Conception d'étude de cohorte
- Introduite par
- Donald Acheson, Olli Miettinen, and others in modern epidemiology
- Année
- 1970s-1980s
- Type
- Research Design
- Famille
- observational design
Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais
À quoi sert-elle ?
Une étude de cohorte suit un groupe d'individus dans le temps, de l'exposition à l'issue.
Des participants exposés et non exposés (ou des participants avec des niveaux d'exposition différents) sont recrutés au départ, caractérisés et observés prospectivement jusqu'à ce que l'issue survienne ou que l'étude se termine. Les études de cohorte sont fondamentales en épidémiologie et constituent le plan de choix pour établir des associations causales lorsque les essais randomisés sont infaisables ou contraires à l'éthique.
L’intuition derrière la méthode
Imaginez suivre deux groupes de fumeurs et de non-fumeurs pendant 10 ans et compter les cancers du poumon dans chaque groupe. Le Risque Relatif (RR) = (cancers du poumon chez les fumeurs) / (cancers du poumon chez les non-fumeurs) vous indique à quel point les fumeurs sont plus susceptibles de développer un cancer. Les études de cohorte préservent la séquence temporelle (exposition avant l'issue) naturellement, évitent le biais de rappel (l'exposition est enregistrée au départ, pas mémorisée après le développement de la maladie), et peuvent étudier plusieurs issues à partir d'une seule exposition. Le principal compromis est le coût et le temps : il faut suivre les personnes pendant des années, souvent à grands frais. La confusion (confounding)—d'autres facteurs corrélés à la fois à l'exposition et à l'issue—reste une menace sauf si elle est contrôlée.
Histoire
Les études de cohorte sont devenues prédominantes en épidémiologie dans les années 1950-1970, exemplifiées par le Framingham Heart Study (1948-présent), qui a été pionnier dans l'étude des facteurs de risque cardiovasculaires prospectifs. Olli Miettinen et d'autres ont formalisé les fondements statistiques, distinguant les approches de cohorte (basées sur l'incidence) des approches cas-contrôles (basées sur les cotes). Les études de cohorte modernes s'appuient sur les dossiers de santé électroniques, les registres de maladies et les biobanques pour l'efficacité. Les cohortes dynamiques (recrutement continu) et les conceptions cas-contrôles imbriqués (sélection de cas et de témoins au sein d'une cohorte) ont élargi la boîte à outils méthodologique.
Quand l’utiliser
Utiliser des études de cohorte lorsque : (1) on étudie des expositions rares (par exemple, dangers professionnels affectant peu de personnes), (2) on établit des relations temporelles entre l'exposition et l'issue, (3) on étudie plusieurs issues à partir d'une seule exposition (par exemple, tabagisme → cancer, maladie cardiaque, BPCO), (4) on évalue les effets à long terme sur des années ou des décennies, (5) on évalue l'histoire naturelle et l'incidence des maladies, (6) les essais randomisés sont contraires à l'éthique (par exemple, exposer des personnes à des substances nocives), (7) les issues sont fréquentes, rendant le cas-contrôle moins efficace.
Limites et points d’attention
- Temps et coût : le suivi des cohortes pendant des années ou des décennies nécessite un financement, un personnel et une infrastructure soutenus ; l'attrition (pertes de suivi) est fréquente.
- Biais de perte de suivi : si les participants perdus sont systématiquement différents en termes d'exposition ou de facteurs de confusion, les estimations du RR deviennent biaisées. Nécessite des taux de suivi élevés (>80%).
- Issues rares : si l'incidence de l'issue est très faible, d'énormes cohortes sont nécessaires, ce qui augmente le coût. Le cas-contrôle peut être plus efficace.
- Confusion (Confounding) : les facteurs de confusion non mesurés ou mal mesurés peuvent biaiser le RR. L'ajustement est limité aux variables mesurées.
- Effets de cohorte : les participants recrutés au fil du temps peuvent différer par leurs caractéristiques de base, leur pronostic ou les tendances séculaires, affectant la comparabilité.
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Séquence temporelle claire : l'exposition est enregistrée avant l'issue, établissant la directionnalité et la causalité de manière plus convaincante que les conceptions transversales.
- Multiples issues : une seule exposition peut être liée à de nombreuses issues, ce qui est économique pour la génération d'hypothèses larges.
- Incidence et risque absolu : estime directement le risque dans les groupes exposés et non exposés, permettant le calcul du nombre de sujets à traiter.
- Évite la sélection dépendante de l'issue : la cohorte est définie par l'exposition, et non par l'issue, ce qui empêche le biais de sélection inhérent aux études cas-contrôles.
