Skip to content
Retour aux résultats

Étude cas-témoins nichée

Introduite par
Nathan Mantel (1973); D. C. Thomas (1977 formalization)
Année
1973–1977
Type
Hybrid observational 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 cas-témoins nichée est un devis observationnel efficace intégré dans une cohorte définie.

Pour chaque participant qui développe l'issue d'intérêt (un cas), un petit nombre de témoins appariés sont échantillonnés parmi ceux encore à risque au même moment. Cette stratégie d'échantillonnage de densité produit des rapports de cotes qui approximent les rapports de taux d'incidence de la cohorte complète pour une fraction du coût de collecte des données — ce qui en fait l'alternative privilégiée lorsque la mesure des expositions pour tous les membres de la cohorte serait prohibitivement coûteuse ou techniquement exigeante.

L’intuition derrière la méthode

Imaginez une cohorte professionnelle de 20 ans de 10 000 travailleurs. Vous souhaitez tester si une exposition chimique particulière augmente le risque de cancer de la vessie, mais la mesure des biomarqueurs sériques pour les 10 000 participants serait extrêmement coûteuse. Une conception cas-témoins nichée résout ce problème : chaque fois qu'un travailleur est diagnostiqué (un cas), vous sélectionnez aléatoirement, disons, quatre travailleurs de l'ensemble des personnes à risque — ceux qui n'ont pas encore eu l'issue et qui ont été inclus au moins aussi tôt — et vous mesurez les biomarqueurs uniquement pour ces cinq personnes. Comme les témoins sont tirés de la même cohorte et du même point de suivi, le devis hérite de la structure prospective de la cohorte tout en réduisant les dosages de biomarqueurs d'environ 80 %.

Histoire

La conception cas-témoins nichée a été conceptualisée par Nathan Mantel en 1973 comme un moyen d'appliquer la logique rétrospective cas-témoins aux données de cohorte prospective, récupérant l'efficacité sans sacrifier l'intégrité temporelle. D. C. Thomas a formalisé le cadre d'échantillonnage d'ensemble de risque ou de densité d'incidence en 1977, démontrant que les RC estimés à partir de tels échantillons sont égaux au RTI de la cohorte sous l'hypothèse nulle et sous des tailles d'effet modestes. Le devis a gagné une large adoption en épidémiologie professionnelle et en cancérologie dans les années 1980 et 1990, en particulier pour les études nécessitant des dosages coûteux de biomarqueurs sur des spécimens archivés. C'est maintenant un outil standard dans les grandes études liées aux biobanques et la recherche épidémiologique pharmaceutique.

Quand l’utiliser

Utilisez une conception cas-témoins nichée lorsque vous avez (ou pouvez constituer) une cohorte prospective bien définie avec des données d'issue, mais que la mesure des expositions pour tous les membres est coûteuse, techniquement exigeante ou nécessite des spécimens biologiques stockés. Elle est idéale lorsque l'exposition d'intérêt est un dosage de laboratoire, un marqueur génétique ou un échantillon archivé dont le budget de mesure est limité. Le devis est également approprié lorsque vous devez contrôler les facteurs de confusion variant dans le temps ou que vous souhaitez étudier des issues rares au sein d'une grande cohorte sans évaluation de l'exposition de la cohorte complète. N'utilisez PAS ce devis lorsque la cohorte est trop petite pour produire un nombre adéquat de cas ; lorsque les données d'issue sont indisponibles ou peu fiables ; lorsque toutes les expositions sont déjà mesurées pour la cohorte complète (une analyse de cohorte complète est alors plus efficace) ; ou lorsque la question de recherche nécessite l'estimation de risques absolus plutôt que de risques relatifs.

Limites et points d’attention

  • Nécessite une cohorte préexistante avec une évaluation fiable de l'issue ; la constitution d'une telle cohorte est elle-même coûteuse en ressources.
  • La conception appariée avec régression logistique conditionnelle signifie que les variables appariées ne peuvent pas être évaluées comme des prédicteurs indépendants de l'issue.
  • Les gains d'efficacité diminuent lorsque les issues sont fréquentes (>10 % de la cohorte), auquel cas une cohorte complète ou une conception cas-cohorte peut être préférable.
  • La sélection d'un nombre adéquat de témoins par cas nécessite des calculs de puissance minutieux ; trop peu de témoins réduisent l'efficacité statistique sans économies proportionnelles.

