Cours D’épidémiologie Pour Urgentiste 1 Version Sept 2009 Cours

cours d’épidémiologie pour urgentiste #1 version sept 2009 cours d’épidémio #1 mesures de la fréquence des maladies et associations obj

Cours d’épidémiologie pour urgentiste #1 version sept 2009
Cours d’épidémio #1
Mesures de la fréquence des maladies et associations
Objectifs du cours :
- Définir et savoir calculer : incidence, prévalence, taux
- Savoir calculer et connaître les avantages et inconvénients des
ratio de cote, risque relatif, risque attribuable.
À lire:
*
Barbara W. Trautner, MDa,bet al., Prospective Evaluation of the
Risk of Serious Bacterial Infection in Children Who Present to the
Emergency Department With Hyperpyrexia (Temperature of 106°F or
Higher) PEDIATRICS Vol. 118 No. 1 July 2006, pp. 34-40.
http://pediatrics.aappublications.org/cgi/reprint/118/1/34
Exercices pratiques à faire avant le cours. Il s’agit d’exercices qui
serviront de point de départ pour les discussions.
Question #1
Selon vous laquelle des 2 entités suivantes a la prévalence la plus
élevée : le pulled elbow ou la fracture du fémur ? Pourquoi ?
Question #2
Faites la démonstration mathématique que OR=RR si la maladie est rare.
Question #3
Dans un petit village de 20 000 personnes, il y avait 100 personnes
sous traitement pour cancer du testicule et 1000 sous traitement pour
cancer de la prostate en 1998. Au cours des 5 années subséquentes, le
médecin du village a diagnostiqué 18 nouveau cas de cancer du
testicule et 20 cancer de la prostate. Laquelle des 2 maladies a
l’incidence la plus élevée dans ce village et pourquoi?
Question #4
Si on sait que la prévalence d’une maladie X est de 10 cas / 1 000
personnes et on sait que son incidence est de 5 nouveaux cas / 1 000
personnes à risque par année, peut-on estimer la durée moyenne de la
maladie ?
Question #5
Voici des tables donnant les taux de mortalité selon les âges pour 2
pays très différents.
Pays A
Pays B
Age
Taux mortalité / 100 000 pers
population
Taux mortalité / 100 000 pers
population
0-1 ans
100
10 000
200
3 000
1-5 ans
20
30 000
40
7 000
5-10 ans
10
30 000
20
30 000
10-18 ans
5
30 000
10
60 000
total
20.5
100 000
20.8
100 000
Comment expliquer que les taux de mortalité totaux sont similaires
pour des populations de tailles similaires malgré le fait que pour
chaque catégorie d’âge, le taux de mortalité est 2 fois plus élevé
dans le pays B que le pays A ?
Question #6
Voici un tableau construit à partir d’une étude prospective
Maladie +
Maladie -
Total
Facteur de risque +
20
80
100
Facteur de risque -
10
90
100
Total
30
170
200
Quel est le risque relatif de développer la maladie chez les gens
exposé ?
Quelle est la différence de risque ?
Qu’est-ce que ça veut dire ? Quelles en sont les implications ?
Quel est le odds ratio ?
Voici le même tableau construit sur le même sujet à partir d’une étude
cas-témoin.
Maladie +
Maladie -
Total
Facteur de risque +
20
10
30
Facteur de risque -
80
90
170
Total
100
100
200
Quel est le risque relatif de développer la maladie chez les gens
exposé ?
Quel est le odds ratio ?
Quelle est l’explication ?
Question #7
Supposons que les cancers A et B sont tout aussi méchant et mortels.
Si vous savez que la prise d’estrogène par les femmes ménopausées
diminue le risque du cancer A de 25% mais il augmente le risque du
cancer B de 75%, quelle autre donnée concernant les cancers A et B
vous sera nécessaire avant de faire des recommandations face à
l’utilisation d’estrogène ?
Question #8
Quels sont les avantages du risque relatif ?
Quels sont les avantages du odds ratio ?
Question #9
Un médecin a développé un nouveau médicament qui permet aux gens
atteint de cancer des os de vivre 9 mois de plus avec une bonne
qualité de vie. Avant cette nouvelle médication, l’espérance de vie au
moment du diagnostic était de 18 mois. Malheureusement, cette nouvelle
médication est associée à une hausse de la prévalence de la maladie de
50%. Est-ce que vous utiliseriez ce médicament dans votre pratique ?
