Skip to content
Retour aux résultats

Étude cas-témoins — Dessin épidémiologique observationnel

Introduite par
Janet Lane-Claypon (early precursors, 1926); formalized by Brian MacMahon and Jerome Cornfield in the 1950s–1960s
Année
1950s (formal methodology); precursors in the 1920s
Type
Observational analytic study design
Famille
Clinical / epidemiology

Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais

Taille de police

À quoi sert-elle ?

Une étude cas-témoins est un devis observationnel rétrospectif dans lequel les individus ayant développé une maladie ou un résultat d'intérêt (cas) sont comparés à des individus ne l'ayant pas développé (témoins) afin de déterminer si une exposition antérieure à un facteur de risque putatif diffère entre les deux groupes.

La mesure d'association principale est le rapport des cotes (odds ratio), qui approxime le risque relatif lorsque le résultat est rare. Les études cas-témoins sont particulièrement efficaces pour étudier les maladies rares et générer des hypothèses étiologiques.

L’intuition derrière la méthode

Supposons que vous souhaitiez savoir si l'exposition à un pesticide particulier provoque un cancer rare. La réalisation d'une étude de cohorte prospective nécessiterait de suivre des centaines de milliers de personnes pendant des décennies — ce qui est peu pratique et coûteux. Une étude cas-témoins inverse la chronologie : on commence par les patients qui ont déjà le cancer (cas) et un groupe apparié sans cancer (témoins), puis on remonte le temps pour découvrir qui a été exposé. En comparant les fréquences d'exposition passées entre les deux groupes, on peut estimer la force de l'association entre l'exposition et la maladie. La logique est similaire à celle d'une enquête policière — le résultat est connu, et on travaille à rebours pour identifier ses causes probables.

Histoire

Le devis cas-témoins trouve ses racines au début du XXe siècle en épidémiologie clinique. L'étude de Janet Lane-Claypon en 1926 sur les facteurs de risque du cancer du sein est souvent citée comme précurseur. Les fondations méthodologiques formelles ont été posées dans les années 1950 par Brian MacMahon, Jerome Cornfield, Nathan Mantel et William Haenszel, dont l'article de 1959 sur l'appariement et la stratification reste une référence. L'étude cas-témoins séminale de Richard Doll et Bradford Hill en 1950 reliant le tabagisme au cancer du poumon a propulsé ce devis à la renommée internationale. Le manuel de James Schlesselman de 1982 a codifié les méthodes, et les décennies suivantes ont vu l'intégration de la régression logistique multivariée et des devis imbriqués dans la pratique standard.

Quand l’utiliser

Utiliser une étude cas-témoins lorsque le résultat est rare ou a une longue latence (rendant le suivi prospectif peu pratique), lorsque plusieurs expositions doivent être évaluées simultanément pour un seul résultat, ou lorsque les ressources sont limitées. C'est le devis de choix pour la génération d'hypothèses dans l'étiologie des maladies. N'utilisez pas un devis cas-témoins lorsque l'exposition est rare (une étude de cohorte est plus efficace), lorsque des données d'incidence sont nécessaires (les études cas-témoins fournissent des rapports des cotes, pas des taux d'incidence), ou lorsque la séquence temporelle entre l'exposition et le résultat ne peut pas être établie de manière fiable à partir des données disponibles — ce qui exclurait l'inférence causale.

Limites et points d’attention

  • Susceptible au biais de rappel : les cas peuvent se souvenir des expositions passées plus (ou moins) précisément que les témoins, gonflant ou dégonflant l'association estimée.
  • Le biais de sélection peut survenir si les cas et les témoins ne sont pas issus de la même population source, faisant de la sélection des témoins la décision la plus critique méthodologiquement.
  • Ne peut pas estimer directement les taux d'incidence ou les risques absolus — seulement les rapports des cotes, qui n'approximennt le risque relatif que lorsque la prévalence de la maladie est faible.
  • La temporalité de la relation exposition-résultat peut être difficile à établir à partir de données rétrospectives, limitant l'inférence causale.