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

Points forts

  • Réduit considérablement le coût et l'effort d'évaluation de l'exposition par rapport à une analyse de cohorte complète — typiquement seulement 5 à 10 % des membres de la cohorte nécessitent une mesure.
  • L'échantillonnage de densité d'incidence garantit que le RC est une estimation sans biais du rapport de taux d'incidence, préservant l'interprétation causale d'un devis prospectif.
  • Permet l'utilisation d'expositions variant dans le temps en ancrant la sélection des témoins à l'ensemble de personnes à risque au moment où chaque cas survient.
  • Hérite des forces de la cohorte prospective : temporalité de l'exposition avant l'issue, et biais de rappel réduit par rapport à une étude cas-témoins traditionnelle.
  • Appariement flexible sur le temps et les covariables individuelles contrôle efficacement les facteurs de confusion forts sans nécessiter de données de covariables de cohorte complète.

Applications

  • Études de biomarqueurs au sein de grandes cohortes prospectives — mesure d'échantillons sanguins stockés uniquement pour les cas et les témoins appariés afin d'étudier le cancer, les maladies cardiovasculaires ou les issues métaboliques.
  • Épidémiologie professionnelle — évaluation des expositions chimiques ou aux radiations cumulées chez les travailleurs qui développent des cancers spécifiques au sein d'une cohorte d'usine ou de registre.
  • Épidémiologie pharmaceutique — évaluation de l'exposition aux médicaments et des événements indésirables au sein de cohortes de bases de données administratives de santé où les ordonnances sont complètes mais les données cliniques détaillées nécessitent une revue des dossiers.
  • Épidémiologie des maladies infectieuses — investigation des facteurs de l'hôte ou du pathogène pour les issues graves (par exemple, hospitalisation, décès) au sein d'une cohorte de surveillance d'individus infectés.
  • Études génétiques et génomiques — réalisation d'un séquençage de gènes candidats ou d'exome entier sur des cas et des témoins échantillonnés à partir d'une cohorte de population avec un suivi à long terme.

Comment ça marche

Comment ça marche

1

L'étude commence avec une cohorte dynamique ou fixe existante ou nouvellement constituée, dont les membres sont tous exempts de maladie à l'entrée et sont suivis dans le temps. La cohorte fournit le cadre d'échantillonnage à partir duquel les cas et les témoins sont tirés, garantissant que tous les participants partagent une base commune et une fenêtre d'exposition.

2

Pendant le suivi, chaque nouvelle occurrence de l'événement d'issue (par exemple, diagnostic de maladie, décès) est enregistrée comme un cas, ainsi que la date exacte de l'événement. Les cas sont souvent tous les événements incidents dans la cohorte, mais le devis peut également être restreint à un sous-ensemble défini (par exemple, un sous-type histologique spécifique).

3

Pour chaque cas, un ensemble de personnes à risque est formé : tous les membres de la cohorte qui sont encore sous suivi et exempts d'événement au moment où le cas survient. Un nombre fixe de témoins (typiquement 1 à 10 par cas) est échantillonné aléatoirement à partir de cet ensemble de personnes à risque — une procédure appelée échantillonnage de densité d'incidence ou échantillonnage d'ensemble de risque. Les témoins peuvent être appariés à leur cas sur des variables telles que l'âge, le sexe ou le temps calendaire pour réduire la confusion.

4

Les informations sur l'exposition — biomarqueurs, échantillons biologiques stockés, dossiers médicaux ou données d'entretien — sont récupérées ou mesurées uniquement pour les cas et les témoins sélectionnés, et non pour l'ensemble de la cohorte. Comme les témoins sont tirés au moment de chaque événement de cas, les expositions variant dans le temps peuvent être capturées à la fenêtre de risque pertinente.

5

La régression logistique conditionnelle est utilisée pour estimer les rapports de cotes (RC) au sein de chaque ensemble cas-témoins apparié, en tenant compte des variables d'appariement. Dans le cadre de l'échantillonnage de densité d'incidence, le RC est une estimation sans biais du rapport de taux d'incidence (RTI) de l'analyse de cohorte complète, rendant les résultats directement interprétables comme des estimations de taux relatifs.

