Conception d'étude transversale
- Introduite par
- Epidemiologists in the mid-20th century; formalized by Kelsey, Rothman, and others
- Année
- 1950s-1970s
- 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 transversale (ou étude de prévalence) mesure simultanément l'exposition et le résultat à un instant donné, produisant un « instantané » d'une population.
Les répondants sont recrutés et interrogés (ou examinés) à la même occasion, ce qui permet de saisir la prévalence actuelle de l'exposition et de la maladie. Les études transversales sont simples, rapides et peu coûteuses, ce qui les rend populaires pour les évaluations des besoins, la surveillance et la génération d'hypothèses — bien qu'elles ne puissent pas établir de causalité en raison de l'absence de séquence temporelle.
L’intuition derrière la méthode
Imaginez entrer dans une usine un matin et interroger les 500 travailleurs : « Souffrez-vous de maux de dos ? Combien d'heures par jour passez-vous à soulever des charges ? » Vous comptez le nombre total de travailleurs souffrant de maux de dos (prévalence), puis vous comparez ceux qui sont exposés à des charges lourdes à ceux qui effectuent des tâches légères. Vous constatez que 30 % des travailleurs qui soulèvent des charges lourdes ont des maux de dos, contre 10 % des travailleurs effectuant des tâches légères. Le rapport de prévalence est de 3:1. Mais voici le problème : vous ne savez pas si le soulèvement de charges lourdes a causé les maux de dos, ou si les travailleurs souffrant de maux de dos ont été affectés à des tâches plus légères. Vous avez mesuré l'exposition et le résultat en même temps, de sorte que la séquence temporelle est ambiguë. Les études transversales sont excellentes pour les évaluations rapides et l'estimation de la prévalence, mais faibles pour l'inférence causale.
Histoire
Les enquêtes transversales trouvent leurs racines dans la surveillance de la santé publique et les travaux de recensement du début du 20e siècle. En épidémiologie moderne, elles ont été formalisées en tant qu'études de prévalence au milieu du 20e siècle. Des exemples célèbres incluent la National Health and Nutrition Examination Survey (NHANES, débutée dans les années 1960, États-Unis), qui a mené des enquêtes transversales sur l'état de santé, le régime alimentaire et les facteurs de risque des Américains. Les conceptions transversales sont désormais standard pour la surveillance (par exemple, le Behavioral Risk Factor Surveillance System du CDC, BRFSS) et pour le suivi de la santé internationale (par exemple, les Demographic and Health Surveys, DHS). L'essor des dossiers de santé électroniques et des données administratives a permis de grandes études transversales rétrospectives.
Quand l’utiliser
Utiliser les études transversales pour : (1) estimer la prévalence d'une maladie ou d'une condition dans une population (surveillance, suivi de la santé publique), (2) les évaluations des besoins : combien de patients nécessitent un service ?, (3) générer des hypothèses : quels facteurs sont associés au résultat ?, (4) l'évaluation rapide : délai d'exécution rapide (quelques semaines à quelques mois), (5) l'étude des maladies chroniques où l'incidence est difficile à mesurer mais la prévalence est stable, (6) l'évaluation de multiples résultats à partir d'une seule exposition en une seule séance, (7) les études pilotes avant de lancer des recherches coûteuses de cohorte ou cas-témoins.
Limites et points d’attention
- Ne peut pas établir la causalité : la séquence temporelle est absente ; les données transversales ne peuvent pas prouver que l'exposition a précédé le résultat.
- Seuls les cas prévalents : ne capture que les cas existants à un instant donné ; manque les cas incidents et ceux qui se sont rétablis ou sont décédés. Les associations peuvent différer entre les cas prévalents et incidents.
- Biais du survivant : si le résultat est fatal ou entraîne une émigration/hospitalisation, les individus affectés peuvent être sous-représentés dans l'échantillon transversal.
- Ambiguïté exposition-résultat : l'exposition cause-t-elle le résultat, ou le résultat modifie-t-il la perception de l'exposition ? La causalité inverse ne peut être exclue.
- Biais de mémorisation : si l'exposition est historique (questionnement sur des expositions passées), la précision du rappel dépend de la mémoire et de la motivation, en particulier chez les personnes malades.
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Rapidité et efficacité : la collecte de données se déroule sur une courte période (quelques semaines à quelques mois), et non sur des années de suivi.
- Faible coût : pas de suivi longitudinal ni de recontact ; une seule enquête/examen suffit.
- Simple et pratique : facile à mener dans les cliniques, les écoles, les lieux de travail ou les milieux communautaires.
- Estimation de la prévalence : estime directement la prévalence (fardeau de la maladie), utile pour la planification et la surveillance en santé publique.
