2005 Epidémiologie Aline Reinmann - Cyberlearn

2005 Epidémiologie
Aline Reinmann

Objectifs du cours

 Connaître les notions de bases en épidémiologie : associations, causalité, mesures
 d’associations, prévalence/incidence, types d’études en épidémiologie
 Etre capable de comprendre la section résultat d’un article en physiothérapie

05.11.2019 Page 2

Contenus du cours

 Définition de l’épidémiologie
 Historique de l’épidémiologie
 Type d’association
 Causalité
 Grandes épidémies mondiales
 Différentes études possibles en épidémiologie : RCT, cohortes et cas-
 témoins
 Mesures d’association
 Exercices

05.11.2019 Page 3

Epidémiologie
Définition

  « L’étude de l’occurrence et de la distribution d’événements, d’états et
 de processus liés à la santé dans des populations spécifiques, y compris
 l’étude des déterminants influençant ces processus et l’application de
 ces connaissances pour contrôler des problèmes de santé pertinents»
 (Porta et al., 2014 cité dans Pallot 2019)

05.11.2019 Page 4

Type d’épidémiologie

 Descriptive = décrire  Analytique = comprendre
Décrire les caractéristiques, l’état de santé Comprendre et quantifier les associations
d’une population entre les caractéristiques
Observationnelles, pas d’intervention Observationnelles ou interventionnelles

Détermine la répartition des maladies dans Hypothétiques relations et déductions
une population et période données causales entre des expositions et
Ne se préoccupe pas des liens de cause à événements
effet
Formulation d’hypothèses étiologiques Utilise des statistiques descriptives et
ensuite vérifiées par des enquêtes inférentielles => tests hypothèses
analytiques Identification de facteurs de risque

 (Jeannot 2017 ; Pallot 2019)
05.11.2019 Page 5

Histoire de l’épidémiologie

 VIH

05.11.2019 Page 6

Association
Définition

 Dépendance statistique entre deux (ou plus) événements,
 caractéristiques ou autres variables
 Quand le changement d’une variable est concomitant ou coïncide avec
 le changement d’une autre variable
 Lien-relation-corrélation
 (OMS, 2003 ; Porta et al., 2014 cité dans Pallot 2019)

05.11.2019 Page 7

Association
Types d’associations

 Positive : si la variable A est augmentée, la variable B l’est aussi
 diabète de type 2 => risque de tendinopathie

 Négative (inverse) : si A est augmentée, B est diminuée
 activité physique => risque diabète de type 2

 Proportionnelle : il est possible de passer des valeurs d’une variable aux
 valeurs de l’autre variable en multipliant ou en divisant par une constante

 Non proportionnelle : pas proportionnelle
 (Pallot 2019)
05.11.2019 Page 8

Histoire de l’épidémiologie

 VIH

05.11.2019 Page 9

Variables
Types de variables

 Indépendante : la variables causale (supposée ou avérée) donc c’est
 qui engendre l’effet
 Dépendante : celle qui est l’effet de la variable causale
 Confusionnelle : variable indépendante qui influence l’association
 entre variable dépendante et indépendante
 Contrôlée : variable de confusion qui a été maîtrisée (c.f.biais)
 Intermédiaire : dépendante de la variable causale et indépendante de
 la variable dépendante

 (Pallot 2019)
05.11.2019 Page 10

Associations
Exemple d’associations

De quelle nature est la variable activité physique dans ces exemples?
 Diminution de l’AP => dépression
 Douleur => diminution de l’activité physique
 Douleur => diminution de l’activité physique => dépression

 diminution de l’activité physique

 Handicap ====================> dépression
 (Pallot 2019)
05.11.2019 Page 11

Histoire de l’épidémiologie

 VIH

05.11.2019 Page 12

Causalité
Critères de causalité

 Différence entre association et causalité
Association = mis en évidence statistiquement
Causalité = répond à des critères spécifiques, relation de cause à effet
qu’elle produit
Inférence causale = quantification de la relation