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Très efficace pour les maladies rares : même avec un petit échantillon, des estimations significatives de l'association sont réalisables.
  • Relativement rapide et peu coûteuse par rapport aux études de cohorte prospectives car le temps de suivi est éliminé.
  • Permet l'évaluation simultanée de multiples expositions ou facteurs de risque pour un seul résultat.
  • Adaptée à l'étude des maladies à longues périodes de latence où les devis prospectifs seraient peu pratiques.

Applications

  • Investigation des facteurs de risque environnementaux ou professionnels pour les cancers rares (par exemple, amiante et mésothéliome, radon et cancer du poumon).
  • Identification des facteurs de risque des épidémies de maladies infectieuses lors d'enquêtes rapides de santé publique.
  • Étude des effets indésirables de médicaments ou de vaccins lorsque le taux d'événements est trop faible pour alimenter un essai randomisé.
  • Exploration des facteurs de risque génétiques, liés au mode de vie et à l'alimentation pour les maladies cardiovasculaires, le diabète ou les affections neurologiques.
  • Évaluation des expositions maternelles associées aux anomalies congénitales ou aux issues de grossesse défavorables.

Comment ça marche

Comment ça marche

1

Définir précisément le groupe des cas en utilisant des critères diagnostiques clairs et reproductibles (par exemple, diagnostic histologique confirmé). Définir le groupe des témoins pour qu'il représente la même population source d'où proviennent les cas — les témoins devraient être des personnes qui auraient développé la maladie si elles l'avaient contractée. L'ambiguïté dans l'une ou l'autre définition est une source majeure de biais.

2

Recruter les cas (incidents ou prévalents, selon la question de recherche) et les témoins à partir d'une population source appropriée. Les témoins peuvent être basés sur la population (échantillon aléatoire), basés sur l'hôpital, ou appariés aux cas sur des facteurs de confusion potentiels clés tels que l'âge, le sexe ou la zone géographique. L'appariement améliore l'efficacité mais nécessite une analyse appariée.

3

Collecter l'historique d'exposition pour les deux groupes en utilisant les mêmes méthodes — entretiens structurés, dossiers médicaux, échantillons biologiques, ou liaison avec des bases de données administratives. L'aveuglement des enquêteurs quant au statut cas/témoin réduit les biais de rappel différentiel et d'enquêteur. Valider les mesures d'exposition lorsque cela est possible.

4

Construire un tableau de contingence 2×2 (exposé/non exposé × cas/témoin). Calculer le rapport des cotes : OR = (a × d) / (b × c), où a = cas exposés, b = cas non exposés, c = témoins exposés, d = témoins non exposés. Appliquer la régression logistique pour ajuster les facteurs de confusion et obtenir les intervalles de confiance et les valeurs p.

Formule
OR = (a/b) / (c/d) = (a \times d) / (b \times c)
5

Identifier les facteurs de confusion potentiels a priori et les traiter par la conception de l'étude (appariement, restriction) ou par l'analyse (régression logistique multivariée, stratification). Évaluer la modification de l'effet en examinant si l'OR diffère selon les strates d'une troisième variable. Les analyses de sensibilité testent la robustesse des résultats face aux facteurs de confusion non mesurés.

6

Un OR > 1 suggère une association positive entre l'exposition et le résultat ; un OR < 1 suggère une association protectrice. Interpréter l'OR dans le contexte de son intervalle de confiance, de sa signification statistique, de sa plausibilité biologique, des preuves de relation dose-réponse et de sa cohérence avec d'autres études. Rappelez-vous que l'OR n'approxime le risque relatif que lorsque la maladie est rare (prévalence < 10%).

