorsque elle
représente la durée jusqu’à survenue d’un
évènement, et que l'étude est limitée dans le
temps.
– Variable censurée : toute variable d'état de
nature binaire suivi dans le temps et avant la
réalisation de l’événement.
– Exemple : la durée de survie est censurée si le
patient n’est pas suivi jusqu’à son décès.
26/11/2023 279
VARIABLES CENSURÉES
26/11/2023 280
Nature des variables et richesse en
information
Variables censurées
Variables quantitatives
26/11/2023 281
4. Les variables en résumé
Dichotomiques
Binaires
Observables Variables
Nominales
qualitatives
Ordinales
Variables Continues
Variables
quantitatives
Discrètes
Mesurables
Variables censurées
26/11/2023 282
Statistique descriptive
Variable qualitative
- Couleur
-Ville
Nominales d’origine
Variables
-Taille
Continues -Poids
Variables
Mesurables quantitatives -Nombre
de
Discrètes patients
Présentation
Il doit toujours être accompagné d’un titre informatif:
groupe étudié, le lieu et la période de l’étude.
Par convention ce titre doit être placé au-dessus du
tableau.
Il existe toujours un bandeau de titre pour indiquer la
nature des informations figurant dans les colonnes, ce
bandeau a un trait horizontal au-dessus et au-
dessous.
Un trait horizontal figure sous la dernière ligne
Aucun autre trait n'est utile (pas de trait vertical)
26/11/2023 288
Tableaux
de Oliveira MCQ, Lebre Martins BNF, Santos-Silva AR, Rivera C, Vargas PA, Lopes MA, Vechiato-Filho AJ, Brandão
TB, Prado-Ribeiro AC. Dental treatment needs in hospitalized cancer patients: a retrospective cohort study. Support
Care Cancer. 2020 Jul;28(7):3451-3457. doi: 10.1007/s00520-019-05202-4. Epub 2019 Dec 4. PMID: 31802252.
Tableaux
290
Statistiques descriptives
variables qualitatives
On a noté la situation familiale des 150
patients d’une étude
Nom Situation de famille
Patient 1 Marié
Patient 2 Veuf
Patiente 3 Mariée
Patiente 4 Célibataire
Patient 5 Divorcé
…. ….
Variables n %
Sexe
Masculin 70 58,3%
Féminin 50 41,7%
Diabète
Oui 90 90,0%
Non 10 10,0%
26/11/2023 292
Statistique descriptive
Variable qualitative
Définition
Images des données des études statistiques
Objectif
Faire ressortir une vision synthétique du
phénomène étudié
Permet de comparer d’un « coup d’œil » les
différentes modalités
Camembert
Diagramme :
Barres verticales disjointes
Ordonnées : effectifs ou les fréquences
Abscisses :
Sans échelle numérique
Libellés : modalités des variables
Les barres :
Largeur : identique
- Couleur
-Ville
Nominales d’origine
Variables
-Taille
Continues -Poids
Variables
Mesurables quantitatives -Nombre
de
Discrètes patients
26/11/2023 306
Statistiques descriptives
variables quantitatives
continues
Paramètres de position : Mesures de la
tendance centrale
Position
Moyenne arithmétique
Médiane
Mode
Moyenne arithmétique
Médiane
Mode
Moyenne arithmétique
Médiane
Mode
0.4
0.3
ddp
0.2
0.1
0.0
-4 -2 0 2 4
26/11/2023 18 22 (ebouaiti@gmail.com)
Pr. BOUAITI 23 25 27 318
Statistiques descriptives
variables quantitatives
Étendue
Les quartiles
La variance
Écart-type
Étendue
Les quartiles
La variance
Écart-type
Médiane de la distribution
(15+1)/2 = 8e donnée
1 2 3 4 5 6 7 8 9 10 11 12 13 14
15
3 4 4 5 5 5 6 6 6 6 8 8 10
Quart Quart
12 Q 15Quart Quart
1 2
2 3 4
Q1 Q3
Étendue
Les quartiles
La variance
Écart-type
La variance :
La moyenne des carrés des écarts à la moyenne
La somme des carrés des écarts à la moyenne
divisée par le nombre d'observations
x1
x12 x3
x2
x11
m x4
x10 x5
x9 x7 x6
x8
Représente l ’écart moyen des données de
l’échantillon par rapport à la moyenne
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com) 329
La variance
