Initiation aux enqu

1
Initiation aux enquêtes quantitatives

• Le BA-BA de lépidémiologie et des statistiques

2
Les différents types denquête

• Cadre général observationnel à différencier de
  linterventionnel
• 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 léchantillon cible
• sassurer la représentativité de léchantillon
• biais supplémentaires si questionnaires
• biais de fréquentation
• Problème de la fiabilité des données
  rétrospectives
• Pas dhomogénéité de  la durée dexposition  (
  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 (n2028)
gt20c/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 dune variable réponse
• 1ère question quelle est la variable réponse?
• 2ème question comment elle se distribue?
• 3ème question quels facteurs explicatifs?

12
Analyse univariée

• Lobjectif est de déterminer le rôle dun facteur
  explicatif sur la variable réponse (ex rôle du
  sexe ou de lage sur lobservance au trt)
• On va comparer des proportions ou des
  distributions
• Variable explicative Obs Non-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 derreur
  associé au fait de dire qu il existe une
  différence
• si p lt0.05 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/s 41 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 lt0.001
• 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 explicative Obs Non-Obs OR 95IC
• femmes () 28 26 1.2 0.90-1.56
• sous IP () 58 66 1.5 1.2-2.3
• Age moyen 40 36 0.960.94-0.99
• LOR 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 lintervalle de confiance
• Le sens de la relation est indiqué

17
Limites des analyses univariées

• Le seuil de 0.05 est arbitraire, le sens
  sinterprète par rapport à la taille de
  léchantillon
• On constate une relation, pas une causalité!!!
• Attention aux variables de confusion! Nécessité
  dajuster!

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  et
  toxi-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 daccès aux soins
22
Prendre en compte les variables de confusion

• Traitement simple Observance

Tolérance perçue
23
Lanalyse multivariée

• On tente dexpliquer la variable réponse par
  plusieurs facteurs indépendamment associés
• On introduit les facteurs associés ou presque
  associés dans lanalyse 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)
p
95 CI
OR
0.08
0.94-2.72
1.6
Sexe Féminin
0.03
0.27-0.93
0.5
Plus de 2 partenaires
0.09
0.96-1.72
1.3
Plus de 1 rapport par semaine
Dépression
0.01
1.19-2.51
1.7
0.05
0.88-2.261.12-3.53
11.411.98
Usage de drogueAbstinentSub non
injecteurInjecteurs
0.003
1.21-2.56
1.76
3 ou plus effets secondaires
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 dalcool

p gt 0.25
26
Facteurs associés avec un comportement sexuel à
risque avec un partenaire occasionnel (cohorte
MANIF, analyse multivariée,192 patients traités)
95 CI
AOR
Plus de 2 partenaires
0.27-0.95
0.51
Plus de 1 rapport / semaine
0.98-1.76
1.31
Usage de drogueAbstinentSub non
injecteurInjecteurs
0.89-2.331.02-3.31
11.441.84
3 ou plus effets secondaires
1.19-2.55
1.74
27
Facteurs associés à labsence 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 dalcool 1.4 1.1-1.9
• Taux de CD4
• gt350 1
• 200-350 0.7 0.5-1.1
• lt200 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 ninfluence 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
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 lt 500 after ARV initiation
No
1
Yes
2,9 1,2-7,0