QCM : Épidémiologie explicative et évaluative — 22 questions

Explication

L’épidémiologie descriptive caractérise la fréquence et la répartition d’un problème selon les personnes, les lieux et les périodes. L’épidémiologie explicative recherche plutôt les causes, tandis que l’épidémiologie évaluative mesure les résultats des actions de santé.

Explication

L’épidémiologie évaluative mesure les résultats des actions de santé, comme l’effet d’un programme de vaccination. L’épidémiologie descriptive dresserait un état des lieux, tandis que l’épidémiologie explicative chercherait les causes du problème.

Explication

L’épidémiologie explicative étudie le rôle de facteurs susceptibles d’augmenter ou de diminuer l’incidence d’un problème de santé. Décrire une répartition relève de l’épidémiologie descriptive, tandis que mesurer une action relève de l’épidémiologie évaluative.

Explication

Un facteur de risque est une variable associée statistiquement à l’événement étudié, mais cette association ne démontre pas à elle seule une relation causale. Une cause doit être étayée par plusieurs arguments, et un facteur de risque n’est ni un diagnostic ni une intervention.

Explication

La temporalité, la relation dose-effet et la diminution du risque après suppression du facteur font partie des arguments qui renforcent une hypothèse causale. Une association statistique isolée ne suffit pas à établir la causalité.

Explication

Cette enquête commence avec des personnes indemnes, réparties selon leur exposition, puis les suit dans le temps pour observer l’apparition de nouveaux cas. Une enquête cas–témoins part au contraire de la maladie et recherche rétrospectivement les expositions.

Explication

Le risque relatif compare directement l’incidence chez les exposés à celle observée chez les non-exposés : $RR = \frac{Incidence\ chez\ les\ exposés}{Incidence\ chez\ les\ non\ exposés}$. La soustraction des incidences correspond à une différence de risques, et non au risque relatif.

Explication

Un risque relatif inférieur à 1 indique que l’exposition est associée à une diminution du risque par rapport aux non-exposés. L’absence d’association correspond à un RR égal à 1, tandis qu’un RR supérieur à 1 indique une augmentation du risque.

Explication

L’enquête cas–témoins commence par distinguer les personnes malades des personnes non malades avant de rechercher rétrospectivement leur exposition. La sélection initiale selon l’exposition correspond plutôt à une enquête exposés–non exposés.

Explication

Dans ce tableau, l’odds ratio se calcule en multipliant les cellules diagonales A et D, puis en divisant par le produit B et C. Le risque relatif constitue un autre indicateur, principalement utilisé dans les études exposés–non exposés.

Explication

Un odds ratio inférieur à 1 indique que l’exposition est associée à une diminution de la probabilité d’avoir la maladie. L’absence d’association correspond à un odds ratio égal à 1, tandis qu’une augmentation correspond à une valeur supérieure à 1.

Explication

L’incidence ne peut pas être obtenue directement puisque les chercheurs fixent au départ le nombre de malades et de non-malades. Cette constitution initiale des groupes empêche d’estimer directement la fréquence d’apparition de nouveaux cas.

Explication

La fraction étiologique estime la part des cas attribuable à l’exposition parmi les personnes exposées et se calcule par $FE = \frac{RR-1}{RR}$. La formule contenant la proportion exposée p correspond au pourcentage de risque attribuable dans la population.

Explication

Le PRA prend en compte la proportion de personnes exposées dans la population et se calcule par $PRA = \frac{p(RR-1)}{pRR+(1-p)}$. La formule $\frac{RR-1}{RR}$ décrit la fraction étiologique chez les exposés, sans intégrer p.

Explication

Un biais est une erreur systématique qui produit une estimation différente de la vraie valeur et compromet la validité de l’étude. Une variation aléatoire relève plutôt de la précision et ne constitue pas, par définition, un biais systématique.

Explication

Le biais de sélection découle de la composition ou de la représentativité du groupe étudié, alors que le biais de mesure vient de la manière dont les informations sont recueillies. Inverser ces deux domaines constitue la confusion classique entre ces catégories.

Explication

Le biais de sélection apparaît lorsque la composition du groupe étudié ne représente pas correctement la population ciblée, notamment en cas de recrutement particulier ou de pertes de vue. Les autres situations concernent la façon de recueillir, mémoriser ou classer les informations, donc le biais de mesure.

Explication

Le travail à l’aveugle limite l’influence des attentes de l’enquêteur, tandis que les outils standardisés rendent le recueil et le classement plus homogènes. Modifier la composition de l’échantillon ne corrige pas directement ces erreurs de mesure.

Explication

L’épidémiologie évaluative examine les résultats des interventions de santé dans la collectivité, notamment l’efficacité d’un test de dépistage. L’étude de la fréquence naturelle des maladies relève plutôt de l’épidémiologie descriptive ou analytique.

Explication

Le dépistage vise des personnes apparemment en bonne santé afin d’identifier celles qui pourraient être atteintes d’une maladie jusque-là non détectée. Le diagnostic médical intervient ensuite pour confirmer ou exclure cette maladie chez une personne suspecte.

Explication

Un résultat positif ou douteux au dépistage doit être vérifié par un diagnostic médical, car le dépistage identifie une suspicion et ne confirme pas la maladie. Commencer directement un traitement confond donc le résultat de dépistage avec une confirmation diagnostique.

Explication

Un dépistage de masse suppose notamment une menace importante de santé publique, une phase préclinique détectable et un test simple, fiable, valide et acceptable. L’absence de moyens de confirmation ou de traitement compromet au contraire la pertinence d’un tel programme.