Pratique fondée sur les données probantes et statistiques médicales
Parce que « j'ai lu quelque chose en ligne » ne suffit pas vraiment dans le cadre de l'AKT.
Dernière mise à jour : avril 2026 · Également connue sous le nom de médecine factuelle (EBM)
📥 Téléchargements
Documents, résumés et ressources pédagogiques supplémentaires — prêts quand vous l'êtes.
Ressources Web
Un savant mélange de recommandations officielles et de ressources de formation pratiques pour les médecins généralistes. Car parfois, les meilleures idées ne se trouvent pas dans les documents officiels.
Rappel en une minute
Scanner ça avant la clinique — ou la veille d'un examen ? C'est ce genre de choses qui vous rapporte des points.
🧮 Formules de risque
- ARR = CER − EER
- NST = 1 ÷ ARR
- RRR = ARR ÷ CER
- RR = EER ÷ CER
- NNH = 1 ÷ ARI
🔬 Tests de diagnostic
- Sens = TP ÷ (TP+FN) → SnNout
- Spec = TN ÷ (TN+FP) → SpPin
- PPV = TP ÷ (TP+FP) ← diminue avec une faible prévalence
- NPV = TN ÷ (TN+FN) ← diminue avec une prévalence élevée
📊 Plans d'études
- SR/Méta-analyse → preuves les plus solides
- Essai contrôlé randomisé → référence en matière de traitement
- Cohorte → RR et incidence
- Étude cas-témoins → OR, maladies rares
- Transversal → prévalence
📈 Graphiques
- Le croisement du losange dans le graphique en forêt n'est pas significatif.
- Asymétrie de l'entonnoir = biais de publication
- Diagramme de Cates : NNT = 100 ÷ visages jaunes
- ligne médiane du diagramme en boîte = médiane
- I² > 50 % = hétérogénéité substantielle
📉 Importance
- p < 0.05 = statistiquement significatif
- L'intervalle de confiance (IC) qui traverse 1.0 (ratio) n'est pas significatif.
- L'intervalle de confiance qui traverse 0 (différence) n'est pas significatif.
- Moyenne = valeur moyenne ; Médiane = valeur centrale
- Règle 68-95-99.7 pour la distribution normale
⚖️ Types de biais
- Sélection → échantillon non représentatif
- Rappel → cas se souvenir plus
- Publication → études positives uniquement
- Délai d'acheminement → illusion de dépistage
- L'attrition → l'abandon scolaire fausse les résultats
Pourquoi c'est important en médecine générale et dans l'AKT
La médecine factuelle et les statistiques ne sont pas que théoriques. Dans votre cabinet, chaque discussion sur les options de traitement fait intervenir le nombre de sujets à traiter (NST), que vous le mentionniez ou non. Chaque test sanguin possède une sensibilité et une spécificité. Chaque nouvelle recommandation repose sur une méthodologie d'étude qui influence le degré de confiance qu'il convient de lui accorder.
Dans l'AKT, ce sujet représente une part importante de la note — environ 10 à 15 % de l'épreuve selon les recommandations du RCGP. C'est l'un des rares domaines où une révision ciblée, même brève, s'avère très profitable. immédiatement Beaucoup de candidats perdent facilement des points ici, non pas parce que les concepts sont difficiles, mais parce qu'ils ne se sont jamais assis pour les apprendre de manière systématique.
Les questions de statistiques de l'AKT présentent souvent un tableau de données d'essais cliniques et vous demandent de calculer une valeur, d'interpréter un graphique ou d'identifier le plan d'étude le plus approprié. Elles valorisent la démarche méthodique, et non les connaissances médicales. Cela en fait les notes les plus « faciles à apprendre » du document.
Médecine fondée sur les preuves (MFP)
« Lors de ma formation au milieu des années 1980, j’administrais une perfusion intraveineuse de lidocaïne à tous les patients qui se présentaient après un infarctus. C’était la norme. Tout le monde le faisait. Cela semblait parfaitement logique. »
— Le professeur Gordon Guyatt, le médecin qui a inventé le terme « médecine fondée sur les preuves », décrivant sa propre formation avant l'existence de cette médecine.
Il découvrit plus tard que la pratique à laquelle il avait été formé — et que des centaines de milliers de médecins pratiquaient dans le monde entier — était non seulement inutile, mais potentiellement mortelle. Non par négligence, ni par incompétence, mais parce que personne n'avait jamais vérifié correctement son efficacité.
C’est pour cette raison que la médecine fondée sur les preuves existe — et pourquoi elle est si importante pour chaque patient que vous rencontrerez.
« L’utilisation consciencieuse, explicite et judicieuse des meilleures données probantes actuelles pour prendre des décisions concernant les soins aux patients individuels. »
— David Sackett, BMJ 1996 — la définition la plus citée en médecine
En clair : plutôt que de traiter les patients en fonction de l’habitude, de l’opinion, de la tradition ou de ce que votre professeur vous a dit, la médecine factuelle exige que vous fondiez vos décisions cliniques sur les meilleures recherches disponibles — menées rigoureusement, évaluées de manière critique et interprétées honnêtement.
Cela ne remplace pas le jugement clinique — informe L’EBM repose sur trois piliers indissociables qui doivent fonctionner de concert :
🕰️ Comment la médecine factuelle est-elle apparue ? — Un bref historique
La médecine factuelle n'est pas apparue de nulle part. Elle est l'aboutissement de décennies de réflexion discrètement révolutionnaire au Canada et au Royaume-Uni.
| Année | Espaces |
|---|---|
| 1938 | John Paul (Yale) forge le terme « épidémiologie clinique » — l'idée que la médecine devrait être étudiée scientifiquement au sein des populations, et non pas seulement observée chez des patients individuels. |
| 1967 | L’Université McMaster (Hamilton, Canada) inaugure sa nouvelle faculté de médecine dotée d’un département d’épidémiologie clinique et de biostatistique – une initiative novatrice pour l’époque, vouée à l’application des méthodes de recherche aux décisions cliniques. |
| 1972 | Archie Cochrane, épidémiologiste écossais, publie Efficacité et efficience : réflexions aléatoires sur les services de santé — un ouvrage de référence défendant l'idée que la médecine doit tester rigoureusement ses propres traitements. Ses travaux donneront naissance à la Collaboration Cochrane, créée en son honneur. |
| 1981 | David Sackett et ses collègues de McMaster publient une série de neuf articles dans le Journal de l'Association médicale canadienne, destinés à enseigner aux cliniciens comment évaluer de manière critique la littérature médicale. Il s'agit du point de départ officiel du mouvement de la médecine factuelle. |
| 1990 | Gordon Guyatt, jeune directeur de résidence à McMaster, conçoit un nouveau programme d'enseignement qu'il baptise initialement « Médecine scientifique ». Ses collègues s'indignent : l'implication que la pratique actuelle n'est pas scientifique est trop directe. |
| 1991 | Guyatt renomme l'approche « Médecine fondée sur les preuves » et publie le terme dans un éditorial de l'ACP Journal Club. L'expression s'impose immédiatement. |
| 1992 | L'article phare du JAMA — « La médecine fondée sur les preuves : une nouvelle approche de l'enseignement de la pratique médicale » — introduit la médecine factuelle au monde. La réaction initiale, se souvient Guyatt, fut la « rage ». Ses collègues avaient l'impression qu'on leur disait qu'ils n'étaient pas de bons médecins. |
| 1993 | La Collaboration Cochrane est officiellement fondée — un réseau international destiné à produire et à diffuser des revues systématiques des données probantes en matière de soins de santé. |
| 1996 | David Sackett publie dans le BMJ la définition définitive en trois piliers. La médecine factuelle se généralise. |
| Années 2000 à nos jours | La médecine factuelle est désormais intégrée à la formation médicale au Royaume-Uni : les recommandations du NICE, les bonnes pratiques médicales du GMC et le programme du RCGP l’exigent tous. Elle constitue le fondement de la formation et de l’évaluation de tous les médecins britanniques. |
⚠️ À quoi ressemblait la médecine avant la médecine factuelle ? Le problème qu’elle a résolu
Avant la médecine factuelle, la médecine fonctionnait selon ce que Gordon Guyatt appelait de façon mémorable "GOBSAT" - De bons vieux copains assis autour d'une tableLes recommandations cliniques ont été rédigées par des experts de haut niveau qui ont mis en commun leurs opinions personnelles, et le sort de votre patient dépendait entièrement du médecin qui le prenait en charge.
- Médecine fondée sur l'éminence : Vous traitiez les patients comme votre professeur. L'autorité découlait de l'ancienneté, non des preuves. On s'en remettait à un consultant qui avait « toujours fait comme ça » pendant 30 ans, même si cette méthode n'avait jamais été mise à l'épreuve.
- Médecine intuitive : Si un traitement semblait physiologiquement logique, on l'utilisait. Si la suppression des arythmies cardiaques paraissait logique, on les supprimait. On vérifiait rarement si le traitement était réellement bénéfique aux patients.
- Médecine fondée sur des anecdotes : « D’après mon expérience, j’ai constaté que… » était la norme en matière de preuves. Les pratiques étaient dictées par les cas individuels, même lorsqu’il s’agissait de cas atypiques.
- Énorme variation : Un même patient se présentant dans deux hôpitaux différents — ou même chez deux médecins différents au sein du même hôpital — pourrait recevoir un traitement totalement différent pour exactement la même affection.
🔴 L’exemple qui a changé la médecine — L’essai CAST
Il ne s'agit pas d'une hypothèse. C'est l'une des histoires vraies les plus importantes de la médecine moderne — et l'un des arguments les plus convaincants dont la médecine factuelle ait jamais eu besoin.
Le dispositif — La logique qui semblait inattaquable
Les crises cardiaques provoquent des troubles du rythme cardiaque dangereux (arythmies ventriculaires). Les arythmies ventriculaires entraînent une mort subite. Par conséquent : supprimer les arythmies → prévenir la mort subiteCela paraissait tellement évident que, dès les années 1970, les antiarythmiques — notamment la lidocaïne, la flécaïnide et l'encaïnide — furent administrés systématiquement aux patients ayant subi un infarctus du myocarde dans les hôpitaux du monde entier. Non pas occasionnellement, mais systématiquement, comme traitement standard.
L'essai — Quelqu'un l'a réellement testé
En 1987, l'étude CAST (Cardiac Arrhythmia Suppression Trial) a recruté plus de 1 700 patients ayant subi un infarctus du myocarde et les a répartis aléatoirement entre un groupe recevant des antiarythmiques (flécaïnide ou encaïnide) et un groupe placebo. Les médicaments ont produit l'effet escompté : ils ont efficacement supprimé les arythmies. Mais un événement inattendu s'est produit.
Le résultat — Ce à quoi personne ne s'attendait
Les patients sous traitement médicamenteux étaient fois 2.5 plus susceptibles de mourir Les résultats étaient supérieurs à ceux des patients sous placebo. L'essai a dû être interrompu prématurément en raison des effets néfastes manifestes. Les médicaments tuaient les patients mêmes qu'ils étaient censés protéger.
