Qu’est-ce qu’une étude de cohorte?
Étude d’observation de l’association entre une exposition et une maladie, dans laquelle la fréquence de la maladie est déterminée dans des groupes définis par l’exposition des sujets
Qui peuvent faire partis d’une étude de cohorte?
Individus à risque de développer la maladie
- Exempts de la maladie d’intérêt
- Susceptibles de la développer à tout moment du suivi
- (Et excluant les sujets répondant aux critères d’exclusion pratiques, éthiques, etc.)
Quelle est la différence quant aux personnes pouvant participer aux études de cohorte vs essais cliniques randomisés?
Dans l’ECR, les gens n’ont pas encore été exposé (car ils devront être randomisés)
Quels sont les 2 types de groupe lors d’étude de cohorte?
Groupe spécial soumis à une exposition particulière
- Pratique pour étudier les expositions rares
- Ex : mineurs de l’amiante
Groupe sélectionné à même un segment de la population générale, sans considération initiale de l’exposition
- Possible seulement quand l’exposition est commune, sinon inefficient
- Possibilité d’étudier plusieurs expositions
- Ex : adultes Framingham
Quel est le principe du choix du groupe non-exposé?
Les groupes qui seront comparés doivent être aussi semblables que possible, sauf en ce qui concerne l’exposition
Dans une étude de cohorte populationnelle, le groupe non exposé provient de la même population que les exposés
Dans une étude de cohorte faisant appel à un groupe soumis à une exposition particulière, le groupe exposé est souvent externe
- La population générale là où les résident les membres du groupe exposé
- Une autre cohorte identique sauf pour l’exposition
On veut avoir plusieurs groupes de contrôle
Répondez aux questions suivants concernant l’exposition.
- Quels types d’expositions peuvent être étudiés?
- Peut-on avoir différents degrés d’exposition?
- Est-ce possible que l’exposition se modifie au cours de l’étude?
- Toute personne mise en contact avec l’exposition doit-elle être considérée comme exposée?
- N’importe lequel (nuisible, bénéfique, chimique)
- Certainement (fumeur, fumeur modérée, non-fumeur)
- Oui, mais ce n’est pas tjrs pris en compte
- Non. La dose et la durée minimale d’exposition pouvant provoquer un effet (période d’induction) doivent être prise en compte
Ne pas tenir compte de la période d’induction peut masquer quoi?
une association
Comment peut-on documenter l’exposition?
Données administratives (RAMQ), dossier médicaux, archives de compagnies et autres archives préexistantes
- Peu coûteux, couvrent une grande partie de la population, classification objective de l’exposition
- Peu détaillés, pas d’info sur les facteurs de confusion
Entrevues et questionnaires
- Info plus détaillée et exhaustive
- Subjective
- Mémoire?
Examens médicaux et tests de labo
- Objectifs
- Plus coûteux
Comment se fait le suivi d’une étude de cohorte?
- C’est l’aspect le plus coûteux
- Sa durée doit dépendre du lien biologique entre l’exposition et la maladie
- Son intensité et ses étapes doivent être comparables dans tous les groupes
- Les pertes au suivi doivent être minimisées : raison d’efficience et afin d’éviter d’introduire un biais de sélection
Quels sont les 3 types de biais possibles dans les études de cohorte?
- Facteur de confusion
- Biais d’observation
- Biais de sélection
Pour être un facteur de confusion une variable doit…?
- Doit affecter le risque de maladie (être associée à la maladie)
- Doit être inégalement distribuée entre les groupes d’exposition (être associée à l’exposition)
- Ne doit pas être un intermédiaire dans le lien de causalité entre l’exposition et l’issue
Comment prévenir les facteurs de confusion dans l’étude de cohorte?
Restriction de l’étude à une seule catégorie de la variable confondante
- Ex : étude faite en excluant les individus souffrant de MCV, étude chez les hommes seulements, etc.
Appariement des exposés et non exposés
- Ex : pour chaque patent de 65 ans ayant un faible ICA, on pourrait recruter un sujet de 65 ans ayant un ICA normal
Analyse statistique tenant compte de la variable confondante
- Ex : standardisation, analyse stratifiée, analyse multivariée
Quelles sont 3 situations pouvant causer un biais d’observation dans l’étude de cohorte?
