Étude écologique — Étude épidémiologique agrégée
- Introduite par
- Various; foundational work by John Snow (1854) and systematised in modern form by Brian MacMahon and colleagues
- Année
- 19th century (Snow 1854); formalised mid-20th century
- Type
- Observational epidemiological study
- 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 écologique est un devis épidémiologique observationnel dans lequel l'unité d'analyse est un groupe ou une population — un pays, une région, une ville ou une période — plutôt qu'un individu.
Les expositions et les issues sont mesurées sous forme d'agrégats (taux, proportions ou moyennes), puis corrélées entre les groupes pour générer ou évaluer des hypothèses sur les associations au niveau de la population entre les facteurs de risque et la maladie.
L’intuition derrière la méthode
Pensez à comparer les taux de mortalité par cancer entre pays et la consommation moyenne de graisses alimentaires par habitant. Aucun régime alimentaire ou dossier de santé individuel n'est consulté ; au lieu de cela, les moyennes nationales issues des registres de santé et des données d'approvisionnement alimentaire sont appariées et tracées. Une forte corrélation entre les pays suggère une association au niveau de la population qui mérite d'être étudiée plus avant — mais comme les données sont agrégées, on ne peut pas conclure que les individus qui ont consommé plus de graisses sont ceux qui ont développé un cancer. Cet écart entre l'inférence au niveau du groupe et au niveau individuel est le défi déterminant du devis écologique.
Histoire
Le devis écologique trouve ses racines dans la cartographie par John Snow en 1854 des décès dus au choléra par district d'approvisionnement en eau à Londres — sans doute la première étude écologique en épidémiologie. La littérature méthodologique formelle s'est considérablement développée au milieu du XXe siècle parallèlement à la croissance des statistiques nationales de santé. Les revues de Hal Morgenstern en 1982 et 1995 sont devenues des références fondamentales qui ont clarifié à la fois l'utilité et les limites fondamentales du devis, en particulier l'erreur écologique, un terme attribué à William S. Robinson (1950). La méthode reste largement utilisée en épidémiologie environnementale, en épidémiologie nutritionnelle et dans la recherche sur les politiques de santé.
Quand l’utiliser
Utiliser une étude écologique lorsque les données au niveau individuel sont indisponibles, prohibitivement coûteuses ou éthiquement restreintes, et lorsque la question de recherche concerne une exposition au niveau de la population — telle qu'une politique nationale, une contamination environnementale ou une privation socioéconomique — qui varie davantage entre les groupes qu'en leur sein. Le devis est efficace pour générer des hypothèses sur des issues rares ou des maladies à longue latence en utilisant des données collectées de manière routinière. Ne pas utiliser les études écologiques pour tirer des conclusions sur la causalité au niveau individuel ; l'erreur écologique rend de telles inférences non fondées. Éviter le devis lorsque l'exposition d'intérêt varie considérablement au sein des unités écologiques, lorsque les facteurs de confusion au niveau du groupe ne peuvent être mesurés et ajustés, ou lorsqu'une affirmation causale plutôt qu'une hypothèse associative est requise — dans ces cas, des devis de cohorte ou cas-témoins au niveau individuel sont nécessaires.
Limites et points d’attention
- Vulnérable à l'erreur écologique : une corrélation observée au niveau du groupe peut ne pas tenir au niveau individuel, et les inférences sur les individus à partir de données de groupe sont logiquement invalides.
- La confusion au niveau du groupe est souvent sévère et difficile à contrôler car de nombreux facteurs corrélés varient ensemble entre les unités écologiques.
- La mesure de l'exposition est indirecte et souvent imprécise — les données nationales d'approvisionnement alimentaire, par exemple, ne capturent pas ce que les individus ont réellement consommé.
- La causalité inverse est difficile à exclure lorsque les données d'exposition et d'issue proviennent de la même période.
- Dépend de la disponibilité et de la qualité des données de routine, qui varient considérablement entre les pays et les périodes.
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Extrêmement rentable : exploite les données de surveillance et administratives de routine existantes sans collecte de données primaires.
- Bien adapté aux expositions qui opèrent au niveau de la population (normes de qualité de l'air, politiques d'approvisionnement alimentaire, indices d'inégalité socioéconomique).
- Peut examiner des maladies rares ou des affections à longue latence où le suivi individuel serait impraticable.
- Rapide à exécuter — les résultats peuvent être générés en quelques semaines en utilisant des ensembles de données publiquement disponibles.
- Précieux pour la génération d'hypothèses et pour éclairer la conception d'études plus coûteuses au niveau individuel.
Applications
- Examiner les associations entre les indices nationaux de consommation de fruits et légumes et les taux de mortalité par maladies cardiovasculaires entre pays.
- Étudier si la consommation d'alcool par habitant au niveau régional est corrélée aux taux d'incidence de cirrhose hépatique.
- Comparer les concentrations de pollution atmosphérique entre villes ou comtés et les taux de population d'hospitalisations respiratoires.
- Analyser les tendances temporelles — si les augmentations séculaires de la prévalence de l'obésité suivent les changements dans les environnements d'activité physique entre états.
- Évaluer l'association entre les indices de privation socioéconomique au niveau du quartier et les taux de mortalité prématurée.
- Générer des hypothèses sur le fardeau des maladies infectieuses et les taux de couverture vaccinale entre systèmes de santé nationaux.
