Chapitre 3

Les enquêtes en
épidémiologie descriptive
 1. A quoi servent les enquêtes
descriptives?
Elles doivent être conçues pour apporter l’information
nécessaire à des décisions de santé, visant à satisfaire
des besoins de santé
Elles permettent de décrire la situation d’une maladie dans
une population donnée, à un moment donné ou son
évolution dans le temps et dans l’espace.
 2. Les objectifs des enquêtes
descriptives
Les enquêtes descriptives ont pour objet de décrire les
caractéristiques d’un phénomène de santé dans une
population, son évolution dans le temps, sa répartition et
son évolution dans l’espace.
On peut en distinguer deux grands types :
- Les enquêtes transversales
- Les enquêtes longitudinales
 Les enquêtes transversales

Réalisées pendant un temps court, elles permettent d’avoir une

image instantanée (un cliché) du phénomène de santé
étudié. Etant donné leur brièveté, ces enquêtes ne
permettent pas de mesurer l’incidence d’une maladie, mais
seulement la prévalence. Elles fournissent une vue statique
ne permettant pas de connaître l’évolution dans le temps ou
dans l’espace. Cependant la répétition de ces enquêtes
fournit une série de clichés permettant d’apprécier la
dynamique.
Elles peuvent s’appliquer à l’ensemble de la population
(enquête transversale exhaustive) ou à un échantillon de la
population sous forme d’enquête par sondage.
 Les enquêtes longitudinales
Elles permettent de suivre pendant une longue période un
phénomène de santé dans un ou plusieurs groupes, par des
observations périodiques ou continues. Elles sont
particulièrement adaptées à la mesure de l’incidence d’une
maladie et fournissent une bonne idée de la dynamique (dans
le temps et dans l’espace).

 Fig 3.1
 4. Echantillonnage

 La plupart des enquêtes épidémiologiques

correspondent à des enquêtes par sondage :
elles ne portent que sur un échantillon de la
population (réduction des coûts).
 L’étude d’une caractéristique de l’échantillon
permet d’estimer celle de la population. Il s’agit
donc d’une « extrapolation » dont la validité
sera tributaire de la qualité du choix de
l’échantillon
 Figure 3.2
 4. Echantillonnage

 Exactitude
– échantillon représentatif
– obtention par tirage au sort
 Précision
– varie selon la taille de l’échantillon
– écart-type d’une proportion :

 =  pq/n
– IC 95% = p ± 2 
 Figure 3.3
 Figure 3.6
 Echantillonnage : exactitude
 Facteurs conditionnant l’exactitude :
– L ’échantillon doit être représentatif de la population :
tout individu de la population à représenter peut figurer
dans l ’échantillon, avec une probabilité non nulle, connue
et égale pour tous les individus présentant les mêmes
caractéristiques d ’intérêt.
– La représentativité peut être globale ou pour une
caractéristique. Le tirage au sort permet d ’assurer la
représentativité globale.
– L’augmentation du nombre d ’unités de l ’échantillon ne
permet pas de compenser le biais du à l ’absence de
tirage au sort. Un échantillon, si petit soit-il, est
représentatif dès qu’il résulte d’un tirage au sort.
 Exactitude :
méthodes d’échantillonnage
 Tirage au sort : nombres aléatoires
– table de nombres aléatoires
– fonction de type « randomize »
» exemple : en Excel, ALEA()
 sondage aléatoire simple
 échantillonnage systématique
 sondage aléatoire stratifié
 sondage aléatoire en grappes
 sondage aléatoire à plusieurs degrés
 Echantillonnage : précision
 Facteurs conditionnant la précision :
– Lorsque la taille d ’échantillon est suffisamment
grande, la dispersion des résultats obtenus par tirage
au sort peut être représentée par une courbe en cloche
– L’écart type est donné par la formule suivante : σ = 
avec σ : écart type pq
p : proportion estimée (entre 0 n
et 1) q : complément à 1 de
la proportion = (1-p) n : nombre
d ’unités dans l’échantillon Cette formule
ne s’applique que lorsque la taille de l’échantillon est
faible par rapport à celle de la population (n/N  10%)

