on 05-Apr-2020 (Sun)

the DNA Technology (Use and Application) Regulation Bill, 2019 was introduced in the Lok Sabha, which provides for the regulation of use of DNA technology for establishing the identity of certain persons.

Les études étiologiques sont des études observationnelles qui font appel à 2 grands-types d’étude : les études de cohorte et les études cas-témoin.

Les réflexes • Etudes cas-témoin : - Sélection des cas - Choix des témoins - Recueil des facteurs de risque : biais de mémoire • Etudes de cohorte - Suivi dans les études de cohorte prospective - Données manquantes dans les cohortes rétrospectives • Prise en compte des facteurs de confusion Analyse multivariée • La causalité ne peut pas être affirmée par une seule étude observationnelle (une différence statistiquement significative n’est pas synonyme de lien causal)

Formulation de l’objectif L’objectif doit être formulé de manière claire et complète. Pour cela, il faut reprendre les différents éléments du PECO où le P représente la population concernée; le E, le ou les facteurs de risque étudiés; le C est souvent sous-entendu et représente l’absence de facteur de risque et le O, la maladie. Par exemple : évaluer si l’hypercholestolémie (E) est un facteur de risque de maladie d’Alzheimer (O) chez les personnes de plus de 50 ans (P) (sous entendu par rapport à une absence d’hypercholestérolémie (C).

Principe des études de cohorte et cas-témoin

Dans les études de cohorte, on recrute des sujets indemnes de la maladie qui sont exposés à un ou des facteurs de risque et on les suit dans le temps afin d’évaluer s’ils deviennent malades.

Une étude de cohorte peut être prospective ou rétrospective (on parle également de cohorte historique). Cette notion fait habituellement référence à la temporalité du recueil de données. Dans une cohorte rétrospective, la cohorte est reconstituée rétrospectivement à partir de données déjà recueillies (par exemple dans les dossiers médicaux) . Ce schéma est intéressant pour les maladies ayant un long délai de latence, comme les cancers ou la maladie d’Alzheimer. Cependant, il faut que la qualité des données recueillies soit bonne sinon il y a aura un nombre important de données manquantes. Dans les études cas-témoin, on recrute des malades et des témoins indemnes de la maladie et on recherche dans le passé des sujets s’ils ont été exposés à certains facteurs de risque. Une étude cas-témoin est rétrospective.

Exemple de cohorte rétrospective:

Dans une étude évaluant l’association entre le type de ventilation (ventilation non invasive ou ventilation mécanique) et la mortalité chez des patients hospitalisés en réanimation pour une décompensation de BPCO, les auteurs ont cherché rétrospectivement dans les dossiers tous les patients hospitalisés pour une décompensation de BPCO ayant nécessité une ventilation non invasive ou mécanique. Ils ont recueilli leurs données et ont évalué ensuite leur devenir (décès ou non)

Il existe un cas particulier : l’étude cas-témoin niché dans une cohorte :

Les cas et les témoins sont issus d’une cohorte existante. Le principal avantage est que les données sont déjà disponibles et qu’elles ont été recueillies de façon prospective. Il est cependant fréquent d’avoir besoin d’informations complémentaires, non renseignées dans la cohorte initiale. On procède alors à un recueil rétrospectif de ces données, en contactant les patients et/ou en retournant au dossier médical.

Colonne de gauche, cohorte

Colonne de droite, cas-témoins

Choix de la population

Il existe deux possibilités pour le choix de la population:

• Les cohortes en population : L’échantillon peut être plus ou moins représentatif de la population cible. Pour avoir un échantillon représentatif, l’idéal est de procéder par sondage à partir d’une population source correspondant à la population cible.

• Les cohortes exposés-non-exposés où l’on recrute en fait deux cohortes : une cohorte d’individus exposés à un facteur de risque et une cohorte d’individus non- exposés au facteur de risque.