Expliquez.
Question # 10 Dans l’article de Trautner :
Doit-on dire l’incidence ou la prévalence d’hyperthermie
(hperpyrexia)?
Quelle est l’incidence/prévalence d’hyperthermie dans leur population
?
Quelle est la prévalence de bactériémie parmi leurs patients avec
hyperpyrexie ?
Les auteurs disent que tous les patients avec hyperthermie furent
inclus dans l’étude. Est-ce une bonne affaire et pourquoi ?
Quelle est l’utilité de la FSC dans leur étude ?
Cours # 1 Mesures de la fréquence des maladies et associations
L’épidémiologie consiste en la description et l’étude de la
distribution des maladies et de leurs facteurs associés. Pour ce faire
la première étape consiste à déterminer la fréquence de la maladie.
1.
Mesures de fréquence
Quantifier une pathologie consiste à compter le nombre de personnes
atteintes de la pathologie. C’est une donnée est utile pour évaluer
les ressources nécessaires. Si l’on veut comparer l’occurrence de la
maladie dans diverses populations ou situations, il faut par contre
avoir plus d’information. La taille de la population à risque est une
donnée primordiale au calcul de la prévalence d’une
maladie(dénominateur). Il existe 3 types de paramètre mathématique
permettant de décrire la relation entre le numérateur et le
dénominateur :
*
Une cote (odds) est obtenue en divisant le nombre de cas de la
maladie ou condition X par le nombre de cas n’ayant pas la maladie
ou la condition X. Il s’agit donc d’un ratio de 2 probabilités. On
dira par exemple que dans les cas d’un traumatisme de la cheville
on retrouve 2 patients avec fracture pour 8 patients avec une
lésion des tissus mous dont une cote de 2:8 ou 1:4. Ce paramètre
est plus difficile à conceptualiser mais il est utile au point de
vue statistique pour des raisons mathématiques. Il est donc
utilisé fréquemment même s’il n’est pas instinctif de parler en
terme de cote.
*
Une proportion ressemble à un ratio mais le dénominateur contient
tous les cas et les non-cas (donc tous les participants). On peut
aussi parler de risque. On dira par exemple 2 patients avec
fractures sur les 10 patients avec traumatisme de la cheville. Le
risque de fracture parmi les enfants avec traumatisme de la
cheville est de 20%.
*
Un taux est une mesure d’association où le dénominateur contient
aussi une dimension temporelle. On dira par exemple que le taux
d’IVRS est en moyenne de 2 rhumes par enfant par année.
On peut toujours transformer une cote en risque et vice-versa. Pour ce
faire, on utilise la formule : Cote = risque / (1-risque) et risque =
Cote / (1+ cote)
La prévalence d’une maladie est définie par le nombre de patients
atteints de la maladie divisé par la population totale à un moment
précis. On peut la voir comme une photographie fixe dans le temps pour
décrire une situation. Elle nous donne la probabilité qu’un
participant soit atteint de la maladie à un moment précis. La
prévalence est élevée pour les maladies fréquentes et pour celles qui
durent longtemps. Ainsi, une maladie qui tue rapidement comme un
cancer agressif aura une prévalence plus faible qu’une autre qui tue
lentement. On peut aussi parler de la prévalence d’une maladie pour un
moment non fixe dans le temps mais fixe dans une vie. Par exemple, on
parlera de la prévalence d’anomalie congénitale à la naissance, du
taux d’une maladie à l’autopsie ou de la prévalence d’enfants non
vaccinés à l’entrée à l’école.
Prévalence = Nombre de personne avec la maladie ou la condition X
Nombre de personne à risque de la maladie ou la condition X
L’incidence de la maladie permet d’ajouter la dimension temporelle au
calcul du ratio entre les cas et la population à risque. Il s’agit du
nombre de patients ayant développés la maladie pendant une période
donnée divisé par le nombre de participants à risque de développer la
maladie. Le dénominateur contient tout ET seulement les gens à risque;
il exclut donc les participants ayant déjà la maladie au début de la
période de surveillance ou ceux qui ne pourrons jamais avoir la
maladie.