La précision est donc conditionnée par la taille de l’échantillon

 Précision : la taille de l’échantillon
 Fluctuations d’échantillonnages
– calcul d’un intervalle de confiance (IC)
» largeur de l’IC relative à la précision de l’estimation
– la taille de l’IC diminue lorsque la taille de l’échantillon
augmente
 utilisation
des tables
 précision absolue (Pa)
= moitié de l’intervalle de confiance
 précision relative (Pr)
= Pa/p (p = proportion estimée)
 C. Détermination de la taille des
échantillons
 Une enquête descriptive portant sur un échantillon a un
objectif :
– soit quantitatif
– soit qualitatif (infecté ou indemne par rapport à un seuil)

 Fig 3.9
 Détermination de la taille des
échantillons

1. Démarche quantitative et qualitative

1. Quantification : quel nombre d ’animaux étudier
pour estimer la proportion d ’atteints dans une population
donnée avec une précision donnée
- fonction du degré de précision (relative) désiré
- fonction du nombre d’animaux dans le troupeau
- fonction de la proportion d’animaux atteints
2. Réponse qualitative : détecter les troupeaux
dont le pourcentage de réponse positive est supérieur au
niveau retenu et identifier les troupeaux indemnes ou
dont le taux de prévalence est inférieur à un taux de
prévalence choisi
 Figure 3.10
 Détermination de la taille des
échantillons

2. Démarche quantitative

Fluctuation d’échantillonnage => intervalle de

confiance
a. Précision absolue et relative
b. Fraction ou taux de sondage
 Détermination de la taille des échantillons : démarche
quantitative

a. Précision absolue : « mesure de la dispersion des

valeurs de l’estimation autour de la moyenne »
Précision relative : « rapport de la précision absolue
sur la valeur estimée »
IC :
p 95% (fourchette : 2 écarts-type de chaque
côté de la moyenne),
p 99% (2,6 écarts-type)
tables (V tableaux)
 Encadré 3.2
 Tab 3.2
 La lecture de ces tables permet de vérifier :
– que la taille de la fourchette diminue lorsque le
nombre d ’unités de l ’échantillon augmente
– que la taille des fourchettes est plus importante pour
p 99% que pour p 95%
 Détermination de la taille des échantillons : démarche
quantitative

b. Fraction ou taux de sondage : correspond à la

proportion de la population introduite dans
l’échantillon

 Le calcul de l’écart type d’une population estimée

suppose un tirage avec remise (rarement utilisé en
pratique : on parle alors de tirage au sort sans remise
ou exhaustif)
 Figure 3.11
 Détermination de la taille des échantillons :
démarche quantitative

 On admet que les modifications sont négligeables si le

taux de sondage est inférieur à 10% (n/N < 10%)
 Si le taux est supérieur à 10 %: on doit corriger par un
facteur d ’exhaustivité:

f=(1-n/N)
 b1.Taille des échantillons correspondant à un
faible taux de sondage (<10%)

 Tab 3.4
 b2.Taille des échantillons correspondant à
un taux de sondage >10%
– Le nombre de sujets nécessaire sera moins élevé

 Tab 3.5
 Détermination de la taille des échantillons :
démarche qualitative

 Objectifs :
– Détection de l’infection ou de la maladie dans la
population étudiée en n’examinant qu’un
échantillon
– Définir la taille minimale de l’échantillon permettant
d’obtenir au moins une réponse positive au test de
dépistage, avec un risque d’erreur donné (5 %)
 Soit
– détection de la maladie
– comparaison d’une prévalence à une prévalence
limite
 a. Détection d’une maladie

 Si on identifie, dans l’échantillon, un individu

malade, on considère que la maladie y est
présente.
 Figure 3.13
 Lorsque l’on conclut que la population est indemne, alors
qu’en fait elle est atteinte, il s’agit d’une erreur par défaut
due au manque de sensibilité du test
 Lorsque l’on conclut que la population est infectée alors
qu’elle est indemne, il s’agit d ’une erreur par excès liée à un
manque de spécificité du test
 a. Détection d’une maladie

 En supposant Se=1, le risque d’erreur par défaut

correspond à la probabilité de n’avoir aucun animal infecté
parmi les n animaux tirés au sort au sein de la population.
Cette probabilité dépend à la fois de la prévalence de la
maladie et de la taille de l’échantillon.
 La probabilité de tirer n individus indemnes dans une
population avec une prévalence p : (1-p) n elle va donc
diminuer
– à mesure que la prévalence augmente
– à mesure que la taille d’échantillon augmente
 Figure 3.14
 Figure 3.15
 a. Détection d’une maladie
 Habituellement, on fixe le risque d’erreur à 95 ou 99%.
On peut alors déterminer la taille de l ’échantillon en
fonction de la prévalence