exemple
Série 1: 10, 12, 18, 20, 25, 35
La moyenne : m=20
La variance: s2 = 83,6
Étendue
Les quartiles
La variance
Écart-type
s=
Dispersion, Étalement, Variabilité des Valeurs
s2 < s1
s1
s2
m
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com)
333
La signification probabiliste de l’écart-type
Si non
Médiane et Quartile
Médiane = 50 (Q1=30; Q3=70)
Intervalle interquartile : intervalle
[Q1 , Q3]
26/11/2023 336
Statistiques descriptives
variables quantitatives
Variable quantitative
Transformation
Variable qualitative
Variables Variables
quantitative Transformation quantitative
s continues Discrétisation s discrètes
Variables Variables
quantitative Transformation qualitatives
s continues
/ discrètes
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com) 340
Regroupement en classes
Variables Variables
quantitatives Transformation quantitatives
Discrétisation
continues discrètes
(classes)
Exemple : âge des patients (n=50) min = 18 ans, max = 70 ans)
29 65 55 45 26 66 23 44 70 65
20 31 23 28 30 21 48 39 64 65
68 70 37 57 59 26 65 51 53 51
36 63 33 57 28 66 48 27 33 32
54 18 47 22 20 20 55 33 68 64
1 2 3
Classe d’âge [18-30] [31-50] [51-70]
Borne inférieure 18 31 51
Borne
supérieure
26/11/2023 30Pr. BOUAITI (ebouaiti@gmail.com)
50 70 341
Regroupement en classes
Discrétisation : 4 règles
La durée d’hospitalisation de 36 malades
11 20 18 10 20 11
16 10 15 17 17 11
11 12 12 11 20 13
Calculer l’étendue E
15 20 13 19 14 15
E = maximale – minimale. 16 11 20 12 10 12
Calculer l’Intervalles de
Classe (L):
18 10 13 16 16 13
L=E/K
Déterminer les classes:
1ère Classe = [min – mini+L[ Arrondir L selon précision
2ème Classe = [min +L – min+2L[ voulue diminution ou
Dernière Classe =[maximale -L – maximale[ augmentation parfois de K de 1.
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com) 342
Regroupement en classes
Variables
Variables
quantitatives
Transformation qualitatives
continues / Références (modalités)
discrètes
Exemple : PAS des patients (n=50) min = 120 mmHg, max = 200 mmHg
155 178 159 197 187 183 130 121 198 198
158 197 176 138 140 187 195 165 122 178
167 125 152 130 176 124 185 122 196 187
179 193 180 155 156 141 147 199 144 130
200 187 171 155 130 126 136 155 199 130
1 2 3 4
Borne inférieure 120 140 160 180
Borne supérieure 139 159 179 200
n 13 12 8 17
Modalités Normale HTA légère HTA modérée HTA sévère
26/11/2023 347
Tableaux de fréquences
Exemple : V. quantitative continues
Classe d'âge ni %
[14-16[ 15 12,50%
[16-18[ 20 16,67%
[18-20[ 35 29,17%
[20-22[ 15 12,50%
[22-24[ 10 8,33%
>24 25 20,83%
Total 120 100,00%
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com) 348
Tableaux de fréquences
Exemple : 2 variables
Homme Femme
Classe Total
s s
d'âge
ni % ni % ni %
[14-16[ 11 15,7% 4 8,0% 15 12,5%
[16-18[ 10 14,3% 10 20,0% 20 16,7%
[18-20[ 19 27,1% 16 32,0% 35 29,2%
[20-22[ 8 11,4% 7 14,0% 15 12,5%
[22-24[ 5 7,1% 5 10,0% 10 8,3%
>24 17 24,3% 8 16,0% 25 20,8%
26/11/2023 349
100,0
Pr. BOUAITI (ebouaiti@gmail.com)
100,0 100,0
Statistique descriptive
Variable quantitative
Types de variables :
Un diagramme :
Barres verticales contiguës
Ordonnées : effectifs / fréquences
Abscisses : les classes de la variable
Échelle des abscisses :
Variables continues : Les bornes des classes (intervalle
de la classe)
Variables discrètes : Le centre de la barre
Effectif :
Distribution de l'âge chez 120 sujets
nombre
de sujet
adultes
80
Nombre
60 de barre
40
20
0
Variable quantitative : Age (ans)
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com) 353
Histogramme
Trop de classe
Distribution de l'âge chez 120 sujets adultes
35
30
25
20
15
10
5
0