- Taux d'incidence : les dénominateurs de personnes-temps tiennent compte du suivi variable, permettant la comparaison entre études avec des durées de suivi différentes.
Applications
- Épidémiologie professionnelle : suivi des travailleurs dans des industries dangereuses (amiante, mines, fabrication de produits chimiques) pour quantifier le risque de maladie attribuable aux expositions sur le lieu de travail.
- Études sur l'alimentation et le mode de vie : recrutement de participants, mesure de l'alimentation et de l'activité physique de base, puis suivi des maladies cardiovasculaires, du cancer ou de la mortalité (par exemple, Nurses' Health Study).
- Incidence et pronostic du cancer : recrutement de participants sans maladie et suivi du diagnostic de cancer dans le temps ; ou recrutement de patients atteints de cancer et suivi de la survie.
- Cohortes de naissance et développement de l'enfant : recrutement de femmes enceintes ou de nouveau-nés, mesure des expositions précoces (par exemple, tabagisme maternel, pollution de l'air, pauvreté), et évaluation des issues de santé et de développement à long terme.
- Sécurité des médicaments et issues indésirables : recrutement de patients commençant un nouveau médicament et surveillance des événements indésirables, des hospitalisations ou de la mortalité par rapport aux traitements alternatifs.
Comment ça marche
Comment ça marche
Définir la source de la cohorte (par exemple, adultes sans maladie âgés de 40 à 70 ans, employés d'une usine, patients d'une clinique). Définir l'exposition : est-elle binaire (oui/non), catégorielle (faible/moyen/élevé), ou continue (années d'utilisation) ? Recruter des participants sans maladie au départ ; mesurer et enregistrer le statut d'exposition et les facteurs de confusion de base (âge, sexe, race, statut socio-économique, comorbidités, etc.). Suivre les participants sur une période prédéterminée (de quelques mois à des décennies). Utiliser un suivi actif (entretiens, visites cliniques, enquêtes postales) ou un suivi passif (dossiers de santé, registres de maladies, réclamations d'assurance). Enregistrer les événements d'issue (diagnostic, hospitalisation, décès) avec les dates. Documenter les pertes de suivi, les abandons et les censures (lorsque les participants sont vivants/sans maladie à la fin de l'étude mais que le statut d'issue est inconnu). Standardiser la définition de l'issue pour tous les participants.
Formule
Define cohort (exposed and unexposed groups); enroll eligible participants; establish baseline characteristics and exposure status; follow participants forward in time; record outcome events.
Calculer l'incidence dans chaque groupe d'exposition : Incidence = (nombre d'événements d'issue dans le groupe) / (personnes-temps à risque dans le groupe). Le personnes-temps tient compte de la durée de suivi variable : si une personne est suivie pendant 5 ans et une autre pendant 2 ans, le personnes-temps s'additionne à 7 personnes-années. Calculer le Risque Relatif (RR) = Incidence_exposé / Incidence_non_exposé. RR > 1 suggère un risque accru ; RR < 1 suggère un risque réduit (ou un effet protecteur) ; RR = 1 suggère aucune association. Calculer des intervalles de confiance à 95 % (basés sur Poisson ou méthode delta). Ajuster pour les facteurs de confusion en utilisant la stratification (Mantel-Haenszel) ou la régression (modèle de Cox à risques proportionnels, régression de Poisson). Vérifier l'hypothèse des risques proportionnels dans les modèles de Cox.
Formule
Calculate incidence (risk) in exposed and unexposed groups; compute Relative Risk (RR) = Incidence_{\text{exposed}} / Incidence_{\text{unexposed}}.Un RR de 2 signifie que le groupe exposé a deux fois l'incidence par rapport au groupe non exposé. Un RR de 0,5 signifie que le groupe exposé a la moitié de l'incidence (effet protecteur). Les intervalles de confiance excluant 1,0 suggèrent des associations statistiquement significatives (à α=0,05). Évaluer la causalité : L'association est-elle forte (RR > 2–3) ? Dose-dépendante (exposition croissante → risque croissant) ? Cohérente dans différents sous-groupes ? Temporellement cohérente ? Considérer la confusion non mesurée : un facteur non mesuré (par exemple, prédisposition génétique, régime alimentaire) pourrait-il expliquer le RR observé ? Généraliser les résultats aux populations similaires à votre cohorte. Rapporter la réduction du risque absolu ou le nombre de sujets à traiter (NNT) aux côtés du RR pour le contexte clinique.
Formule
Interpret RR in context of follow-up duration, loss to follow-up, and confounding; assess temporality; generalize to source population.