Pour un risque de 5%:

il faut un échantillon
 Fig 3.16 de :
150 pour p = 2%
300 pour p = 1%
600 pour p = 0,5%
 a. Détection d’une maladie

 On doit donc choisir le taux de prévalence que l ’on

veut détecter (taux de prévalence limite : TPL) tous les
taux de prévalence qui lui sont supérieurs seront
détectés avec une p > 95% et ceux qui lui sont
inférieurs avec p < 95%
 Tab 3.8
Taille des échantillons nécessaires pour la détection d ’une maladie dans une
population finie (taux de sondage >10%), en fonction de la taille de la
population et du TPL, pour un risque d ’erreur de 5%

 Tab 3.9
 Fig 3.17
 a. Détection d’une maladie

 Si Se < 1, il convient de prendre la prévalence apparente

(et non réelle) pour calculer la taille de l ’échantillon
 Quelques éléments supplémentaires

 Ne pas prendre les nombres des tables de

manière trop strictement mathématique
 le nombre d’animaux est également
dépendant du budget alloué
 les tables sont données pour des tests
parfaits : se = 100 %, sp = 100 %
b. Comparaison du taux de prévalence
à un taux de prévalence limite

 Figure 3.12
 8. Les erreurs aléatoires et les biais

 A. Définitions
– Une erreur correspond à une différence par rapport
à la réalité (écart entre la valeur réelle et mesurée).
2 types d ’erreur
» erreurs vraies, aléatoires : pour un élément à
mesurer, les valeurs obtenues entourent la
valeur réelle (imprécision autour de la réalité)
» erreurs non aléatoires, systématiques ou
biais : image différente de la réalité. Le biais
induit une déformation de la réalité.
– Les biais sont donc redoutables car ils conduisent à
des résultats inexacts
 Figure 3.28
 Figure 3.29
 8. Les erreurs aléatoires et les biais
 B. Les erreurs aléatoires

– Peuvent être observées à chaque étape d’une

enquête descriptive
– Ne déforment pas la réalité mais introduisent un
degré d’imprécision
 Tab 3.17
 8. Les erreurs aléatoires et les biais

 C. Les biais

– 3 grandes catégories :
» biais d’échantillonnage
» biais d’observation ou de mesure
» biais de confusion
8. Les erreurs aléatoires et les biais

– 1. Biais d’échantillonnage : à l’origine de la non

représentativité des échantillons en enquête
descriptive. Peuvent être dus à différents
facteurs :
» absence de tirage au sort, introduction
uniquement d’éleveurs volontaires dans
l’échantillon
» absence de réponse liée à un facteur
particulier d’une proportion importante des
unités tirées au sort (non réponses)
8. Les erreurs aléatoires et les biais
–2 . Biais d’observation ou de mesure :
origine :
» outil de mesure mal adapté
» questionnaire mal conçu
» enquêteur mal formé, surmené ou démotivé
» éleveur :
– oubli (croît avec le délai)
– subjectivité
– méfiance
– ignorance
– fatigue
» qualité du prélèvement
» méthode d’analyse de laboratoire
8. Les erreurs aléatoires et les biais

– 3. Biais de confusion : liés à

» l’agencement des données en groupes
» l’existence de facteurs de confusion : facteur
réellement responsable de la différence entre
2 groupes, mais attribué, par erreur, à un
autre élément.
» un mauvais choix de méthode statistique
 8. Les erreurs aléatoires et les biais
– 4. Attitude face aux biais : limitation :
» a. Au moment de la conception de l’enquête :
définition des objectifs, protocole rigoureux
» b. En début d’enquête :
– biais d ’échantillonnage (contraintes administratives, financières),
– biais de mesure dus aux enquêteurs,
– biais dus au questionnaire
» c. Pendant l’enquête : biais d ’enregistrement
» d. A la fin de l’enquête : recenser les biais de
l’enquête et en tenir compte lors de l ’interprétation
des résultats
 Touteenquête comporte des biais. Leur présence
ne supprime pas la valeur de l’enquête, mais
apporte des limites aux conclusions apportées
 Encadré 3.4
 Encadré 3.5