Études descriptives

Les études descriptives constituent souvent la première étape d’une enquête épidémiologique. Leur objectif principal est de décrire la fréquence et la distribution d’un phénomène de santé selon les personnes, les lieux et le temps.

Elles répondent à des questions comme : combien de cas surviennent ? Dans quels groupes ? Dans quelles régions ? À quelle période ? Le phénomène augmente-t-il ou diminue-t-il ?

Une étude descriptive ne cherche pas nécessairement à démontrer pourquoi une maladie apparaît. Elle sert d’abord à établir précisément ce qui se passe.

Décrire avant d’expliquer

Lorsqu’un phénomène inhabituel apparaît, la tentation est souvent de chercher immédiatement sa cause.

Mais il faut d’abord vérifier :

  • que l’augmentation est réelle ;
  • que la définition des cas n’a pas changé ;
  • que la population n’a pas évolué ;
  • que le système de détection ne s’est pas amélioré ;
  • que le phénomène n’est pas une fluctuation aléatoire.

Une bonne description évite donc de construire une explication sophistiquée pour un phénomène qui serait essentiellement produit par la manière de mesurer.

Les trois dimensions classiques

L’épidémiologie descriptive s’organise souvent autour de trois questions simples :

Qui ? Où ? Quand ?

DimensionExemples de variables
Personnesâge, sexe, profession, catégorie sociale
Lieupays, région, ville, quartier, établissement
Tempsjour, semaine, saison, année, tendance historique

Ces trois dimensions peuvent révéler des structures qui orienteront ensuite les recherches.

Décrire les personnes

Une maladie peut toucher davantage certaines catégories.

On peut étudier sa fréquence selon :

  • l’âge ;
  • le sexe ;
  • la profession ;
  • le niveau socio-économique ;
  • certaines habitudes ;
  • certaines expositions ;
  • certains antécédents médicaux.

Supposons qu’une maladie rare apparaisse principalement chez des travailleurs d’une activité industrielle particulière. Cette concentration ne démontre pas encore que leur travail est responsable, mais elle peut fournir un signal suffisamment fort pour justifier une enquête analytique.

Décrire les lieux

La répartition géographique peut également être très informative.

Une carte peut faire apparaître :

  • un foyer localisé ;
  • un gradient géographique ;
  • une concentration autour d’un site industriel ;
  • une différence entre milieu rural et urbain ;
  • une distribution liée au climat.

Mais la cartographie doit être interprétée avec prudence. Une zone présentant davantage de cas peut simplement être plus peuplée.

Il est donc souvent préférable de cartographier des taux plutôt que de simples nombres absolus.

Décrire le temps

L’évolution temporelle peut révéler différentes dynamiques.

Une maladie peut présenter :

  • une tendance progressive sur plusieurs décennies ;
  • une saisonnalité régulière ;
  • un pic brutal ;
  • plusieurs vagues successives ;
  • une diminution après une modification environnementale.

La forme temporelle peut fournir des indices sur le mécanisme possible.

Un pic brutal d’intoxications alimentaires, par exemple, peut suggérer une exposition commune sur une courte période.

Les séries temporelles

Une série temporelle représente l’évolution d’un indicateur au cours du temps.

On peut suivre :

  • nouveaux cas par jour ;
  • hospitalisations par semaine ;
  • mortalité annuelle ;
  • consommation d’un médicament ;
  • prévalence d’une maladie sur plusieurs décennies.

Ces données permettent de repérer des tendances, mais une évolution simultanée avec un autre phénomène ne démontre pas nécessairement un lien causal.

Deux courbes peuvent évoluer ensemble pour de nombreuses raisons.

La courbe épidémique

Lors d’une flambée infectieuse, représenter les cas selon la date de début des symptômes ou du diagnostic produit une courbe épidémique.

Sa forme peut fournir des informations sur la transmission.

Un pic très étroit peut évoquer une exposition commune ponctuelle.

Une succession de vagues espacées peut être compatible avec une transmission de personne à personne.

Mais la courbe doit être interprétée avec les autres informations disponibles : période d’incubation, délais de déclaration, stratégie de dépistage.

Les études descriptives peuvent être individuelles ou agrégées

Une étude descriptive peut s’intéresser directement à des personnes individuelles ou utiliser des données regroupées.

Par exemple :

niveau individuel : âge et symptômes des patients diagnostiqués ;

niveau agrégé : nombre de cas par région et par semaine.

Les données agrégées sont souvent plus faciles à obtenir, mais elles permettent moins facilement d’étudier les relations individuelles entre exposition et maladie.

Rapport de cas

La forme la plus simple de description peut être le rapport de cas.

Un médecin décrit un événement particulier ou inhabituel observé chez un patient.

Cela peut être extrêmement utile pour détecter :

  • une nouvelle maladie ;
  • un effet indésirable inattendu ;
  • une complication rare.