Connaissance de l’exposition
- Ex : le médecin diagnostiquant la démence sait qu’il a un faible IC. Pourrait influencer l’intesntité de ses recherches de démence s’il soupçonne une association, surtout si pas de protocole systématique
Biais de détection : l’exposition elle-même détermine l’intensité du suivi
- Ex : les patietns avec index cardiaque faible ont toutes sortes d’autres problèmes de santé et consultent peut-être plus souvent leur MD, ce qui multiplie le nombre d’occasions de détecter la démence
Utilisation d’outils de mesure différents pour exposés et non exposés
- Ex : groupe exposé : examen médicaux vs groupe non-exposé : entrevues téléphoniques
Que se passera-t-il si les outils de mesure sont les mêmes pour exposés et non exposés, mais sont imparfaits (ex : ne trouvent pas tous les malades)?
La mesure de l’issue sera moins précise dans chaque groupe, ce qui va faire que les groupes vont se ressembler un peu plus. Il va entrainer un petit biais conservateur, ce qui fait qu’on aura moins de chance de trouver une différence entre les groupes (sous-estime)
Comment prévenir les biais d’observation dans l’étude de cohorte?
Maladies déterminées à l’aveugle
Critères objectifs et explicites pour diagnostiquer la maladie
Suivi et mesure de l’issue strictement identique dans les deux groupes
Le biais des volontaires est un biais de …
sélection
Quels sont des exemples de biais de sélection dans l’étude de cohorte?
Participation volontaire : ceux qui se portent volontaires ne sont pas au même risque que les autres
Perdus de vue : les individus abandonnent l’étude de façon différentielle selon qu’ils sont exp-mal, exp-nmol, nexp-mal, nexp-nmal
À noter que le biais des perdus de vue est le plus important dans les études de cohorte
Comment prévenir les biais de sélection dans l’étude de cohorte?
Minimiser les pertes au suivi
Choisir des sujets représentatifs plutôt que volontaires
Maximiser le taux de participation
Si impossible à prévenir : tenter d’estimer l’étendue du biais des perdus de vue
Quels sont les avantages de l’étude de cohorte?
- Est efficiente, comparativement à d’autres devis, quand l’exposition est rare
- Permet d’obtenir une mesure directe de l’incidence de maladie dans des groupes exposés et non-exposés
- Permet d’étudier l’association entre une exposition et l’ensemble de ses conséquences (i.e. plusieurs maladies à la fois)
- Permet d’identifier plus facilement la relation chronologique expositon-maladie
Quels sont les désavantages de l’étude de cohorte?
- Est inefficiente quand la maladie est rare
- Nécessite souvent de grandes tailles d’échantillons
- Peut être très longue (quand prospective)
- Parce qu’elle implique de longs suivis, est particulièrement susceptible au biais des perdus de vue
- Est coûteuse
Qu’est-ce que le test d’hypothèse?
Sert à vérifier l’hypothèse nulle (H0), qui est l’hypothèse qui stipule l’absence d’effet, d’association, etc.
Qu’est-ce que la valeur p?
Probabilité d’obtenir le résultat que nous avons eu dans l’étude, ou un résultat encore plus extrême, si on suppose que l’hypothèse nulle est vraie.
i.e.
La probabilit d’observer une différence aussi grande ou encore plus grande que celle observée si, en fait, il n’y a pas de différence entre les populations.
Une fois l’hypothèse énoncée et qu’on consulte le résultat de notre étude (ex : DR ou RR estimé), que permet le test d’hypothèse et valeur p?
Le TH nous mène à calculer la probabilité de notre résultat (ou d’un résultat encore plus extrême) si le seul effet possible est celui du hasard d’échantillonnage (= si H0 est bonne = “sous H0”)
La probabilité que fournit le TH se nomme “p-value”
- Valeur p faible? Le résultat obtenu dans l’étude est peu probable par hasard. On rejettera H0
- Valeur p élevée? On ne rejettera pas H0
Dans une étude qu’on veut faire l’association entre le tabagisme paternel et le risque de développer la FA, si on a un HR de 1.24 et une valeur p de 0.04, comment interprétez vous cette valeur p en 3 parties?
(1) Si on suppose que le tabagisme du père n’a aucun effet sur le risque de développer la FA, (2) on a une probabilité de 4% (3) d’observer un HR >= 1.24
Nous concluons que le résultat obtenu (HR = 1.24) est peu plausible (4%) sous H0 (= par le simple effet du hasard). Nous rejetons alors l’hypothèse nulle et concluons que le résultat est “statistiquement significatif”.