Ces deux cohortes vont être suivies dans le temps et doivent avoir un suivi similaire. Ce type d’étude ne permet pas d’évaluer simultanément plusieurs facteurs de risque. Ce type d’étude est à privilégier quand l’exposition est rare et l’évènement relativement fréquent. Les cohortes exposés- non-exposés sont adaptées à l’étude de facteurs de risque professionnels (par exemple, l’exposition à l’amiante)

Recueil des facteurs de risque

Dans une étude de cohorte prospective, le recueil des facteurs de risque se fait au moment de l’entrée dans l’étude et éventuellement pendant le suivi. Si l’exposition au facteur de risque n’est recueillie qu’au début, cela peut poser problème car celle-ci peut varier au cours du temps (par exemple si le facteur de risque est la consommation de tabac). Dans une étude de cohorte rétrospective, les données concernant l’exposition à des facteurs de risque ont déjà été collectées (dans les dossiers médicaux ou dans des registres). Dans ce cas, il est très important de vérifier la qualité du recueil des données. S’il y a des données manquantes ou si un facteur de confusion important n’a pas été collecté, cela va poser problème

Recueil de la maladie (critère de jugement)

Le plus souvent, il s’agira d’un critère dont la mesure peut être subjective (cancer, infarctus du myocarde,…).

Il y a donc un risque :

- De biais de classement (différentiel) si l’évaluation de la maladie n’est pas faite en aveugle de l’exposition au facteur de risque

- De variabilité et d’erreur de mesure entre les évaluateurs (on parle d’erreur non différentielle). Pour limiter cela et améliorer la reproductibilité, il faut standardiser la définition de la maladie, former les évaluateurs, faire une évaluation en double voire centralisée avec un comité indépendant.

Suivi et problème des données manquantes dans les études de cohorte prospective

Quel que soit le type d’étude de cohorte, le suivi des sujets exposés doit être identique au suivi des sujets non-exposés. Dans les études de cohorte prospective, il faut définir une durée de suivi suffisante pour pouvoir observer la maladie. Cette durée peut être longue et pose le problème des perdus de vue c'est-à-dire des patients pour lesquels il n’y a pas de données concernant leur suivi.

Dans les analyses, il faudra vérifier les caractéristiques des patients perdus de vue et la durée médiane de suivi rapportée, et apprécier ainsi l’influence potentielle de la proportion de perdus de vue sur les critères de jugement.

o Si les perdus de vue se répartissent également dans les groupes en nombre et caractéristiques et ne concernent pas une catégorie particulière de patients, la seule conséquence sera une perte de puissance. C’est rare car le plus souvent si on est perdu de vue ce n’est pas pour rien… (rupture de soins et/ou mauvaise observance, etc.)

o S’il y a plus de perdus de vue dans un groupe que dans l’autre, ou si les sujets perdus de vue ont des caractéristiques spécifiques, on risque, outre la perte de puissance, un biais d’attrition.

o L’influence de la proportion de perdus de vue dépend de la fréquence de survenue de l’événement étudié. Si le nombre de perdus de vue dépasse le nombre d’évènements, cela pose problème.

Population d’étude

La sélection des cas et des témoins doit être indépendante des facteurs de risque étudiés. Le recrutement des cas et des témoins doit se faire sans connaître leurs éventuelles expositions à des facteurs de risque

Sélection des cas

Les cas doivent être représentatifs de la population de malades. Il faut distinguer les cas incidents et les cas prévalents. Les cas incidents sont inclus dans l’étude quand ils deviennent malades. Dans ce cas de figure, on ne recrute que les nouveaux malades.. Les cas prévalents sont déjà malades avant d’être inclus dans l’étude. Dans ce cas de figure, on recrute tous les malades à un moment donné c'est-à-dire ceux qui ont survécu jusque là. Cela conduit à un biais de sélection particulier : le biais de survie sélective. Il faut donc privilégier le recrutement de cas incidents

Choix des témoins

Le choix des témoins doit être indépendant de l’exposition. Idéalement, le groupe de témoins doit être représentatif de l’ensemble des sujets non- malades de la population source d’où est issu le groupe de malades étudiés. Il est difficile de choisir la population de témoins, il existe plusieurs possibilités : témoins issus de la population, témoins hospitalisés, témoins familiaux. Chaque choix présente des avantages et des inconvénients.

Exemple : Le choix de témoins hospitalisés dans une étude cas-témoin peut être une source de biais de sélection : si on veut étudier le lien entre tabagisme et risque d’infarctus du myocarde et que pour cela on compare des patients hospitalisés en cardiologie avec des patients de cancérologie, on risque de ne pas voir d’association car de nombreux patients de cancérologie sont également fumeurs et à haut risque d’infarctus.

Recueil des facteurs de risque

Le recueil des facteurs de risque est rétrospectif et soumis à un biais de classement particulier le biais de mémoire. Ce biais est différentiel c'est-à-dire que les cas vont avoir tendance à exagérer leur exposition à un facteur de risque et les témoins à la minimiser.