 (Pallot 2019)
05.11.2019 Page 13

Cinq explications possible d’association
Boire du café et avoir un infarctus du myocarde (IM)

Explication Type Qu’est-ce qu’il se passe? Modèle causal
 d’association
1. Chance faux Café et IM ne sont pas liés -
2. Biais (erreur faux Café et IM ne sont pas liés -
systématique)
3. Effet-cause réelle IM est une cause de boire du IM => boire du café
 café
4. Confondant réelle Un 3ème facteur cause l’IM et le
 fait de boire du café

5. Cause-effet réelle Café est une cause de IM Boire du café => IM

 (Hulley et al., 2013)
05.11.2019 Page 14

Causalité
Auteur Critères de Explications
 l’association
Surgeon General’s Force Forte association statistique
criteria
 Consistance Mêmes résultats retrouvés par des investigateurs différents,
 dans des lieux différents, à des temps différents, sur des
 populations différentes et via des méthodes différentes
 Spécificité Cause produit un effet spécifique
 Temporalité Cause précède toujours l’effet
 Cohérence Compatibles avec les connaissances que l’on a sur le sujet
 (biologique, clinique, psychologique, sociologique, sociale,
 épidémiologique, …)
Critères de Hill Dose-réponse Changement dans la quantité de l’exposition = changement
 dans la quantité de l’effet
 Plausibilité Plausible avec les connaissances pathobiologiques existantes
 biologique
 Preuve Des études montrent ce lien : modification de l’effet quand on
 expérimentale modifie l’exposition causale
 Analogie Le processus de cause à effet a des exemples semblables
 scientifiquement établis

 (Pallot 2019)
 05.11.2019 Page 15

Histoire de l’épidémiologie

 VIH

05.11.2019 Page 16

Rapports
Rapport Calcul Exemple
 
Proportion P = + Etude sur 2318 lombalgiques. Parmi eux,
 Numérateur et dénominateur de même nature 1046 continuaient une activité physique
 (même variable) >2h/semaine.
 1046
 Numérateur compris dans le dénominateur Proportion de lombalgiques actifs = = 2318
 Résultat entre 0 et 1 ou % = 0.45 = 45%
 
Ratio R== Ratio =
 1046
 = 0.82
 2318−1046
 Numérateur et dénominateur de même nature
 (même variable) 0.82 lombalgique chronique actif pour 1
 Numérateur pas compris dans le dénominateur lombalgique non actif
 Résultat est un nombre sans unité
Cote Ratio de la probabilité d’un événement sur la Il y a 17% de chance qu’un lombalgique
 probabilité de non-survenue de cet événement chronique guérisse naturellement à un an.
 ( ) 0.17
 C = 1− ( ) C = 0.83 = 0.20
 Résultat est un nombre sans unité 0.2 lombalgique chronique qui va
 S’interprète comme une paire de nombres où le s’améliorer naturellement à un an pour un
 dénominateur de la cote est ramené à 1 lombalgique chronique qui ne
 s’améliorera pas spontanément (soit 1
 pour 5).
Indice Numérateur et dénominateur ne sont pas de Bénéfices générés par physios des HUG =
 même nature 1 mio pour 80 physios. Indice = 25 000 /
 physio
Taux Rapport avec une notion du temps 4.3 nouveaux cas de sclérose en plaque
 Dépend de la nature du rapport par an pour 100000 habitants. Incidence =
 05.11.2019 4.3/100 000/an Page 17 2019)
 (Pallot

Cotes
 Les cotes viennent du monde hippique :
 Rapport entre les chances de ne pas gagner et les chances de gagner
 N’est pas la probabilité de gagner
 Pronostic établis avant la course ≠ résultats finaux
 Favori = Odds le plus bas ≠ outsider = Odds élevés
7 chances de perdre
 2 chances de gagner

