L'épidémiologie consiste à mesurer l'occurrence des maladies et à quantifier les associations entre les maladies et les expositions.
Mesures de l'occurrence de la maladie
La survenue de la maladie peut être mesurée par fréquences (compte) mais est mieux décrit par taux, qui sont composés de trois éléments : le nombre de personnes touchées (numérateur), le nombre de personnes dans la population source ou de base (c'est-à-dire la population à risque) dont sont issues les personnes touchées et la période couverte. Le dénominateur du taux est le temps-personne total vécu par la population source. Les taux permettent des comparaisons plus informatives entre des populations de tailles différentes que les décomptes seuls. Analyse, la probabilité qu'un individu développe une maladie au cours d'une période de temps spécifiée, est une proportion, allant de 0 à 1, et n'est pas un taux per se. Taux d'attaque, la proportion de personnes dans une population qui sont touchées au cours d'une période donnée, est techniquement une mesure du risque, pas un taux.
La morbidité spécifique à la maladie comprend incidence, qui fait référence au nombre de personnes nouvellement diagnostiquées avec la maladie d'intérêt. Prévalence fait référence au nombre de cas existants. Mortalité fait référence au nombre de personnes décédées.
Incidence est défini comme le nombre de cas nouvellement diagnostiqués au cours d'une période donnée, alors que le taux d'incidence est ce nombre divisé par le temps-personne total vécu par la population source (tableau 1). Pour le cancer, les taux sont généralement exprimés en taux annuels pour 100,000 1,000 personnes. Les taux d'autres maladies plus courantes peuvent être exprimés pour un plus petit nombre de personnes. Par exemple, les taux de malformations congénitales sont généralement exprimés pour XNUMX XNUMX naissances vivantes. Incidence cumulée, la proportion de personnes qui deviennent des cas au cours d'une période donnée, est une mesure du risque moyen pour une population.
Tableau 1. Mesures de l'occurrence de la maladie : population hypothétique observée pendant une période de cinq ans
Cas nouvellement diagnostiqués |
10 |
Cas vivants précédemment diagnostiqués |
12 |
Décès, toutes causes* |
5 |
Décès, maladie d'intérêt |
3 |
Personnes dans la population |
100 |
Années observées |
5 |
Incidence |
10 personnes |
Taux d'incidence annuel |
|
Prévalence ponctuelle (à la fin de la 5e année) |
(10 + 12 - 3) = 19 personnes |
Prévalence de la période (période de cinq ans) |
(10 + 12) = 22 personnes |
Taux de mortalité annuel |
|
Taux de mortalité annuel |
*Pour simplifier les calculs, cet exemple suppose que tous les décès sont survenus à la fin de la période de cinq ans, de sorte que les 100 personnes de la population étaient en vie pendant les cinq années complètes.
Prévalence inclut prévalence ponctuelle, le nombre de cas de maladie à un moment donné, et prévalence de la période, le nombre total de cas d'une maladie dont on sait qu'elle a existé à un moment donné au cours d'une période donnée.
Mortalité, qui concerne les décès plutôt que les nouveaux cas de maladie diagnostiqués, reflète les facteurs qui causent la maladie ainsi que les facteurs liés à la qualité des soins médicaux, tels que le dépistage, l'accès aux soins médicaux et la disponibilité de traitements efficaces. Par conséquent, les efforts de génération d'hypothèses et la recherche étiologique peuvent être plus informatifs et plus faciles à interpréter lorsqu'ils sont basés sur l'incidence plutôt que sur les données de mortalité. Cependant, les données sur la mortalité sont souvent plus facilement disponibles sur de grandes populations que les données sur l'incidence.
Le terme taux de mortalité désigne généralement le taux de décès toutes causes confondues, alors que taux de mortalité est le taux de décès dû à une cause spécifique. Pour une maladie donnée, la taux de létalité (techniquement une proportion, pas un taux) est le nombre de personnes qui meurent de la maladie au cours d'une période donnée divisé par le nombre de personnes atteintes de la maladie. Le complément du taux de létalité est le taux de survie. Le taux de survie à cinq ans est une référence commune pour les maladies chroniques telles que le cancer.