- Expositions et résultats multiples : une enquête transversale peut mesurer de nombreuses expositions et résultats simultanément, efficace pour la génération d'hypothèses.
Applications
- Prévalence des maladies chroniques : les enquêtes nationales évaluent la prévalence de l'hypertension, du diabète, de l'obésité dans la population ; les résultats éclairent les politiques de santé publique et l'allocation des ressources.
- Surveillance de la santé au travail : les usines ou les lieux de travail interrogent les employés sur les symptômes (respiratoires, musculo-squelettiques) et les expositions, estimant la prévalence des affections liées au travail.
- Santé des étudiants et comportements à risque : les écoles interrogent les étudiants sur la santé mentale, la consommation de substances, l'activité physique, le harcèlement ; les résultats guident les programmes de santé scolaire.
- Enquêtes auprès des patients hospitalisés : à l'admission ou à la sortie, les patients interrogés sur les symptômes, les handicaps, la satisfaction ; aide à évaluer les résultats centrés sur le patient et les lacunes des services.
- Recherche participative communautaire : les enquêtes transversales dans les quartiers évaluent les disparités de santé, la littératie en santé, les facteurs sociaux ; les résultats identifient les cibles d'intervention.
Comment ça marche
Comment ça marche
Définir la population cible (par exemple, les adultes âgés de 18 à 65 ans dans une municipalité, les employés d'une entreprise, les patients d'un hôpital). Sélectionner un échantillon représentatif en utilisant l'échantillonnage aléatoire, l'échantillonnage stratifié (échantillonner séparément par âge, sexe, région pour assurer l'équilibre) ou l'échantillonnage en grappes (échantillonner des grappes comme des écoles ou des quartiers, puis échantillonner des individus au sein des grappes). Recruter les participants et administrer une enquête (questionnaire, entretien) ou un examen clinique pour mesurer à la fois l'exposition et le résultat à un seul moment. Standardiser la collecte de données : même formation des enquêteurs, mêmes instruments, protocoles cohérents. Enregistrer les caractéristiques démographiques et les facteurs de confusion potentiels (âge, sexe, éducation, comorbidités, etc.). Achever la collecte de données dans une fenêtre temporelle étroite pour maintenir la nature « instantanée » de l'étude.
Formule
Define target population; select representative sample via random, stratified, or cluster sampling; enroll participants and administer survey or examination.
Calculer la prévalence : Prévalence = (nombre de cas avec le résultat) / (taille totale de l'échantillon). Exprimer sous forme de proportion ou de pourcentage. Pour l'analyse stratifiée par exposition, calculer la prévalence dans le groupe exposé = (cas avec le résultat parmi les exposés) / (total des exposés) ; de même pour les non-exposés. Calculer le rapport de prévalence (RP) : RP = Prévalence_exposés / Prévalence_non_exposés. Un RP > 1 suggère que l'exposition est associée à une prévalence plus élevée (pourrait indiquer un facteur de risque, mais la temporalité est incertaine). Un RP < 1 suggère une prévalence plus faible chez les exposés (association protectrice, mais encore une fois, ambiguïté temporelle). Calculer l'IC à 95 % pour la prévalence et le RP en utilisant des méthodes binomiales ou de Poisson. Ajuster pour les facteurs de confusion : utiliser la régression logistique pour estimer le RP ajusté (ou utiliser la régression log-binomiale qui modélise directement le RP) ; rapporter le RP ajusté avec l'IC.
Formule
Calculate prevalence (proportion with outcome); compute Prevalence Ratio (PR) = Prevalence_{\text{exposed}} / Prevalence_{\text{unexposed}}; adjust for confounders using logistic regression.Un RP de 2 signifie que le groupe exposé a une prévalence du résultat deux fois plus élevée que le groupe non exposé. Cependant, interpréter avec prudence : l'exposition peut causer le résultat, le résultat peut modifier la perception de l'exposition, ou les deux peuvent découler d'une troisième variable. L'ambiguïté temporelle limite l'inférence causale ; les données transversales ne peuvent pas prouver la causalité. La prévalence est utile pour caractériser le fardeau de la maladie dans les populations (surveillance, évaluation des besoins, planification des ressources), mais pas pour quantifier le risque ou établir l'étiologie. Si le résultat est rare dans la population et que l'échantillonnage est transversal, l'association observée peut refléter des cas prévalents (survivants) qui diffèrent des cas incidents en termes d'expositions. Généraliser les résultats à la population cible à partir de laquelle l'échantillon a été tiré.
Formule
Interpret PR; note temporal ambiguity (cannot establish exposure preceded outcome); generalize to target population; discuss confounding and selection bias.
Pièges courants
- Confondre prévalence et incidence : la prévalence = cas existants à un moment donné ; l'incidence = nouveaux cas sur une période. Les études transversales mesurent la prévalence, pas l'incidence.