05.11.2019 Page 18

Travail de groupe
Brève présentation
 Petite présentation power point ou orale par groupe de 5 => 6 groupes
 5 dias maximum, présentation de 5’ maximum
 Préparation : 5 à 10 minutes
 Source : OMS https://www.who.int/fr/health-topics#C
 Maladie : VIH, Ebola, grippe aviaire, chikungunya, virus du Nil occidental, dengue, Zika,
 lèpre, tuberculose, peste, paludisme, Leishmaniose…
 Population touchée : âge, sexe, info particulière
 Nombre de personnes touchées
 Zone géographique touchée (carte si possible)
 Statut de la maladie : éradiquée, en progression, en diminution selon zone géographique
 Mode de transmission
 Signes et symptômes
 Traitement

05.11.2019 Page 19

Pause

05.11.2019 Page 20

Niveaux de preuve

 Système de classification des données de la recherche reposant sur la qualité des
 schémas d’étude employés pour répondre à une question donnée et à la cohérence de
 leurs résultats

 Niveaux de Type d’étude
 preuve
 1 Méta-analyse d’études de niveau 2
 Revue systématiques bine menées d’études de niveau 2
 2 Etudes contrôlées randomisées bien menées
 3 Etudes de cohortes bien menées
 Etudes comparatives non ou quasi randomisées
 Etudes contrôlées randomisées de faible puissance
 4 Etudes de cohorte de faible qualité
 Etude cas-témoin
 Etude transversale
 Séries de cas
 5 Avis d’expert
 Raisonnement déductif basé sur la physiopathologie

 (Pallot 2019)

05.11.2019 Page 21

Classification des études

 Etude expérimentales : RCT

 Descriptive

 Enquête d’observation

 Cohortes

 Analytique

 Cas témoins

 (Jeannot 2017)

05.11.2019 Page 22

Etudes randomisées contrôlées

 Groupe 1 :  Groupe 2 :

05.11.2019 Page 23

Mesure d’association

 Estimation du risque chez les personnes traitées avec insectifuge (exposés) vs sans
 insectifuge (non exposés)

 Evénement (par ex paludisme)
 Ayant le paludisme N’ayant pas le Total
 paludisme
 Exposition à Exposé à l’insectifuge A B E+
 l’insectifuge
 Non exposé C D E-
 Total M+ M- N

 Risque chez les personnes traitées avec insectifuge = Re = a / a + b
 Risque chez les personnes non traitées avec insectifuge = Rne = c / c + d
 Re > Rne : facteur de risque
 Re < Rne : facteur protecteur

 (adapté de Poncet, 2019)
05.11.2019 Page 24

Mesure d’association

 Mesurent l’association entre une exposition et un événement
 Deux formes :
  Différence = a-b
 Dans ce cas, la valeur nulle est 0 car si a=b alors a-b = 0
  Rapport = a/b
 Dans ce cas, la valeur nulle est 1 car si a=b alors a/b = 1

 (Pallot 2019)

05.11.2019 Page 25

Mesures d’associations

 Différence
 - moyenne pour les outcomes continus
 - risques pour les outcomes binaires

 Ratio (les plus utilisés)
 é ′ 
 - risque relatif
 à 

 é ′ 
 - odds ratio
 é ′ 

 NNT (étude prospective)
 Choisir en fonction de l’outcome et du design de l’étude
 Pour notre exemple, trois possibilités : différence de risque, risque relatif et NNT

 (Hulley et al., 2013)

 05.11.2019 Page 26

Différence de risque

 DR = Différence de risque
 Risque d’apparition de l’événement chez les exposés (risque absolu dans groupe exposé)
 P(M+ ∣ E+)
 Risque d’apparition de l’événement chez les non exposés (risque absolu dans groupe non
 exposé) P(M+ ∣ E-)
 Différence de risque = différence entre le risque d’apparition de l’événement chez les
 exposés et le risque d’apparition de l’événement chez les non exposés :
 DR = P(M+ ∣ E+) - P(M+ ∣ E-)

 Evénement (par ex maladie M)
 Ayant l’événement N’ayant pas Total
 l’événement
Exposition à un Exposé A B E+
 facteur F
 Non exposé C D E-
 Total M+ M- N

 (Pallot 2019)
05.11.2019 Page 27

Number Needed to Treat

NNT
Nombre de personnes nécessaires à traiter pour éviter une occurrence de l’événement
supplémentaire (mort, complication...).