Incidence : Nombre de nouveaux cas de la maladie ou condition X
Nombre de personnes à risque * période de temps
L’inclusion de patients qui n’ont aucun risque d’avoir la maladie dans
le dénominateur diminuera le taux mesuré de la maladie. Par exemple,
l’incidence de balanite paraîtra faussement basse dans les régions ou
une majorité de garçons sont circoncis car ceux-ci n’ont aucune chance
de faire une balanite. L’incidence n’est pas influencée par la durée
de la maladie parce qu’on mesure le taux de nouvelle maladie. Si le
risque de développer la maladie est constant dans le temps, les
participants ne doivent pas nécessairement être tous évalués pendant
toute la durée de l’étude. Par exemple, voici une étude sur le risque
de pneumonie chez 6 enfants avec FKP :
Patients Début 3 mois 6 mois 9 mois 12 mois
Patient 1
-----------------------------------------------------------------Pneumonie
Patient 2 -------------------------------
Patient 3 ----------------------------------------
Patient 4
-------------------------------------------------------------------------------
Patient 5 --------------------------------------pneumonie
Patient 6 ----------------------------------------------------
Période d’observation patient 1 : 9 mois
Période d’observation patient 2 : 3 mois
Période d’observation patient 3 : 6 mois
Période d’observation patient 4 : 12 mois
Période d’observation patient 5 : 6 mois
Période d’observation patient 6 : 6 mois
Donc total de périodes d’observation : 42 mois
Il y a 2 pneumonies pour 6 patients qui totalisent 42 mois
d’observation.
Il y a donc 2 / ( 42 patients- mois)
Incidence : 1 pneumonie / 21 patients-mois
On peut exprimer la relation entre l’incidence et la prévalence par la
formule :
Prévalence = incidence * durée de la maladie.
On peut donc calculer la durée moyenne d’une maladie si on en connaît
la prévalence ainsi que l’incidence.
Dans le cas de maladie chronique, la prévalence (cas avec la maladie)
est grande mais l’incidence (nouveaux cas) est petite donc la durée de
la maladie est longue.
Dans le cas de maladies aigues fréquente mais non létales, i.e. : un
rhume, l’incidence (nouveaux cas) sera grande mais étant donné que la
durée est courte la prévalence est petite à moins d’avoir une
épidémie.
Cette relation est importante car on a souvent dans les données
publiées la prévalence d’une maladie mais si on veut faire une étude
prospective de prévention ou de traitement de cette maladie, c’est
plus intéressant de savoir l’incidence de la maladie (nouveaux cas).
Si on connaît la prévalence et qu’on estime la durée de la maladie
selon nos connaissance on peut dériver l’incidence.
La standardisation
Il est parfois difficile de comparer les prévalence et incidence d’une
maladie pour 2 populations très différentes parce qu’il peut y avoir
plusieurs facteurs influençant ces données. Ainsi les taux de
mortalité de nos jours sont difficiles à comparer à ceux des années 30
parce que notre population est beaucoup plus vielle de nos jours… Une
façon de remédier à ce problème est de calculer des taux spécifiques
pour chaque catégorie (âge, sexe, race) de la population. On appelle
cela la standardisation. La standardisation directe consiste à
utiliser une distribution standard et a y appliquer les taux de la
maladie spécifiques à chaque catégorie. Par exemple, si l’on veut
comparer les taux de mortalité de 1930 et de 2000, on peut utiliser la
population de l’an 1980 stratifiée en groupe d’âge (0-10 ans, 10-20
ans, etc.) et on applique les taux de mortalité pour les différentes
strates d’âges pour les 2 populations. Les taux de mortalité obtenus
seront donc plus comparables parce qu’ils ne seront pas influencés par
la distribution de la population (qui diffère entre 1930 et 2000).