Recueil FDR

Exemple : Par exemple, si on étudie le lien entre l’exposition à un médicament A et le risque de fausse couche spontanée (FCS), les femmes ayant fait une FCS se souviendront mieux avoir pris le médicament A que les femmes n’ayant pas fait de FCS, car il s’agit d’un événement traumatisant

Prise en compte des facteurs de confusion potentiels

Afin d’isoler le rôle intrinsèque du facteur étudié sur la survenue de la maladie, il faut mesurer l’association qui existe entre ce facteur et le critère de jugement, indépendamment des autres facteurs potentiellement impliqués. Il faut donc prendre en compte les facteurs de confusion potentiels. • Prise en compte a priori : l’appariement Il s’agit de sélectionner des paires de sujets qui sont comparables sur une ou deux caractéristiques. Cela se fait fréquemment dans les études cas-témoin dans lesquelles les cas et les témoins sont appariés sur l’âge et le sexe. Cela signifie que chaque fois que l’on va inclure un cas on va inclure un témoin de même sexe et de même âge (appariement sur le sexe et l’âge). Le nombre de facteurs d’appariement est limité. • Prise en compte a posteriori : l’ajustement Il s’agit de réaliser un modèle de régression logistique multivarié prenant en compte les facteurs de confusion. On estimera alors un OR ajusté sur les facteurs de confusion et autres facteurs de risque.

Interprétation des résultats

Les résultats principaux sont les résultats de l’analyse multivariée car ils prennent en compte les facteurs de confusion.

Causalité

Il faut bien différencier association statistiquement significative et lien causal. Ce n’est pas parce qu’on a montré une association statistiquement significative entre un facteur et un critère de jugement qu’il y a un lien causal !

La seule manière d’affirmer un lien de causalité, c’est de comparer des groupes qui ne diffèrent que par l’exposition ou non à l’élément soumis à évaluation, c’est-à-dire comparables sur toutes les autres caractéristiques. Ainsi, toute différence observée entre les groupes sera imputable à l’élément soumis à évaluation. Seul un essai contrôlé randomisé, s’il est bien conduit, permet d’affirmer un lien causal car la randomisation permet d’obtenir des groupes comparables pour tous les facteurs de confusion connus ou inconnus.

Une seule étude observationnelle ne permet pas de conclure à un lien de causalité.

Certains éléments s’ils sont présents sont cependant en faveur d’un lien causal.

Ces éléments ont été décrits par Sir Bradford Hill

Critères de Hill
• Critères internes à l’étude o Existence d’une association statistique entre l’exposition et la maladie o Forte intensité de l’association o Existence d’une relation de type “dose-effet” entre l’exposition et la maladie o Spécificité de la relation entre l’exposition et la maladie o Minimisation des biais de sélection et de classement. Prise en compte correcte de l’ensemble des facteurs de confusion connus. o Absence d’ambiguïté temporelle (l’exposition doit précéder la maladie)
• Critères externes à l’étude o Concordance entre les résultats d’études o Plausibilité biologique (au mieux, explication physiopathologique) o Concordance avec les expérimentations menées in vitro ou chez l’animal o Gradients géographiques parallèles de l’exposition et de la maladie o Diminution de l’incidence de la maladie lorsque l’exposition est supprimée ou réduite

Remarque : Le critère « spécificité de la relation» est de moins en moins pertinent car on sait aujourd’hui qu’un effet résulte souvent de plusieurs causes intriquées (composantes causales) : facteurs environnementaux, comportementaux, génétiques, etc

Remarque : La définition des groupes de comparaison peut être source de biais différents selon les études. Dans une étude cas témoins, le mauvais choix des cas ou des témoins peut être source de biais de sélection. Dans une étude exposés/non-exposés (où l’on recrute séparément les sujets exposés et non-exposés), le mauvais choix des exposés ou des non- exposés peut de la même façon être source de biais de sélection. En revanche, dans le cas (fréquent) d’une étude de cohorte dans laquelle on va mesurer l’exposition et définir ainsi les groupes de comparaison, une erreur de mesure de l’exposition sera une source potentielle de biais de…classement !