NNH = 21. Pour 21 patients traités par flécaïnide ou encaïnide, une personne supplémentaire est décédée qui aurait autrement survécu.
La leçon
Gordon Guyatt, alors jeune cardiologue, administrait personnellement des perfusions de lidocaïne à tous les patients ayant subi un infarctus du myocarde et admis dans son service. Il suivait les bonnes pratiques. Il avait reçu une formation adéquate. Ses intentions étaient louables. Pourtant, sans la rigueur d'un essai contrôlé randomisé, ni lui ni ses collègues n'avaient la moindre idée de la nocivité de ce traitement. Cette expérience fut déterminante dans son engagement pour la médecine factuelle. L'histoire de la médecine, dira-t-il plus tard, « est jalonnée de traitements fondés principalement sur l'intuition et la conjecture plutôt que sur des preuves solides ».
Avant la médecine factuelle, les soins reçus dépendaient du lieu de résidence, de l'hôpital et du médecin. Un même patient, atteint de la même pathologie, pouvait recevoir des traitements totalement différents à Leeds et à Londres. Des hôpitaux différents. Des pays différents. Des résultats radicalement différents.
La médecine factuelle a changé la donne. En fondant les décisions cliniques sur un même ensemble de preuves – les mêmes essais cliniques, les mêmes revues systématiques, les mêmes recommandations – elle a doté la médecine d'un langage et d'une norme communs. Aujourd'hui, un patient présentant un infarctus du myocarde à Bradford et un patient présentant le même infarctus du myocarde à Bristol devraient recevoir des soins fondés sur des preuves essentiellement identiques. Non pas parce que les médecins sont identiques, mais parce que le traitement est guidé par les données probantes, et non par une préférence individuelle.
Au Royaume-Uni, cela se traduit par Lignes directrices de NICE, le Programme d'études du RCGP, Indicateurs QOF, audits cliniques et Examens MRCGP — qui exigent et évaluent toutes une pratique fondée sur des données probantes. Lorsque vous passez l'AKT, votre capacité à appliquer ce cadre est évaluée.
🌍 Un monde sans médecine factuelle — Le tableau international
L'engagement du Royaume-Uni en faveur de la médecine factuelle (EBM), via le NICE, le NHS et la formation post-universitaire, n'est pas universel. Dans de nombreuses régions du monde, la qualité des soins reçus par un patient dépend encore largement du médecin qui le prend en charge, du lieu où il consulte et de ses moyens financiers. Comprendre cela permet de mieux apprécier les protections offertes par la médecine factuelle à vos patients.
La variation décrite ci-dessous reflète systèmes et structures de soins de santéCe n’est ni la compétence ni le dévouement des médecins individuellement qui sont en cause. De nombreux médecins brillants et consciencieux exercent dans tous les pays mentionnés. Le problème réside dans l’absence d’infrastructures de normalisation – recommandations, supervision, programmes de formation – que la médecine factuelle permet. Les médecins ne peuvent pas, à eux seuls, résoudre les problèmes systémiques.
| Pays | Comment les pratiques varient en l'absence de cadres de médecine factuelle solides |
|---|---|
| 🇮🇳 Inde (secteur privé) | Lancette Une étude a révélé des taux de césarienne de 40 à 58 % dans les hôpitaux privés, contre 10 à 14 % dans les établissements publics – une différence souvent motivée par des incitations financières plutôt que par des besoins cliniques. La surprescription d'examens et la polymédication sont des pratiques courantes dans le secteur privé. Un même patient atteint de cancer peut recevoir des traitements très différents selon le lieu où il se présente et ses moyens financiers. |
| Pakistan | On observe une grande disparité dans le respect des recommandations relatives aux antibiotiques – le taux de prescription d'antibiotiques étant parmi les plus élevés d'Asie du Sud. La tuberculose pharmacorésistante et la résistance aux antimicrobiens en sont des conséquences directes. L'accès aux soins spécialisés et aux protocoles de prise en charge standardisés dépend fortement du lieu de résidence et du niveau de revenu. |
| 🇳🇬 Nigéria / 🇬🇭 Ghana | Le sulfate de magnésium est le traitement de l'éclampsie recommandé par l'OMS, fondé sur des preuves et peu coûteux. Des études montrent qu'il réduit significativement la mortalité maternelle. Pourtant, sa disponibilité et son utilisation effective dans les établissements de santé nigérians et ghanéens varient énormément en fonction des ressources hospitalières et de la formation du personnel médical ; autrement dit, la survie d'une femme atteinte d'éclampsie peut dépendre de l'établissement où elle se rend. |
| 🇸🇩 Soudan / 🇮🇶 Irak | Les conflits prolongés et l'instabilité ont dévasté les infrastructures de santé. En Irak, après 2003, les services de santé publique se sont effondrés, la mise en œuvre des recommandations a été freinée et l'accès aux médicaments essentiels est devenu aléatoire selon les régions. Au Soudan, le conflit a perturbé les programmes de vaccination, les services de santé maternelle et la prise en charge des maladies chroniques. Dans de tels contextes, les variations de pratiques ne relèvent pas d'un choix, mais des ressources disponibles. |
| 🇪🇬 Égypte / 🇮🇷 Iran | Les deux pays disposent d'écoles de médecine formant des médecins compétents et ont publié des recommandations fondées sur les données probantes ; toutefois, leur mise en œuvre est inégale entre les secteurs public et privé, ainsi qu'entre les zones urbaines et rurales. En Iran, les sanctions internationales ont affecté la disponibilité des médicaments, imposant des adaptations qui s'écartent des protocoles fondés sur les données probantes. |
| 🇷🇴 Roumanie | La Roumanie documente la pratique de plicul (La « pot-de-vin ») — paiements informels en espèces à des médecins et des infirmières pour garantir les soins. Officiellement illégale, cette pratique est pourtant courante. Des enquêtes parlementaires et des reportages d'investigation ont confirmé que la qualité des soins chirurgicaux peut dépendre des moyens financiers du patient, indépendamment de ses droits à une prise en charge équivalente par le NHS. On estime que plus de 14 000 médecins ont quitté le pays depuis l'adhésion à l'UE. |
| 🇺🇸 États-Unis | Les soins de santé américains sont les plus chers au monde — plus de 12 000 dollars par personne et par an — et pourtant, les résultats ne sont souvent pas meilleurs qu'au Royaume-Uni. Le projet Dartmouth Atlas a mis en évidence d'énormes disparités géographiques dans les pratiques cliniques : un même patient à Miami peut subir deux fois plus d'examens et d'interventions qu'un même patient à Minneapolis, sans différence notable sur le plan des résultats. Une étude publiée dans le JAMA en 2019 estimait que 935 milliards de dollars — soit environ un quart des dépenses de santé totales aux États-Unis — sont gaspillés en soins inutiles. La crise des opioïdes a été en partie alimentée par l'influence des laboratoires pharmaceutiques sur les pratiques de prescription, en dehors de tout cadre de médecine factuelle. |
| 🇫🇷 France | La France dispose d'un excellent système de santé, mais les taux de prescription d'antibiotiques y ont toujours figuré parmi les plus élevés d'Europe, en partie à cause de l'idée, ancrée dans la culture, qu'une consultation doit systématiquement se conclure par une ordonnance. Les campagnes visant à réduire cette pratique (« Les antibiotiques ne sont pas prescrits automatiquement ») ont porté leurs fruits, mais ce constat illustre comment les pressions culturelles et commerciales peuvent primer sur les recommandations fondées sur des données probantes, même au sein de systèmes performants. |
| 🇮🇹 Italie | La qualité des soins de santé dans le nord de l'Italie (Milan, Bologne) figure parmi les meilleures d'Europe. Dans certaines régions du sud, la situation est très différente : délais d'attente plus longs pour la chirurgie du cancer, application moins systématique des programmes de dépistage et moindre respect des recommandations de prise en charge. L'origine géographique, même au sein d'un même pays, peut avoir une incidence significative sur les résultats. |
| 🇬🇷 Grèce / 🇪🇸 Espagne | La crise d'austérité en Grèce (2010-2015) a entraîné une réduction des dépenses de santé de plus de 25 %, provoquant des pénuries de médicaments, des réductions de personnel et une détérioration de la qualité des soins. Plus de 35 000 professionnels de santé ont émigré. En Espagne, d'importantes variations régionales des taux de survie au cancer ont été constatées : la tumeur peut évoluer différemment selon la région de résidence, non pas en raison de différences biologiques, mais en raison de l'application variable des traitements fondés sur des données probantes. |
Dans les systèmes de santé dépourvus de cadres de médecine factuelle robustes ou de droits universels, la relation entre le paiement et la qualité des soins est souvent directe et documentée :
- Dans certains hôpitaux privés indiens, un patient souffrant de douleurs thoraciques et capable de payer pour des soins privés peut bénéficier immédiatement d'un cathétérisme et de la pose d'un stent. Dans le système public, ce même patient peut attendre des heures pour un électrocardiogramme.
- Dans certaines régions d'Afrique subsaharienne, le fait qu'un enfant atteint de paludisme grave reçoive une thérapie combinée à base d'artémisinine (la norme fondée sur des preuves) ou un médicament plus ancien et moins efficace dépend de l'établissement qu'il atteint et de ce que sa famille peut payer.
- Dans les pays où l'accès aux médicaments n'est pas universel, les agents de chimiothérapie anticancéreuse ne sont disponibles que pour ceux qui peuvent les payer de leur poche, ce qui signifie que des cancers identiques peuvent avoir des résultats radicalement différents en fonction uniquement du revenu.
- En Roumanie et dans certains autres pays d'Europe de l'Est, il a été démontré que la qualité d'une intervention chirurgicale — la diligence du chirurgien, la qualité de la surveillance anesthésique, voire la disponibilité des soins infirmiers postopératoires — dépendait de paiements informels et non des besoins cliniques.
Chaque fois que vous embarquez à bord d'un vol commercial, vous bénéficiez de l'un des systèmes de sécurité les plus efficaces jamais conçus par l'homme. Non pas parce que les pilotes sont particulièrement talentueux – bien qu'ils le soient –, mais parce que l'aviation repose sur un système de sécurité fondamental. protocoles standardisés et validés par des données probantesChaque pilote, chaque compagnie aérienne, chaque pays suit les mêmes listes de vérifications avant vol, les mêmes procédures d'atterrissage et les mêmes protocoles d'urgence. Le système vous protège quel que soit le pilote.
La médecine sans médecine factuelle, c'est comme l'aviation sans protocoles. Votre sécurité dépend entièrement de la qualité du pilote, de sa formation récente, de son humeur et de sa connaissance des dernières avancées scientifiques.
La médecine factuelle remplace la chance par des systèmes. Elle remplace le « d'après mon expérience » par « sur la base de 15 000 essais impliquant 2 millions de patients ». Elle remplace l'opinion du médecin le plus expérimenté par les données probantes issues de l'expérience clinique collective de l'humanité. Ne préféreriez-vous pas cela pour vos patients ? Vos patients ne le préféreraient-ils pas pour eux-mêmes ?
- Chaque recommandation du NICE que vous suivez est le fruit d'une analyse systématique des données probantes — quelqu'un a veillé à ce que vos pratiques soient étayées par les meilleures données scientifiques disponibles.