Cependant, plusieurs maladies ou conditions sont intimement liées à
l’âge. On obtient donc des résultats qui ne représentent pas la
réalité si on modifie la distribution d’âge. Pour contourner ce
problème, on peut comparer le taux de mortalité obtenu dans une
population à celui que l’on s’attendrait à avoir normalement. Cette
technique s’appelle le taux de standardisation indirect. Elle consiste
à appliquer les taux de maladie d’une population standard à la
population étudiée. On obtient ainsi un nombre de maladie prévu
(expected outcome). On divise le nombre de maladie observé par le
nombre prévu pour obtenir un ratio de maladie standardisé. Ce ratio
permet d’évaluer le taux de maladie par rapport à une population
standard. Voici un exemple pour des gens travaillant dans les mines
d’amiante. Le taux de mortalité contrôle est celle de la population
générale d’homme blanc:
Groupe d’âge # participant # décès taux de mortalité # décès prévu
pop générale (taux mort * #particip)
(/100 000)
15-24 1250 2 5 0.1
25-34 3423 3 7 0.2
35-44 3275 5 9 0.3
Total 7948 10 7 0.6
Taux de mortalité 1,25 par 1000 chez les participants (10 cas/7948
participants) vs un nombre de décès prévu de 0.07 par 1000 hommes (7
par 100 000 contrôles)
Taux de mortalité standardisé : taux de maladie observé / taux de
maladie prévu=
1.2/0.07= 17.1
En résumé, dans la standardisation directe, on utilise la même
distribution du facteur de risque ( par exemple la même distribution
de population) dans les 2 groupes. Pour ce qui est de la
standardisation indirecte, on utilise les taux de décès (par
catégories) d’un groupe pour calculer quel serait le taux de décès
total de l’autre groupe s’il avait des taux de décès semblables.
2.
Mesures d’association
1.2.1 Risque relatif
Les mesures d’association permettent d’évaluer l’ampleur d’une
association entre une exposition (médicaments, toxine etc.) et une
maladie ou une condition X. Pour évaluer les associations, il faut
être familier avec les tables 2x2. Ces tables présentent dans un axe
(habituellement en vertical) une variable indépendante (le facteur de
risque ou l’exposition ou le médicament) et dans l’autre axe une
variable dépendante (le outcome : maladie ou condition X). Chacune des
cellules se nomme a, b, c, d. Pour créer cette table, il est important
d’avoir des variables dichotomiques (mort-vivant, maladie/pas de
maladie, etc.). Lorsqu’il s’agit d’une variable continue ( ex chiffre
de tension artérielle, niveau d’hémoglobine) cette dernière doit être
transformée en variable dichotomique en choisissant un point de
brisure (cut-off). On pourrait, par exemple, décréter qu’une tension
artérielle < que le 5ème percentile est une hypotension (outcome +) et
que tout ce qui est au-dessus est une absence d’hypotension.
Outcome +
Outcome -
Exposé
A
B
Non exposé
C
D
Le risque (R) consiste en la probabilité d’avoir l’outcome choisi pour
un groupe. Par exemple, on dira que pour les gens exposé à l’amiante,
le risque de développer un cancer du poumon est de 1 pour 10 000
patients. Le risque relatif (RR) estime l’ampleur d’une association
entre une exposition et une maladie et indique la probabilité de
développer la maladie dans un groupe exposé versus un groupe non
exposé.
Définition: Ratio de l’incidence de maladie dans le groupe exposé
divisé par l’incidence de la même maladie dans un groupe non exposé.
RR : Incidence dans le groupe exposé
Incidence dans le groupe non exposé
C’est une mesure d’association pouvant être utilisée pour les études
prospectives comme les études de cohorte ou les essais cliniques
randomisés. Pour ce faire on compare l’incidence d’une maladie dans le
groupe exposé divisée par celle du groupe contrôle. Dans la table e,
on calculerait le risque relatif par la formule :
RR = A / (A+B)
C / (C+D)
Un risque relatif de 1 indique que le risque de maladie est le même
dans les 2 groupes. Si RR est > 1, l’exposition est un facteur de
risque de la maladie tandis que si le RR est entre 0 et 1,
l’exposition protège de la maladie. On ne peut pas avoir de valeur
négative. L’avantage principal du risque relatif est qu’il est facile
à concevoir à l’esprit. Un RR de 3 signifie que le risque de
développer la maladie est trois fois plus élevé pour le groupe exposé.
Il ne nous donne aucune information sur l’incidence de la maladie dans
les 2 groupes. Le principal inconvénient du risque relatif est d’ordre
statistique : il ne peut pas être utilisé dans les études où le ratio
de cas et de contrôles sont déterminés au préalable. Ainsi il ne peut
pas être utilisé dans les études cas-témoin.
