Réduction absolue du risque

La réduction absolue du risque, souvent abrégée RAR ou ARR en anglais pour absolute risk reduction, mesure la différence réelle de risque entre deux groupes.

Elle répond à une question très concrète :

« De combien le risque diminue-t-il en points de pourcentage grâce au traitement ? »

La formule

Si :

Risque contrôle = R₀

et

Risque traitement = R₁

alors :

RAR = R₀ − R₁.

Exemple simple

Groupe contrôle

Risque d’événement :

10 %.

Groupe traité

Risque :

6 %.

La réduction absolue du risque est :

10 % − 6 % = 4 points de pourcentage.

Cela signifie qu’environ :

4 événements sont évités pour 100 personnes traitées, pendant la période étudiée.

Point de pourcentage versus pourcentage

Il faut distinguer :

4 points de pourcentage

et

40 % de réduction.

Dans l’exemple :

  • réduction absolue = 4 points ;
  • réduction relative = 40 %.

Les deux sont correctes mais ne décrivent pas la même chose.

Exemple

Passer de :

20 % à 10 %

correspond à :

−10 points de pourcentage

mais

−50 % relativement.

Dire simplement :

« baisse de 10 % »

peut donc être ambigu.

Il vaut mieux préciser :

10 points de pourcentage.

Pourquoi la réduction absolue est importante

Elle permet de traduire immédiatement un résultat en nombre d’événements évités.

Supposons :

RAR = 2 %.

Cela signifie approximativement :

2 événements évités pour 100 personnes traitées.

Ou :

20 pour 1 000.

Ou :

200 pour 10 000.

Fréquences naturelles

Cette traduction est souvent beaucoup plus intuitive que les ratios.

Par exemple :

sans traitement : 100 événements sur 1 000 ;

avec traitement : 70 événements sur 1 000.

Le traitement évite :

30 événements pour 1 000 personnes.

RAR :

3 points de pourcentage.

Relation avec le risque relatif

La réduction absolue dépend de deux choses :

  • l’effet relatif du traitement ;
  • le risque de base.

Si le risque relatif est constant, la réduction absolue augmente avec le risque initial.

Formule

Puisque :

R₁ = RR × R₀,

alors :

RAR = R₀ − RR × R₀

soit :

RAR = R₀ × (1 − RR).

Or :

1 − RR = RRR.

Donc :

RAR = risque de base × réduction relative du risque.

C’est une relation très importante.

Exemple

Risque initial :

20 %.

Réduction relative :

25 %.

RAR :

20 % × 25 % = 5 %.

Le risque traité devient :

15 %.

Même traitement, risques initiaux différents

Supposons une réduction relative constante de :

25 %.

Population A

Risque initial :

40 %.

RAR :

10 points.

Population B

Risque initial :

4 %.

RAR :

1 point.

Population C

Risque initial :

0,4 %.

RAR :

0,1 point.

Le bénéfice absolu diminue proportionnellement au risque initial.

Le risque de base est donc central pour la décision

Deux personnes peuvent bénéficier différemment d’un même traitement même si l’effet relatif est identique.

Une personne à haut risque possède davantage d’événements potentiellement évitables.

Exemple de prévention

Traitement réduisant le risque relatif de :

30 %.

Patient à risque élevé

Risque à dix ans :

30 %.

Risque traité :

21 %.

RAR :

9 points.

Patient à faible risque

Risque :

3 %.

Risque traité :

2,1 %.

RAR :

0,9 point.

Même traitement.

Bénéfice absolu dix fois plus faible.

Pourquoi le risque absolu est particulièrement pertinent pour le patient

Un patient demande souvent :

« quelle différence ce traitement fait-il pour moi ? »

La réponse :

« il réduit le risque de 30 % »

reste abstraite.

La réponse :

« votre risque passe approximativement de 10 % à 7 % »

est beaucoup plus informative.

Traduction en personnes

On peut encore dire :

sur 100 personnes comparables, environ 10 auraient l’événement sans traitement et 7 avec traitement.

Donc :

3 personnes sur 100 évitent l’événement grâce à la stratégie, en moyenne.

Attention : on ne sait pas lesquelles

Cela ne signifie pas que l’on peut identifier à l’avance les trois personnes qui bénéficieront.

Au niveau individuel, le bénéfice reste contrefactuel.

Exemple

Parmi 100 personnes traitées :

  • certaines n’auraient jamais eu l’événement ;
  • certaines l’auront malgré le traitement ;
  • certaines l’éviteront grâce au traitement.

On observe l’effet au niveau du groupe.

Réduction absolue et NNT

La RAR permet de calculer le nombre nécessaire à traiter, ou NNT.

Formule :

NNT = 1 / RAR, lorsque la RAR est exprimée en proportion.

Exemple

RAR :

4 % = 0,04.