11 20 18 10 20 11
16 10 15 17 17 11
Calculer l’étendue E
E =20 – 10 = 10 11 12 12 11 20 13
Intervalles de Classe (L): 15 20 13 19 14 15
L = 10/6 =1,7 ≈2 16 11 20 12 10 12
Déterminer les classes: 18 10 13 16 16 13
1ère Classe = [10 – 12[
2ème Classe = [12 – 14[ [10 – [12 – [14 – [16 – [18 – [20 –
Classe
3ème Classe = [14 – 16[ 12[ 14[ 16[ 18[ 20[ 22[
4ème Classe = [16 – 18[
n 10 8 4 6 3 5
5ème Classe = [18 – 20[
6ème Classe = [20 – 22[ % 27,8% 22,2% 11,1% 16,7% 8,3% 13,9%
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com) 356
Histogramme
12 30,0% 27,8%
10
10 25,0% 22,2%
8
8 20,0%
16,7%
6 13,9%
6 5 15,0%
4 11,1%
4 3 10,0% 8,3%
2 5,0%
0 0,0%
[10 – 12[ [12 – 14[ [14 – 16[ [16 – 18[ [18 – 20[ [20 – 22[ [10 – 12[ [12 – 14[ [14 – 16[ [16 – 18[ [18 – 20[ [20 – 22[
Type de variable :
Graphe linéaire :
Ordonnée : effectifs ou fréquences
Abscisse : valeurs du variable discrétisée
Chaque point = effectif ou fréquence pour le
point central de la classe de la variable.
Polygone de fréquence doit commencer et se
terminer à 0
Intérêt : représenter sur un même graphique
plusieurs distributions.
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com) 359
Polygone de fréquence
Exemples
Effectif :
nombre
de sujet Distribution de l'âge chez 120 sujets adultes
40
30
20
10
0
<14 [14-16[ [16-18[ [18-20[ [20-22[ [22-24[ >24
Variable quantitative : Age (ans)
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com) 360
Polygone de fréquence
Exemples
Effectif :
nombre
de sujet
Distribution de l'âge selon le sexe
20
15
10
5
0
<14 [14-16[ [16-18[ [18-20[ [20-22[ [22-24[ >24
Hommes Femmes
Variable quantitative : Age (ans)
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com) 361
Polygone de fréquence
Exemples
Définition:
Résume quelques caractéristiques de position du
caractère étudié (médiane, quartiles, minimum,
maximum)
Variables :
Variables quantitatives
26/11/2023 369
Plan
Définition
Rappels
Statistique descriptive : Variable qualitative
Statistique descriptive : Variable quantitative
Statistique à deux dimensions
Conclusion
Un indicateur de liaison:
Le coefficient de corrélation linéaire
26/11/2023 374
Coefficient de corrélation linéaire
Notation
ρ : paramètre théorique (population)
r : paramètre observé sur un échantillon
Sans unité
X
26/11/2023 Pr. BOUAITI (ebouaiti@gmail.com) 378
Diagramme de dispersion
Nuage de points
La statistique descriptive
Première étape d’analyse biostatistique
Obligatoire
Variable qualitative
Effectif & Pourcentage
Variable quantitative
Moyenne ± écart- type
Médiane et quartiles
Deux variables quantitatives : corrélation
Statistique descriptive
Organisation et
Présentation des
données
Fréquences relatives
Pour chaque classe, le rapport de son effectif au nombre total d’individus
Exprimées en pourcentage
Mesurables
Continues
Variables
Variables
quantitatives
Discrètes
Tableaux de fréquences
Graphiques :
Diagramme en barres
Diagramme en barres horizontales
Camembert
Mesurables
Continues
Variables
Variables
quantitatives
Discrètes
Tableaux de fréquences
Graphiques :
Histogramme
Polygone de fréquence
Boîte à moustaches
Pr EL ARBI BOUAITI
Faculté de Médecine et de pharmacie
UPR de médecine sociale
(Santé publique, hygiène et médecine préventive)
Introduction
Recensement ou Échantillonnage
Recensement = vérité
26/11/2023 387
Introduction
26/11/2023 388
Introduction
Inférence statistique
Population cible
« Raisonnement inductif »
Estimation observée
Échantillon
Population Observations
Valeur théorique ou Valeur estimée
Pr. BOUAITI
26/11/2023
vraie (ebouaiti@gmail.com) 390
Introduction
Biostatistique : deux types de raisonnement.