Il existe plusieurs façons de comparer les risques de différentes
populations.
*
La différence de risque (risk difference RD) ou risque attribuable
est une mesure d’association donnant de l’information sur l’effet
absolu d’avoir la maladie si on est exposé ou non. Elle est
définie comme la différence entre l’incidence de la maladie entre
les patients exposés et les non exposés.
La différence entre le RR et risque attribuable peut être illustré par
cet exemple. Une longue étude sur l’effet d’une diminution du
cholestérol avec la médication X sur la mortalité démontre une baisse
de la mortalité de 30 %. Lorsque l’on calcule le nombre de décès
évités par la diminution du cholestérol, la faible incidence de
mortalité dans les 2 groupes (traités ou non) mène à une baisse de
seulement 4 cas sur 1000 patients. La différence de risque est une
mesure brute de la différence entre les 2 groupes. Ainsi, une maladie
qui est très rares pourra avoir un risque relatif élevé mais elle aura
une faible différence de risque. En contrepartie, une exposition avec
un effet minime aura un impact important sur la différence de risque
d’une maladie fréquente.
RD : A/A+B - C/C+D
RD = Ie - Io
Où Ie = risque chez le groupe exposé et Io= risque chez le groupe non
exposé
Interprétation des RD :
*
RD=0, pas d’association
*
RD>0: association causale positive entre l’exposition et la
maladie, indique le nombre de cas de maladie attribuable à
l’exposition
*
RD<0: association causale négative entre l’exposition et la
maladie indique le nombre de cas protégés par l’exposition
Number needed to treat (NNT):
La différence de risque (RD) est une bonne façon d’évaluer l’ampleur
de l’amélioration due à un traitement ou une intervention comparé à
une autre intervention ou au processus de guérison naturelle.
Cependant, elle est difficile à conceptualiser lorsqu’on décide du
traitement. Le NNT nous dit combien de patients auraient besoin d’être
traités pour prévenir un cas de maladie.
Il est calculé comme suit : 1/RD
La réduction du risque relatif est une mesure du changement de risque
(amélioration) de maladie si le patient est traité ou exposé en
relation au niveau de base de la maladie. Il existe 2 façons de le
calculer :
RRR = (Ie - Io) / Io RRR= 1-RR
Le risque attribuable de la population (population AR) est une mesure
de l’incidence d’une maladie dans la population générale moins
l’incidence de la maladie chez les patients non exposés. Cette mesure
permet d’évaluer 2 aspects d’une exposition : Son effet sur la maladie
et sa prévalence. Par exemple, l’amiante augmente de beaucoup le
risque de cancer chez les gens exposé mais son exposition est rare et
l’effet de l’amiante est faible sur la population générale. D’autre
part, l’obésité augmente un peu le risque de cancer mais elle
tellement présente que l’effet sur la population est important.
PAR = Ipop – Io
1.2.2 Les ratio de cote (Odds ratio)
*
La cote (odds) est une expression mathématique souvent utilisée
dans les jeux de hasard (ou les paris sportifs). Dans des études
de type cas-témoins, les participants sont sélectionnés selon
qu’ils ont ou pas le résultat ou la maladie. C’est souvent
impossible de calculer le taux de développement de la maladie
selon la présence d’exposition ou pas.
*
Dans ces cas, on ne peut calculer un RR mais il peut être estimé
par le rapport de cotes (odds ratio) en calculant la probabilité
d’exposition chez les malades vs les contrôles.
*
Le OR est une approximation du RR dans la plupart des conditions
rencontrées dans les études cas-témoins: il n’y pas de maladie
étudiée dans le groupe contrôle et les cas et les témoins n’ont
pas été sélectionnés selon leur exposition.
*
Lorsque la prévalence de la maladie étudiée est faible, les deux
ratios sont très près l’un de l’autre.
Contrairement au risque, le dénominateur d’une cote ne contient pas
tous les sujets à risque mais seulement ceux qui sont non-exposés.
