Épidémiologie descriptive et épidémiologie analytique

L’épidémiologie peut poursuivre des objectifs différents. Elle peut d’abord chercher à décrire un phénomène de santé : combien de personnes sont touchées, où, quand et dans quels groupes. Elle peut ensuite chercher à expliquer pourquoi certaines personnes ou populations sont davantage touchées que d’autres.

On distingue ainsi classiquement l’épidémiologie descriptive et l’épidémiologie analytique.

Cette distinction est utile parce qu’elle rappelle qu’observer une différence n’est pas la même chose qu’en connaître la cause.

L’épidémiologie descriptive : qui, où, quand ?

L’épidémiologie descriptive cherche principalement à répondre à trois grandes questions :

Qui est touché ? Où ? Quand ?

Elle décrit la distribution d’un problème de santé selon les caractéristiques des personnes, des lieux et du temps.

On peut par exemple étudier :

  • la fréquence d’un cancer selon l’âge ;
  • la mortalité selon le sexe ;
  • la distribution géographique d’une infection ;
  • l’évolution saisonnière d’une maladie ;
  • les hospitalisations au cours des différentes vagues d’une épidémie.

L’objectif initial n’est pas nécessairement d’établir pourquoi ces différences existent, mais de les identifier et de les mesurer correctement.

Décrire les personnes

Les maladies ne touchent pas toutes les catégories de population avec la même fréquence.

On peut donc décrire les cas selon :

  • l’âge ;
  • le sexe ;
  • la profession ;
  • le niveau socio-économique ;
  • certains comportements ;
  • certaines expositions ;
  • des caractéristiques médicales.

Si une maladie apparaît surtout chez les personnes âgées, cette information est déjà essentielle pour comprendre sa distribution et organiser la prévention ou les soins.

Mais il faut rester prudent : constater qu’un groupe présente davantage de cas ne signifie pas encore que la caractéristique utilisée pour définir ce groupe est la cause du phénomène.

Décrire les lieux

La répartition géographique peut également révéler des structures intéressantes.

Une maladie peut être plus fréquente dans :

  • certaines régions ;
  • certaines villes ;
  • certaines zones industrielles ;
  • certains climats ;
  • certaines communautés ;
  • certains environnements professionnels.

Ces différences peuvent suggérer des hypothèses.

Une concentration de cas autour d’une source d’eau, d’un site industriel ou d’une activité professionnelle particulière peut orienter l’enquête.

Mais là encore, une distribution géographique ne démontre pas automatiquement une causalité.

Décrire le temps

L’évolution temporelle peut fournir des informations particulièrement riches.

On peut observer :

  • une augmentation progressive sur plusieurs décennies ;
  • une variation saisonnière ;
  • un pic brutal ;
  • une succession de vagues ;
  • une diminution après une intervention ;
  • une modification après un changement de diagnostic ou de dépistage.

La forme de la courbe peut parfois suggérer le mécanisme du phénomène.

Une augmentation très rapide d’une maladie infectieuse, par exemple, peut évoquer une transmission entre personnes. Une augmentation lente sur plusieurs décennies peut plutôt orienter vers des changements démographiques, comportementaux ou environnementaux.

Mais ces interprétations restent des hypothèses à vérifier.

Décrire avant d’expliquer

L’épidémiologie descriptive constitue souvent le premier stade d’une enquête.

Avant de demander pourquoi un phénomène existe, il faut s’assurer qu’il existe réellement.

Une augmentation apparente de cas peut provenir d’un meilleur dépistage, d’une modification des critères diagnostiques ou d’un changement dans le système de déclaration.

Décrire correctement permet donc d’éviter de chercher une cause biologique à ce qui pourrait être essentiellement un changement de mesure.

John Snow : de la description à l’hypothèse

L’enquête de John Snow sur le choléra à Londres au XIXe siècle constitue un exemple classique.

Snow observa que les cas n’étaient pas répartis uniformément. Ils semblaient se concentrer autour de certaines sources d’eau, notamment la pompe de Broad Street.

La cartographie des cas relevait d’abord d’une démarche descriptive : où les personnes malades vivaient-elles ?

Mais cette distribution géographique suggéra ensuite une hypothèse causale : l’eau pouvait être impliquée dans la transmission du choléra.

L’observation descriptive devint donc le point de départ d’une enquête analytique.

L’épidémiologie analytique : pourquoi ?

L’épidémiologie analytique cherche à comparer des groupes afin d’examiner des hypothèses.

Elle pose des questions comme :

Les personnes exposées à un facteur présentent-elles davantage de maladies que les personnes non exposées ?

Une intervention réduit-elle réellement le risque ?

La différence observée peut-elle être expliquée par d’autres facteurs ?

L’objectif n’est plus seulement de décrire la fréquence d’un phénomène, mais de comprendre les relations entre expositions et événements de santé.

La comparaison est essentielle

L’épidémiologie analytique repose fondamentalement sur la comparaison.

Supposons que l’on observe 500 cancers du poumon chez des fumeurs.

Ce nombre ne permet pas, à lui seul, de mesurer l’effet du tabagisme.