- Chaque question de l'AKT portant sur les statistiques et les méthodes de recherche évalue votre capacité à analyser de manière critique les données probantes — à être un consommateur actif de la médecine factuelle, et non un simple exécutant passif d'instructions.
- Lorsque vous expliquez un NNT à un patient, que vous discutez des limites d'un test de dépistage ou que vous refusez de prescrire un antibiotique non indiqué, vous pratiquez la médecine factuelle — de manière consciente, explicite et judicieuse.
- Et lorsqu'un représentant pharmaceutique s'assoit en face de vous et vous annonce que son nouveau médicament réduit les événements cardiovasculaires de 35 %, votre première question – « 35 % relatif ou absolu ? » – est celle que la médecine factuelle a appris à poser.
Plans d'étude et hiérarchie des preuves
Avant d'interpréter un résultat, vous devez savoir là d'où cela provientDifférentes méthodologies d'étude répondent à différentes questions, génèrent des statistiques différentes et présentent différents niveaux de fiabilité.
La pyramide des preuves
Preuves les plus solides en haut ; les plus faibles en bas
⬆ Preuves les plus solides | ⬇ Preuves les plus faibles
| Étudier le design | Direction | Idéal pour | Génère | Faiblesse clé |
|---|---|---|---|---|
| Revue systématique / Méta-analyse | - | Meilleure preuve globale sur une question | Taille de l'effet combiné | La qualité de l'étude dépend de son origine ; hétérogénéité |
| Essai contrôlé randomisé (ECR) | l'Avant | Le traitement X est-il efficace ? | RR, ARR, NNT | Cadre coûteux et artificiel, problèmes éthiques |
| Étude de cohorte | En avant (prospectif) ou en arrière (rétrospectif) | L'exposition est-elle la cause du résultat ? De l'incidence ? | Risque relatif (RR), Incidence | Attrition ; coûteux à long terme ; source de confusion |
| Étude de cas-contrôle | Vers l'arrière | Maladies rares ; facteurs de risque | Rapport de cotes (OR) | Biais de rappel ; impossible de calculer directement l’incidence |
| Étude transversale | Instantané unique | Quelle est la fréquence actuelle de X ? (prévalence) | Prévalence | Impossible d'établir un lien de causalité ; ambiguïté temporelle |
| Rapport de cas / Avis d'expert | - | Génération d'hypothèses ; événements rares | Description uniquement | Très sensible aux biais ; non généralisable |
📖 Recherche qualitative vs recherche quantitative
Répond aux questions « combien » ou « quelle quantité ». Utilise des nombres, des statistiques et des données structurées. Exemples : essais contrôlés randomisés, études de cohorte, enquêtes avec résultats numériques. Génère des valeurs p, des intervalles de confiance et des NNT.
Répond aux questions « pourquoi » ou « comment ». Utilise des mots, des thèmes et des entretiens. Exemples : groupes de discussion, études ethnographiques, théorie ancrée. Explore les expériences et les croyances des patients.
🔬 Revue systématique vs méta-analyse — Ce n'est pas la même chose
Revue systématique: Une recherche documentaire rigoureuse et structurée qui identifie, sélectionne et évalue de manière critique toutes les études pertinentes sur une question donnée. Il en résulte une synthèse qualitative des données probantes.
Méta-analyse : Une revue systématique qui va encore plus loin — pools mathématiques Les résultats quantitatifs de plusieurs études sont combinés en une seule estimation. Toutes les revues systématiques n'incluent pas de méta-analyse (par exemple, si les études sont trop hétérogènes pour être combinées).
🔄 Le cadre PICO
PICO est le cadre standard pour structurer une question de recherche clinique — utilisé pour effectuer des recherches bibliographiques et concevoir des études.
| Lettre | Signifie | Exemple |
|---|---|---|
| P | Population / Patient | Adultes atteints de diabète de type 2 |
| I | Intervention | Inhibiteurs du SGLT2 |
| C | Comparaison | La metformine seule |
| O | Résultat | Événements cardiovasculaires à 5 ans |
🎲 Caractéristiques de conception des essais contrôlés randomisés (couramment testés)
| Fonctionnalité | Ce que cela veut dire | Pourquoi ça compte |
|---|---|---|
| Randomisation | Les participants ont été répartis en groupes par hasard. | Élimine le biais de sélection ; équilibre les facteurs de confusion |
| aveugle simple | Les participants ne connaissent pas leur répartition. | Réduit l'effet placebo et les biais des participants |
| Double aveugle | Ni les participants ni les chercheurs ne connaissent l'attribution | Élimine les biais de l'observateur ET les biais des participants |
| Triple aveugle | Les participants, les chercheurs et les analystes de données étaient en aveugle. | Réduction maximale du biais |
| Analyse en intention de traiter (ITT) | Analysés dans leur groupe d'origine, indépendamment de leur adhésion | Préserve la randomisation ; reflète l'utilisation réelle |
| Conformément au protocole | Analyse effectuée uniquement s'ils avaient complété le protocole | Démontre une efficacité biologique, mais surestime les bénéfices réels. |
| Conception croisée | Les participants reçoivent les deux traitements successivement. | Chaque personne agit comme son propre maître ; une période de sevrage est nécessaire. |
| Dissimulation de l'allocation | La personne chargée du recrutement des participants ne peut pas voir à quel groupe le prochain participant sera affecté jusqu'à ce que… après ils ont été inscrits | Empêche le recruteur d'affecter inconsciemment (ou délibérément) des patients en meilleure santé au groupe de traitement – une forme de biais de sélection que la randomisation seule ne permet pas d'éviter. |
| Essai contrôlé randomisé en grappes | Des groupes entiers (par exemple, cabinets de médecins généralistes, services hospitaliers, écoles) sont randomisés plutôt que des individus. | Utilisée lorsque la randomisation individuelle est impossible à mettre en œuvre (par exemple, pour tester un nouveau style de consultation). Nécessite des échantillons plus importants et un ajustement statistique pour tenir compte de l'effet de groupe. |
L'intention de traiter donne un plus conservateur L'estimation de l'efficacité est plus faible car elle inclut les participants non adhérents. Cette analyse est privilégiée pour les décisions cliniques. L'analyse per protocole surestime l'efficacité, mais elle est utile pour comprendre les mécanismes biologiques.
⚖️ Essais de supériorité, de non-infériorité et d'équivalence
Tous les essais cliniques ne posent pas la même question. L'AKT vérifie parfois si vous comprenez ce qu'un essai était censé démontrer et pourquoi cela est important pour l'interprétation de ses résultats.
| Type d'essai | La question posée | Contexte commun |
|---|---|---|
| Essai de supériorité | « Le nouveau traitement est-il mieux que le comparateur ? | La plupart des essais contrôlés randomisés standard — testant un médicament ou une approche véritablement nouvelle |
| Essai de non-infériorité | « Le nouveau traitement est-il pas pire que « Le comparateur, de plus d'une petite marge prédéfinie ? » | Un nouveau médicament présentant moins d'effets secondaires, un coût inférieur ou une administration plus facile — l'objectif est de démontrer qu'il est « suffisamment bon ». |
| essai d'équivalence | Les deux traitements sont-ils identiques ? essentiellement le même?" | Médicaments biosimilaires ; médicaments génériques ; différentes voies d’administration |
Un nouvel anticoagulant pourrait se révéler non inférieur à la warfarine pour la prévention des AVC — ni meilleur, ni significativement moins bon — tout en étant plus facile à utiliser (absence de surveillance de l'INR). Il s'agit d'une découverte cliniquement précieuse, même si le médicament n'a pas surpassé la warfarine. L'AKT pourrait vous demander d'interpréter correctement les résultats d'un essai de non-infériorité.
Un essai de non-infériorité qui ne montre « aucune différence significative » est pas C'est la même chose qu'un essai de supériorité qui ne montre « aucune différence significative ». Dans un essai de supériorité, un résultat non significatif signifie que l'efficacité du nouveau médicament n'a pas été démontrée. Dans un essai de non-infériorité, une différence non significative correspond exactement au résultat escompté.
Biais de recherche, validité et fiabilité
| Type de biais | Définition | Quels types d'études ? | Comment le réduire |
|---|---|---|---|
| Biais de séléction | Les participants ne sont pas représentatifs de la population cible | Tous les types | Randomisation ; échantillonnage rigoureux |
| Biais de rappel | Les cas (personnes atteintes de la maladie) se souviennent plus vivement des expositions passées que les témoins. | Études cas-témoins | Sources de données objectives ; questionnaire standardisé |
| Biais de publication | Les études positives/significatives sont publiées plus souvent que les études négatives. | Méta-analyses (détectées via un graphique en entonnoir) | Enregistrement de l'essai ; recherche de littérature grise |
| Biais d’attrition | La perte de participants lors du suivi fausse les résultats (les abandons diffèrent des participants ayant terminé l'étude). | Études de cohorte, essais contrôlés randomisés | Analyse en intention de traiter ; minimiser les abandons |
| Biais de délai | Le dépistage donne l'illusion d'une meilleure survie grâce à la détection précoce de la maladie. | Études de dépistage | Utilisez la mortalité spécifique à la maladie, et non la survie à partir du diagnostic. |
| Biais de longueur | Le dépistage permet de détecter davantage de maladies à évolution lente (moins agressives). | Études de dépistage | Essais contrôlés randomisés avec des résultats spécifiques à la maladie |
| Biais de l'observateur/de l'évaluation | La connaissance de l'attribution du traitement influence l'évaluation des résultats | ECR | Aveuglant (simple, double, triple) |
| Effet Hawthorne | Les participants modifient leur comportement car ils savent qu'ils sont observés. | Tous types, en particulier observationnels | Groupes témoins ; observateurs aveugles |
| Biais de vérification | Seuls les patients présentant un résultat positif au test initial subissent le test de confirmation de référence — la sensibilité apparaît donc faussement élevée et la spécificité faussement faible. | études de tests diagnostiques | S'assurer que tous les patients (positifs et négatifs) bénéficient du test de référence |
| La confusion | Une troisième variable est associée à la fois à l'exposition et au résultat, ce qui fausse la relation apparente | Études d'observation | Randomisation (ECR) ; stratification ; analyse multivariée |
🔀 Déroutant — Quand deux choses semblent liées mais ne le sont pas
La confusion est l'un des concepts les plus importants en méthodologie de recherche, et l'une des raisons les plus fréquentes pour lesquelles des résultats observationnels apparemment convaincants s'avèrent erronés. L'idée principale est simple : Deux choses peuvent sembler liées non pas parce qu'elles s'affectent directement l'une l'autre, mais parce qu'elles sont toutes deux liées à une troisième variable cachée.
A facteur de confusion (ou variable confondante) est une troisième variable qui est associée indépendamment à tous les deux l'exposition et Le résultat. Il crée une association fallacieuse (fausse) — ou masque une association réelle — entre l'exposition et le résultat que vous étudiez.