Ainsi si un cheval a 3 chances sur 5 de gagner une course, on dit
qu’il a une cote de 3 pour 2. Il a donc 3 chances de gagner pour 2
chances de perdre. Le ratio de cote (odds ratio) permet de comparer 2
cotes dans toutes sortes de situations. On obtient un ratio de cote en
divisant le ratio d’exposition du groupe malade par le ratio
d’exposition du groupe contrôle. En utilisant la table ci haut on
obtiendrait :
OR : Probabilité d’exposition chez les cas =A/C
Probabilité d’exposition chez les témoins =B/D
OR = A/C / B/D = A*D / B*C
Interprétation des rapports de cotes
*
OR=1: pas d’association entre l’exposition et la maladie.
*
OR<1: association négative. Être exposé protège de la maladie.
*
OR>1: association positive. Être exposé augmente la chance de la
maladie.
Les résultats obtenus sont plus difficiles à expliquer car il ne
s’agit de pas de la comparaison de 2 risques. Ainsi un OR de 3 ne
signifie pas nécessairement que le risque de maladie est trois fois
plus élevé. Ça signifie que le ratio exposé/non-exposé est 3 fois plus
élevé chez les patients atteints de la maladie. Malgré cette
complexité, les ratio de cote possèdent d’importants avantages
expliquant leur grande popularité dans la littérature médicale.
Premièrement, on peut les utiliser dans tous les types d’études
(prospective, rétrospective, essaie clinique, etc.) car ils sont
statistiquement robustes. De plus, les calculs mathématiques complexes
effectués par des ordinateurs rapportent habituellement des valeurs
apparentées aux ratios de cote. C’est le cas particulier des
régressions linéaires et des méta-analyses. Enfin une propriété des
ratios de cote est que lorsque l’incidence de la maladie est rare, le
ratio de cote et le risque relatif sont semblables.
1.3 La valeur de p et les Intervalles de confiance :
La valeur p mesure la force de l’association et la taille de
l’échantillon. La valeur p représente la probabilité d’avoir une
valeur aussi ou plus extrême que celle obtenue dans le cas ou il n’y
aurait pas de différence entre les traitements. Cette valeur n’a pas
de signification si les deux traitements sont différents dans la
réalité. Par exemple, une valeur p de 0.02 signifie que si deux
traitements sont identiques, les risques d’avoir un résultat aussi
extrême que celui mesuré est de 2 %. Ceci ne signifie pas que la
probabilité d’avoir une différence est de 2%. La convention est qu’une
valeur inférieure à 0.05 est significative. Donc une petite différence
peut être statistiquement significative si la taille de l’échantillon
est grande et inversement une grosse différence peut ne pas être
statistiquement significative si la taille de l’échantillon est trop
petite. La valeur p devrait être considérée comme un guide plus que
comme une conclusion ferme sur la valeur de l’association. Pour
pallier aux difficultés d’interprétation de la valeur p on fait
appelle aux intervalles de confiance
Les intervalles de confiance (CI) représentent une fourchette de
valeurs à l’intérieur de laquelle se retrouve la vraie mesure de
l’effet avec un certain degré d’assurance.
*
Ex: ARR est 11.9% ( 2.6%-21.2%): indique que la vraie ARR se situe
avec 95% de confiance entre 2.6 et 21.2.
*
Si les valeurs inclus dans l’intervalle inclus 0, la valeur de p
sera > 0.05
*
Si la valeur de 0 n’est pas inclue comme dans l’exemple, la valeur
p est < 0.05 (p=0.02)
*
La largeur de l’intervalle de confiance indique la somme de
variabilité inhérente à l’estimation donc l’effet de la taille de
l’échantillon. Plus l’intervalle de confiance est large plus la
variabilité de l’estimation est grande et la taille de
l’échantillon est petite. C’est particulièrement important dans
l’interprétation de résultats d’études qui ne sont pas
statiquement significatifs.
*
Ex: si l’intervalle de confiance est étroit, cela supporte
l’impression qu’il n’y a pas d’augmentation réelle du risque.
*
Si l’intervalle est large, c’est compatible avec une augmentation
ou diminution réelle du risque mais la taille de l’échantillon ne
permet pas d’avoir la puissance nécessaire pour exclure que la
chance seule ait pu donner ces résultats.
Les notions de valeur p et d’intervalle de confiance seront reprises
de façon extensive au cours # 10.
page11