Il faut savoir combien de fumeurs ont été observés, mais aussi comparer leur risque à celui des non-fumeurs.

Une question analytique prend donc la forme :

Le risque de cancer du poumon est-il plus élevé chez les fumeurs que chez des personnes comparables qui ne fument pas ?

Le groupe de comparaison est souvent ce qui transforme une simple observation en véritable enquête épidémiologique.

Exemple simple

Supposons que l’on suive deux groupes pendant dix ans.

GroupePersonnesCas observésRisque
Exposés10 0004004 %
Non exposés10 0001001 %

L’approche descriptive constate que 500 cas ont été observés au total.

L’approche analytique remarque surtout que le risque est :

4 % chez les exposés contre 1 % chez les non exposés.

On observe donc une association entre l’exposition et la maladie.

Mais cette association doit encore être interprétée.

Association ne signifie toujours pas causalité

Même dans une étude analytique, une différence entre deux groupes ne suffit pas à démontrer une cause.

Les groupes peuvent différer sur d’autres caractéristiques.

Supposons que les personnes exposées soient également plus âgées.

Si l’âge augmente lui-même le risque de la maladie, une partie de la différence pourrait provenir de l’âge plutôt que de l’exposition.

Il faut donc rechercher les facteurs de confusion, les biais et les autres explications possibles.

L’épidémiologie analytique ne consiste pas seulement à comparer deux pourcentages. Elle cherche à déterminer si la comparaison est suffisamment solide pour soutenir une interprétation causale.

De l’hypothèse à l’étude

Une démarche fréquente peut être résumée ainsi :

ÉtapeQuestion
ObservationQue se passe-t-il ?
DescriptionQui est touché, où et quand ?
HypothèseQuel facteur pourrait expliquer ce phénomène ?
ComparaisonLes personnes exposées sont-elles davantage touchées ?
AnalyseD’autres explications sont-elles possibles ?
InterprétationL’association est-elle probablement causale ?
ConfirmationD’autres études trouvent-elles des résultats compatibles ?

La science réelle n’est évidemment pas toujours aussi linéaire, mais cette progression constitue un bon modèle pédagogique.

Une description peut générer plusieurs hypothèses

Supposons qu’une maladie soit plus fréquente dans les grandes villes.

Plusieurs hypothèses sont possibles :

  • pollution atmosphérique ;
  • âge de la population ;
  • conditions de logement ;
  • comportements différents ;
  • meilleure détection ;
  • accès plus fréquent au système de soins ;
  • caractéristiques socio-économiques.

La donnée descriptive ne permet pas de choisir immédiatement entre ces explications.

Elle aide à déterminer quelles questions doivent ensuite être étudiées.

Les études analytiques

Plusieurs types d’études peuvent être utilisés pour examiner ces hypothèses.

Les études de cohorte suivent des personnes exposées ou non exposées pour comparer l’apparition de maladies.

Les études cas-témoins partent de personnes malades et non malades et recherchent leurs expositions passées.

Les essais randomisés répartissent une intervention entre différents groupes afin de comparer les résultats.

Les études quasi expérimentales et les expériences naturelles peuvent être utilisées lorsque la randomisation n’est pas possible.

Nous étudierons ces méthodes en détail dans le chapitre consacré aux grands plans d’étude.

Une frontière moins nette qu’il n’y paraît

La distinction entre descriptif et analytique est utile, mais elle n’est pas absolue.

Une étude descriptive peut contenir des comparaisons.

Une étude analytique commence nécessairement par décrire ses participants et ses résultats.

Dans la recherche moderne, les deux démarches sont souvent imbriquées.

Il vaut donc mieux les considérer comme deux fonctions du raisonnement épidémiologique plutôt que comme deux disciplines totalement séparées.

Surveillance épidémiologique

La surveillance sanitaire constitue une application majeure de l’épidémiologie descriptive.

Elle consiste à recueillir régulièrement des données afin de détecter :

  • une augmentation inhabituelle de cas ;
  • l’apparition d’une maladie ;
  • une variation géographique ;
  • une modification de la mortalité ;
  • un événement indésirable potentiel.

La surveillance ne démontre pas nécessairement les causes du signal observé.

Elle permet surtout de repérer ce qui mérite une enquête supplémentaire.

Cette distinction sera particulièrement importante lorsque nous aborderons la pharmacovigilance.

Le piège de l’après intervention

Supposons qu’une politique sanitaire soit mise en place et que le nombre de cas diminue ensuite.

Une description temporelle peut montrer :

intervention → diminution des cas.

Mais elle ne suffit pas à prouver :

intervention → cause de la diminution.

L’épidémie aurait peut-être diminué naturellement. D’autres mesures ont pu être appliquées simultanément. Les comportements peuvent avoir changé. La saison peut avoir joué un rôle.

L’analyse doit donc chercher un contrefactuel : que se serait-il probablement passé sans l’intervention ?

Corrélations géographiques

Un autre piège fréquent apparaît lorsque l’on compare des régions ou des pays.

Supposons que les régions consommant davantage d’un aliment présentent moins de maladies cardiovasculaires.