Pièges courants
- Documentation inadéquate du suivi : des dates d'issue manquantes ou vagues, ou des définitions d'issue incohérentes entre les participants, invalident l'inférence temporelle.
- Ignorer les pertes de suivi : exclure les participants perdus sans analyse introduit un biais de sélection. Utiliser la logique d'intention de traiter ; effectuer des analyses de sensibilité sous différents mécanismes de données manquantes.
- Confusion non mesurée : un facteur non mesuré (par exemple, susceptibilité génétique) peut expliquer l'association exposition-issue. Toujours discuter des facteurs de confusion potentiels non mesurés.
- Stratification post-hoc : diviser la cohorte en sous-groupes après avoir vu les résultats conduit à des comparaisons multiples, des découvertes fortuites et un surajustement (overfitting). Pré-spécifier les hypothèses de sous-groupes.
- Supposer la linéarité : dans les analyses dose-réponse, supposer une relation linéaire entre le niveau d'exposition et l'issue peut masquer des effets de seuil ou de plateau. Tracer les données et tester des ajustements non linéaires.
Questions fréquentes
Quelle est la différence entre le Risque Relatif (RR) et le Rapport de Cotes (Odds Ratio, OR) dans une étude de cohorte ?
Dans les études de cohorte, on mesure directement l'incidence (probabilité d'une issue dans le temps), donc le Risque Relatif (RR) est l'estimation naturelle : RR = Incidence_exposé / Incidence_non_exposé. Le Rapport de Cotes (OR) est le rapport des cotes de l'issue ; il apparaît dans les études cas-contrôles où l'on ne peut pas mesurer l'incidence. Dans les cohortes avec des issues rares (incidence <10%), le RR et l'OR se rapprochent. Lorsque les issues sont fréquentes, ils divergent : l'OR surestime l'effet par rapport au RR. Toujours rapporter le RR dans les études de cohorte ; réserver l'OR aux conceptions cas-contrôles.
Qu'est-ce que le personnes-temps, et pourquoi est-ce important ?
Le personnes-temps (ou temps de suivi) est la somme des durées de suivi individuelles. Si vous suivez 100 personnes pendant 10 ans chacune, cela fait 1000 personnes-années. Si 50 personnes sont suivies pendant 5 ans et 50 personnes pendant 10 ans, cela fait également 750 personnes-années. Le taux d'incidence est calculé par unité de personnes-temps (par exemple, pour 1000 personnes-années). Le personnes-temps tient compte du fait que certains participants abandonnent, décèdent ou sont censurés prématurément. Utiliser le personnes-temps comme dénominateur (plutôt que simplement le nombre de personnes) donne des estimations non biaisées lorsque le suivi est variable.
Comment gérer les pertes de suivi ?
Les pertes de suivi sont une source majeure de biais. Viser un suivi >80%. Dans l'analyse, n'excluez pas simplement ceux qui sont perdus ; cela introduit un biais de sélection. Utilisez plutôt la logique d'intention de traiter : classez les participants perdus selon leur dernier statut connu, et effectuez des analyses de sensibilité en supposant différents scénarios d'issue (par exemple, tous les perdus sont sans issue, tous les perdus ont développé l'issue, ou sont manquants au hasard). Si les pertes de suivi diffèrent nettement entre les groupes exposés et non exposés, interprétez les résultats avec prudence. La pondération par l'inverse de la probabilité (IPW) ou l'imputation multiple peuvent ajuster pour les données manquantes systématiques sous l'hypothèse de 'manquant au hasard'.
Comment distinguer les études de cohorte des études transversales ?
Une étude de cohorte recrute des participants sans maladie (ou sans issue), mesure l'exposition au départ, et les suit dans le temps jusqu'à ce que l'issue survienne. Une étude transversale mesure l'exposition et l'issue simultanément à un moment unique, capturant la prévalence. Les cohortes ont une séquence temporelle claire (exposition → issue), permettant l'inférence causale. Les études transversales ne peuvent pas établir la directionnalité : l'exposition a-t-elle causé l'issue, ou l'issue a-t-elle influencé la perception de l'exposition ? Les cohortes sont plus coûteuses et prennent plus de temps, mais fournissent des preuves plus solides de causalité.
Méthodes associées
Sources
Miettinen, O. S. (1976). Estimability and estimation in case-referent studies. American Journal of Epidemiology, 103(2), 226–235.
Ouvrir la référence DOICopié.Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN : 978-0781755657Copié.Veierød, M. B., Lydersen, S., & Laake, P. (2012). Medical Statistics in Clinical and Epidemiological Research. Gyldendal Akademisk.
ISBN : 978-8205418627Copié.