- Sélection d'échantillons non représentatifs : l'échantillonnage de commodité (par exemple, interroger uniquement les patients d'une clinique ou les volontaires) introduit un biais de sélection. Utiliser un échantillonnage aléatoire ou stratifié à partir d'une population définie.
- Interpréter le RP comme un rapport de risque : dans les études de cohorte, RR = incidence exposés / incidence non exposés. Dans les études transversales, RP = prévalence exposés / prévalence non exposés. Ceux-ci ne sont pas équivalents ; ne pas les confondre.
- Ignorer les données manquantes : si de nombreux participants ne répondent pas aux questions sur l'exposition, ou ont des mesures de résultat incomplètes, les estimations sont biaisées. Signaler les données manquantes et effectuer des analyses de sensibilité.
- Sur-interpréter les associations faibles : le RP transversal peut être faible et imprécis ; les associations faibles peuvent découler de facteurs de confusion. Établir des hypothèses pré-spécifiées et ajuster pour les facteurs de confusion connus.
Questions fréquentes
Quelle est la différence entre la prévalence et l'incidence ?
La prévalence est la proportion d'une population atteinte d'une maladie (ou d'une condition) à un moment donné : Prévalence = (cas existants) / (population totale). L'incidence est le taux de nouveaux cas se développant sur une période donnée : Incidence = (nouveaux cas) / (temps-personne à risque). Les études transversales mesurent la prévalence. Les études de cohorte mesurent l'incidence. La prévalence dépend à la fois de l'incidence et de la durée de la maladie : si le traitement prolonge la survie, la prévalence augmente sans que l'incidence ne change. La prévalence est utile pour évaluer le fardeau de la maladie et les besoins ; l'incidence quantifie le risque de maladie.
Pourquoi ne puis-je pas établir de causalité à partir d'une étude transversale ?
La causalité exige une séquence temporelle : la cause doit précéder l'effet. Une étude transversale mesure l'exposition et le résultat en même temps, de sorte que vous ne pouvez pas déterminer ce qui est venu en premier. Par exemple, dans une enquête auprès de travailleurs, constater que ceux qui déclarent des maux de dos déclarent également soulever des charges lourdes ne dit pas si le soulèvement a causé la douleur ou si les travailleurs souffrant de douleur ont été affectés à des tâches plus légères. Il s'agit d'une causalité inverse ou d'une association bidirectionnelle. Les études de cohorte établissent la séquence temporelle en mesurant d'abord l'exposition, puis en suivant pour mesurer le résultat ; elles sont beaucoup plus solides pour l'inférence causale que les études transversales.
Comment calculer la taille de l'échantillon pour une étude de prévalence transversale ?
Pour estimer une seule prévalence, utiliser : n = (Z²/2 × p × (1 − p)) / d², où p est la prévalence anticipée, d est la marge d'erreur acceptable (par exemple, ±0,05), et Z est la valeur critique (1,96 pour un IC à 95 %). Par exemple, si la prévalence estimée est de 20 %, l'erreur acceptable est de ±5 %, alors n ≈ (1,96² × 0,20 × 0,80) / 0,05² ≈ 246. Pour comparer deux groupes d'exposition, utiliser les formules de comparaison de prévalence à deux groupes (similaires aux tests de proportion à deux groupes). Tenir compte de l'agrégation (si l'échantillonnage est en grappes comme les écoles) en utilisant l'effet de plan. Tenir compte de la non-réponse ou de l'attrition anticipée (augmenter n par la fraction de réponse).
Qu'est-ce que le biais du survivant, et comment affecte-t-il les études transversales ?
Le biais du survivant se produit lorsque l'échantillon transversal n'inclut que les personnes vivantes et présentes dans la population au moment de l'enquête, excluant celles qui sont décédées ou ont émigré en raison du résultat. Par exemple, une enquête transversale auprès de résidents ayant subi un AVC peut omettre ceux qui sont décédés d'un AVC avant la date de l'enquête, ou ceux qui ont déménagé en raison d'un handicap. Les cas restants (survivants) peuvent différer de tous les cas en termes d'expositions ou de gravité. Cela biaise l'association entre l'exposition et le résultat. Pour minimiser cela, les études transversales devraient mesurer les résultats tôt (cas incidents) plutôt que tard (survivants prévalents), ou utiliser des cas basés sur l'hôpital ou des registres pour capturer des populations de cas plus larges.
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 : 978-0195083299Copié.Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN : 978-0781755657Copié.Lynn, P. (2009). Methodology of longitudinal surveys. Wiley Interdisciplinary Reviews: Computational Statistics, 1(3), 369–379.
Ouvrir la référence de la publicationCopié.