7 - Risque relatif et odds-ratio

Summary

Cette vidéo explique comment quantifier la force de l'association entre deux variables binaires, notamment à travers le risque relatif et l'odds ratio. Elle illustre leur application en économie et en médecine, avec des exemples comme l'impact du tabagisme sur le cancer du poumon ou l'obésité sur les maladies cardiaques. L'odds ratio, bien que moins intuitif, offre des avantages, notamment dans les études cas-témoins et pour ajuster les facteurs de confusion. La vidéo détaille également les étapes pratiques pour calculer ces paramètres à partir de données, en soulignant l'importance de choisir le bon indice selon la prévalence de la maladie.

Takeaways

• 😀 La quantification de la force de la liaison entre deux variables binaires est essentielle dans de nombreuses disciplines, notamment en économie et en médecine.
• 😀 En médecine, l'association entre une maladie et un facteur de risque, comme l'obésité ou le tabagisme, est souvent analysée à l'aide de tableaux 2x2.
• 😀 Le risque relatif est l'un des paramètres les plus utilisés pour quantifier l'association entre un facteur de risque et une maladie. Il se calcule en comparant le pourcentage de malades parmi ceux ayant un facteur de risque par rapport à ceux n'en ayant pas.
• 😀 Un exemple courant est celui du risque relatif associé au tabagisme et au cancer du poumon, où un fumeur a 10 fois plus de risque de développer cette maladie.
• 😀 L'Odds Ratio (rapport de cote) est un autre paramètre utilisé pour mesurer cette association. Il est moins intuitif que le risque relatif, mais possède des avantages dans certaines situations statistiques.
• 😀 L'odds ratio est particulièrement utile dans les modèles statistiques qui ajustent pour des facteurs de confusion, comme dans l'exemple de l'obésité et de l'infarctus du myocarde.
• 😀 Il est également avantageux dans les études cas-témoins, où il est plus difficile d'estimer un risque relatif à cause de la rareté de la maladie étudiée.
• 😀 Les études cas-témoins permettent de travailler avec un échantillon plus petit, mais peuvent conduire à des estimations d'odds ratio plus précises.
• 😀 Un point clé est que l'odds ratio et le risque relatif peuvent être très similaires lorsque la maladie est rare (prévalence inférieure à 5%).
• 😀 Les différences entre risque relatif et odds ratio se manifestent lorsque la prévalence de la maladie est plus élevée, comme dans le cas d'une étude sur le trouble dépressif en prison.
• 😀 Lors de l'analyse de données avec des variables codées en plusieurs classes, il peut être nécessaire de les recoder en binaire pour calculer les paramètres comme l'odds ratio et le risque relatif de manière correcte.

Q & A

Qu'est-ce qu'un tableau 2x2 et à quoi sert-il dans l'analyse des associations binaires ?

Un tableau 2x2 permet de représenter les données entre deux variables binaires. Les colonnes représentent l'état de la maladie (malade/non-malade) et les lignes l'exposition au facteur de risque (présent/absent). Il sert à calculer des mesures d'association comme le risque relatif et l'odds ratio.

Comment se calcule le risque relatif (RR) et quelle est son interprétation ?

Le risque relatif se calcule comme la proportion de sujets malades parmi ceux exposés au facteur de risque divisée par la proportion de sujets malades parmi ceux non exposés. Il indique combien de fois le risque de la maladie est plus élevé chez les exposés par rapport aux non-exposés.

Qu'est-ce que l'odds ratio (OR) et en quoi diffère-t-il du risque relatif ?

L'odds ratio est le rapport des cotes (malades/non-malades) chez les exposés au facteur de risque sur le même rapport chez les non-exposés. Il est moins intuitif que le risque relatif mais utile pour les ajustements statistiques et les études cas-témoins. Contrairement au RR, il peut être utilisé même si la maladie est rare ou dans des enquêtes non représentatives.

Quels sont les avantages principaux de l'odds ratio par rapport au risque relatif ?

L'odds ratio permet de gérer les facteurs de confusion grâce à des modèles statistiques et peut être utilisé dans les études cas-témoins où le risque relatif ne peut pas être calculé directement. Il est aussi polyvalent pour différentes tailles d'échantillons et types d'études.

Pourquoi le risque relatif ne peut-il pas être utilisé dans une étude cas-témoins ?

Dans une étude cas-témoins, le nombre de sujets malades et non malades est fixé par le chercheur et ne reflète pas la population générale. Le risque relatif nécessite des proportions représentatives dans la population, ce qui n'est pas le cas ici. L'odds ratio reste calculable.

Dans quelles conditions l'odds ratio est-il proche du risque relatif ?

Lorsque la maladie est rare, généralement avec une prévalence inférieure à 5%, l'odds ratio devient très proche du risque relatif et peut être interprété de manière similaire.

Comment vérifier qu'une variable binaire a été correctement créée à partir d'une variable catégorielle ?

On peut utiliser la fonction 'table' pour croiser la nouvelle variable binaire avec la variable originale. Il faut s'assurer que toutes les valeurs sont correctement recodées, par exemple que les faibles/modérés deviennent 0 et les élevés deviennent 1.

Quel est l'effet de la prévalence élevée d'une maladie sur l'interprétation de l'odds ratio ?

Lorsque la prévalence est élevée, l'odds ratio surestime souvent le risque relatif et devient difficile à interpréter. Dans ce cas, il est préférable de se concentrer sur le risque relatif pour comprendre l'association.

Pourquoi utilise-t-on 1 moins la variable dans la fonction 'twoby2' de la librairie Epi ?

La fonction 'twoby2' considère par défaut que 0 signifie malade ou exposé et 1 signifie non-malade ou non-exposé. Si le codage de vos données est inversé, utiliser 1 moins la variable permet de corriger le codage et de calculer correctement le RR et l'OR.

Dans l'exemple de l'évitement du danger et des troubles dépressifs en prison, quels sont les résultats et leur interprétation ?

Le risque relatif est de 1,97, indiquant que les détenus avec un évitement du danger élevé ont presque deux fois plus de risque de présenter une symptomatologie dépressive. L'odds ratio est de 3,25, beaucoup plus élevé que le RR, ce qui montre que lorsque la prévalence n'est pas faible (30-40%), l'OR surestime le risque relatif et doit être interprété avec prudence.

Quelles précautions faut-il prendre lors de l'analyse d'associations entre facteurs de risque et maladies ?

Il faut vérifier le codage des variables, choisir la mesure d'association appropriée selon la prévalence de la maladie et le type d'étude, tenir compte des facteurs de confusion et utiliser les modèles statistiques adaptés pour obtenir des OR ajustés si nécessaire.