Le raisonnement inductif : il part Le raisonnement déductif : il part
d’observations particulières pour aboutir à d’une idée générale pour en déduire
une conclusion de portée générale. des propositions particulières.
26/11/2023 391
Statistique inférentielle :
généraliser
Rappel
Principe des tests
La démarche dans les tests statistiques
Risques d’erreur en statistique
Conditions d’application des tests
15/09/2015 393
Rappel
Principes d’échantillonnage
Échantillon
représentatif
Tirage au sort
Plusieurs échantillons
peuvent être
constitués
Fluctuation
Population
Pr. BOUAITId’échantillonnage
26/11/2023 (ebouaiti@gmail.com) 394
Rappel
Principes d’échantillonnage
100 sujets tirés au sort
84 vaccinés - 84%
70 vaccinés - 70%
10 vaccinés - 10%
60 vaccinés - 60%
pobservée : 0% 100%
fluctuation
P=80% d échantillonnage
26/11/2023
Vaccinés Pr. BOUAITI
(ebouaiti@gmail.com) 395
Plan
Rappel
Principe des tests statistiques
La démarche dans les tests statistiques
Risques d’erreur en statistique
Conditions d’application des tests
15/09/2015 396
Principe des tests statistiques
Infection urinaire
(n=200 patients)
Traitement A Traitement B
(n=100 patients) (n=100 patients)
Guérison Guérison
(40/100) Différence est elle vraie? (15/100)
oui / non
(fluctuation
d échantillonnage)
15/09/2015 397
Principe des tests statistiques
15/09/2015 398
Principe des tests statistiques
26/11/2023 399
Principe des tests statistiques
Situations
La mortalité des personnes travaillant de nuit est-
elle différente de la mortalité de la population
globale? Comparer un échantillon observé à une
population de référence
Population Population
de référence
Échantillon
Situations
La durée moyenne d’hospitalisation est-elle différente
entre les malades hospitalisé en médecine et les
malades hospitalisés en chirurgie? Comparer deux
ou plusieurs échantillons indépendants entre eux
Population Population
de référence
Échantillon Échantillon
Situations
Le poids moyen de sujets obèses est-il différent avant et après la
prise en charge nutritionnelle? Comparer deux ou plusieurs
échantillons appariés entre eux
Des échantillons appariés sont des échantillons identiques, c'est à dire des
échantillons composés d'individus possédant les mêmes caractéristiques (âge, sexe,
etc..).
On dispose d'un seul groupe d'individus auquel on fait passer deux tâches
différentes : On a donc deux groupes de mesures pour chaque individu.
Population Population
T0 T1
Échantillon Échantillon
Rappel
Principe des tests statistiques
La démarche dans les tests statistiques
Risques d’erreur en statistique
Conditions d’application des tests
15/09/2015 403
La démarche dans les tests statistiques
Hypothèse H0 :
Hypothèse nulle
C’est toujours l’hypothèse que l’on cherche à
invalider (rejeter)
H0 :
Absence de différence entre les deux populations
Les paramètres des populations d’où sont issus les 2
échantillons sont identiques.