La survenue d'une maladie peut varier selon les sous-groupes de la population ou dans le temps. Une mesure de la maladie pour une population entière, sans tenir compte d'aucun sous-groupe, est appelée une taux brut. Par exemple, un taux d'incidence pour tous les groupes d'âge combinés est un taux brut. Les taux pour les différents groupes d'âge sont les taux selon l'âge. Pour comparer deux ou plusieurs populations avec des distributions d'âge différentes, ajusté selon l'âge (ou, normalisé selon l'âge) les taux doivent être calculés pour chaque population en multipliant chaque taux spécifique à l'âge par le pourcentage de la population type (par exemple, l'une des populations à l'étude, la population des États-Unis de 1970) dans ce groupe d'âge, puis en additionnant tous les groupes d'âge pour obtenir produire un taux global ajusté selon l'âge. Les taux peuvent être ajustés en fonction de facteurs autres que l'âge, tels que la race, le sexe ou le statut de fumeur, si les taux spécifiques à la catégorie sont connus.
La surveillance et l'évaluation des données descriptives peuvent fournir des indices sur l'étiologie de la maladie, identifier les sous-groupes à haut risque qui pourraient convenir à des programmes d'intervention ou de dépistage et fournir des données sur l'efficacité de ces programmes. Les sources d'information qui ont été utilisées pour les activités de surveillance comprennent les certificats de décès, les dossiers médicaux, les registres du cancer, d'autres registres de maladies (p. enregistrements.
Mesures d'association
L'épidémiologie tente d'identifier et de quantifier les facteurs qui influencent la maladie. Dans l'approche la plus simple, l'occurrence de la maladie chez les personnes exposées à un facteur suspect est comparée à l'occurrence chez les personnes non exposées. L'ampleur d'une association entre l'exposition et la maladie peut être exprimée soit en absolu or relatif termes. (Voir aussi « Étude de cas : Mesures »).
Les effets absolus sont mesurés par différences de taux et différences de risque (Tableau 2). UNE différence de taux est un taux moins un deuxième taux. Par exemple, si le taux d'incidence de la leucémie chez les travailleurs exposés au benzène est de 72 pour 100,000 12 années-personnes et que le taux chez les travailleurs non exposés est de 100,000 pour 60 100,000 années-personnes, alors la différence de taux est de XNUMX pour XNUMX XNUMX années-personnes. UNE différence de risque est une différence de risques ou d'incidence cumulée et peut aller de -1 à 1.
Tableau 2. Mesures d'association pour une étude de cohorte
Étuis |
Personnes-années à risque |
Taux pour 100,000 XNUMX |
|
Exposé |
100 |
20,000 |
500 |
Non exposé |
200 |
80,000 |
250 |
Total |
300 |
100,000 |
300 |
Différence de taux (DR) = 500/100,000 250 - 100,000/XNUMX XNUMX
= 250/100,000 XNUMX par an
(146.06/100,000 353.94 - 100,000/XNUMX XNUMX)*
Ratio de taux (ou risque relatif) (RR) =
Risque attribuable aux personnes exposées (ARe) = 100/20,000 200 - 80,000/XNUMX XNUMX
= 250/100,000 XNUMX par an
Pourcentage de risque attribuable chez les personnes exposées (ARe%) =
Risque attribuable à la population (PAR) = 300/100,000 200 - 80,000/XNUMX XNUMX
= 50/100,000 XNUMX par an
Pourcentage de risque attribuable à la population (PAR%) =
* Entre parenthèses Intervalles de confiance à 95 % calculés à l'aide des formules dans les encadrés.
Effets relatifs sont basés sur des ratios de taux ou des mesures de risque, plutôt que sur des différences. UNE rapport de taux est le rapport d'un taux dans une population au taux dans une autre. Le ratio de taux a également été appelé le rapport de risque, risque relatif, taux relatif et incidence (ou mortalité) rapport de taux. La mesure est sans dimension et va de 0 à l'infini. Lorsque le taux dans deux groupes est similaire (c'est-à-dire qu'il n'y a pas d'effet de l'exposition), le rapport de taux est égal à l'unité (1). Une exposition qui augmente le risque donnerait un rapport de taux supérieur à l'unité, tandis qu'un facteur de protection donnerait un rapport compris entre 0 et 1. excès de risque relatif est le risque relatif moins 1. Par exemple, un risque relatif de 1.4 peut également être exprimé comme un excès de risque relatif de 40 %.