Exemples classiques
| Lien apparent | Le Confondeur | Pourquoi cela explique tout |
|---|---|---|
| Ventes de crèmes glacées → décès par noyade | Temps chaud (été) | La chaleur entraîne une augmentation de la consommation de glaces ET des baignades → donc une augmentation des noyades. La glace n'est pas la cause des noyades. |
| Consommation de café → cancer du poumon | Fumeur | Les fumeurs consomment en moyenne plus de café. Les premières études établissaient un lien entre le café et le cancer, jusqu'à ce que l'effet du tabagisme soit pris en compte. |
| Porter un briquet → cancer du poumon | Fumeur | Les fumeurs ont toujours un briquet sur eux. Le briquet n'a aucun effet biologique ; c'est le tabac qui en a un. |
| Cheveux gris → maladie cardiaque | Âge | Les cheveux gris et les maladies cardiaques augmentent tous deux avec l'âge. C'est l'âge, et non la couleur des cheveux, qui est le facteur de confusion. |
| Pointure → capacité de lecture (chez les enfants) | Âge | Les enfants plus âgés ont de plus grands pieds ET lisent mieux. L'âge explique les deux. |
Une variable est un facteur de confusion si elle remplit les conditions suivantes : tous les trois de ceux-ci :
- Il est associé à la exposition (ce que vous étudiez)
- Il est associé à la résultat (le résultat que vous mesurez)
- Il est pas sur le chemin causal entre l'exposition et le résultat (il s'agit d'une troisième variable distincte, et non d'une étape intermédiaire)
- Randomisation (Dans les essais contrôlés randomisés) — répartit équitablement les facteurs de confusion connus et inconnus entre les groupes. Il s'agit de la protection la plus efficace.
- Restriction — n’enrôler que des participants présentant des caractéristiques similaires en ce qui concerne le facteur de confusion (par exemple, uniquement des non-fumeurs dans l’étude sur le café).
- Adapter — apparier les cas et les témoins en fonction de la variable confondante
- Stratification — analyser les résultats séparément pour chaque niveau du facteur de confusion
- ajustement statistique multivarié — tenir compte statistiquement de plusieurs facteurs de confusion simultanément
Dans un essai contrôlé randomisé (ECR) bien mené, la randomisation répartit équitablement les facteurs de confusion (connus et inconnus) entre les groupes, éliminant ainsi la confusion comme explication des différences observées. Dans les études de cohorte et cas-témoins, il est uniquement possible de corriger les facteurs de confusion connus et mesurés. Les facteurs de confusion non mesurés demeurent toujours une explication potentielle de toute association observée ; c’est pourquoi les études observationnelles ne peuvent jamais établir de lien de causalité de manière définitive.
✅ Validité et fiabilité — Quelle est la différence ?
L'étude mesure-t-elle bien ce qu'elle prétend mesurer au sein de la population étudiée ? Les résultats sont-ils… ceci. Cette étude est-elle fiable ? Menacée par des biais et des facteurs de confusion.
Ces résultats sont-ils applicables à d'autres populations ou à des situations réelles ? Un essai contrôlé randomisé très rigoureux mené dans un centre spécialisé peut ne pas refléter la réalité des soins primaires.
Le test produit-il des résultats cohérents lorsqu'il est répété dans les mêmes conditions ? Mesuré par la fiabilité inter-juges (statistique kappa) ou la fiabilité test-retest.
Mesure le degré de concordance entre deux évaluateurs au-delà du hasard. κ = 1 (concordance parfaite) ; κ = 0 (concordance équivalente au hasard) ; κ < 0 (concordance inférieure au hasard).
Mesure du risque et de l'effet du traitement
Il s'agit de la zone la plus testée En statistiques AKT, vous devez maîtriser parfaitement ces formules et être capable de les appliquer à des tableaux de données fictifs dans des conditions d'examen.
Les indicateurs clés
📊 Interprétation NNT — Que signifient réellement les chiffres ?
Le NNT vous indique combien de patients vous devez traiter pour UN pour en bénéficier. Donc le moins Plus le traitement est efficace, moins il y a de patients à traiter pour obtenir un bénéfice. Un NNT de 2 signifie qu'un patient sur deux en bénéficie, ce qui est excellent. Un NNT de 100 signifie qu'un patient sur cent en bénéficie seulement, ce qui est beaucoup moins efficace.
| Gamme NNT | Interprétation approximative | Exemple de contexte |
|---|---|---|
| <10 | Très efficace | Des antibiotiques pour certaines infections ; certains traitements aigus |
| 10 – 50 | Effet modéré | De nombreux médicaments préventifs courants |
| > 100 | Effet faible | Quelques stratégies préventives à l'échelle de la population |
Ces seuils sont pas Les données du NICE ou du RCGP ne sont que des outils pédagogiques généraux. Le NNT « idéal » dépend toujours du contexte.
- Un NNT de 100 pourrait encore valoir le coup. si le résultat évité est la mort ou des dommages graves et irréversibles
- Un NNT de 5 pourrait ne pas être acceptable si le traitement a des effets secondaires fréquents ou graves
Règle en une seule ligne : Le NNT indique le nombre de patients à traiter pour qu'un seul bénéficie du traitement ; plus il est bas, plus l'effet est important. Il faut toutefois toujours le mettre en balance avec la gravité de l'affection et la lourdeur du traitement.
Si 60 patients sur 100 en bénéficient, cela correspond à une réduction absolue du risque (RAR) de 60 % (= 0.6), ce qui donne un nombre de patients à traiter (NNT) de 1 ÷ 0.6 ≈ 1.7 — un excellent résultat. Le NNT ne correspond pas au nombre de personnes qui bénéficient du traitement, mais au nombre de personnes qu'il faut traiter pour obtenir un résultat positif. UN avantage.
📖 Rapport de cotes et rapport de risque — Quand les utilise-t-on ?
| Mesurer | Utilisé dans | Interprétation |
|---|---|---|
| Risque relatif (RR) | Études de cohorte, essais contrôlés randomisés | Compare directement le risque dans deux groupes. Plus intuitif que le RO. |
| Rapport de cotes (OR) | Études cas-témoins | Compare les probabilités d'exposition chez les cas et les témoins. Permet d'estimer le risque relatif lorsque la maladie est rare. |
| Rapport de risque (HR) | Analyse de survie (délai avant l'événement) | Comme RR mais prend en compte quand Les événements se produisent au fil du temps. HR < 1 = risque réduit dans le groupe traité. |
Pour les maladies courantes, l'OR surestime le risque par rapport au RR. Pour les maladies rares (prévalence < 10 %), ils sont approximativement égaux. Une étude cas-témoins génère un OR — vous ne peut pas calculer directement l'incidence ou le RR à partir d'une étude cas-témoins.
🧮 Exemple pratique — Calcul du NNT à partir des données d'essai
🎯 Scénario : Essai sur les statines
Une étude randomisée contrôlée sur 5 ans montre que parmi les patients présentant un risque cardiovasculaire élevé : 6 % dans le groupe placebo ont subi une crise cardiaque, contre 4 % dans le groupe statine.
Traiter 50 patients pendant 5 ans permet de prévenir un infarctus.
Ça a l'air impressionnant ! Mais le gain absolu n'est que de 2 %.
Le groupe sous statines présentait 67 % du risque du groupe placebo, soit une réduction relative de 33 %.
Lorsqu'un patient demande : « Cette statine va-t-elle m'aider ? », utilisez le NNT (nombre de sujets à traiter). « Si 50 personnes comme vous prennent ce comprimé pendant 5 ans, un infarctus sera évité. Pour vous personnellement, cela représente un bénéfice absolu de 2 %. » C'est beaucoup plus honnête que : « Ce médicament réduit votre risque de 33 %. »
💬 Communiquer les risques aux patients (le favori d'AKT)
L'AKT évalue souvent votre capacité à expliquer des informations statistiques aux patients. Il existe quatre formats principaux :
| Format | Exemple | Idéal pour |
|---|---|---|
| Fréquence naturelle | « 5 personnes sur 100 » | Le plus facile à comprendre pour les patients |
| Pourcentage | « 5 % de la population » | Largement utilisé mais peut induire en erreur |
| NST | « Traitez 20 personnes pour éviter 1 cas » | Communique clairement les avantages absolus |
| Inventaire de Cates | Grille visuelle de 100 visages | Meilleure aide visuelle pour la prise de décision partagée |
Affirmer « cela réduit votre risque de 33 % » sans préciser le risque de base est trompeur. Une réduction relative du risque (RRR) de 33 % par rapport à un risque de base de 0.3 % signifie que votre bénéfice absolu est de 0.1 %. Il est toujours préférable d'associer la RRR au risque de base ou d'indiquer plutôt la réduction relative du risque ajusté (RRA) ou le nombre de sujets à traiter (NNT).
💊 La technique des représentants pharmaceutiques : comment les entreprises pharmaceutiques manipulent les statistiques
Les représentants des laboratoires pharmaceutiques sont formés pour présenter les données des essais cliniques sous leur jour le plus favorable. Ils utilisent une manipulation statistique simple mais efficace :
- Avantages → exprimés en réduction relative du risque (RRR) — parce que ça sonne plus grand et plus impressionnant
- Dommages → exprimés en augmentation absolue du risque (AAR) — parce que cela paraît plus petit et moins inquiétant
Exemple concret — une visite fictive d'un représentant pharmaceutique spécialisé dans les statines
Une nouvelle statine réduit les crises cardiaques de 2 % à 1 % sur 5 ans, mais augmente la myopathie de 1 % à 2 %.
L'antidote : toujours demander — « Quelle est la différence absolue ? » Lorsqu'un représentant cite un chiffre relatif, convertissez-le vous-même : ARR = CER − EER, puis NNT = 1 ÷ ARR. Cela s'applique également aux avantages sociaux. et dommages.
Tests diagnostiques et dépistage — Le tableau 2×2
Le tableau de contingence 2×2 est la base de toutes les statistiques diagnostiques. Savoir construire et interpréter ce tableau permet de répondre à la plupart des questions diagnostiques de l'AKT.
La table 2×2
| ÉTAT MÉDICAL RÉEL | ||
|---|---|---|
| RÉSULTAT D'ESSAI | Maladie Présent | Maladie Absent |
| Test positif | Vrai positif (TP) Test positif → présente la maladie ✓ |
Faux positif (FP) Test positif → absence de maladie ✗ |
| Test négatif | Faux négatif (FN) Test négatif → présence de la maladie ✗ |
Vrai négatif (TN) Test négatif → absence de maladie ✓ |
🧠 SnNout et SpPin — Les aides-mémoire (et pourquoi elles fonctionnent)
Snsortie : Un très Sentest positif, si Nnégatif, gouverne la maladie de stock.
Si la sensibilité est très élevée, un résultat négatif signifie que la maladie est très peu probable (faible taux de faux négatifs). Utilisez un test sensible pour dépister et exclure la maladie.
Spdans : Un très Sptest exact, si Ppositif, gouverne la maladie In.
Si la spécificité est très élevée, un résultat positif au test signifie que la maladie est très probable (faible taux de faux positifs). Utilisez un test spécifique pour confirmer le diagnostic.