 Plus il est bas, plus l’intervention est dite efficace

 NNT = 1 / Différence de risque = 1 / P(M+ ∣ E+) - P(M+ ∣ E-)

 (Poncet, 2019)
05.11.2019 Page 28

Classification des études

 Etude expérimentales : RCT

 Descriptive

 Enquête d’observation

 Cohortes

 Analytique

 Cas témoins

 (Jeannot 2017)

05.11.2019 Page 29

Etudes de cohortes ou étude exposés-non
 exposés
 = nouveau cas diagnostiqué de BPCO

 Groupe 1 = exposé à la fumée

 2008 2018

 Groupe 2 = non exposé à la fumée

 2008 2018

 (adapté de Jeannot 2017)

 05.11.2019 Page 30

Mesures de fréquence
Prévalence

 Nombre de cas à un moment donné
ex BPCO touche 416’000 personnes en Suisse en 2010
ex BPCO touchait 5.2% de la population Suisse > 70 ans en 2010

05.11.2019 Page 31

Mesure de fréquence
Incidence

 Nombre de nouveaux cas sur une période donnée
Ex en 2018 au Royaume-Uni, il y a eu 18 461 nouveaux cas de Parkinson chez les plus de 45
ans
 Incidence cumulée = proportion, sur une période donnée, du nombre de nouveaux cas
 d’un événement sur la population observée
Ex en 2018, il y avait 66 465 641 personnes au Royaume-Uni avec Parkinson (plus de 45 ans).
L’incidence cumulée est donc de 0.028% (soit 1 cas sur 3571 personnes).

 (Pallot 2019)

05.11.2019 Page 32

Mesures d’associations

 Différence
 - moyenne
 - risques

 Ratio (les plus utilisés)
 - risque relatif
 - odds ratio

 NNT (étude prospective)

05.11.2019 Page 33

Risque relatif
Tableau de contingence ou tableau 2x2

 Evénement (par ex maladie M)
 Ayant l’événement N’ayant pas Total
 l’événement
 Exposition à un Exposé A B E+
 facteur F
 Non exposé C D E-
 Total M+ M- N

M+ : avoir l’événement
M- : ne pas avoir l’événement
E+ : avoir le facteur/l’exposition
E- : ne pas avoir l’exposition

 (Pallot 2019)

05.11.2019 Page 34

Risque relatif

 Probabilité de l’événement dans un groupe.
 Risque d’apparition de l’événement chez les exposés (risque absolu dans le groupe
 
 exposé) est P(M+ ∣ E+)= =
 + + 

 Risque d’apparition chez les non exposés (risque absolu dans le groupe non exposé) est
 
 P(M+ ∣ E-)= =
 − + 

 Risque relatif = RR = risque chez les exposés divisé par risque chez non exposés:
 P(M+ ∣ E+)
 P(M+ ∣ E−)
  RR > 1 = P(M+ ∣ E+) > P(M+ ∣ E-) présence de l’exposition favorise l’événement = facteur de
 risque
  RR < 1 = P(M+ ∣ E+) < P(M+ ∣ E-) présence de l’exposition favorise le non événement = facteur
 protecteur
  RR = 1 = P(M+ ∣ E+) = P(M+ ∣ E-) l’exposition n’a pas d’effet sur l’événement
 (Pallot 2019)

05.11.2019 Page 35

Risque relatif

 RR = X
Si X >1 alors l’événement a X fois plus de chance d’arriver dans le groupe exposé
Si X < 1 alors l’événement a X fois moins de chance d’arriver dans le groupe exposé
 Pour que le RR soit significatif, il faut que la valeur 1 n’entre pas dans l’intervalle de
 confiance qui correspond à un rapport nul
Par exemple, si je fais de l’activité physique régulièrement, j’ai 2x moins de chance d’avoir
un accident cardio-vasculaire par contre si je suis très stressée et que je suis en surpoids,
j’ai 4x plus de risque d’en avoir un. Dans le premier cas, RR = -2 , dans le deuxième, RR = 4.