Attention !!! Les hypothèses sont toujours posées à partir des populations et
non des échantillons
Etape 1 : Formuler les hypothèses
Attention !!! Les hypothèses sont toujours posées à partir des populations et
non des échantillons
Etape 1 : Formuler les hypothèses
Hypothèse H1 :
Hypothèse alternative
C’est toujours ce que l’on cherche à montrer
Sera retenue si H0 est rejetée
H1 bilatérale : Les paramètres sont différents
H1 unilatérale : Un des paramètres est inférieur
(ou supérieur) à l’autre.
Attention !!! Les hypothèses sont toujours posées à partir des populations et
non des échantillons
Etape 1 : Formuler les hypothèses
Attention !!! Les hypothèses sont toujours posées à partir des populations et
non des échantillons
Etape 2 : Déduire ce que devraient être les
observations si l’hypothèse nulle (H0) est vraie
Sous H0 :
Paramètres Paramètres
=
Population 1 Population 2
μ1 = μ2
Paramètres Paramètres
Échantillon 1 = Échantillon 2
m1 = m2
Fluctuation d’échantillonnage
m1 - m2 ≈ 0 m1-m2 : R
15/09/2015 409
Etape 3: Calculer la probabilité que la différence
est due au hasard (fluctuation d’échantillonnage)
(calcul de la statistique de test)
Calcul du test statistique
Valeur du test statistique === probabilité
correspondante :
Probabilité de rejeter ou d’accepter H0
P ( Z Z 0 / H 0 vraie)
15/09/2015 410
Etape 3: Calculer la probabilité que la différence est due au
hasard (fluctuation d’échantillonnage)
(calcul de la statistique de test)
Attention !!! Les hypothèses sont toujours posées à partir des populations et
non des échantillons
Etape 3: Calculer la probabilité que la différence est due
au hasard (fluctuation d’échantillonnage)
(calcul de la statistique de test)
Sous H0
m1 - m2 ≈ 0
15/09/2015 412
Etape 4 : Interprétation et conclusion
15/09/2015
Classiquement : α =0,05 413
Etape 4 : Interprétation et conclusion
15/09/2015
Classiquement : α =0.05 414
Etape 4 : Interprétation et conclusion
15/09/2015
Classiquement : α =0.05 415
Etape 4 : Interprétation et conclusion
Rappel
Principe des tests statistiques
La démarche dans les tests statistiques
Risques d’erreur en statistique
Conditions d’application des tests
15/09/2015 418
Risques d'erreur statistiques
Risque de se tromper?
= risques d’erreur
Fausse absence
de différence
Risque α Degré de
Seuil de signification signification
(P-value)
Est fixé a priori
Est déterminer a
Est fixé à 5% en posteriori
santé et biologie Nécessite le calcul
du test statistique
p est une
15/09/2015 quantification du 424
Risques d'erreur statistiques
p≤0,05
•Il est peu probable que la
différence observée soit due
au hasard
Différence Test
observée statistique •On rejette H0 au risque α de
le faire à tort.
p>0,05
• La probabilité que la
différence observée soit
due au hasard est forte
Différence Test
observée statistique • On ne rejette pas H0 au
risque β de le faire à tort.
Absence réelle
d'effet
p>0,05
Résultat
non significatif
?
Manque de
puissance
Impossible de conclure
Ne pas conclure à l’absence de différence
Manque de puissance : effectif des sujets
insuffisant (nombre de sujets nécessaire NSN).
Plan
Rappel
Principe des tests statistiques
La démarche dans les tests statistiques
Risques d’erreur en statistique
Conditions d’application des tests
15/09/2015 428
Condition d’application des tests
Choix du test statistique
Nombre d’échantillons : 2 ou plus
15/09/2015 429
Indépendance des observations
Echantillons indépendants :
Quand les 2 (ou plus) paramètres comparés sont mesurés sur
des individus différents
Ex : Comparaison des poids moyens de 2 groupes
15/09/2015 433
Exemples de tests de comparaison
d’échantillons
Le cas d’un échantillon isolé :
Comparaison d'une proportion observée avec une
proportion théorique : Test pour une proportion
(khi²).
Comparaison d'une moyenne observée avec une
tendance théorique :
Les tests paramétriques : Test t pour un échantillon
Les tests non paramétriques :Test de rang signé de
Wilcoxon.