Comment ça marche
Comment ça marche
Sélectionner les unités écologiques d'analyse — typiquement des groupements géographiques ou temporels tels que pays, états, comtés, villes ou années civiles. Le choix de l'unité détermine les données accessibles et les facteurs de confusion contrôlables ; des unités plus fines (par exemple, des secteurs de recensement) permettent une analyse plus précise mais peuvent avoir des statistiques plus petites et plus bruitées.
Assembler des données agrégées de routine pour chaque unité : taux de maladie provenant de registres de mortalité ou de systèmes de surveillance, et indices d'exposition issus de statistiques officielles, de bases de données d'approvisionnement alimentaire, de surveillance environnementale ou de dossiers de recensement. Les données sont rarement collectées de novo pour les études écologiques ; le devis exploite généralement des données administratives et de surveillance existantes.
Standardiser les dénombrements en taux comparables — typiquement des taux d'incidence ou de mortalité standardisés selon l'âge pour 100 000 habitants — afin que les différences de structure d'âge de la population entre les unités ne confondent pas la corrélation écologique.
Estimer l'association entre la mesure d'exposition au niveau du groupe et le taux d'issue au niveau du groupe. La régression linéaire ou la corrélation de Pearson/Spearman sont standard ; des modèles multiniveaux ou une régression spatiale peuvent être ajoutés lorsque les données le permettent. Le coefficient de corrélation r résume la force et la direction de l'association écologique.
Formule
r = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum (X_i-\bar{X})^2 \sum (Y_i-\bar{Y})^2}}Interpréter l'association écologique avec prudence. Une corrélation positive génère des hypothèses, mais n'est pas une preuve causale. Évaluer les facteurs de confusion potentiels mesurables au niveau du groupe, vérifier l'erreur écologique (la corrélation de groupe n'implique pas une corrélation individuelle), et discuter si l'association pourrait découler de différences dans la qualité des données, les pratiques de déclaration ou des facteurs non mesurés au niveau du groupe.
Pièges courants
- Committing the ecological fallacy — concluding that because high-fat-diet countries have higher cancer rates, individuals who eat more fat have higher cancer risk. This inference is not warranted by group-level data.
- Ignoring within-group variation — when exposure levels differ substantially among individuals within each unit, the group mean is a poor proxy and attenuation bias can mask or exaggerate true associations.
- Choosing ecological units post hoc to obtain a desired result (the modifiable areal unit problem): the correlation can change substantially depending on how geographic boundaries are drawn.
- Treating ecological associations as sufficient evidence for policy without replication in individual-level studies or experimental evidence.
- Neglecting data quality heterogeneity — disease under-reporting and classification inconsistencies across units can produce spurious correlations.
Questions fréquentes
Qu'est-ce que l'erreur écologique et pourquoi est-elle importante ?
L'erreur écologique (Robinson 1950) est l'erreur consistant à supposer qu'une corrélation observée au niveau du groupe s'applique également aux individus au sein de ces groupes. Par exemple, les pays à revenu moyen plus élevé peuvent avoir des taux de cancer plus élevés — mais il ne s'ensuit pas que les individus plus riches au sein d'un pays donné sont plus susceptibles de développer un cancer. Des données au niveau individuel issues d'études de cohorte ou cas-témoins sont nécessaires pour tester les hypothèses au niveau individuel.
En quoi une étude écologique diffère-t-elle d'une étude transversale ?
Une étude transversale collecte des données d'exposition et d'issue auprès de participants individuels à un moment donné, permettant une analyse au niveau individuel. Une étude écologique utilise des données agrégées au niveau du groupe — aucun dossier individuel n'est impliqué. Le devis écologique est plus rapide et moins cher mais est susceptible à l'erreur écologique ; le devis transversal évite cette erreur mais nécessite une collecte de données primaire.
Les études écologiques peuvent-elles établir la causalité ?
Non. Les études écologiques génèrent des hypothèses. Même une forte corrélation transnationale est compatible avec de nombreuses histoires causales et de nombreux mécanismes de confusion. Établir la causalité nécessite des preuves au niveau individuel issues d'études de cohorte ou d'essais randomisés, idéalement soutenues par une plausibilité biologique et des gradients dose-réponse.
Qu'est-ce que le problème de l'unité géographique modifiable ?
Le problème de l'unité géographique modifiable (MAUP) fait référence à la constatation que la taille et la forme des unités géographiques choisies peuvent modifier considérablement la corrélation écologique observée. Si vous agrégez les données au niveau national, vous pouvez observer une association différente qu'au niveau de l'état ou du comté. Des analyses de sensibilité utilisant plusieurs niveaux d'agrégation aident à évaluer la robustesse des résultats.
Quand une étude écologique est-elle préférable à une étude de cohorte ?
Lorsque l'exposition est un phénomène au niveau de la population — tel qu'une politique nationale, une exposition environnementale partagée, ou une tendance séculaire — qui, par définition, ne peut être attribuée à des individus indépendamment de leur appartenance à un groupe. Dans ces situations, l'unité écologique est l'unité d'analyse naturelle et les devis au niveau individuel ne peuvent pas capturer la variation pertinente.
Méthodes associées
Sources
Morgenstern, H. (1995). Ecologic studies in epidemiology: concepts, principles, and methods. Annual Review of Public Health, 16(1), 61–81.
Ouvrir la référence DOICopié.Ecological study. Wikipedia.
Ouvrir la référence de la publicationCopié.