Skip to content
Retour aux résultats

Étude de cohorte — Conception observationnelle longitudinale

Introduite par
Doll & Hill (British Doctors Study, 1951); Snow (cholera, 1854)
Année
Mid-20th century (formal epidemiological design codified ~1950s)
Type
Observational longitudinal 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 de cohorte rassemble un groupe d'individus partageant un point de départ commun — généralement l'absence de l'issue d'intérêt — et les suit dans le temps pour observer qui développe l'issue.

En comparant les taux d'incidence entre les sous-groupes exposés et non exposés, les chercheurs peuvent estimer le risque relatif et les différences de risque absolu. Les études de cohorte constituent la conception observationnelle de référence pour mesurer l'incidence des maladies et établir des relations temporelles entre l'exposition et l'issue.

L’intuition derrière la méthode

Considérez une étude de cohorte comme un documentaire prospectif : vous recrutez une distribution de participants avant que l'intrigue ne se déroule, enregistrez qui est exposé à un facteur particulier, puis observez pendant des mois ou des années pour voir qui tombe malade. Parce que vous observez l'exposition avant l'issue, la chronologie de la causalité est plus claire que dans une étude cas-témoins. Le compromis est le temps et le coût — les maladies rares peuvent nécessiter d'énormes cohortes suivies pendant des décennies avant que suffisamment d'événements ne s'accumulent pour tirer des conclusions fiables.

Histoire

La conception de cohorte trouve ses racines dans les observations de John Snow sur le choléra au milieu du XIXe siècle à Londres, mais l'étude épidémiologique formelle de cohorte a été établie au début des années 1950 par des recherches marquantes telles que l'étude des médecins britanniques par Richard Doll et Austin Bradford Hill (1951-1954), qui a démontré la relation causale entre le tabagisme et le cancer du poumon. L'étude Framingham Heart Study, lancée en 1948, a illustré l'approche de cohorte prospective à long terme des facteurs de risque cardiovasculaires. Les fondements méthodologiques ont été codifiés par Brian MacMahon, Thomas Pugh et plus tard Kenneth Rothman.

Quand l’utiliser

Utilisez une étude de cohorte lorsque la question de recherche concerne l'incidence des maladies, la séquence temporelle entre l'exposition et l'issue, ou l'histoire naturelle d'une condition — et lorsque la randomisation est contraire à l'éthique ou irréalisable. Les conceptions de cohorte sont particulièrement bien adaptées à l'étude d'expositions rares (car les participants peuvent être sélectionnés sur la base du statut d'exposition), de multiples issues à partir d'une seule exposition, et d'effets à long terme. N'utilisez pas d'étude de cohorte lorsque l'issue est très rare (nécessitant une cohorte énorme pour observer suffisamment d'événements), lorsque le budget ou le calendrier de l'étude ne peut pas supporter un suivi prolongé, ou lorsqu'une étude cas-témoins ou transversale peut répondre à la question plus efficacement.

Limites et points d’attention

  • Inefficace pour les issues rares — des tailles d'échantillon énormes et de longues périodes de suivi peuvent être nécessaires avant que suffisamment d'événements ne s'accumulent.
  • La perte de suivi peut introduire un biais de sélection si ceux qui abandonnent diffèrent de ceux qui restent.
  • La longue durée et les exigences de grande taille d'échantillon rendent les études de cohorte coûteuses et logistiquement exigeantes.
  • La confusion par des variables non mesurées ne peut pas être éliminée par la conception seule, contrairement aux essais randomisés.

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

Points forts

  • Établit la séquence temporelle — l'exposition est mesurée avant l'issue, soutenant l'inférence causale plus convaincante que les conceptions cas-témoins ou transversales.
  • Permet le calcul des taux d'incidence absolus et du risque relatif, pas seulement des rapports de cotes.
  • Une seule cohorte peut fournir des données sur plusieurs issues simultanément.
  • La mesure prospective de l'exposition réduit le biais de rappel par rapport aux conceptions rétrospectives.
  • Bien adaptée à l'étude d'expositions rares en enrichissant la cohorte avec des individus exposés.

Applications

  • Quantifier les effets cardiovasculaires à long terme des régimes alimentaires, de l'activité physique ou des traitements hypolipémiants.
  • Estimer l'incidence des maladies professionnelles (par exemple, le mésothéliome chez les travailleurs exposés à l'amiante).
  • Étudier l'histoire naturelle des maladies chroniques telles que le diabète, le VIH ou la maladie d'Alzheimer.
  • Évaluer l'efficacité des vaccins et les événements indésirables dans la surveillance post-autorisation.
  • Enquêter sur les effets des expositions environnementales (pollution de l'air, radiations) sur la santé de la population sur des décennies.

Comment ça marche

Comment ça marche

1

L'investigateur identifie et recrute une population à risque — des individus qui n'ont pas encore l'issue d'intérêt. Les critères d'inclusion peuvent être définis par l'âge, la géographie, la profession ou l'inscription dans un système de santé. La cohorte d'inception est recrutée à un point de départ commun, et les caractéristiques de base sont enregistrées.

2

Le statut d'exposition (par exemple, tabagisme, régime alimentaire, utilisation de médicaments, agent professionnel) est évalué à la base et, dans de nombreuses conceptions, réévalué à intervalles réguliers tout au long du suivi. Une mesure précise de l'exposition à cette étape détermine la qualité de l'ensemble de l'étude ; une mauvaise classification ici biaise les estimations de risque vers le nul.