26/11/2023 434
Exemples de tests de comparaison
d’échantillons
Le cas de deux échantillons indépendants :
Pour comparer deux proportions : Le test du Khi2 «Khi-deux » ou test exact
de Fisher.
Pour comparer deux moyennes :
Les tests paramétriques : Le test Z / Le test «T» de Student (suppose la normalité
des distributions et l'égalité des variances).
Les tests non paramétriques : Le test de Mann-Whitney.
Le cas de plusieurs échantillons indépendants :
Pour comparer les variables qualitatives : Le test du Khi2 «Khi-deux » ou
test exact de Fisher.
Pour comparer les moyennes :
Les tests paramétriques : Le test ANOVA (Analyse Of Variance).
Les tests non paramétriques : Le test Kruskal-Wallis.
26/11/2023 435
Exemples de tests de comparaison
d’échantillons
Le cas de deux échantillons appariés :
Test paramétrique : test «T» de Student pour
données appariées.
Test non paramétrique : Le test de Wilcoxon.
Le cas de plus de deux échantillons
appariés :
Plusieurs séries de mesures sur les mêmes
individus (avant-après) :
Test paramétrique : ANOVA à mesures répétées.
Test non paramétrique : Le test de Friedman.
26/11/2023 436
Statistique inférentielle :
généraliser
26/11/2023 438
Principe de l ’analyse multivariée
Age Sexe
pS pS
Réponse au traitement
(Evènement à expliquer) p
Génotype
viral
Stade pS p
S
histologique p pS
Charge virale
Ancienneté Mode de
de l ’infection contamination
ANALYSES MULTIVARIÉES
Les analyses multivariées permettent de prendre
en compte les facteurs de confusion
Consommation
de café
p ? Cancer du
pancréas
TABAGISME
26/11/2023 440
Principe de l ’analyse multivariée
Variable dépendante
Variable à expliqué
≠
Variables indépendantes
Variables explicatives
Principe de l ’analyse multivariée
Age Sexe
?S Variable dépendante?S
Variable à expliqué
Réponse au traitement ?S
(Evènement à expliquer) Génotype
viral
Stade ?S ?
S
histologique ?
NS ?S
Charge virale
Ancienneté Mode de
de l ’infection contamination
Sexe
Age Variables indépendantes
?S
?
S
Variables explicatives
Réponse au traitement ?S
(Evènement à expliquer) Génotype
viral
Stade ?S ?
S
histologique ?
NS ?S
Charge virale
Ancienneté Mode de
de l ’infection contamination
Variables
quantitatives Régression
Mesurables linéaire
(continue)
26/11/2023 445
Régression linéaire
Régression linéaire
Les données
Y = variable à expliquer : variable quantitative ++++
X1,…, Xk = variables explicatives : qualitatives ou
quantitatives.
Deux étapes :
Régression linéaire simple (k = 1) : Résultats brut.
Régression linéaire multiple (k > 1) : Résultats ajusté.
Régression linéaire
Objectifs
On cherche à prédire les valeurs de la variable
dépendante à partir de celles de la (les) variable (s)
indépendante (s).
Y = a + bixi + e
Exemple :
La durée des soins (en minutes) = a +b * Age
(années)
Exemple
Variables explicatives?
Régression linéaire
simple
Xi : l’âge du patient
Y= +X +
f (X) Ecart au
Prévision du modèle modèle
Régression linéaire
Le Modèle linéaire multiple
Ecart au
f (X) modèle
Prévision du modèle
Régression linéaire
Interprétation des coefficients
Interprétation de βi
L’intervalle de confiance de βi
Le p-value
Y = + i Xi
Logiciel statistique
Régression linéaire
Interprétation des coefficients
Si βi = 0 : le facteur βi n’a aucun effet sur la
valeur moyenne de la variable dépendante.
Si βi > 0 : le facteur βi augmente la valeur
moyenne de la variable dépendante.
Si βi < 0 : le facteur βi décroît la valeur moyenne
de la variable dépendante.
Y = + i Xi
Le signe du coefficient nous indique le sens de
la relation.