 (Pallot 2019)

05.11.2019 Page 36

Avantages/désavantages cohortes
 Avantages Désavantages
 Permet de calculer les taux Taille de l’échantillon importante
 d’incidence de la maladie surtout si maladie rare

 Permet d’étudier plusieurs maladies Problèmes de suivi dans une cohorte
 dont le facteur de risque est le même prospective (perdus de vue)

 La séquence exposition-maladie Etude longue (longue période de
 (histoire naturelle de la maladie) est latence de la maladie) avec un coût
 clairement décrite et connue élevé

 Permet d’étudier les facteurs Pas de randomisation possible
 d’expositions rares
 Peu de biais de mémorisation Problème éthique de laisser un
 groupe être exposé à un facteur
 d’exposition que l’on suspecte d’être
 nocif
 L’exposition peut être étudiée à Difficile de maintenir une consistance
 différents moments comme cela les dans les mesures et les outcomes au fil
 changements dans l’exposition peuvent du temps. Les sujets pourraient modifier
 être étudiés leur comportement.

 (adaptée de Jeannot 2017 ; Hulley et al., 2013)

05.11.2019 Page 37

Classification des études

 Descriptive

Enquête d’observation

 Cohortes

 Analytique

 Cas témoins

 (Jeannot 2017)

05.11.2019 Page 39

Cas-témoins = case-control study

 Étude démarre
 avec le choix des
 sujets

 Exposés
 Examen des dossiers Les cas = ceux qui
 ont la maladie =
 Non exposés BPCO

 Exposés
 Examen des dossiers Les témoins =
 ceux qui n’ont
 Non exposés pas la maladie =
 BPCO
 (adapté de Jeannot 2017)
05.11.2019 Page 40

Etude cas-témoins

 cas et les témoins souvent dans la même population (ex gens hospitalisés dans service
 urologie des HUG)
 un témoin pour un cas
 Possiblement plusieurs témoin pour un cas pour des raisons pratiques ou statistiques
 (maladie de faible prévalence par ex)

 Cas = personnes ou groupes de personnes atteintes de la maladie
 Clairement définis => cas relativement identiques => groupe relativement homogène
 Témoins = population identique excepté degré exposition de la maladie et présence
 maladie
 Procédure pour savoir si ont été exposés au facteur idem pour cas et témoins

 (adapté de Jeannot 2017)
05.11.2019 Page 41

Etudes cas-témoins

Avantages Désavantages
Etude des maladies rares Impossible de calculer l’incidence ou la prévalence

 Instigateur fixe nombre de cas et témoins = malades
 et non malades donc biaisé => pas possible de
 connaître incidence de la maladie
Etude des maladies avec longue phase de latence Uniquement possible de mesurer proportion
 d’exposés dans chaque groupe
Moins de sujets que pour cohortes Difficulté de recruter un groupe de
 témoins pertinent
Résultats rapides sans temps de suivi donc pas de Difficulté de mesurer des expositions
perte Antérieures => biais
Durée et coût plus faibles Mal adapté aux expositions rares
Permet l’étude de plusieurs facteurs de Une seule maladie à la fois
risque de la maladie en même temps

 (adapté de Jeannot 2017)
05.11.2019 Page 42

Rapport de cote
 Evénement (par ex maladie M)
 Cas Témoins Total
Exposition à un Exposé A B E+
 facteur F
 Non exposé C D E-
 Total M+ M- N

 Risque d’exposition chez les cas = + 
 
 Risque de non exposition chez les cas = + 
 
 Cote d’exposition chez les cas = 

 (Pallot 2019)