Mais un cas isolé ne permet généralement pas d’estimer la fréquence du phénomène ni de démontrer une causalité.

Il constitue surtout un signal initial.

Série de cas

Lorsque plusieurs cas similaires sont regroupés, on parle de série de cas.

Elle peut permettre de décrire :

  • symptômes communs ;
  • âge des personnes touchées ;
  • évolution clinique ;
  • exposition possible.

Une série de cas peut rendre une hypothèse beaucoup plus intéressante.

Mais l’absence de groupe de comparaison reste une limite majeure.

Exemple : effet indésirable

Supposons que plusieurs médecins signalent une maladie inhabituelle après l’utilisation d’un nouveau médicament.

Cette série de cas peut justifier une alerte.

Mais pour déterminer si le médicament augmente réellement le risque, il faudra ensuite savoir :

  • combien de personnes utilisent le médicament ;
  • combien de cas surviennent normalement sans lui ;
  • si les utilisateurs diffèrent des non-utilisateurs ;
  • si le calendrier est compatible.

La description détecte le signal. L’étude analytique cherche ensuite à l’évaluer.

Études transversales descriptives

Une enquête réalisée à un moment donné peut mesurer la prévalence d’un phénomène.

Par exemple, on peut sélectionner un échantillon représentatif de la population et mesurer :

  • hypertension ;
  • obésité ;
  • tabagisme ;
  • symptômes dépressifs.

Cela permet de produire une photographie de la population.

Les études transversales seront étudiées plus précisément dans une fiche dédiée.

Les registres comme outils descriptifs

Les registres du cancer ou de certaines maladies permettent de suivre régulièrement :

  • nombre de nouveaux cas ;
  • âge au diagnostic ;
  • répartition territoriale ;
  • évolution de l’incidence.

Ces données descriptives sont essentielles pour repérer des changements sur plusieurs années ou décennies.

Mais une augmentation observée peut avoir plusieurs origines.

Exemple : augmentation d’un cancer

Supposons que l’incidence diagnostiquée d’un cancer augmente de 30 % en vingt ans.

Plusieurs explications sont possibles :

  • véritable augmentation du risque ;
  • vieillissement ;
  • dépistage plus fréquent ;
  • meilleure imagerie ;
  • modification des critères diagnostiques ;
  • meilleur enregistrement.

La description établit l’évolution observée.

Elle ne permet pas encore de choisir entre ces explications.

La surveillance sanitaire

La surveillance épidémiologique repose largement sur une démarche descriptive continue.

Elle consiste à recueillir régulièrement des données pour détecter rapidement les anomalies.

Elle peut suivre :

  • maladies infectieuses ;
  • décès ;
  • malformations congénitales ;
  • effets indésirables ;
  • syndromes particuliers.

Son objectif principal est souvent d’identifier un signal suffisamment inhabituel pour déclencher une enquête.

Le seuil d’alerte

Une augmentation n’est pas nécessairement anormale.

Les systèmes de surveillance doivent distinguer les fluctuations habituelles des variations inhabituelles.

Ils peuvent utiliser :

  • moyennes historiques ;
  • intervalles attendus ;
  • seuils statistiques ;
  • comparaisons saisonnières.

Une alerte signifie généralement :

« ce signal mérite d’être examiné »,

et non :

« nous connaissons déjà sa cause ».

L’intérêt des données historiques

Les données descriptives deviennent particulièrement utiles lorsqu’elles couvrent une longue période.

Elles permettent de déterminer si un phénomène est réellement nouveau.

Un nombre de cas qui semble spectaculaire peut être parfaitement habituel lorsqu’on regarde les dix années précédentes.

Inversement, une augmentation lente peut être invisible à court terme mais évidente sur plusieurs décennies.

Le choix de l’échelle temporelle peut donc fortement influencer la perception.

Standardiser avant de comparer

Une comparaison descriptive entre périodes ou populations doit parfois être standardisée.

Si une population vieillit, le nombre de cancers ou de décès peut augmenter naturellement.

Pour déterminer si le risque à âge comparable a changé, on doit examiner les taux spécifiques ou standardisés.

La description elle-même nécessite donc déjà une certaine sophistication méthodologique.

Les cartes et le problème des petits nombres

Les cartes de santé peuvent être très convaincantes visuellement.

Mais une petite commune peut présenter un taux extrêmement élevé simplement parce que quelques cas supplémentaires suffisent à faire varier fortement la statistique.

Par exemple :

2 cas sur 200 habitants représentent 1 %.

Dans une ville de 200 000 habitants, le même taux correspondrait à 2 000 cas.

Les zones peu peuplées produisent donc des taux beaucoup plus instables.

Le choix des catégories

Les résultats descriptifs dépendent aussi de la manière dont les données sont regroupées.

Supposons que l’on analyse les âges en catégories :

  • 0–19 ans ;
  • 20–39 ans ;
  • 40–59 ans ;
  • 60 ans et plus.