3

Les participants sont surveillés dans le temps par des évaluations périodiques, des liens avec des registres, des données administratives ou des contacts actifs. La perte de suivi est la principale menace pour la validité interne à ce stade : si ceux qui quittent l'étude diffèrent systématiquement de ceux qui restent, l'incidence estimée peut être biaisée.

4

Les événements d'issue incidents (nouveaux diagnostics, décès, hospitalisations) sont identifiés par examen clinique, dossiers médicaux, registres de maladies ou liens avec les statistiques de l'état civil. Des définitions d'issue claires et prédéfinies minimisent la mauvaise classification de l'issue.

5

Les taux d'incidence sont calculés pour les groupes exposés et non exposés. La mesure d'effet principale est le risque relatif (RR = incidence chez les exposés / incidence chez les non exposés) ou, lorsque le temps de suivi varie, le rapport de taux. Des estimations ajustées sont obtenues par régression multivariée (par exemple, Poisson, Cox) pour contrôler les facteurs de confusion.

Formule
RR = (Ie / Iu)

Pièges courants

  • Ignorer les expositions variant dans le temps — traiter une exposition de base comme fixe alors qu'elle change au cours du suivi (par exemple, arrêt du tabac) peut mal classifier l'exposition et biaiser les résultats ; utiliser des analyses mises à jour dans le temps ou des modèles structuraux marginaux.
  • Contrôle inadéquat du temps de suivi — comparer les nombres bruts d'événements plutôt que les taux d'incidence par personne-temps produira des résultats trompeurs lorsque la durée de suivi varie entre les participants.
  • Biais du temps immortel — les périodes de suivi pendant lesquelles un participant ne peut pas subir l'issue (par exemple, le temps avant qu'une prescription de médicament ne soit délivrée) ne doivent pas être attribuées au groupe exposé, sinon les estimations de risque seront artificiellement favorables.
  • Effet du travailleur sain ou de l'utilisateur sain — les cohortes recrutées dans des milieux professionnels ou cliniques peuvent être systématiquement en meilleure santé que la population générale, limitant la généralisabilité externe.

Questions fréquentes

Quelle est la différence entre une étude de cohorte prospective et rétrospective ?

Dans une étude de cohorte prospective, les investigateurs recrutent des participants puis les suivent dans le temps, collectant des données d'exposition et d'issue au fur et à mesure que les événements se produisent. Dans une étude de cohorte rétrospective (historique), l'exposition et l'issue se sont déjà produites ; l'investigateur reconstruit la cohorte à partir de dossiers existants. La logique analytique est identique, mais les conceptions rétrospectives sont plus rapides et moins chères tout en étant plus susceptibles au biais d'information dû à des dossiers historiques incomplets.

Quelle doit être la taille d'une étude de cohorte ?

La taille de l'échantillon dépend de l'incidence attendue de l'issue, de la taille de l'effet que vous souhaitez détecter, de la durée du suivi et de la puissance statistique souhaitée. Pour les issues courantes, quelques centaines de participants peuvent suffire ; pour les issues rares avec des tailles d'effet modestes, des dizaines de milliers de participants suivis pendant des décennies peuvent être nécessaires. Des calculs de puissance doivent être effectués avant le début du recrutement.

En quoi une étude de cohorte diffère-t-elle d'un essai randomisé ?

Dans un essai randomisé, l'investigateur contrôle l'assignation de l'exposition, ce qui élimine la confusion par la conception et permet des conclusions causales. Dans une étude de cohorte, l'exposition est déterminée par des circonstances naturelles, de sorte que des facteurs de confusion non mesurés peuvent fausser l'association exposition-issue. Les études de cohorte sont observationnelles et occupent donc une position inférieure dans la hiérarchie des preuves pour les questions causales, mais elles sont réalisables lorsque la randomisation serait contraire à l'éthique ou irréalisable.

Quelle mesure d'effet une étude de cohorte produit-elle ?

La mesure d'effet principale est le risque relatif (rapport de risque) lorsque l'incidence cumulée est utilisée, ou le rapport de taux d'incidence lorsque des dénominateurs de temps-personne sont utilisés. Les études de cohorte peuvent également estimer la différence de risque (risque attribuable), qui est directement interprétable pour l'impact sur la santé publique. Les rapports de cotes issus de la régression logistique sont parfois rapportés par commodité mais n'approchent le rapport de risque que lorsque l'issue est rare.

Comment gérer la perte de suivi ?

Premièrement, minimiser les pertes grâce à des stratégies de rétention actives. Rapporter la proportion perdue et comparer les caractéristiques de base des participants ayant complété l'étude par rapport à ceux qui ne l'ont pas fait. Analyser en utilisant les principes d'intention de suivi, et effectuer des analyses de sensibilité (par exemple, imputations du meilleur et du pire cas) pour évaluer la robustesse des résultats. La pondération par probabilité inverse peut corriger le censurage informatif lorsque les prédicteurs de l'abandon sont mesurés.

Méthodes associées

Sources

  1. Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ISBN : 978-0781755641
    Copié.
  2. Doll, R., & Hill, A. B. (1954). The mortality of doctors in relation to their smoking habits: a preliminary report. British Medical Journal, 1(4877), 1451–1455.

    Ouvrir la référence DOI
    Copié.