Pièges courants

  • L'utilisation de cas prévalents plutôt qu'incidents — inclure des participants qui avaient déjà la maladie à l'entrée de la cohorte introduit un biais de durée et brise l'hypothèse temporelle selon laquelle l'exposition précède l'issue.
  • Tirer des témoins de l'extérieur de l'ensemble de personnes à risque — sélectionner des témoins qui avaient déjà eu l'issue, ou qui sont entrés dans la cohorte après la date de l'événement du cas, déforme la logique d'échantillonnage de densité et biaise le RC loin du RTI.
  • Ignorer la structure appariée dans l'analyse — analyser des données cas-témoins appariées avec une régression logistique inconditionnelle (au lieu de conditionnelle) produit des estimations biaisées, surtout lorsque le nombre de témoins par cas est faible.
  • Ne pas tenir compte des expositions variant dans le temps — utiliser une seule mesure d'exposition de base lorsque les expositions changent pendant le suivi mésestime l'exposition et biaise les résultats vers le nul.
  • Sur-appariement sur des variables sur la voie causale — l'appariement sur des intermédiaires entre l'exposition et l'issue supprime la variation nécessaire pour détecter un effet.

Questions fréquentes

Quelle est la différence entre une étude cas-témoins nichée et une étude cas-témoins traditionnelle ?

Une étude cas-témoins traditionnelle recrute des cas dans un hôpital ou un registre et sélectionne des témoins dans la population générale, ce qui rend difficile de s'assurer que les témoins proviennent de la même population source que les cas. Une étude cas-témoins nichée tire à la fois les cas et les témoins d'une cohorte définie avec des dates d'entrée et de suivi connues, de sorte que la population source est explicite et que les témoins sont garantis d'avoir été à risque de devenir des cas — cela élimine une source majeure de biais de sélection et permet au RC d'estimer le RTI.

Combien de témoins par cas dois-je sélectionner ?

La sélection de 4 à 5 témoins par cas capture la plupart des gains d'efficacité statistique par rapport à l'analyse de cohorte complète ; au-delà d'un rapport d'environ 10:1, le gain marginal est négligeable. Le nombre optimal dépend du coût relatif de l'obtention des données des cas par rapport aux témoins et des exigences de puissance statistique. Pour les issues rares où chaque cas est précieux, jusqu'à 10 témoins par cas peuvent être justifiés.

Quelle est la différence entre une étude cas-témoins nichée et une étude cas-cohorte ?

Les deux devis échantillonnent à partir d'une cohorte pour réduire les coûts d'évaluation de l'exposition. Dans une étude cas-témoins nichée, les témoins sont appariés à l'ensemble de personnes à risque pour chaque cas au moment de l'événement du cas, et une régression logistique conditionnelle est utilisée. Dans une étude cas-cohorte, un sous-ensemble aléatoire de la cohorte est sélectionné à la base et sert de groupe de comparaison pour tous les cas, quelle que soit leur date d'apparition ; cela permet d'utiliser le même sous-ensemble pour plusieurs issues, mais nécessite des analyses pondérées plus complexes. Les devis cas-témoins nichés sont généralement plus simples à analyser ; les devis cas-cohortes sont préférés lorsque plusieurs issues seront étudiées simultanément.

Puis-je utiliser la conception cas-témoins nichée avec une cohorte rétrospective ?

Oui. Bien que le devis soit conceptuellement prospectif — l'exposition précède l'issue — il peut être intégré dans une cohorte rétrospective constituée à partir de dossiers historiques. Les exigences clés sont que les dates d'entrée de la cohorte, les périodes de suivi et les dates d'issue soient documentées de manière fiable, et que les informations sur l'exposition puissent être récupérées pour les cas et les témoins sélectionnés sans connaissance du statut de cas (pour éviter le biais d'information).

Quel logiciel puis-je utiliser pour la régression logistique conditionnelle dans des données cas-témoins nichées ?

La régression logistique conditionnelle pour des données cas-témoins appariées est disponible dans R (fonction clogit dans le package survival), Stata (commande clogit), SAS (PROC LOGISTIC avec l'instruction STRATA) et SPSS. La variable d'appariement (généralement un identifiant d'ensemble de cas) doit être incluse comme identifiant de strate. Pour les analyses de temps jusqu'à l'événement utilisant l'ensemble de personnes à risque complet, la vraisemblance partielle de Cox avec appariement temporel est mathématiquement équivalente à la régression logistique conditionnelle dans le cadre de l'échantillonnage de densité d'incidence.

Méthodes associées

Sources

  1. Thomas, D. C. (1977). Addendum to: Methods of cohort analysis: Appraisal by application to asbestos mining. Journal of the Royal Statistical Society, Series A, 140(4), 469–491.

    Ouvrir la référence de la publication
    Copié.
  2. Mantel, N. (1973). Synthetic retrospective studies and related topics. Biometrics, 29(3), 479–486.

    Ouvrir la référence DOI
    Copié.