Dans les études cas-témoins (également appelées études cas-témoins), les personnes atteintes de la maladie sont identifiées (cas) et les personnes non malades sont identifiées (témoins ou référents). Les expositions passées des deux groupes sont comparées. La probabilité d'être un cas exposé est comparée à la probabilité d'être un témoin exposé. Les décomptes complets des populations sources de personnes exposées et non exposées ne sont pas disponibles, de sorte que les taux de maladie ne peuvent pas être calculés. Au lieu de cela, les cas exposés peuvent être comparés aux témoins exposés en calculant chances relativesou de la rapport de cotes (tableau 3).
Tableau 3. Mesures d'association pour les études cas-témoins : exposition à la poussière de bois et adénocarcinome des fosses nasales et des sinus paranasaux
Étuis |
Contrôles |
|
Exposé |
18 |
55 |
Non exposé |
5 |
140 |
Total |
23 |
195 |
Cotes relatives (rapport de cotes) (OR) =
Pourcentage de risque attribuable chez les personnes exposées () =
Pourcentage de risque attribuable à la population (PAR%) =
où = proportion de témoins exposés = 55/195 = 0.28
* Entre parenthèses Intervalles de confiance à 95 % calculés à l'aide des formules de l'encadré au verso.
Source : Adapté de Hayes et al. 1986.
Les mesures relatives de l'effet sont utilisées plus fréquemment que les mesures absolues pour rendre compte de la force d'une association. Cependant, des mesures absolues peuvent fournir une meilleure indication de l'impact d'une association sur la santé publique. Une petite augmentation relative d'une maladie courante, telle qu'une maladie cardiaque, peut affecter davantage de personnes (grande différence de risque) et avoir plus d'impact sur la santé publique qu'une forte augmentation relative (mais petite différence absolue) d'une maladie rare, telle que angiosarcome du foie.
Test de signification
Les tests de signification statistique sont souvent effectués sur des mesures d'effet pour évaluer la probabilité que l'effet observé diffère de l'hypothèse nulle (c'est-à-dire aucun effet). Alors que de nombreuses études, en particulier dans d'autres domaines de la recherche biomédicale, peuvent exprimer leur importance en valeurs p, les études épidémiologiques présentent généralement intervalles de confiance (CI) (aussi appelé limites de confiance). Un intervalle de confiance à 95 %, par exemple, est une plage de valeurs pour la mesure de l'effet qui comprend la mesure estimée obtenue à partir des données de l'étude et celle qui a une probabilité de 95 % d'inclure la valeur réelle. Les valeurs en dehors de l'intervalle sont considérées comme peu susceptibles d'inclure la véritable mesure de l'effet. Si l'IC d'un rapport de taux inclut l'unité, il n'y a pas de différence statistiquement significative entre les groupes comparés.
Les intervalles de confiance sont plus informatifs que les valeurs de p seules. La taille d'une valeur de p est déterminée par l'une ou les deux raisons. Soit la mesure de l'association (p. ex., rapport des taux, différence de risque) est importante, soit les populations étudiées sont importantes. Par exemple, une petite différence dans les taux de maladie observés dans une grande population peut produire une valeur de p hautement significative. Les raisons de la grande valeur de p ne peuvent pas être identifiées à partir de la seule valeur de p. Les intervalles de confiance nous permettent cependant de démêler les deux facteurs. Premièrement, l'ampleur de l'effet est perceptible par les valeurs de la mesure de l'effet et les nombres englobés par l'intervalle. Des ratios de risque plus élevés, par exemple, indiquent un effet plus fort. Deuxièmement, la taille de la population affecte la largeur de l'intervalle de confiance. Les petites populations avec des estimations statistiquement instables génèrent des intervalles de confiance plus larges que les grandes populations.
Le niveau de confiance choisi pour exprimer la variabilité des résultats (la « signification statistique ») est arbitraire, mais a traditionnellement été de 95 %, ce qui correspond à une valeur de p de 0.05. Un intervalle de confiance à 95 % a une probabilité de 95 % de contenir la vraie mesure de l'effet. D'autres niveaux de confiance, comme 90 %, sont parfois utilisés.
Les expositions peuvent être dichotomiques (p. ex., exposées et non exposées) ou peuvent impliquer plusieurs niveaux d'exposition. Les mesures des effets (c.-à-d. la réponse) peuvent varier selon le niveau d'exposition. Évaluation exposition-réponse relations est une partie importante de l'interprétation des données épidémiologiques. L'analogue de l'exposition-réponse dans les études animales est la « dose-réponse ». Si la réponse augmente avec le niveau d'exposition, une association est plus susceptible d'être causale que si aucune tendance n'est observée. Les tests statistiques pour évaluer les relations exposition-réponse comprennent le test d'extension de Mantel et le test de tendance du chi carré.
