1 / 30

Initiation aux enquêtes quantitatives

Initiation aux enquêtes quantitatives. Le BA-BA de l’épidémiologie et des statistiques. Les différents types d’enquête. Cadre général : observationnel à différencier de l’interventionnel Enquêtes transversales avantage : une seule fois difficulté : représentativité

jerome
Download Presentation

Initiation aux enquêtes quantitatives

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Initiation aux enquêtes quantitatives Le BA-BA de l’épidémiologie et des statistiques

  2. Les différents types d’enquête Cadre général : observationnel à différencier de l’interventionnel • Enquêtes transversales • avantage : une seule fois • difficulté : représentativité • Enquêtes longitudinales (prospectives) • difficulté : attrition • Cohortes • Enquêtes cas témoins (rétrospectif) • pas cher • risque de biais

  3. Enquêtes transversales • Problème de la représentativité • caractériser l’échantillon cible • s’assurer la représentativité de l’échantillon • biais supplémentaires si questionnaires • biais de fréquentation • Problème de la fiabilité des données rétrospectives • Pas d’homogénéité de « la durée d’exposition » ( à une molécule, à un vécu….)

  4. Description des données • Données qualitatives en classes • effectifs fréquences: n (%) • éviter les questions ouvertes • regrouper des classes • faire le deuil de toutes les situations • Données quantitatives • distribution normale: moyenne et écart type • autres distributions: médiane, IQR, rang

  5. Tabac (n=2028) >20c/j 0 cig/j 1 à 20 cig/j

  6. Analyse descriptive • Données qualitatives en classes • effectifs fréquences: n (%) • éviter les questions ouvertes • faire le deuil de toutes les situations • Données quantitatives • distribution normale: moyenne et écart type • autres distributions: médiane, IQR, rang

  7. Distribution normale

  8. Distribution normale Écart-type moyenne

  9. Distribution anormale Médiane : partage de 50% de la distribution IQR: limites de 3/4 de la distribution Rang: limites de la distribution entière

  10. Les boites à moustache Nombre de symptômes déclarés

  11. Analyse explicative • But: rechercher les facteurs associés explicatifs d’une variable réponse • 1ère question: quelle est la variable réponse? • 2ème question: comment elle se distribue? • 3ème question : quels facteurs explicatifs?

  12. Analyse univariée • L’objectif est de déterminer le rôle d’un facteur explicatif sur la variable réponse (ex: rôle du sexe ou de l’age sur l’observance au trt) • On va comparer des proportions ou des distributions Variable explicativeObsNon-Obs Age moyen 40 36 % femmes 28 26

  13. Tests statistiques • La différence observée est elle due au hasard ou non? • Test statistique exprimé par p : risque d’erreur associé au fait de dire qu ’il existe une différence • si p <0.05 on décide que la différence observée est significative

  14. Comparaison des personnes migrantes aux autres Autres Migrants Fumeurs 67% 38% Conso Alcool 46% 32% Conso produits 24% 9% Rapports homosexuels 51% 31% déjà répondu en 2002 15% 10% A eu une IST 30% 31% Fréquentation asso 1/s41% 44%

  15. Comparaison des personnes migrantes aux autres Autres Migrants p Fumeurs 67% 38% 0.001 Conso Alcool 46% 32% 0.002 Conso produits 24% 9% <0.001 Rapports homos 51% 31% 0.001 déjà répondu 15% 10% 0.02 A eu une IST 30% 31% 0.51 Fréqu asso 1/s 41% 44% 0.26

  16. Expression par un OR ou RR Exemple: risque de non-observance Variable explicativeObsNon-Obs OR [95%IC] femmes (%) 28 26 1.2 [0.90-1.56] sous IP (%) 58 66 1.5 [1.2-2.3] Age moyen 40 36 0.96[0.94-0.99] • L’OR exprime le nombre de fois pour lequel on doit multiplier le risque de non-exposé (ex sans IP) par rapport aux exposés • l ’association n ’est pas significative si le 1 est dans l’intervalle de confiance • Le sens de la relation est indiqué

  17. Limites des analyses univariées • Le seuil de 0.05 est arbitraire, le sens s’interprète par rapport à la taille de l’échantillon • On constate une relation, pas une causalité!!! • Attention aux variables de confusion! Nécessité d’ajuster!

