Analyse des tableaux de contingence en épidémiologie

15. Analyse appariée pour les études de cohortes

© 2004 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél. : (418) 657-4399 – www.puq.ca Tiré de : Analyse des tableaux de contingence en épidémiologie, Paul-Marie Bernard, ISBN 2-7605-1306-8 • D1306N Tous droits de reproduction, de traduction et d’adaptation réservés CHAPITRE 1 5 ANALYSEAPPARIÉE POURLESÉTUDESDECOHORTES Dans ce chapitre, nous proposons des techniques d’analyse appariée dans le contexte d’études de cohortes, où l’on s’intéresse principalement à la mesure du risque relatif (RR) et secondairement à la différence des risques (DR). Les techniques développées pour le RR sont analogues à celles définies pour le rapport de cotes RC et présentées au chapitre 14. Les méthodes statistiques pour le RR s’avèrent cependant plus simples que celles pour le RC. En effet, dans le contexte des analyses appariées pour le RR, les données d’appariement uniforme peuvent être décrites simplement dans un tableau 2 2, quel que soit le niveau d’appariement. Notons qu’au plan formel, le RR et le DR se confondent respectivement avec un rapport et une différence de proportions. 350 Analyse des tableaux de contingence en épidémiologie© 2004 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél. : (418) 657-4399 – www.puq.ca Tiré de : Analyse des tableaux de contingence en épidémiologie, Paul-Marie Bernard, ISBN 2-7605-1306-8 • D1306N Tous droits de reproduction, de traduction et d’adaptation réservés Considérons une étude de cohorte qui porte sur l’association entre le facteur X dichotomique et une maladie Y. Chacun des K sujets exposés au facteur X (X = 1) a été apparié à r sujets non exposés (X = 0), pour un ou plusieurs facteurs à contrôler. Cet appariement définit K strates homogènes sur lesquelles on retrouve un exposé et un certain nombre de non-exposés. Par observation, chaque sujet est alors classé malade (Y = 1) ou non malade (Y = 0). Sur les données de cette étude, on décide de pratiquer une analyse appariée pour vérifier l’association entre X et Y tout en contrôlant le ou les facteurs d’appariement. Ainsi, l’objectif de cette analyse pourrait être de mesurer par le RR l’association entre X et Y, d’établir un intervalle de confiance de cette mesure ou de tester cette association entre X et Y. Notation : dans ce chapitre, RR représente en général le risque relatif mesuré sur les données observées et , le risque relatif théorique, paramétrique, dont la valeur est en général inconnue. Pour l’analyse du RR, les K strates peuvent être fondues en un seul tableau de données comme le tableau 15.1. Tableau 15.1 Facteur d’exposition X Total X = 1 X = 0 Y = 1 a b m1 Y = 0 Total K rK n Les données d’un tel tableau peuvent être analysées suivant les outils déjà présentés au chapitre 6 pour les proportions dans un tableau 2 2. De telles analyses se fondent principalement sur la loi hypergéométrique. Cependant, nous allons définir ici une autre approche d’analyse conditionnelle , analogue à celle présentée pour les analyses appariées dans les études de cas-témoins. Cette approche est intéressante pour trois raisons : 1) elle concorde avec celle des études cas-témoins; 2) elle est centrée sur la mesure du RR ; 3) elle est directement accessible dans la procédure PHREG au moyen de la fonction de vraisemblance partielle de Breslow. Cependant, elle a le désavantage d’une perte de puissance liée au fait que les analyses portent uniquement sur les sujets ayant eu la maladie (Y = 1). Aussi, en guise de complément, pour le contexte d’appariement 1 à 1, nous suggérerons une approche plus efficiente basée sur l’estimation de la variance de log(RR). Analyse appariée pour les études de cohortes 351© 2004 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél. : (418) 657-4399 – www...