📊 L’effet de la prévalence sur la VPP et la VPN — Sujet AKT essentiel
Il s'agit d'un des concepts les plus importants et les plus étudiés en statistiques diagnostiques. La sensibilité et la spécificité sont des propriétés fixes du test. En revanche, la valeur prédictive positive (VPP) et la valeur prédictive négative (VPN) varient considérablement selon la prévalence de la maladie dans la population testée.
| Scénario | Prévalence | PPV | NPV |
|---|---|---|---|
| Dépistage d'une maladie rare (par exemple, le VIH chez les personnes à faible risque) au sein de la population générale | 1% | FAIBLE (~16%) | ÉLEVÉ (~99.9%) |
| Tests dans une clinique spécialisée à haut risque | 50 % | ÉLEVÉ (~95%) | ÉLEVÉ (~95%) |
- Plus la prévalence augmente, plus la VPP augmente et plus la VPN diminue.
- Lorsque la prévalence diminue, la VPP diminue et la VPN augmente.
- Dans une population à faible prévalence, la plupart des résultats positifs sont des faux positifs (faible valeur prédictive positive) — même avec un test très spécifique.
- Un test négatif dans une population à forte prévalence peut tout de même passer à côté de la maladie (VPN plus faible).
📐 Rapports de vraisemblance — Quand vous voulez aller plus loin
Les rapports de vraisemblance (RV) combinent la sensibilité et la spécificité en un seul chiffre qui indique dans quelle mesure un résultat de test modifie la probabilité de la maladie. Plus sophistiqués que les valeurs prédictives positives (VPP) et négatives (VPN), ils restent utiles et sont parfois utilisés dans le cadre de l'AKT.
| LR+ | Effet sur la probabilité post-test |
|---|---|
| > 10 | Augmentation importante et souvent concluante de la probabilité |
| 5-10 | Augmentation modérée |
| 2-5 | Légère augmentation |
| 1 | Aucun changement (le test est inutile) |
| 0.1-0.5 | diminution faible à modérée |
| Forte baisse — forte exclusion négative |
Statistiques démographiques et épidémiologie
📊 Taux de mortalité standardisé (SMR)
| Valeur SMR | Interprétation |
|---|---|
| = 100 | Mortalité identique à celle de la population de référence |
| > 100 | Surmortalité (supérieure aux prévisions) |
| <100 | Mortalité plus faible que prévu |
🎯 Sélection — Biais de délai et de longueur (Principaux pièges d'AKT)
Le dépistage permet de détecter une maladie plus tôt, donnant l'illusion d'une amélioration de la survie, même si le patient décède au même moment. La « durée de survie après le diagnostic » est simplement prolongée par la détection précoce, et non par un réel bénéfice du traitement. Le patient ne vit pas plus longtemps ; il est simplement informé plus longtemps.
Les programmes de dépistage sont plus susceptibles de détecter les formes lentes et indolentes de la maladie (qui présentent une « phase préclinique détectable » plus longue) que les formes agressives à progression rapide. De ce fait, le dépistage paraît plus efficace qu'il ne l'est réellement pour les formes graves.
✅ Critères de sélection Wilson & Jungner
Avant la mise en place d'un programme de dépistage, celui-ci doit satisfaire aux critères de Wilson et Jungner (publiés initialement en 1968 et qui constituent toujours le cadre de référence). L'AKT évalue à la fois la connaissance de ces critères et leur application à des scénarios concrets.
| # | Critère | Ce que cela signifie en pratique |
|---|---|---|
| 1 | Problème de santé important | Cette affection présente une morbidité ou une mortalité importante, justifiant ainsi les efforts de dépistage. |
| 2 | Traitement accepté disponible | Il est inutile de détecter une maladie que l'on ne peut pas traiter. |
| 3 | Des installations de diagnostic et de traitement existent | L'infrastructure doit être en place avant le lancement. |
| 4 | Stade latent ou précoce reconnaissable | La maladie doit présenter une phase pré-symptomatique détectable. |
| 5 | Test approprié disponible | Le test doit être acceptable pour la population, sûr et raisonnablement précis. |
| 6 | Test acceptable pour la population | Les gens doivent être prêts à y recourir — les tests invasifs ou désagréables peuvent dissuader d'y participer. |
| 7 | Histoire naturelle correctement comprise | Il est essentiel de savoir comment la maladie évolue en l'absence de traitement. |
| 8 | Politique convenue concernant les personnes à traiter | Des protocoles clairs sont nécessaires – non seulement pour la détection, mais aussi pour la suite des opérations –, mais aussi pour ce qui se passe ensuite. |
| 9 | Solution économique | Le coût de la recherche de chaque cas doit être mis en balance avec les avantages. |
| 10 | Processus continu, et non ponctuel | Le dépistage doit être continu — l’incidence de la maladie persiste. |
Le dépistage du cancer de la prostate par PSA est pas Le dépistage du cancer de la prostate fait partie du programme national de dépistage du NHS précisément parce qu'il présente des difficultés avec les critères 5 et 7 : le test PSA n'est pas suffisamment précis (faible spécificité → nombreux faux positifs), et l'évolution naturelle de nombreux cancers de la prostate de bas grade fait qu'ils ne provoquent jamais de symptômes du vivant du patient. Ceci est directement lié au surdiagnostic (voir ci-dessous).
🔍 Surdiagnostic — Trouver des problèmes qui n'auraient pas causé de problèmes
Le surdiagnostic survient lorsqu'une maladie réelle est détectée — une maladie qui existe réellement — mais que cette maladie serait n'ont jamais causé de symptômes, de dommages ou de décès Si la maladie n'est pas détectée, elle peut survenir au cours de la vie du patient. Il ne s'agit pas d'un faux positif (la maladie est bien réelle) ; c'est un vrai positif qui n'aurait pas dû être détecté.
Le surdiagnostic transforme des personnes en bonne santé en patients. Il les expose à l'anxiété, aux effets secondaires et aux risques d'un traitement pour une affection qui ne les aurait jamais touchées. C'est l'un des principaux méfaits des programmes de dépistage, et l'un de ceux que l'AKT teste directement.
| État | Exemple de surdiagnostic |
|---|---|
| Cancer de la prostate | De nombreux cancers de bas grade détectés par le dosage du PSA ne progresseraient jamais et ne provoqueraient aucun symptôme ; les hommes en meurent. au eux, non à partir de le point de vue de |
| Cancer de la thyroïde | L'échographie permet de détecter de minuscules cancers papillaires de la thyroïde, presque toujours indolents ; le dépistage a considérablement augmenté, mais la mortalité est restée inchangée. |
| DCIS (sein) | Carcinome canalaire in situ détecté par mammographie — certains ne deviendront jamais un cancer invasif |
Surdiagnostic = découvrir une maladie qui n'avait pas besoin d'être découverte. Surtraitement = traiter une maladie qui n'en avait pas besoin (cela peut faire suite à un surdiagnostic ou survenir indépendamment). Ce sont des concepts liés mais distincts.
🔢 Standardisation selon l'âge
Lorsqu'on compare les taux de morbidité ou de mortalité entre différentes populations (par exemple, différents pays, différentes périodes), il est nécessaire de tenir compte du fait que ces populations peuvent présenter des répartitions par âge différentes. Les populations plus âgées auront naturellement une mortalité plus élevée, même si leur état de santé est équivalent.
La standardisation par âge est une technique statistique qui élimine l'effet de distorsion des différences de structure par âge lors de la comparaison des résultats de santé entre populations. Elle produit un taux qui serait observé si les deux populations avaient la même structure par âge (la « population de référence »).
🎗️ Statistiques sur le cancer — AKT Must-Knows
L'AKT teste parfois des statistiques spécifiques sur le cancer. Il n'est pas nécessaire d'avoir des connaissances approfondies en oncologie, mais ces chiffres clés sont régulièrement publiés et il est utile de les connaître.
| Cancer | Statistique clé | Pourquoi ça compte |
|---|---|---|
| Cancer des testicules | Taux de survie à 10 ans > 98 % | L'un des cancers les plus traitables — une information importante à connaître pour conseiller les jeunes hommes |
| Cancer du poumon | Principale cause de décès par cancer (Royaume-Uni) | Bien qu'il ne s'agisse pas du cancer le plus fréquent, il tue plus de personnes que tout autre. |
Un cancer peut avoir un taux élevé incidence (courant) mais faible mortalité (traitable), comme le cancer du sein. Ou bien il peut avoir une incidence plus faible mais une mortalité très élevée, comme le cancer du pancréas. Le test AKT peut évaluer votre capacité à interpréter correctement les statistiques sur le cancer ; ne présumez pas que le cancer le plus fréquent est le plus mortel.
⚖️ Inégalités en matière de santé
Les inégalités de santé désignent les différences injustes et évitables en matière de santé entre différents groupes de population. Elles constituent un axe majeur de la politique de santé publique au Royaume-Uni et sont abordées dans l'AKT dans le contexte de l'épidémiologie et des déterminants sociaux de la santé.
Les inégalités en matière de santé sont des différences injustes et évitables dans l'état de santé ou dans la répartition des déterminants de la santé entre différents groupes de populationElles sont « évitables » car elles découlent de conditions sociales, économiques ou environnementales qui pourraient en principe être modifiées — et non du hasard ou de variations biologiques.
| Type | Exemples au Royaume-Uni |
|---|---|
| Socio-économique | Espérance de vie plus faible dans les zones défavorisées ; taux plus élevés de maladies cardiovasculaires, de diabète et de maladies mentales dans les communautés les plus pauvres |
| Portée | « Faille Nord-Sud » — des résultats sanitaires moins bons dans certaines régions du nord de l'Angleterre par rapport au sud |
| Ethnique | Prévalence plus élevée du diabète de type 2 dans les populations d'Asie du Sud ; risque cardiovasculaire plus élevé dans les populations noires |
| Genre | Les hommes ont une espérance de vie plus courte, mais les femmes connaissent davantage d'années de mauvaise santé (morbidité). |
Distribution des données et signification statistique
Mesures de tendance centrale
| Mesurer | Définition | Meilleur utilisé quand | Fais attention |
|---|---|---|---|
| Médian | Somme de toutes les valeurs ÷ nombre de valeurs | Les données suivent une distribution normale. | Facilement faussé par les valeurs aberrantes |
| Moyenne | Valeur médiane une fois triée. S'il y a un nombre pair Parmi les valeurs, la médiane est la moyenne des deux valeurs centrales. | Données biaisées (par exemple, revenus, durée du séjour à l'hôpital) | Ignore les valeurs réelles aux extrêmes |
| Mode | Valeur la plus fréquente | Données catégorielles ; distributions bimodales | Peut être dénué de sens avec des données continues |
| Autonomie | Maximum − Minimum | Sensation rapide de propagation | Entièrement déterminé par les valeurs aberrantes |
| IQR (Écart interquartile) | 75e percentile − 25e percentile | Associée à la médiane pour les données asymétriques | Ignore les 25 % supérieurs et inférieurs |
| Écart type (SD) | Écart moyen par rapport à la moyenne | Données distribuées normalement | Trompeur si les données ne sont pas normalement distribuées |
🗂️ Types de données — Nominales, Ordinales, Intervalles, Ratio
Comprendre quoi type Les données dont vous disposez déterminent les statistiques descriptives et les tests statistiques appropriés. Le test AKT vérifie cela, généralement en présentant un jeu de données et en demandant quel test ou mesure utiliser.