  18. Prendre en compte les variables de confusion Toxi-infection alimentaire Pizza

  19. Prendre en compte les variables de confusion Toxi-infection alimentaire Pizza Tiramisu

  20. Sortir de la confusion • Relation entre « manger une pizza » ettoxi-infection alimentaire, OR= 10 [8-30] • Parmi ceux qui n ’ont pas mangé de tiramisu: OR = 1 [0.8-1.2] • Parmi ceux qui ont mangé du tiramisu: OR = 1.2 [0.9-1.3]

  21. Prendre en compte les variables de confusion Code postal survie des séropos Facilité d’accès aux soins

  22. Prendre en compte les variables de confusion Traitement simple Observance Tolérance perçue

  23. L’analyse multivariée • On tente d’expliquer la variable réponse par plusieurs facteurs indépendamment associés • On introduit les facteurs associés ou presque associés dans l’analyse univariée • Des facteurs liés à d ’autres vont « disparaître » • On aboutit à un modèle qui résume plusieurs dimensions explicatives

  24. Facteurs associés avec un comportement sexuel à risque avec un partenaire occasionnel (cohorte MANIF, analyse univariée,192 patients traités) OR 95% CI p Sexe Féminin 1.6 [0.94-2.72] 0.08 Plus de 2 partenaires 0.5 [0.27-0.93] 0.03 Plus de 1 rapport par semaine 1.3 [0.96-1.72] 0.09 Dépression 1.7 [1.19-2.51] 0.01 Usage de drogueAbstinentSub non injecteurInjecteurs 11.411.98 [0.88-2.26][1.12-3.53] 0.05 3 ou plus effets secondaires 1.76 [1.21-2.56] 0.003

  25. Facteurs non associés* avec un comportement sexuel à risque avec un partenaire occasionnel (cohorte MANIF, analyse univariée,192 patients traités) • Bac • Emploi • Avoir un partenaire principal • IP dans le traitement • Nombre de comprimés • Durée de traitement • Charge virale indétectable • Taux de CD4 • Stade clinique • Consommation quotidienne d’alcool * p > 0.25

  26. Facteurs associés avec un comportement sexuel à risque avec un partenaire occasionnel (cohorte MANIF, analyse multivariée,192 patients traités) AOR 95% CI Plus de 2 partenaires 0.51 [0.27-0.95] Plus de 1 rapport / semaine 1.31 [0.98-1.76] Usage de drogueAbstinentSub non injecteurInjecteurs 11.441.84 [0.89-2.33][1.02-3.31] 3 ou plus effets secondaires [1.19-2.55] 1.74

  27. Facteurs associés à l’absence de traitement: comparaison des 779 traités et des 200 non traités(n= 979) VARIABLE OR Aj IC95% Age (an) 0.94 0.92-0.95 • CMU de base 2.0 1.8-2.2 • Consommation de produits 2.2 1.5-2.9 • Consommation d’alcool 1.4 1.1-1.9 • Taux de CD4 >350 1 200-350 0.7 0.5-1.1 <200 0.4 0.2-0.8 NSP 1.3 0.8-1.5

  28. Les modèles longitudinaux • Modèle de Cox = modèle de survie, on modélise les facteurs associés à un 1er évènement • Modèle GEE = observations répétées au cours du temps, le temps n’influence pas les facteurs expliquant la variable réponse • Modèle mixte = observations répétées au cours du temps, le temps influence les facteurs qui expliquent la variable réponse • Modèles joints

  29. log-rank test p<10-3 Impact of initial depression on HIV clinical progression (MANIF 2000 cohort, n= 243 treated patients) 1.00 No depression 0.75 Depression 0.50 0.25 • BOUHNIK ANTIVIR THER 2005 Time (months) 0.00 0 20 40 60 80

  30. Independent factors associated with HIV clinical progression (Cox multivariate model, MANIF 2000, n= 243) RR CI [95%] Initial depression No 1 Yes 5,3 [2,2-13,0] Average proportion of non adherence during follow-up (per 10% increase) 1,2 [1,1-1,3] CD4 < 500 after ARV initiation No 1 Yes 2,9 [1,2-7,0]

More Related