Exemple : La durée des soins (en minutes) = 5 + 1,5 * Age
(années)
Régression linéaire
Interprétation des coefficients
• L’intervalle de confiance de βi :
Si l’intervalle de confiance (95 %) de βi ne contient pas la
valeur 0, on peut conclure : βi #0
Inférence statistique : extrapoler à la
population cible
Valeur estimée
-0,3 1,5
0,6
Régression linéaire
Les p-values
Test statistique :
H0 : =0
Y = + i Xi
H1: # 0
Le petit p (p-value) : lorsque le petit p (appelé
également degré de significativité) est inférieur au risque
alpha (5%), on rejette l’hypothèse nulle de nullité du
coefficient.
Si p-value ≤ 0,05 : rejet de H0
26/11/2023 457
Exemple
La durée moyenne des soins DMS(minutes) =
1,35+3 Age (années) -0,5 Sexe+ 6,6 Motif de consultation+
Sexe : si homme = 0, si Femme = 1.
Motif de consultation : si carie dentaire = 0, si Abcès dentaire = 1, si douleur dentaire = 2.
Chez les patientes du même sexe, ayant le même motif de
consultation, toute augmentation d’une année d'âge s’accompagne
d’une augmentation de 3 minutes de DMS. Cette diminution est
significative (p<0.001).
Chez les patientes de Sexe féminin/masculin, la DMS diminue de 0,5
minutes à âge égal et pour le même motif de consultation. Cette
diminution est cependant non significative (p = 0,12).
Chez les patientes du même sexe, ayant le même âgé, la DMS
augmente de 6,6 minutes chez les malades consultant pour abcès
dentaire par rapport à ceux ayant consulté pour carie dentaire: (non
significative, p = 0.052).
Chez les patientes du même sexe, ayant le même âgé, la DMS
augmente de 6,6 * 2 minutes chez les malades consultant pour
douleur dentaire par rapport à ceux ayant consulté pour carie
dentaire: (significative, p = 0.001).
Les données
Y = variable à expliquer : qualitative à 2 modalités (binaire)
++++
X1,…, Xk = variables explicatives : qualitatives ou
quantitatives.
Deux étapes :
Régression logistique simple (k = 1) : Résultats brut.
Régression logistique multiple (k > 1) : Résultats ajusté.
Le plus souvent appliquée à la santé:
Identification des facteurs liés à une maladie
Recherche des causes de décès ou de survie des patients
Régression logistique binaire
Objectifs :
Prédire la probabilité de la valeur de Y à partir
de la variable (des variables) indépendante (s).
On cherche à expliquer la survenue d’un
évènement Y (On cherche la probabilité de
succès) : Odds Ratio OR
Régression logistique simple (k = 1) : OR brut.
Régression logistique multiple (k > 1) : OR ajusté.
Odds ratio
26/11/2023 461
Exemples
P – value
Régression logistique binaire
Interprétation des coefficients
Odds ratio (ou « rapport des cotes »)
OR=1 : la maladie est indépendante du symptôme (le
facteur n’a pas d’effet).
OR>1 : la maladie est plus fréquente pour les
individus qui ont le symptôme (facteur de risque).
OR<1 : la maladie est plus fréquente pour les
individus qui n’ont pas le symptôme (facteur
protecteur).
Régression logistique binaire
Interprétation des coefficients
L’intervalle de confiance de l’OR :
Si l’intervalle de confiance (95 %) de l’OR ne contient pas
la valeur 1, on peut conclure : OR # 1 (i # 0)
Inférence statistique : extrapoler à la population cible
Valeur estimée
0,3 1,2
0,6
Régression logistique
Les p-values
H0 : OR=1
H1: OR # 1
Le petit p (p-value) : lorsque le petit p (appelé
également degré de significativité) est inférieur
au risque alpha, on rejette l’hypothèse nulle.
Si p-value ≤ 0,05 : rejet de H0
26/11/2023 467
Régression logistique binaire
Interprétation des coefficients
Facteurs associés au recours aux soins dentaires dans une
population d’adolescents marocains.
Régression Régression
logistique simple logistique multiple
26/11/2023 468
Conclusion