Étude épidémiologique transversale
- Introduite par
- Classical epidemiology tradition; systematized by Brian MacMahon and Thomas Pugh (1960s)
- Année
- 1960s (formal codification); widely practiced since mid-20th century
- Type
- Observational, descriptive/analytic epidemiological design
- Famille
- Clinical / epidemiology
Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais
À quoi sert-elle ?
Une étude épidémiologique transversale mesure l'exposition (ou les expositions) et le(s) résultat(s) d'intérêt simultanément dans une population définie à un moment donné (ou sur une courte période).
En l'absence de suivi, il s'agit de la conception observationnelle la plus efficace pour estimer la prévalence d'une maladie et pour générer des hypothèses sur les associations entre les facteurs de risque et les issues de santé.
L’intuition derrière la méthode
Considérez une étude transversale comme une photographie d'une population prise à un instant T. Chaque individu sur la photo est évalué à la fois pour son statut d'exposition (par exemple, tabagisme, IMC, profession) et pour son état de santé actuel (par exemple, hypertension, dépression, diabète). Comme la photo capture l'ensemble de la scène en une seule fois, vous pouvez rapidement compter qui a la maladie et si certaines expositions sont plus fréquentes chez ceux qui l'ont. Vous ne pouvez cependant pas déterminer à partir de la photo ce qui est venu en premier — ainsi, bien que l'étude puisse révéler des tendances et des prévalences, elle ne peut pas à elle seule établir qu'une exposition a causé le résultat.
Histoire
La conception transversale a émergé en tant que méthode épidémiologique formelle au milieu du XXe siècle, façonnée par le développement de la méthodologie d'enquête basée sur la population et codifiée dans des textes fondamentaux par Brian MacMahon, Thomas Pugh et plus tard Leon Gordis. De grandes enquêtes nationales de santé telles que la National Health Interview Survey des États-Unis (lancée en 1957) et la National Health and Nutrition Examination Survey ont institutionnalisé la méthode pour la surveillance continue de la population. Les raffinements méthodologiques dans la théorie de l'échantillonnage, l'analyse statistique des enquêtes complexes et l'utilisation des dossiers de santé électroniques ont élargi la portée de la conception dans l'épidémiologie clinique, la recherche sur les services de santé et la surveillance de la santé mondiale.
Quand l’utiliser
Utilisez une étude transversale lorsque l'objectif principal est d'estimer la prévalence d'une condition dans une population, d'évaluer la distribution des facteurs de risque, ou de générer rapidement et à faible coût des hypothèses sur les associations exposition-résultat. Elle est particulièrement appropriée pour les maladies chroniques de longue durée, pour la planification des services de santé et pour les enquêtes de surveillance répétées (par exemple, enquêtes nationales de santé). Évitez cette conception lorsque la question de recherche nécessite d'établir un ordre temporel causal (utilisez plutôt une conception de cohorte ou expérimentale), lorsque le résultat est rare (une étude cas-témoins est plus efficace), ou lorsque le statut d'exposition ou de maladie change rapidement au fil du temps, rendant un instantané informatif ou susceptible au biais prévalence-incidence.
Limites et points d’attention
- Ne peut pas établir l'ordre temporel entre l'exposition et le résultat, donc l'inférence causale n'est pas directement prise en charge.
- Susceptible au biais prévalence-incidence (Neyman) — les conditions rapidement fatales ou à résolution rapide sont sous-représentées car les individus affectés sont moins susceptibles d'être capturés dans l'instantané.
- Le biais de non-réponse peut être important ; les individus qui participent peuvent différer systématiquement de ceux qui ne le font pas.
- La causalité inverse est possible — la maladie observée peut avoir causé l'exposition mesurée plutôt que l'inverse.
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Aucun suivi requis — la collecte de données est rapide et relativement peu coûteuse par rapport aux conceptions de cohortes ou aux essais.
- Bien adaptée pour estimer la prévalence et pour la planification et le suivi des programmes de santé publique.
- Plusieurs expositions et résultats peuvent être examinés simultanément dans une seule étude.
- Faisable à grande échelle en utilisant des données administratives ou d'enquête existantes, permettant une puissance statistique élevée pour les résultats courants.
Applications
- Estimation de la prévalence nationale ou régionale de maladies chroniques telles que l'hypertension, le diabète, l'obésité ou les troubles de santé mentale.
- Évaluation de la distribution des facteurs de risque comportementaux (tabagisme, sédentarité, consommation d'alcool) selon les groupes démographiques.
- Enquêtes transversales répétées pour surveiller les tendances des indicateurs de santé de la population au fil du temps sans suivre les mêmes individus.
- Évaluation des schémas d'utilisation des soins de santé et identification des besoins non satisfaits pour la planification des services de santé.
- Évaluation des programmes de dépistage — établissement de la prévalence de base d'une condition avant l'introduction d'une intervention de dépistage.
- Génération d'hypothèses sur les facteurs de risque testés ultérieurement dans des études de cohorte ou expérimentales.
Comment ça marche
Comment ça marche
Le chercheur spécifie la population cible et la période d'étude. Les critères d'éligibilité (âge, géographie, cadre clinique, etc.) sont définis pour garantir que l'échantillon sera représentatif de la population pour laquelle les inférences sont destinées. Une définition claire du cas et de l'exposition est établie avant le début de la collecte des données.
Un échantillon est tiré de la population cible, idéalement par échantillonnage probabiliste (aléatoire simple, stratifié, en grappes ou systématique) afin de maximiser la représentativité et de permettre des estimations de prévalence non biaisées. La taille de l'échantillon est calculée a priori en utilisant la prévalence attendue, la précision ou la puissance souhaitée, et l'effet de plan si un échantillonnage en grappes est utilisé.
