Mesures d'association et interprétation

Dans ce chapitre, on apprend à ne plus lire un RR, un OR, un HR ou un forest plot comme des sigles isolés, mais comme des réponses à une question précise de plan d’étude, de type de variable et d’interprétation. Le vrai enjeu est de savoir choisir la bonne mesure, lire son IC95%, et éviter les raccourcis abusifs entre association, significativité et causalité.

2 min de lecture

Choisir la mesure pertinente (RR, OR, HR, corrélation) selon le type de variables, le plan d’étude et l’existence d’une censure.
Reconstruire et exploiter un tableau 2x2 pour interpréter une association étiologique ou une performance diagnostique.
Lire un OR ajusté ou un HR ajusté issu d’une analyse multivariée, y compris quand la variable explicative est quantitative.
Interpréter correctement IC95%, p, précision et taille d’effet sans confondre significativité statistique, équivalence et pertinence clinique.

Mesures de base selon le type de variables

Choisir d’abord la bonne famille de mesures

Quand tu lis un résultat d’association, le premier réflexe ne doit pas être de reconnaître un sigle, mais de demander ce qui est comparé et ce que l’étude a pu observer. Un RR, un OR et un HR ne sont pas des versions décoratives d’une même idée : ils répondent à des questions voisines, mais pas identiques. Pour deux variables qualitatives, les mesures centrales sont le risque relatif, l’odds ratio et le hazard ratio. Dès que l’issue est suivie dans le temps avec censure, on bascule vers la logique du HR, parce qu’on ne résume plus seulement malade ou non, mais aussi le moment où l’événement survient. À l’inverse, quand les deux variables sont quantitatives, on quitte le terrain des risques et des cotes pour celui de la corrélation. Retenir cette bifurcation d’emblée t’évite une grande partie des contresens de LCA.

Le tableau 2x2 et la frontière RR / OR / HR

Pour les associations exposition-maladie, le point de départ pratique est presque toujours le tableau 2x2 : il force à ranger correctement les malades et les non-malades selon l’exposition avant de faire parler une formule. À partir de là, le RR est le plus intuitif, parce qu’il compare directement le risque ou l’incidence chez les exposés à celui des non exposés. L’OR est plus souple : c’est un rapport de cotes, calculable quel que soit le type d’étude, raison pour laquelle il revient si souvent dans les articles. En revanche, il devient trompeur si tu le lis spontanément comme un RR quand l’événement est fréquent. En pratique, retiens surtout l’idée de maladie rare : l’OR se rapproche du RR seulement quand l’événement est rare, avec des seuils indicatifs autour de 5 à 10 %. Enfin, si l’issue est censurée au cours du temps, le HR prend le relais, puisqu’il compare des risques instantanés plutôt que de simples proportions finales.

	E+	E-
M+	aa	bb
M-	cc	dd

Col totals =: E+ = n1 · E- = n0
OR =: ad/bc
Row totals =: M+ = m1 · M- = m0
RR =: (a/n1)/(b/n0)

Tableau 2x2 exposition/maladie et formules associées

Premium

Lire la suite de ce chapitre

Vous avez lu le début de ce chapitre. Il reste 7 sections dans ce chapitre, plus la fiche réflexe — le tout inclus dans Premium.

Les 10 chapitres en entier, pas à pas
Une fiche réflexe à la fin de chaque chapitre
La fiche réflexe d'examen : 8 réflexes + arbre de décision
Schémas, diagrammes de raisonnement et tableaux
Pièges classiques décortiqués (exemple · piège · méthode)
Mises à jour incluses, sans frais

Débloquer la suite avec Premium

Paiement unique · Sans renouvellement automatique · Relu par 2 PU de pneumologie et de santé publique

Cohortes et études cas-témoins Figures et tableaux classiques