| Type | Définition | Exemples | Analogie |
|---|---|---|---|
| Capacité | Des catégories sans ordre naturel | Groupe sanguin (A, B, AB, O) ; sexe ; couleur des yeux ; cause du décès | Une corbeille de fruits — les pommes et les bananes sont simplement différentes, aucune n'est « supérieure » à l'autre. |
| Ordinal | Des catégories ordonnées, mais les écarts entre elles sont pas nécessairement égal | Classe NYHA d’insuffisance cardiaque (I à IV) ; échelle de la douleur (légère/modérée/sévère) ; échelles de Likert | Classement de la course : 1er, 2e, 3e. Nous connaissons l’ordre, mais l’écart entre le 1er et le 2e peut être très différent de celui entre le 2e et le 3e. |
| l'intervalle | Classés avec des intervalles égaux entre les valeurs, mais pas de zéro absolu | Température en °C ; dates du calendrier ; scores de QI | Un thermomètre — 0 °C ne signifie pas « aucune température ». On ne peut pas dire que 20 °C est « deux fois plus chaud » que 10 °C, de manière absolue. |
| Ratio | Des intervalles ordonnés et égaux, ET un zéro absolu véritable | Taille, poids, tension artérielle, âge, revenu, dose de médicament | Argent — 0 £ signifie que vous ne possédez absolument rien. 40 £ représentent le double de 20 £. |
- Données nominales/ordinales → utiliser des tests non paramétriques, le mode ou la médiane pour les moyennes
- Données d'intervalle/de ratio (distribution normale) → on peut utiliser la moyenne, l'écart-type et les tests paramétriques
- Vous ne peut pas calculer de manière significative une moyenne pour les données nominales (par exemple, l'expression « groupe sanguin moyen » n'a aucun sens) ou pour faire des affirmations proportionnelles avec des données d'intervalle (on ne peut pas dire qu'une personne ayant un QI de 120 est « deux fois plus intelligente » qu'une personne ayant un QI de 60).
🔬 Tests paramétriques vs tests non paramétriques
Les tests statistiques se répartissent en deux familles selon les hypothèses qu'ils formulent sur vos données. Les tests AKT indiquent quel type de test est approprié à un scénario donné ; vous n'avez pas besoin d'effectuer les calculs, il suffit de savoir quand utiliser l'un ou l'autre.
Tests paramétriques supposons que les données suivent une distribution normale (ou que l'échantillon soit suffisamment grand pour que cela n'ait pas beaucoup d'importance) et que les données soient au moins de niveau intervalle. Tests non paramétriques Ne faites pas de telles suppositions — elles fonctionnent avec des rangs ou des catégories et conviennent aux données asymétriques, aux petits échantillons ou aux données ordinales/nominales.
| Interet | Test paramétrique | Équivalent non paramétrique |
|---|---|---|
| Comparer les moyennes de deux groupes indépendants | Test t indépendant | Test U de Mann-Whitney |
| Comparer les moyennes : même groupe, 2 points temporels | Test t apparié | Test de classement signé de Wilcoxon |
| Comparer les moyennes de 3 groupes ou plus | ANOVA (analyse de variance) | Test de Kruskal-Wallis |
| Corrélation entre deux variables continues | Corrélation de Pearson | Corrélation de rang de Spearman |
| Comparer les proportions / données catégorielles | - | Test du chi carré (χ²) |
- Les données sont biaisé or pas distribué normalement → utiliser des méthodes non paramétriques
- Petite taille de l'échantillon (et normalité incertaine) → utiliser des méthodes non paramétriques
- Les données sont ordinal (ex. scores de douleur, Likert) → utiliser des méthodes non paramétriques
- Comparaison proportions ou catégories → test du chi carré
- Grand échantillon, continu, approximativement normal → un test paramétrique convient.
🔔 Distribution normale — La règle des 68-95-99.7
Une distribution normale est une courbe symétrique en forme de cloche. La moyenne, la médiane et le mode sont tous égaux et situés au centre.
| Autonomie | % des valeurs incluses |
|---|---|
| Moyenne ± 1 écarts-types | 68 % |
| Moyenne ± 2 écarts-types | 95 % |
| Moyenne ± 3 écarts-types | 99.7 % |
Avec des données asymétriques positives (par exemple, les revenus, les temps d'attente chez le médecin généraliste, la bilirubinémie dans un service hospitalier), la moyenne est tirée vers la droite par quelques valeurs aberrantes élevées. Dans ce cas, utilisez la médiane — elle représente mieux la valeur typique. L'AKT adore tester cette distinction.
📉 Valeurs p et intervalles de confiance : leur véritable signification
Valeurs P
La valeur p est la probabilité d'observer des résultats au moins aussi extrêmes que ceux observés. si l'hypothèse nulle est vraie (c'est-à-dire s'il n'y a pas d'effet réel). C'est pas la probabilité que l'hypothèse nulle soit correcte.
| p-valeur | Interprétation |
|---|---|
| p <0.05 | Statistiquement significatif — moins de 5 % de probabilité que ce résultat soit dû au hasard |
| p> 0.05 | Non statistiquement significatif — ce résultat peut être dû au hasard |
| p = 0.01 | 1 % de chances d'obtenir ce résultat en l'absence d'effet réel |
Intervalles de confiance (IC)
Un intervalle de confiance à 95 % signifie que si vous répétiez l'étude 100 fois, dans 95 de ces cas, la valeur réelle de la population se situerait dans cette plage.
- Pour une solution plus permanente, un verrou à surfaçage ou un loquet monté en surface peut être fixé à la porte et au cadre à l'aide de vis. Lorsqu'il est actionné, le verrou glisse dans un support de réception sur le mur ou le cadre, maintenant la porte coulissante escamotable fermement fermée. C'est l'une des options sans serrure les plus sécurisées disponibles et elle peut être installée en moins de XNUMX minutes avec des outils de base. rapport (RR, OR, HR) : si l'IC à 95 % inclut 1.0 → non statistiquement significatif
- Pour une solution plus permanente, un verrou à surfaçage ou un loquet monté en surface peut être fixé à la porte et au cadre à l'aide de vis. Lorsqu'il est actionné, le verrou glisse dans un support de réception sur le mur ou le cadre, maintenant la porte coulissante escamotable fermement fermée. C'est l'une des options sans serrure les plus sécurisées disponibles et elle peut être installée en moins de XNUMX minutes avec des outils de base. différence (différence moyenne, ARR) : si l'IC à 95 % inclut 0 → non statistiquement significatif
- Si l'intervalle de confiance est entièrement supérieur à 1 (pour les ratios) → risque significativement accru
- Si l'intervalle de confiance est entièrement inférieur à 1 (pour les ratios) → risque significativement réduit
❌ Erreurs de type I et de type II — Crier au loup ou ne pas voir le loup
Rejeter l'hypothèse nulle alors qu'elle est vraie. Autrement dit : conclure à l'efficacité d'un traitement alors qu'il est inefficace. Le taux de faux positifs est généralement considéré comme acceptable à 5 % (α = 0.05, p < 0.05).
« Crier au loup » — donner l'alerte alors qu'il n'y a pas de loup.
Ne pas rejeter l'hypothèse nulle alors qu'elle est fausse. Autrement dit : passer à côté d'un véritable effet du traitement. Le taux de faux négatifs est généralement considéré comme acceptable à 20 % (β = 0.2, puissance = 80 %).
« Ne pas voir le loup » — dire qu'il n'y a pas de loup alors qu'il y en a un.
La puissance statistique (1 − β) représente la probabilité de détecter correctement un effet réel. Plus la puissance est élevée, moins on risque de manquer un effet réel. La puissance augmente avec la taille de l'échantillon. Un essai bien conçu nécessite une puissance statistique ≥ 80 %.
⚡ Signification statistique ≠ Importance clinique
Il s'agit là d'une des nuances les plus importantes et les plus éprouvées en matière de statistiques AKT — et pourtant, de nombreux stagiaires la négligent.
Un résultat peut être statistiquement significatif (p < 0.05) tout en étant cliniquement insignifiantLa signification statistique indique seulement que le résultat a peu de chances d'être dû au hasard — elle signifie rien quant à savoir si l'effet est suffisamment important pour avoir une incidence en pratique.
| Scénario | Statistiquement significatif ? | Cliniquement important ? |
|---|---|---|
| Baisse de la PA de 1 mmHg, n=50,000, p=0.001 | Oui | Non |
| Baisse de la PA de 15 mmHg, n=30, p=0.08 | Non | Probablement oui |
| Baisse de la PA de 12 mmHg, n=500, p=0.02 | Oui | Oui |
Regardez toujours le taille de l'effet (ARR, NNT, différence moyenne) accompagnés des valeurs p et des intervalles de confiance. Un intervalle de confiance étroit, excluant zéro et un, est plus pertinent qu'une valeur p seule : il indique à la fois le sens et la précision de l'effet.
- IC étroit → estimation précise → forte confiance que la valeur réelle est proche de l'estimation ponctuelle (généralement à partir d'un grand échantillon)
- CI large → estimation incertaine → la valeur réelle pourrait se situer n'importe où dans une large fourchette (généralement à partir d'un échantillon petit ou hétérogène)
Exemple : RR = 1.5 (IC à 95 % : 1.4–1.6) → précis et convaincant. RR = 1.5 (IC à 95 % : 0.6–3.8) → large et incertain, car incluant la valeur 1.0 ; le résultat n’est donc pas significatif.
📈 Régression vers la moyenne — Le facteur de confusion caché de la pratique clinique
La régression vers la moyenne est la tendance statistique selon laquelle une mesure extrême se rapproche de la moyenne lors d'une seconde mesure. indépendamment de toute interventionC'est l'une des sources les plus sous-estimées de conclusions erronées en médecine.