05.11.2019 Page 43

Rapport de cote
 Evénement (par ex maladie M)
 Cas Témoins Total
Exposition à un Exposé A B E+
 facteur F
 Non exposé C D E-
 Total M+ M- N

 Risque d’exposition chez les témoins = + 
 
 Risque de non exposition chez les témoins = + 
 
 RAPPEL : Cote d’exposition chez les cas = 
 
 Cote d’exposition dans les témoins = 
 
 Rapport de cote = rapport de cote = OR (Odds Ratio) = = 
 
 (Pallot 2019)

05.11.2019 Page 44

Rapport de cote

 Permet de voir si exposition est plus importante chez cas que témoins
 S’interprète de la même façon que le RR
 OR > 1 existe une association entre exposition au facteur et maladie. Fréquence
 d’exposition est plus élevée chez les cas que chez les contrôles = facteur de risque
 OR < 1 existe une association entre exposition et maladie. Fréquence d’exposition est plus
 faible chez les cas que chez les contrôles = facteur protecteur
 OR =1 risque de survenue de la maladie est égal dans les deux groupes, facteur étudié n’a
 pas d’influence sur la maladie
 Si 1 ne fait pas partie de l’intervalle de confiance à 95%, fréquence d’exposition est
 statistiquement significativement différente entre cas et contrôles
 Calcul de l’intervalle de confiance par des logiciels

 (Pallot 2019)

05.11.2019 Page 45

Rapport de cote = OR

 Sans unité, entre 0 et infini
 Plus OR est grand plus l’association entre la survenue de la maladie ou du problème de
 santé et le facteur d’exposition est important (et inversement)
 OR≈RR quand la fréquence de la maladie/événement est basse (prévalence faible)
 / /( + )
 OR = / ≅ /( + ) = RR
 Plus la probabilité de la maladie est forte, plus ces deux notions s’écartent, OR ne devra
 pas se lire comme un RR sinon risque de surestimer l’effet de l’exposition
 OR comme une variable => calcul de l’intervalle de confiance à 95% indispensable
 Si OR >1 ou «non significatif»

 (adapté de Jeannot 2017)
05.11.2019 Page 46

Exercices appliqués

 Exercices de compréhension
 Exercices d’application à des articles

 Durée 1h

 Correction 15min

05.11.2019 Page 47

Epidémiologie
Conclusion

 Est partout :
  Début d’articles
  Conférences
  Articles journaux quotidiens
  …

 Nécessaire de comprendre les bases pour appréhender des articles sur le sujet
 Conseil :
  Pour votre travail de bachelor : mettre en début de cadre théorique, en lien avec votre
 population

05.11.2019 Page 48

Merci pour votre attention
Lunch Break

05.11.2019 Page 49

Bibliographie

 Pallot. Evidence Based Practice en rééducation. Démarche pour une pratique raisonnée.
 2019. Elsevier. 1ère édition
 Hulley, Stephen B et Coll. 2013. Designing clinical research: an epidemiologic approach.
 4th ed. Philadelphia: Lippincott Williams & Wilkins.
 Poncet. CAS en recherche clinique orienté patients HUG UNIGE. 2018-2019.
 Gayet-Ageron. CAS en recherche clinique orienté patients HUG UNIGE. 2018-2019.
 Jeannot. Bachelor of Sciences en physiotherapy HEdS. Cours d’épidémiologie 2017
 Nilsson, M.; Hägglund, M.; Ekstrand, J.; Waldén, M. (2013). Head and Neck Injuries in
 Professional Soccer. Clinical Journal of Sport Medicine: 23, 4, 255–260.
 doi:10.1097/JSM.0b013e31827ee6f8
 Gayet-Ageron, A., Agoritsas, T., Schiesari, L., Kolly, V., & Perneger, T. V. (2011). Barriers to
 participation in a patient satisfaction survey: who are we missing?. PloS one, 6(10), e26852.
 doi:10.1371/journal.pone.0026852

05.11.2019 Page 50