Tous les individus échantillonnés sont évalués à (approximativement) le même moment pour l'exposition (ou les expositions) et le(s) résultat(s). Les sources de données comprennent des questionnaires standardisés, des examens cliniques, des spécimens biologiques ou des dossiers administratifs. Comme l'exposition et le résultat sont collectés simultanément, la conception ne peut pas déterminer l'ordre temporel.
L'estimateur principal est la proportion de prévalence ponctuelle : le nombre d'individus présentant le résultat divisé par le nombre total d'examinés, exprimé en pourcentage ou pour 1 000. La prévalence périodique (sur une courte fenêtre définie) peut également être rapportée. Prévalence = (Nombre de cas au temps T) / (Population totale examinée) x 100.
Formule
Prevalence = (Number of cases at time T) / (Total population examined) x 100
Les associations entre les catégories d'exposition et le résultat sont quantifiées à l'aide du Rapport de Prévalence (RP) ou du Rapport des Cotes de Prévalence (RCP), avec des intervalles de confiance. La régression logistique ou de Poisson multivariée peut ajuster pour les facteurs de confusion. Comme la séquence temporelle est inconnue, ces associations sont interprétées comme génératrices d'hypothèses plutôt que causales. RP = Prévalence chez les exposés / Prévalence chez les non-exposés.
Formule
Prevalence Ratio (PR) = Prevalence in exposed / Prevalence in unexposed
Pièges courants
- Confusion entre prévalence et incidence — une étude transversale mesure les cas existants (prévalence), pas les nouveaux (incidence) ; interpréter les rapports de prévalence comme des rapports d'incidence est incorrect sans hypothèses supplémentaires.
- Ignorer la conception d'échantillonnage complexe dans l'analyse — si un échantillonnage en grappes ou stratifié a été utilisé, les erreurs standard doivent tenir compte de l'effet de plan ; ne pas le faire conduit à des erreurs standard sous-estimées et à des intervalles de confiance trompeusement étroits.
- Biais prévalence-incidence — les conditions de courte durée (guérison rapide ou décès rapide) apparaîtront artificiellement rares ; les chercheurs doivent reconnaître que la prévalence mesurée reflète la survie et la durée, pas seulement l'incidence.
- Tirer des conclusions causales — sans données longitudinales, les associations observées ne peuvent pas être attribuées à l'exposition causant le résultat ; le langage dans les rapports doit refléter la nature descriptive et génératrice d'hypothèses de la conception.
- Taille d'échantillon inadéquate pour les analyses de sous-groupes — la taille d'échantillon globale peut être suffisante pour l'estimation principale mais trop petite pour détecter des associations dans des sous-groupes cliniquement importants ; la puissance des sous-groupes doit être planifiée explicitement.
Questions fréquentes
Puis-je établir la causalité à partir d'une étude transversale ?
Non. Parce que l'exposition et le résultat sont mesurés au même moment, vous ne pouvez pas déterminer lequel est venu en premier. Les études transversales sont mieux utilisées pour décrire la prévalence et générer des hypothèses. Pour tester des hypothèses causales, une étude de cohorte prospective ou un essai randomisé est requis.
Quelle est la mesure d'effet appropriée pour une étude transversale ?
Le Rapport de Prévalence (RP) est généralement préféré au Rapport des Cotes de Prévalence (RCP) car il est plus directement interprétable, surtout lorsque la prévalence du résultat dépasse 10 %. Le RP peut être estimé à l'aide de la régression de Poisson avec variance robuste ; le RCP est obtenu par régression logistique. Pour les résultats rares, les deux convergent.
Quelle doit être la taille de mon échantillon ?
La taille de l'échantillon dépend de la prévalence attendue du résultat, de la précision souhaitée (marge d'erreur pour l'estimation de la prévalence) ou de la puissance (pour la détection d'associations), et de la conception de l'échantillonnage. Pour l'estimation de la prévalence seule, n = Z^2 * p(1-p) / e^2 (où p est la prévalence attendue et e est la marge d'erreur acceptable). Si un échantillonnage en grappes est utilisé, multipliez par l'effet de plan, généralement 1,5–2,5.
En quoi une étude transversale diffère-t-elle d'une étude de cohorte ?
Une étude de cohorte suit les participants dans le temps et peut mesurer directement l'incidence, établir l'ordre temporel et soutenir une inférence causale plus solide. Une étude transversale collecte un instantané sans suivi, ce qui la rend plus rapide et moins chère, mais incapable d'établir la séquence temporelle. Les études de cohorte sont préférées pour les questions causales ; les études transversales sont préférées pour l'estimation de la prévalence et la génération d'hypothèses.
Qu'est-ce que le biais prévalence-incidence et comment puis-je y remédier ?
Le biais prévalence-incidence (biais de Neyman) se produit parce qu'un échantillon transversal sur-représente les personnes qui survivent suffisamment longtemps avec la condition pour être capturées dans l'enquête. Les conditions rapidement fatales ou de courte durée sont sous-estimées. Pour minimiser cela, utilisez des registres complets ou des données administratives, reconnaissez explicitement la limitation et évitez d'extrapoler les estimations de prévalence à des conclusions d'incidence.
Méthodes associées
Sources
Kelsey, J. L., Whittemore, A. S., Evans, A. S., & Thompson, W. D. (1996). Methods in Observational Epidemiology (2nd ed.). Oxford University Press.
ISBN : 978-0195080407Copié.Cross-sectional study. Wikipedia.
Ouvrir la référence de la publicationCopié.