Standardisation
Pour tenir compte de facteurs autres que l'exposition primaire d'intérêt et la maladie, des mesures d'association peuvent être standardisé grâce à des techniques de stratification ou de régression. La stratification consiste à diviser les populations en groupes homogènes par rapport au facteur (p. ex., groupes de sexe, groupes d'âge, groupes de fumeurs). Les rapports de risque ou les rapports de cotes sont calculés pour chaque strate et les moyennes globales pondérées des rapports de risque ou des rapports de cotes sont calculées. Ces valeurs globales reflètent l'association entre l'exposition primaire et la maladie, ajustée du facteur de stratification, c'est-à-dire l'association avec les effets du facteur de stratification supprimé.
A ratio de taux standardisé (SRR) est le rapport de deux taux standardisés. En d'autres termes, un SRR est une moyenne pondérée des ratios de taux spécifiques à la strate où les pondérations pour chaque strate sont la distribution personne-temps du groupe non exposé ou référent. Les SRR de deux groupes ou plus peuvent être comparés si les mêmes poids sont utilisés. Des intervalles de confiance peuvent être construits pour les SRR comme pour les ratios de taux.
Votre taux de mortalité standardisé (SMR) est une moyenne pondérée des ratios de taux spécifiques à l'âge où les pondérations (par exemple, personne-temps à risque) proviennent du groupe à l'étude et les taux proviennent de la population de référence, à l'opposé de la situation dans un SRR. La population de référence habituelle est la population générale, dont les taux de mortalité peuvent être facilement disponibles et basés sur de grands nombres et sont donc plus stables que l'utilisation des taux d'une cohorte non exposée ou d'un sous-groupe de la population professionnelle étudiée. L'utilisation des poids de la cohorte au lieu de la population de référence est appelée standardisation indirecte. Le SMR est le rapport du nombre observé de décès dans la cohorte au nombre attendu, basé sur les taux de la population de référence (le rapport est généralement multiplié par 100 pour la présentation). S'il n'y a pas d'association, le SMR est égal à 100. Il convient de noter qu'étant donné que les taux proviennent de la population de référence et que les pondérations proviennent du groupe d'étude, deux SMR ou plus ont tendance à ne pas être comparables. Cette non-comparabilité est souvent oubliée dans l'interprétation des données épidémiologiques et des conclusions erronées peuvent être tirées.
Effet travailleur en bonne santé
Il est très courant que les cohortes professionnelles aient une mortalité totale inférieure à celle de la population générale, même si les travailleurs courent un risque accru pour certaines causes de décès dues à des expositions sur le lieu de travail. Ce phénomène, appelé le effet travailleur en bonne santé, reflète le fait que tout groupe de personnes employées est susceptible d'être en meilleure santé, en moyenne, que la population générale, qui comprend les travailleurs et les personnes incapables de travailler en raison de maladies et d'incapacités. Le taux de mortalité global dans la population générale a tendance à être plus élevé que celui des travailleurs. L'effet varie en intensité selon la cause du décès. Par exemple, il semble être moins important pour le cancer en général que pour la maladie pulmonaire obstructive chronique. L'une des raisons en est qu'il est probable que la plupart des cancers ne se seraient pas développés à partir d'une prédisposition au cancer sous-jacente à la sélection d'emploi/de carrière à un plus jeune âge. L'effet du travailleur en bonne santé dans un groupe de travailleurs donné a tendance à diminuer avec le temps.
Mortalité proportionnelle
Parfois, un tableau complet d'une cohorte (c'est-à-dire le temps-personne à risque) n'est pas disponible et il n'y a d'informations que sur les décès ou un sous-ensemble de décès subis par la cohorte (par exemple, les décès parmi les retraités et les employés actifs, mais pas parmi les travailleurs qui ont quitté leur emploi avant d'avoir droit à une pension). Le calcul des années-personnes nécessite des méthodes spéciales pour traiter l'évaluation du temps-personne, y compris les méthodes des tables de mortalité. Sans informations sur le temps-personne total de tous les membres de la cohorte, quel que soit le statut de la maladie, les SMR et les SRR ne peuvent pas être calculés. Au lieu, taux de mortalité proportionnels (PMR) peuvent être utilisés. Un TMP est le rapport du nombre observé de décès dus à une cause spécifique par rapport au nombre attendu, basé sur la proportion du nombre total de décès dus à la cause spécifique dans la population de référence, multiplié par le nombre total de décès dans l'étude groupe, multiplié par 100.