Les patients sont souvent examinés ou traités précisément lorsque leurs symptômes ou leurs mesures sont à leur maximum. La variabilité naturelle fait que ces mesures s'amélioreront probablement lors de tests ultérieurs, indépendamment de votre intervention. Sans groupe témoin, il est impossible de distinguer la régression vers la moyenne d'un véritable effet du traitement.
| Scénario | Ce qui ressemble à un effet du traitement | Ce qui se passe réellement |
|---|---|---|
| La patiente présentait une tension artérielle très élevée lors d'une mesure → un traitement médicamenteux a été instauré → la tension artérielle a baissé lors de la consultation suivante | Le médicament fait effet | La première mesure était peut-être aberrante ; la pression artérielle aurait de toute façon été plus basse lors de la mesure répétée. |
| L'élève obtient un très mauvais résultat à un test → bénéficie de cours particuliers → obtient un meilleur résultat la fois suivante | Les frais de scolarité ont aidé | Ce faible score n'est peut-être pas représentatif ; les performances réelles tendent à se rapprocher de la moyenne. |
| Un patient présentant une poussée d'eczéma sévère commence un nouveau traitement par crème → amélioration de la poussée | La crème est efficace | Les poussées sévères s'atténuent naturellement avec le temps, quel que soit le traitement. |
- Prenez mesures de référence multiples et utiliser la moyenne avant de commencer le traitement
- Utiliser un groupe de contrôle — la régression vers la moyenne affecte les deux groupes de manière égale, donc toute différence entre les groupes est plus susceptible d'être un véritable effet du traitement
- C'est l'un des arguments les plus convaincants pour Essais contrôlés randomisés par rapport aux études non contrôlées avant-après
Graphiques statistiques — Que rechercher
L'AKT présente régulièrement des graphiques et vous demande de les interpréter. Apprenez à repérer l'élément clé de chaque type de graphique ; inutile de tout lire. Une observation ciblée suffit.
| Type de graphique | Utilisation principale | La seule chose à rechercher |
|---|---|---|
| Parcelle forestière | Résultats de la méta-analyse | Est-ce que diamant noir franchir la ligne verticale sans effet ? |
| Tracé en entonnoir | Détection des biais de publication / Surveillance des valeurs aberrantes chez les médecins généralistes | L'intrigue asymétriques. ? (Lacune = études non publiées manquantes) |
| Parcelle Cates | Communiquer visuellement le NNT aux patients | Comptez les visages colorés « bénéfice » ; NNT = 100 ÷ ces visages |
| L'Abbé Plot | Explorer l'hétérogénéité dans les méta-analyses | Point sur la ligne diagonale = effet nul du traitement |
| Diagramme en boîte à moustaches | Distribution et diffusion des données | Ligne du milieu = médiane (pas méchant) ; les points au-delà des moustaches sont des valeurs aberrantes. |
| Nomogramme de Fagan | Probabilité pré-test → post-test | Tracez une ligne reliant la probabilité pré-test à LR pour obtenir la probabilité post-test. |
| Diagramme en tiges et feuilles | Distribution — préserve les valeurs originales | Comme un histogramme, mais affichant des points de données individuels |
| Courbe de Kaplan-Meier | Analyse de survie — délai avant l'événement | Les paliers diminuent lors d'événements ; des courbes qui divergent tôt et restent séparées suggèrent un bénéfice durable du traitement |
| Histogramme | Distribution des données continues | Forme de la courbe : symétrique = distribution normale ; asymétrique = utiliser la médiane et non la moyenne |
🌲 Parcelles forestières — En détail
- Chaque carré = une étude. La taille du carré = le poids de l'étude (généralement déterminé par la taille de l'échantillon).
- Lignes horizontales = intervalle de confiance à 95 % pour cette étude
- Le diamant En bas : l’estimation globale groupée. Sa largeur : l’intervalle de confiance groupé à 95 %
- Ligne verticale à 1.0 = « ligne sans effet » (pour les ratios). Si une ligne CI ou le diamant franchit cette ligne, ce résultat est pas statistiquement significatif
I² mesure la part de variation entre les études qui est due à une véritable hétérogénéité (différences réelles) plutôt qu’au hasard.
I² < 25% = faible hétérogénéité ✓
I² = 25–50% = hétérogénéité modérée
I² > 50% = hétérogénéité importante — le résultat combiné est moins fiable ⚠️
📯 Graphiques en entonnoir — Biais de publication et surveillance des valeurs aberrantes des groupes de pratique clinique
Les graphiques en entonnoir apparaissent dans deux contextes totalement différents dans l'AKT — assurez-vous de reconnaître les deux.
Graphique représentant la taille de l'effet (axe des abscisses) en fonction de la précision ou de la taille de l'étude (axe des ordonnées). Un entonnoir inversé symétrique indique l'absence de biais. Un entonnoir asymétrique avec une lacune en bas à gauche indique l'absence de petites études négatives → biais de publication.
Compare les cabinets de médecins généralistes selon des indicateurs (par exemple, les taux d'orientation, la mortalité). Les points de données situés en dehors des lignes de l'entonnoir sont valeurs aberrantes statistiques justifiant une enquête – pas nécessairement la preuve d'une mauvaise performance.
😊 Diagrammes de Cates — Comment extraire visuellement le NNT
Un diagramme de Cates (parfois appelé « diagramme en forme de smiley ») utilise une grille de 100 visages pour aider les patients à visualiser les bénéfices et les risques absolus.
- Chacun des 100 visages représente une personne sur 100 traitées
- visages jaunes/verts = personnes qui en ont bénéficié (événements évités)
- Visages rouges = les personnes qui ont subi un préjudice
- Visages gris/sans expression = aucun effet dans les deux sens
📉 Courbes de survie de Kaplan-Meier — Comment les lire
Les courbes de Kaplan-Meier (KM) illustrent la probabilité de survie (ou d'absence d'événement) au fil du temps. Elles figurent dans les questions AKT relatives aux essais cliniques en cancérologie, aux études cardiovasculaires et à toute recherche mesurant le délai d'apparition d'un événement.
| Fonctionnalité | Ce que cela veut dire |
|---|---|
| L'axe Y | La probabilité de survie (ou survie sans événement) — commence à 1.0 (100 %) et diminue avec le temps |
| L'axe X | Temps (jours, mois, années) |
| Chaque marche descendante | Un événement s'est produit (par exemple, un décès ou une rechute). Des étapes plus importantes signifient plus d'événements à ce stade. |
| Marques de graduation sur la ligne | Patients censurés — perdus de vue ou dont l'étude a pris fin. Il ne s'agit pas d'événements. |
| Deux courbes divergent tôt et restent séparées. | Suggère un bénéfice thérapeutique durable tout au long du suivi. |
| Virages | Cela suggère que le risque n'est pas proportionnel au fil du temps, ce qui complique l'interprétation. |
| Survie médiane | Le moment où la courbe de survie franchit la barre des 50 % — le moment où la moitié des patients ont subi l'événement |
Le test de log-rank compare statistiquement deux courbes KM. rapport de risque (HR) Ce tableau résume la différence globale entre les courbes. Un HR < 1 indique que le groupe traité présente moins d'événements au fil du temps. Si les courbes se chevauchent sensiblement, le HR sera proche de 1 (aucun bénéfice).
📊 Histogrammes — Aperçu de la distribution
Un histogramme représente la distribution d'une variable continue (par exemple, l'âge, la pression artérielle, l'IMC) en regroupant les valeurs en intervalles (classes) et en indiquant le nombre d'observations dans chaque classe. Contrairement à un diagramme à barres, les barres se touchent, car les données sont continues.
| Forme | Sens | Utiliser la moyenne ou la médiane ? |
|---|---|---|
| Forme de cloche symétrique | Distribution normale — moyenne, médiane et mode sont tous égaux. | L'un ou l'autre, mais conventionnellement moyenne ± écart-type |
| Asymétrie à droite (positive) | Longue queue à droite — quelques valeurs très élevées tirant la moyenne vers le haut | Médiane (plus représentative) |
| asymétrie gauche (négative) | Longue queue à gauche — quelques valeurs très basses tirant la moyenne vers le bas | Médiane (plus représentative) |
| Bimodale (deux pics) | Deux sous-groupes distincts dans les données | Signalez les deux pics séparément. |
Amélioration de la qualité et audit clinique
| Outil | Interet | Fonctionnalités clés |
|---|---|---|
| Audit clinique | Évaluer les pratiques par rapport à des normes explicites ; identifier et combler les écarts | Nécessite une norme définie. Utilise le cycle PDSA. Implique de boucler la boucle (réaudit). Pas Recherche — pas d'hypothèse, pas de nouvelles connaissances générées. |
| Analyse des événements significatifs (AES) | Examen multidisciplinaire systématique d'un événement significatif unique | Sans recherche de coupables. Privilégie l'apprentissage systémique plutôt que la faute individuelle. Partagé au sein de l'équipe. Documente les enseignements tirés et les actions entreprises. |
| Analyse des causes profondes (RCA) | Enquête approfondie sur les incidents graves | Plus structurée que l'analyse d'impact environnemental (AIE). Utilise la méthode des « 5 pourquoi ». Identifie les causes contributives et les causes profondes. Souvent employée pour les événements indésirables graves ou les préjudices importants. |
| Signalement des exceptions QOF | Exclusion appropriée des patients des indicateurs QOF | Cliniquement approprié dans les cas suivants : traitement maximal toléré, refus éclairé du patient, extrême fragilité ou contre-indication clinique. |
🔄 Audit clinique vs recherche — Principales différences
| Fonctionnalité | Audit clinique | Recherche |
|---|---|---|
| Interet | Améliorer les soins en les comparant aux normes | Générer de nouvelles connaissances |
| Hypothèse | Aucun — se compare à la norme existante | Il a toujours une hypothèse |
| Approbation éthique | Généralement pas requis | Généralement requis |
| Consentement | Généralement pas requis | Généralement requis |
| Randomisation | Jamais | Peut inclure des essais contrôlés randomisés |
| Résultat final | Amélioration du service ; plan d'action | Nouvelles preuves ; publication |
🔁 Cycle PDSA
Le cycle Planifier-Réaliser-Étudier-Agir (PDSA) est le cadre d'amélioration continue utilisé dans l'audit clinique et l'amélioration de la qualité.
| Stage | Commande |
|---|---|
| Plan | Définir la question, établir la norme, planifier la collecte de données |
| Do | Mettre en œuvre le changement ou évaluer les pratiques actuelles |
| Étude | Analyser les résultats ; comparer aux normes ; identifier les écarts |
| Agis | Mettre en œuvre des améliorations ; planifier un nouvel audit pour boucler la boucle. |
Calculs cliniques (Banque de formules AKT)
Ces formules apparaissent fréquemment dans les calculs d'AKT. Apprenez-les toutes et connaissez les seuils cliniques qui déclenchent une intervention.
🧮 Exemple fonctionnel ABPI
🎯 Scénario : Mme T., 72 ans, souffre de douleurs à la jambe en marchant.
🍷 Exemples d'application de l'unité « Alcool »
| Boire | Volume (ml) | ABV% | Calcul | unités |
|---|---|---|---|---|
| Grand verre de vin | 250 ml | 13 % | 250 × 13 ÷ 1000 | 3.25 |
| Bouteille de vin | 750 ml | 12 % | 750 × 12 ÷ 1000 | 9.0 |
| Pinte de bière blonde (forte) | 568 ml | 5% | 568 × 5 ÷ 1000 | 2.84 |
| mesure d'alcool unique | 25 ml | 40 % | 25 × 40 ÷ 1000 | 1.0 |
Exemples travaillés
🎯 Exemple 1 : Calcul de toutes les mesures de risque à partir d’un tableau d’essai
Un essai contrôlé randomisé répartit aléatoirement les patients en deux groupes : l’un recevant le médicament X, l’autre un placebo. Après 3 ans : 80 patients sur 500 sous placebo ont subi un AVC ; 40 patients sur 500 sous médicament X ont subi un AVC.
🎯 Exemple 2 : Construction d’un tableau 2×2 et calcul de la sensibilité et de la spécificité
Un nouveau test est appliqué à 200 patients, dont 100 sont atteints de la maladie. Le test identifie correctement 85 des 100 patients malades et 80 des 100 patients non malades.