Tableau 16 : Principaux biais dans une étude étiologique

Suite du Tableau 16 : Principaux biais dans une étude étiologique

Notion de biais

Un biais est une erreur systématique dans l’estimation des résultats qui opère dans un sens donné (par exemple surestimation de l’effet traitement). Il faut distinguer le biais de l’erreur aléatoire due à la fluctuation d’échantillonnage qui entraîne de l’imprécision autour du paramètre estimé. Plus l’échantillon est petit, plus l’erreur aléatoire est importante. L’erreur aléatoire opère dans tous les sens (surestimation ou sous- estimation)

Les principaux biais

De très nombreux biais sont décrits dans la littérature. Le type de biais et la terminologie varient selon le type d’étude. Nous verrons dans la partie 2, les biais propres à chaque type d’étude.

Mais, globalement les biais sont de 3 types principaux : les biais de sélection, les biais de classement et les biais de confusion

Biais de sélection

Un biais de sélection est un biais lié à la constitution de l’échantillon ou des groupes de comparaison.

Il peut être dû :

• Au fait que l’échantillon n’est pas représentatif de la population cible pour des caractéristiques liées à la maladie. Il peut résulter d’une sélection particulière des sujets aux différentes étapes de sélection de l’échantillon analysé (Figure 12) :

o Population source non représentative de la population cible pour des caractéristiques liées à la maladie (problème de définition des critères d’éligibilité)

o Echantillon inclus non représentatif de la population source pour des caractéristiques liées à la maladie (problème de recrutement des sujets : étude non proposée à tous les sujets éligibles, nombreux refus de participer, etc.)

• A un mauvais choix du groupe de référence comme cela peut être le cas dans les études cas-témoin. Les témoins peuvent ne pas être représentatifs de la population de non-malades.

Exemple : Dans une étude cas-témoin évaluant l’association entre la consommation de café et le cancer du pancréas, les témoins étaient des malades hospitalisés dans un service de gastro-entérologie pour un problème de côlon irritable. Le choix du groupe témoin pose problème ici car la consommation de café est déconseillée chez les patients ayant un syndrome du côlon irritable. Le groupe de référence n’est pas représentatif de la population de non-malades car il s’agit de patients hospitalisés et que leur consommation de café est différente de celle de l’ensemble des non-malades

Biais de classement

Synonymes : biais de mesure, biais d’information (dont biais de mémoire)

Un biais de classement est un biais dans la mesure de l’élément soumis à évaluation ou du critère de jugement. On ne classe pas correctement les sujets en « exposés/non exposés », ou en « malades/non malades » (Figure 13)
Il est important de distinguer les biais de classement différentiel, des biais de classement non différentiel.

On parle d’erreur différentielle lorsque les probabilités d'erreur de classement sur la maladie sont différentes chez les exposés et chez les non-exposés (ou lorsque les probabilités d'erreur de classement sur l’exposition sont différentes chez les malades et chez les non-malades). Les erreurs différentielles peuvent conduire à une surestimation ou à une sous-estimation de l’association (la valeur de l’odds-ratio ou du risque relatif peut être soit augmentée soit diminuée).

On dit qu'une erreur de classement sur la maladie (ou sur le facteur de risque/exposition) est non-différentielle lorsqu'elle survient indifféremment chez les exposés et chez les non-exposés (respectivement chez les malades et chez les non- malades). On peut montrer que les erreurs non différentielles conduisent à une sous- estimation de l’association exposition-maladie, autrement dit rapprochent de 1 la valeur du risque relatif ou de l’odds-ratio. Cette connaissance de la direction du biais est importante pour l’interprétation des résultats. Son ampleur, et donc la perte de puissance qui en résulte, est proportionnelle à la fréquence des erreurs de classement.

Exemples de biais différentiel : - Biais de mémoire dans les études cas-témoin : les cas se souviennent davantage de l’exposition que les témoins D’une façon générale, il est préférable d’avoir des erreurs de classement non différentielles, car le sens du biais est connu, et le manque de précision de l’estimation peut être contrebalancé par une augmentation de l’effectif.

Comment éviter les biais de classement ?

Il convient d’y penser lors la planification de l’étude car après il sera trop tard.