Comme la proportion de décès toutes causes confondues doit être égale à 1 (TMP=100), certains TMP peuvent sembler excédentaires, mais sont en réalité artificiellement gonflés en raison des déficits réels des autres causes de décès. De même, certains déficits apparents peuvent simplement refléter des excès réels d'autres causes de décès. Par exemple, si les épandeurs aériens de pesticides ont un grand excédent réel de décès dus à des accidents, l'exigence mathématique selon laquelle le PMR pour toutes les causes combinées est égal à 100 peut faire apparaître une ou d'autres causes de décès comme déficientes même si la mortalité est excessive. Pour remédier à ce problème potentiel, les chercheurs qui s'intéressent principalement au cancer peuvent calculer ratios proportionnels de mortalité par cancer (PCMR). Les PCMR comparent le nombre observé de décès par cancer au nombre attendu en fonction de la proportion du nombre total de décès par cancer (plutôt que de tous les décès) pour le cancer d'intérêt dans la population de référence multiplié par le nombre total de décès par cancer dans le groupe d'étude, multiplié par 100. Ainsi, le PCMR ne sera pas affecté par une aberration (excès ou déficit) dans une cause de décès non cancéreuse, comme les accidents, les maladies cardiaques ou les maladies pulmonaires non malignes.
Les études PMR peuvent être mieux analysées en utilisant rapports de cotes de mortalité (MORs), analysant essentiellement les données comme si elles provenaient d'une étude cas-témoin. Les « témoins » sont les décès d'un sous-ensemble de tous les décès que l'on pense être sans rapport avec l'exposition à l'étude. Par exemple, si l'intérêt principal de l'étude était le cancer, les rapports de cotes de mortalité pourraient être calculés en comparant l'exposition parmi les décès par cancer à l'exposition parmi les décès cardiovasculaires. Cette approche, comme le PCMR, évite les problèmes avec le PMR qui surviennent lorsqu'une fluctuation d'une cause de décès affecte le risque apparent d'une autre simplement parce que le PMR global doit être égal à 100. Le choix des causes de décès de contrôle est cependant critique. . Comme mentionné ci-dessus, ils ne doivent pas être liés à l'exposition, mais la relation possible entre l'exposition et la maladie peut ne pas être connue pour de nombreuses maladies de contrôle potentielles.
Risque attribuable
Il existe des mesures disponibles qui expriment la quantité de maladie qui serait attribuable à une exposition si l'association observée entre l'exposition et la maladie était causale. Le risque attribuable chez les personnes exposées (A.R.e) est le taux de maladie chez les personnes exposées moins le taux chez les personnes non exposées. Étant donné que les taux de maladie ne peuvent pas être mesurés directement dans les études cas-témoins, le RAe est calculable uniquement pour les études de cohorte. Une mesure connexe, plus intuitive, la pourcentage de risque attribuable chez les personnes exposées (A.R.e%), peut être obtenu à partir de l'un ou l'autre plan d'étude. La RAe% est la proportion de cas survenant dans la population exposée qui est attribuable à l'exposition (voir les tableaux 2 et 3 pour la formule). La RAe% est le rapport de taux (ou rapport de cotes) moins 1, divisé par le rapport de taux (ou rapport de cotes), multiplié par 100.
Votre risque attribuable à la population (PAR) et le risque attribuable à la population % (PAR%), ou fraction étiologique, expriment la quantité de maladies dans la population totale, composée de personnes exposées et non exposées, qui sont dues à l'exposition si l'association observée est causale. Le PAR peut être obtenu à partir d'études de cohorte (tableau 28.3 ) et le PAR% peut être calculé à la fois dans des études de cohorte et des études cas-témoins (tableau 2 et tableau 3).
Représentativité
Plusieurs mesures de risque ont été décrites. Chacun suppose des méthodes sous-jacentes pour compter les événements et dans les représentants de ces événements à un groupe défini. Lorsque les résultats sont comparés entre les études, une compréhension des méthodes utilisées est essentielle pour expliquer les différences observées.