🎯 Exemple 3 : Calcul de la dose pédiatrique
Un enfant a besoin de 300 mg d'amoxicilline. La suspension disponible est dosée à 250 mg/5 ml. Quel volume faut-il administrer ?
Aide-mémoire et formules
Formules de risque et de traitement
Test de diagnostic
Formules populationnelles et cliniques
- SnNout : Test sensible — Un résultat négatif exclut la maladie (dépistage)
- SpPin : Test spécifique — Règles positives DANS la maladie (confirmation)
- L'indice CI dépasse 1.0 (ratio) ou 0 (différence) → non significative
- Le losange de la parcelle forestière traverse la ligne → non significatif
- Asymétrie de l'entonnoir → biais de publication (ou valeur aberrante du médecin généraliste si le contexte de performance le justifie)
- ligne médiane du diagramme en boîte → MÉDIANE (et non moyenne)
- 68-95-99.7 → ±1SD, ±2SD, ±3SD dans la distribution normale
- I² >50% → hétérogénéité substantielle
- OU à partir d'études cas-témoins | RR de la cohorte | Prévalence issue d'études transversales
- Audit ≠ Recherche (Mesures d'audit vs normes ; la recherche génère de nouvelles connaissances)
- Cas-témoins → OU (Rapport de cotes) — retour sur les expositions
- Cohorte → RR (Risque relatif) — à partir de l'exposition
- En coupe transversale → Prévalence — Aperçu dans le temps
- ECR / SR → Référence en matière de questions de traitement
Perles de formation et d'enseignement
- Les stagiaires apprennent souvent le NNT comme une formule sans en comprendre la signification clinique réelle ; assurez-vous qu’ils puissent l’expliquer en une phrase compréhensible par un patient.
- La distinction entre sensibilité/spécificité (propriétés du test) et VPP/VPN (influencées par la prévalence) est mal comprise — l'analogie avec le test de grossesse est pertinente.
- De nombreux stagiaires savent à quoi ressemble une parcelle forestière, mais ne savent pas l'expliquer. est ce que nous faisons Il faut examiner attentivement le diamant et déterminer s'il franchit la limite de non-effet.
- Le biais lié au délai de livraison est souvent confondu avec le biais lié à la longueur ; utilisez des diagrammes ou des chronologies pour illustrer la distinction.
- Les stagiaires confondent fréquemment l'audit clinique avec la recherche — utilisez les propres exemples du RCGP tirés des évaluations.
- «Voici le tableau récapitulatif d'un essai clinique — pouvez-vous me donner le NNT et me dire si vous le prescririez à ce patient.»
- « Regardez ce graphique forestier. L’intervention est-elle efficace ? Dans quelle mesure êtes-vous sûr de cette réponse ? »
- « Votre patient a un test FIT positif. La valeur prédictive positive dans une population à faible risque est d'environ 3 %. Comment lui expliquez-vous cela ? »
- « On observe beaucoup de résultats élevés au test PSA. Quel est le problème avec l'utilisation du PSA comme test de dépistage ? »
- « Un collègue souhaite comparer nos résultats en matière de septicémie avec ceux de l'établissement. S'agit-il d'un audit ou d'une recherche ? Cela nécessite-t-il une évaluation éthique ? »
- « Comment expliqueriez-vous à un patient qui demande 'Est-ce sans danger' une probabilité de 1 sur 50 d'un effet secondaire ? »
- Comment expliquez-vous actuellement le risque aux patients ? Utilisez-vous des chiffres absolus ou relatifs ?
- Pouvez-vous vous souvenir d'une recommandation clinique récente qui mentionnait un NNT significatif ? De quoi s'agissait-il et comment a-t-il influencé votre pratique ?
- Avez-vous déjà commandé un test sans connaître sa sensibilité/spécificité ? Comment avez-vous interprété le résultat ?
- Pourquoi une entreprise pharmaceutique choisirait-elle de présenter les résultats de ses essais cliniques sous forme de RRR plutôt que d'ARR ?
🔥 Conseils AKT à haut rendement
Voici les schémas qui reviennent fréquemment dans les épreuves AKT. Mémorisez-les et vous obtiendrez de bonnes notes.
Toujours convertir d'abord les pourcentages en décimales. ARR = 5 % → NNT = 1 ÷ 0.05 = 20. Toujours arrondir. up arrondir à l'entier le plus proche. Un NNT plus faible signifie un traitement plus efficace.
Pour les rapports (RR, OR, HR) : IC croise 1.0 = non significatif. Pour les différences : IC croisés 0 = non significatif. Cette question revient dans presque toutes les problématiques liées aux graphiques en forêt.
Maladie rare → cas-témoins → OU. Nouvelle exposition à venir → cohorte → RR. Aperçu de la prévalence → en coupe transversaleMeilleures preuves pour le traitement → RCT or SR/méta-analyse.
Test de dépistage → vouloir une sensibilité élevée (ne pas vouloir manquer de cas → SnNout). Test de confirmation → Nous souhaitons une spécificité élevée (nous ne voulons pas de faux positifs → SpPin).
Même un test très spécifique (99 %) présente une faible valeur prédictive positive en cas de faible prévalence. La plupart des résultats positifs lors du dépistage de population sont des faux positifs. C'est pourquoi on ne dépiste pas systématiquement tout le monde pour toutes les maladies.
Si la diamant noir Si l'estimation combinée franchit la ligne verticale d'absence d'effet, le résultat global n'est pas statistiquement significatif. Si I² > 50 %, il existe une hétérogénéité substantielle et le résultat combiné est moins fiable.
Un espace vide en bas à gauche d'un graphique en entonnoir indique un biais de publication : les petites études négatives n'ont pas été publiées. Cela amplifie l'effet apparent d'un traitement dans la méta-analyse.
La ligne à l'intérieur la boîte est la médianeLa boîte représente l'écart interquartile (50 % centraux). Les points ou cercles situés au-delà des moustaches représentent les valeurs aberrantes.
Les entreprises pharmaceutiques adorent mettre en avant le RRR car il paraît plus élevé. Un RRR de 50 % semble excellent, jusqu'à ce qu'on sache que le risque de base n'était que de 2 % (→ ARR = 1 %, NNT = 100). Il faut toujours se demander : quel était le risque de base ?
Distributions asymétriques (revenu, durée d'hospitalisation, bilirubine sérique) → utilisation médiane La moyenne n'est pas la moyenne aberrante. La moyenne est influencée par les valeurs aberrantes ; la médiane, non.
Audit : mesures contre un existant standard ; aucune éthique requise ; aucune hypothèse. Recherche : génère New Connaissances requises ; approbation éthique nécessaire ; hypothèse sous-jacente. Une distinction essentielle que l’AKT teste à plusieurs reprises.
L'analyse en intention de traiter (ITT) inclut tous les participants randomisés, indépendamment de leur observance. Cela donne une conservateur L’estimation de l’efficacité est plus réaliste pour la pratique clinique. L’analyse per protocole surestime l’effet.
Un IPS < 0.9 indique une artériopathie périphérique. Un IPS > 1.3 indique des vaisseaux non compressibles (calcifiés) – résultat non fiable. Le bandage compressif est contre-indiqué si l'IPS < 0.8 (consultez les recommandations relatives à la compression).
Comptez les faces avantageuses (généralement jaunes ou vertes). NNT = 100 ÷ (nombre de faces avantageuses). 5 faces jaunes → NNT = 20.
Erreurs courantes et pièges pour les stagiaires
Ce sont des erreurs récurrentes dans les barèmes de notation de l'AKT. Chacune d'elles représente un point perdu pour un candidat.
- Oublier de convertir les pourcentages en décimales avant de calculer le NNT (par exemple, ARR = 5 % → il faut utiliser 0.05 et non 5 pour obtenir NNT = 20 et non 0.2).
- Arrondir NNT down plutôt que des up (NNT = 12.5 → la réponse est 13, et non 12)
- Confondre le RRR avec l'ARR et citer le chiffre relatif, qui paraît plus impressionnant, comme avantage clinique
- Affirmer qu'un résultat est « significatif » lorsque l'intervalle de confiance atteint tout juste 1.0 — il doit ne pas inclure 1.0 pour être significatif
- Affirmer que la ligne médiane du diagramme en boîte à moustaches représente la moyenne — c'est toujours le cas médiane
- Confondre la sensibilité avec la VPP — la sensibilité est une propriété fixe du test ; la VPP dépend de la prévalence
- Penser qu'un test très spécifique appliqué à une population à faible prévalence donnera un résultat positif fiable — ce ne sera pas le cas (faible valeur prédictive positive).
- Confondre un OR avec un RR — Les OR ne peuvent pas être utilisés directement comme RR, sauf lorsque la maladie est rare.
- Dire qu'une étude cas-témoins génère un RR (risque relatif) signifie en réalité générer un OR (odds ratio), car on part de cas et de témoins, et non d'une cohorte exposée.
- Confondre audit clinique et recherche — affirmer qu'un audit nécessite une approbation éthique
- Interpréter à tort le biais de délai de diagnostic comme signifiant qu'un programme de dépistage améliore réellement la survie
- Oublier que I² > 50 % dans un graphique forestier soulève des questions quant à la validité du résultat global
- Utiliser la moyenne pour décrire des données asymétriques (par exemple, le revenu, la durée du séjour à l'hôpital) — utilisez la médiane.
🏁 Points clés à retenir
- NNT = 1 ÷ ARR. Convertissez toujours les pourcentages en décimales. Arrondissez toujours à l'entier supérieur. Un NNT plus faible indique un meilleur traitement.
- Le RRR est cliniquement fiable. Le RRR peut paraître impressionnant, mais il peut induire en erreur. Il est toujours conseillé d'associer le RRR au risque de base.
- La sensibilité et la spécificité sont des propriétés fixes d'un test. La VPP et la VPN varient en fonction de la prévalence de la maladie.
- SnNout : les tests sensibles permettent d’éliminer un résultat négatif. SpPin : les tests spécifiques permettent d’identifier un résultat positif.
- Le losange du graphique en forêt franchit la ligne d'absence d'effet → résultat non significatif. I² > 50 % → problèmes d'hétérogénéité.
- Asymétrie du graphique en entonnoir → biais de publication. Points situés en dehors des limites de l'entonnoir dans le suivi des performances → pratiques liées aux valeurs aberrantes.
- Intervalle de confiance pour un rapport incluant 1.0 → non significatif. Intervalle de confiance pour une différence incluant 0 → non significatif.
- Cas-témoins → OR. Cohorte → RR. Transversale → prévalence. ECR/SR → référence pour le traitement.
- Données asymétriques → utiliser la médiane, et non la moyenne. La ligne centrale d'un diagramme en boîte correspond à la médiane. Les points situés au-delà des moustaches représentent les valeurs aberrantes.
- L'audit clinique évalue la conformité aux normes – aucune éthique ni hypothèse n'est requise. La recherche génère de nouvelles connaissances – l'éthique est indispensable.
Les questions de statistiques de l'AKT comptent parmi les points les plus faciles à maîtriser. Quelques heures consacrées à cette page et à quelques exercices vous rapporteront largement les bénéfices escomptés.