" Éviter que les erreurs soient différentielles +++ - Les procédures de suivi, de diagnostic, de recueil d’information doivent être standardisées, objectives et identiques pour E+ et E- (M+ et M-). - Utiliser une procédure d’aveugle à chaque fois que possible, former (contrôler) les enquêteurs - Même délai entre exposition et interrogatoire pour les cas et les témoins

" Limiter les erreurs de mesures +++ - Utiliser des définitions les plus précises (valides et reproductibles) possibles pour E et M

Biais de confusion

Un biais de confusion est lié à la présence d’un (ou plusieurs) facteur de confusion non contrôlé. Un facteur de confusion (confounding factor) est un facteur qui perturbe l’association entre l’exposition au facteur étudié et la maladie. Le biais de confusion est propre aux études observationnelles (car dans les essais contrôlés randomisés, la randomisation permet d’équilibrer les facteurs de confusion connus et inconnus entre les 2 groupes). Pour qu’une variable soit facteur de confusion, il faut que la variable soit liée au paramètre étudié (maladie), soit liée à l’exposition et ne soit pas un facteur intermédiaire

Selon le sens de ces relations (positives ou négatives), l’effet de confusion peut conduire à une surestimation ou une sous-estimation de l’association (OR ou RR)..

Contrairement aux autres biais (sélection et classement), il est possible de tenir compte des facteurs de confusion lors de l’analyse statistique. En effet, le biais de confusion peut être en partie contrôlé par l’analyse statistique multivariée qui en ajustant sur les facteurs de confusion potentiels permet de corriger l’estimation des OR ou RR. Cette correction peut malheureusement n’être qu’imparfaite, on parle alors de confusion résiduelle (residual confounding). La prise en compte de ces facteurs de confusion dans l’analyse nécessite au préalable que les informations sur ces facteurs de confusion aient été préalablement renseignées.

D’autres moyens existent pour prendre en compte un facteur de confusion lors de la planification de l’étude. On peut notamment restreindre la population d’étude à une seule strate du facteur de confusion ou utiliser l’appariement de façon à équilibrer la distribution du facteur de confusion entre le groupe exposé et le groupe non-exposé, afin que le facteur de confusion ne soit plus lié à l’exposition. Par exemple, si l’âge est facteur de confusion, on associe à chaque sujet exposé un sujet non exposé de même classe d’âge.

Quels sont les réflexes à avoir ?

Il faut savoir repérer et décrire un biais, c’est-à-dire : • expliquer en quoi c’est un biais • en donner le type (parmi : biais de sélection, biais de classement (ou d’information), biais de confusion, plus quelques biais plus spécifiques de certains types d’articles que nous verrons par la suite), • en donner le sens lorsque c’est possible (surestimation ou sous-estimation, ou bien « dans le sens de la conclusion souhaitée » ou non) • en évaluer l’intensité et l’impact potentiel sur le résultat • déterminer s’il s’agit d’un biais différentiel ou non, c'est-à-dire s’il modifie le résultat de la même façon pour tous les groupes.

A retenir : les biais peuvent être introduits lors de la conception/le design de l’étude ou lors de son déroulement. Les biais sont classiquement plus importants et nombreux dans les études observationnelles mais il peut y avoir des biais même dans un essai avec tirage au sort, par exemple, en raison d’une méthode de randomisation inadéquate

Définition de la validité interne

La validité interne est le fait qu’un résultat observé soit un bon reflet de la réalité et qu’il n’est pas dû à un biais. L’évaluation de la validité interne passe par la la recherche des défauts méthodologiques de l’étude et des biais potentiels. Une étude avec une méthodologie adéquate, permettant de limiter le risque de biais pour les principaux biais évoqués, aura une bonne validité interne

Validité externe

La validité externe peut se définir comme la transposabilité (applicabilité, généralisabilité) des résultats à la pratique courante. Son évaluation repose sur les éléments suivants : • Caractéristiques des patients inclus dans l’étude : la population de patients inclus dans l’étude correspond-elle à la population de patients à laquelle on appliquera les résultats ? Autrement dit, la population incluse dans l’étude est-elle représentative de la population cible ? Si les patients inclus dans l’essai sont plus jeunes et moins sévères que la population de patients habituellement pris en charge, les résultats de l’essai seront difficilement applicables à la pratique courante. • Caractéristiques des centres : les résultats des études monocentriques sont moins généralisables que les résultats des études multicentriques. Le niveau d’expertise des centres est également à prendre en compte pour évaluer la transposabilité des résultats. Par exemple, si un essai est réalisé dans un centre de référence universitaire avec un volume d’activité important, les résultats ne seront pas forcément généralisables à des centres pratiquant moins d’interventions ou avec un plateau technique différent.

• Caractéristiques des pays : par exemple, les résultats des études réalisées en Chine ne sont pas forcément généralisables en France. • Caractéristiques des interventions dans les essais : est-il possible de reproduire les interventions évaluées dans l’essai dans notre contexte de soins ? Les interventions sont-elles suffisamment bien décrites pour être reproduites ?