Une tendance importante chez les plus de 85 ans peut être masquée dans le dernier groupe.

Changer les catégories peut donc rendre certains phénomènes visibles ou invisibles.

Les classes doivent être choisies en fonction de la question scientifique.

Le choix de l’échelle géographique

Le même problème apparaît avec les territoires.

Une région entière peut sembler présenter un taux moyen.

Mais cette moyenne peut cacher :

  • une ville fortement touchée ;
  • plusieurs zones très peu touchées.

Plus l’échelle géographique est large, plus les différences locales peuvent disparaître.

Inversement, découper le territoire en très petites zones augmente les fluctuations aléatoires.

L’effet du dépistage

Une étude descriptive basée sur des diagnostics mesure en partie l’activité de dépistage.

Si un pays commence à tester massivement une maladie auparavant peu recherchée, le nombre de cas augmente.

Cette augmentation peut refléter :

davantage de maladie réelle, davantage de détection, ou les deux.

La description doit donc idéalement inclure des informations sur le système qui produit les cas.

Les corrélations descriptives

Une étude descriptive peut montrer que deux phénomènes évoluent ensemble.

Par exemple :

plus une région est polluée, plus une maladie y est fréquente.

C’est une observation intéressante.

Mais elle peut être expliquée par d’autres différences :

  • revenu ;
  • urbanisation ;
  • âge ;
  • tabagisme ;
  • accès aux soins.

Une corrélation descriptive sert donc principalement à générer une hypothèse.

Étude descriptive et étude analytique

La distinction peut être résumée ainsi :

Étude descriptiveÉtude analytique
Que se passe-t-il ?Pourquoi cela se passe-t-il ?
Qui est touché ?Quelle exposition est associée au risque ?
Où ?Les groupes diffèrent-ils réellement ?
Quand ?Quelle explication est la plus plausible ?
Génère des hypothèsesTeste des hypothèses

Dans la pratique, la frontière n’est pas toujours parfaite.

Une même étude peut contenir une partie descriptive puis des analyses comparatives.

Forces des études descriptives

Les études descriptives ont plusieurs avantages.

Elles sont souvent :

  • relativement rapides ;
  • peu coûteuses ;
  • adaptées à la surveillance ;
  • utiles pour détecter de nouveaux phénomènes ;
  • indispensables pour formuler des hypothèses.

Elles peuvent également couvrir de très grandes populations grâce aux bases administratives ou aux registres.

Limites principales

Leur principale limite est qu’elles fournissent généralement peu d’informations causales.

Sans groupe de comparaison adapté, il est difficile de savoir si une exposition augmente réellement un risque.

Les études descriptives peuvent aussi être influencées par :

  • changements de définition ;
  • dépistage ;
  • sous-déclaration ;
  • structure de la population ;
  • fluctuations aléatoires.

Leur force réside davantage dans la détection et la caractérisation d’un phénomène que dans son explication.

Pourquoi elles restent indispensables

Il serait pourtant erroné de considérer les études descriptives comme de simples études « faibles ».

Sans description fiable, aucune analyse causale solide ne peut être construite.

La découverte de nombreux problèmes sanitaires commence par une question descriptive :

« Pourquoi voyons-nous soudainement autant de cas ici ? »

La science progresse ensuite en construisant des comparaisons permettant de tester les hypothèses suggérées.

Une leçon d’esprit critique

Un graphique montrant une forte augmentation peut produire immédiatement une explication dans notre esprit.

Mais entre :

« ce phénomène augmente »

et

« nous savons pourquoi il augmente »

se trouve une différence méthodologique fondamentale.

Une étude descriptive peut établir solidement le premier point.

Elle ne suffit généralement pas à établir le second.

Le bon réflexe est donc de distinguer :

le signal, l’hypothèse et la preuve causale.

À retenir

Les études descriptives cherchent à mesurer la fréquence et la distribution des phénomènes de santé selon les personnes, les lieux et le temps.

Elles permettent de détecter des tendances, repérer des foyers, identifier des groupes particulièrement touchés et générer des hypothèses.

Elles peuvent utiliser des rapports de cas, séries de cas, enquêtes, registres ou systèmes de surveillance.

Mais leur capacité à démontrer une causalité est limitée, notamment lorsqu’elles ne disposent pas d’un groupe de comparaison adapté.

Leur rôle fondamental peut être résumé ainsi :

observer correctement avant de chercher à expliquer.

Pour aller plus loin

Leon Gordis — Epidemiology. Une présentation claire de l’épidémiologie descriptive, de la surveillance et du passage de la description aux études analytiques.

David Coggon, Geoffrey Rose et David Barker — Epidemiology for the Uninitiated. Une introduction accessible aux méthodes permettant de décrire la distribution des maladies.

Organisation mondiale de la santé et ECDC — ressources sur la surveillance épidémiologique. Elles montrent comment les systèmes descriptifs permettent de détecter rapidement les phénomènes inhabituels et d’orienter les investigations.