Cette association descriptive peut être intéressante.

Mais ces régions peuvent aussi différer par leur niveau de richesse, leur activité physique, leur tabagisme, leur système de santé ou leur structure d’âge.

Une corrélation géographique constitue donc souvent un bon moyen de générer des hypothèses, mais une preuve causale relativement faible lorsqu’elle est utilisée seule.

Décrire est déjà difficile

Il serait faux de considérer l’épidémiologie descriptive comme une forme simple ou inférieure d’épidémiologie.

Décrire correctement un phénomène demande déjà de résoudre de nombreux problèmes :

  • définition des cas ;
  • choix du dénominateur ;
  • représentativité des données ;
  • différences entre populations ;
  • standardisation ;
  • périodes de comparaison ;
  • qualité du système de surveillance.

Une mauvaise description conduit nécessairement à une mauvaise analyse.

L’épidémiologie analytique n’élimine pas l’incertitude

Même les études analytiques les plus sophistiquées produisent rarement une certitude parfaite.

Elles cherchent plutôt à rendre certaines explications plus ou moins plausibles.

Une association observée dans plusieurs études, avec un effet important, une temporalité cohérente, un mécanisme plausible et peu d’explications alternatives devient progressivement plus convaincante.

L’inférence causale repose donc souvent sur l’accumulation et la convergence des preuves, plutôt que sur une étude unique décisive.

Des données à la causalité

On peut ainsi distinguer plusieurs niveaux de question :

Description : combien de personnes sont malades ?

Comparaison : certains groupes sont-ils davantage touchés ?

Association : une exposition est-elle statistiquement liée à la maladie ?

Causalité : cette exposition contribue-t-elle réellement à produire la maladie ?

Ces niveaux ne doivent pas être confondus.

Une grande partie de l’esprit critique appliqué à la santé consiste justement à identifier à quel niveau se situe réellement la preuve disponible.

Épidémiologie descriptive et médias

Les médias utilisent très souvent des données descriptives :

« Les cancers augmentent de 20 % »

« Cette région compte deux fois plus de cas »

« Le nombre d’hospitalisations a doublé »

Ces informations peuvent être parfaitement exactes.

Mais avant d’en rechercher une explication, il faut demander si la population a augmenté, vieilli, été davantage dépistée ou si la définition des cas a changé.

Passer directement de :

« nous observons davantage de cas »

à :

« nous savons pourquoi »

est une erreur de raisonnement fréquente.

L’épidémiologie analytique et la tentation du récit

Une association statistique peut également donner naissance à un récit très convaincant.

Si une exposition précède une maladie et qu’un mécanisme biologique plausible existe, l’explication peut sembler évidente.

Mais la plausibilité d’un récit n’est pas une preuve suffisante.

Il faut encore examiner les groupes de comparaison, les biais, les facteurs de confusion, l’ampleur de l’effet et les résultats d’autres études.

Une bonne histoire causale doit être compatible avec les données, et pas seulement avec notre intuition.

Une leçon d’esprit critique

La distinction entre description et analyse permet de poser une question extrêmement utile face à une information sanitaire :

Sommes-nous en train d’observer un phénomène, ou avons-nous réellement des éléments permettant de l’expliquer ?

Cette différence est souvent effacée dans le débat public.

On observe une augmentation puis on cherche immédiatement une cause. On remarque une différence entre deux pays puis on l’attribue à une politique. On constate une maladie après une exposition puis on suppose que l’exposition l’a provoquée.

L’épidémiologie impose une discipline plus exigeante :

décrire correctement, comparer correctement, puis seulement tenter d’expliquer.

À retenir

L’épidémiologie descriptive étudie principalement la fréquence et la distribution des phénomènes de santé selon les personnes, les lieux et le temps.

L’épidémiologie analytique compare des groupes afin d’examiner des hypothèses sur les facteurs associés aux maladies ou aux interventions.

La description peut révéler un signal et générer une hypothèse, mais elle ne suffit généralement pas à établir une cause.

L’analyse permet d’aller plus loin, mais elle doit encore affronter les biais, les facteurs de confusion et l’incertitude.

Le raisonnement épidémiologique progresse ainsi généralement de :

« que se passe-t-il ? »

vers :

« qu’est-ce qui pourrait l’expliquer ? »

puis :

« quelles données permettraient de départager les explications possibles ? »

C’est cette progression qui transforme l’observation d’un phénomène en enquête scientifique.

Pour aller plus loin

Leon Gordis — Epidemiology. Une introduction classique à la distinction entre épidémiologie descriptive et analytique et aux principales méthodes permettant de passer de l’observation à l’étude des déterminants.

Kenneth J. Rothman, Sander Greenland et Timothy L. Lash — Modern Epidemiology. Une référence majeure pour approfondir le raisonnement épidémiologique et l’inférence causale.

Geoffrey Rose — Sick Individuals and Sick Populations. Un texte fondamental pour comprendre comment la distribution des maladies dans les populations peut révéler des déterminants qui restent difficiles à percevoir à l’échelle individuelle.