Pièges courants

  • Groupe témoin inapproprié : sélectionner des témoins hospitaliers lorsque les cas sont basés sur la population (ou vice versa) introduit un biais de sélection et déforme le rapport des cotes — les témoins doivent représenter la même population source que les cas.
  • Ignorer le biais de rappel : utiliser l'exposition auto-déclarée sans aveuglement, validation ou triangulation avec des données objectives gonfle les associations apparentes lorsque les cas ruminent davantage sur les causes potentielles de leur maladie.
  • Sur-appariement : apparier les cas et les témoins sur des variables situées sur la voie causale (intermédiaires) supprime la variation exposition-résultat que vous essayez de détecter, masquant les associations réelles.
  • Traiter les cas prévalents comme s'ils étaient incidents : les cas prévalents survivent avec leur maladie, introduisant un biais de survivant — les cas incidents (nouvellement diagnostiqués) sont fortement préférés.
  • Appliquer l'OR comme s'il était égal au risque relatif lorsque la prévalence du résultat est élevée (> 10%) : dans de telles situations, l'OR surestime considérablement le risque relatif, et d'autres mesures devraient être utilisées.

Questions fréquentes

Quelle est la différence entre une étude cas-témoins et une étude de cohorte ?

Une étude de cohorte commence par le statut d'exposition et suit les participants dans le temps pour voir qui développe le résultat ; elle peut estimer directement les taux d'incidence et les risques relatifs. Une étude cas-témoins commence par le statut du résultat (cas vs témoins) et examine rétrospectivement l'exposition passée ; elle fournit des rapports des cotes et est plus efficace pour les résultats rares mais ne peut pas estimer l'incidence. Les deux devis sont complémentaires : les études de cohorte sont meilleures pour les résultats courants avec un suivi court ; les études cas-témoins sont meilleures pour les maladies rares ou les affections à longue latence.

Quand le rapport des cotes approxime-t-il le risque relatif ?

Le rapport des cotes (OR) est une approximation valide du risque relatif (RR) lorsque la maladie ou le résultat est rare — conventionnellement considéré comme une prévalence inférieure à 10%. Lorsque le résultat est courant, l'OR diverge du RR et le surestime. Dans les contextes de forte prévalence, envisagez d'utiliser la régression log-binomiale ou de Poisson pour estimer directement le RR, ou rapportez l'OR en reconnaissant explicitement sa non-équivalence au RR.

Comment dois-je sélectionner les témoins ?

Les témoins doivent être représentatifs de la population source d'où proviennent les cas — c'est-à-dire que si un témoin avait développé le résultat, il aurait été éligible pour devenir un cas. Les témoins basés sur la population (échantillonnés aléatoirement dans la communauté) sont préférés méthodologiquement mais exigeants sur le plan opérationnel. Les témoins basés sur l'hôpital sont pratiques mais peuvent introduire des biais si la fréquentation hospitalière est elle-même associée à l'exposition étudiée. Le choix doit être justifié et ses implications évaluées par une analyse de sensibilité.

Qu'est-ce qu'une étude cas-témoins imbriquée ?

Une étude cas-témoins imbriquée est intégrée dans une cohorte définie. Les cas sont des individus qui développent le résultat pendant le suivi ; les témoins sont échantillonnés parmi les membres de la cohorte qui n'ont pas encore développé le résultat au moment où chaque cas est identifié (échantillonnage par risque). Ce devis conserve l'efficacité de l'approche cas-témoins tout en permettant des estimations de la densité d'incidence et en réduisant considérablement les biais de rappel et de sélection car les expositions étaient souvent mesurées prospectivement avant que les résultats ne surviennent.

Comment gérer les comparaisons multiples lors du test de nombreuses expositions ?

Tester de nombreuses expositions simultanément augmente le taux de faux positifs. Spécifiez les hypothèses primaires et secondaires à l'avance, appliquez les corrections appropriées (Bonferroni, taux de fausses découvertes) pour les analyses secondaires, et interprétez avec prudence les associations nominalement significatives parmi de multiples expositions. La pré-enregistrement du protocole d'étude — avec les expositions primaires clairement déclarées — renforce grandement la crédibilité.

Méthodes associées

Sources

  1. Schlesselman, J.J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.

    ISBN : 978-0195027860
    Copié.
  2. Rothman, K.J., Greenland, S., & Lash, T.L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ISBN : 978-0781755641
    Copié.