NNT :

1 / 0,04 = 25.

Il faut traiter environ :

25 personnes

pour éviter un événement supplémentaire pendant la période considérée.

Une même réduction relative produit des NNT très différents

Supposons :

RRR = 50 %.

Risque initial 20 %

Risque traité 10 %.

RAR 10 %.

NNT :

10.

Risque initial 2 %

Risque traité 1 %.

RAR 1 %.

NNT :

100.

Risque initial 0,2 %

Risque traité 0,1 %.

RAR 0,1 %.

NNT :

1 000.

Même efficacité relative, intérêt absolu très différent.

Le temps est indispensable

Une RAR n’a pas de sens complet sans horizon temporel.

Dire :

« RAR = 5 % »

ne suffit pas.

Il faut préciser :

sur un an ? dix ans ? trente jours ?

Exemple

Risque :

10 % → 5 %.

Sur un mois

Impact potentiellement énorme.

Sur trente ans

Même différence cumulée, mais signification très différente.

Le rythme des événements compte.

La durée modifie le NNT

Puisque la RAR dépend du temps, le NNT également.

Un NNT de :

50 sur un an

n’est pas comparable à :

50 sur dix ans.

Toujours préciser la période.

RAR et événements récurrents

Le calcul simple du risque concerne généralement :

au moins un événement par personne.

Mais certaines maladies produisent des événements répétés :

  • hospitalisations ;
  • crises ;
  • exacerbations.

Une personne peut en avoir plusieurs.

Il peut alors être préférable de mesurer un taux d’événements plutôt qu’un simple risque binaire.

Exemple

Traitement :

  • réduit le nombre moyen d’hospitalisations de 1,5 à 1,0 par patient-année.

La différence n’est pas correctement résumée par une RAR classique.

Il faut adapter la mesure au type de résultat.

RAR et mortalité

Supposons :

Contrôle

Mortalité à cinq ans :

20 %.

Traitement

Mortalité :

16 %.

RAR :

4 points.

Cela signifie :

40 décès évités pour 1 000 personnes traitées pendant cinq ans, en moyenne.

Années de vie

Mais éviter un décès ne dit pas combien d’années de vie sont gagnées.

Un traitement peut :

  • retarder le décès de quelques semaines ;
  • ou de plusieurs années.

La RAR ne mesure pas directement cette dimension.

Courbes de survie

Deux traitements peuvent avoir la même mortalité à cinq ans mais des trajectoires temporelles différentes.

Les méthodes d’analyse de survie complètent alors la RAR.

Critère intermédiaire

Une RAR peut concerner un résultat peu important.

Exemple :

anomalie biologique : 30 % → 20 %.

RAR :

10 points.

Cela semble important.

Mais si l’anomalie n’a aucune conséquence clinique, le bénéfice réel peut être faible.

Toujours préciser l’événement

Dire :

« RAR = 10 % »

est incomplet sans préciser :

10 % de quoi ?

  • décès ;
  • hospitalisation ;
  • douleur ;
  • biomarqueur.

La pertinence clinique dépend du critère.

RAR et critères composites

Supposons :

critère composite :

20 % → 15 %.

RAR :

5 points.

Mais si la différence provient essentiellement :

  • d’une baisse des consultations non programmées,

sans effet sur :

  • décès ;
  • infarctus,

la signification doit être nuancée.

Examiner les composants

Pour un composite, il faut regarder :

  • fréquence de chaque composant ;
  • gravité ;
  • direction de l’effet.

La RAR globale ne suffit pas.

Réduction absolue et dommages

La même logique permet de mesurer une augmentation absolue du risque pour les effets indésirables.

Supposons :

Sans traitement

Hémorragie grave :

1 %.

Avec traitement

3 %.

Augmentation absolue :

2 points.

NNH

On peut alors calculer :

NNH = 1 / augmentation absolue du risque.

Dans cet exemple :

1 / 0,02 = 50.

Une hémorragie grave supplémentaire survient en moyenne pour 50 personnes traitées sur la période.

Comparer bénéfices et dommages sur la même échelle

Supposons :

  • infarctus : 10 % → 6 %, RAR 4 points ;
  • hémorragie : 1 % → 3 %, augmentation 2 points.

Sur 100 personnes :

  • environ 4 infarctus évités ;
  • environ 2 hémorragies graves supplémentaires.

Cette présentation est beaucoup plus informative que des risques relatifs isolés.

Mais tous les événements n’ont pas la même gravité

Éviter quatre infarctus et provoquer deux saignements mineurs n’est pas équivalent à :

  • éviter quatre symptômes légers ;
  • provoquer deux décès.

Il faut considérer l’importance clinique.

Bénéfice net

On peut tenter de construire une mesure globale.

Mais pondérer différents résultats suppose des choix :

combien vaut un infarctus évité par rapport à une hémorragie ?

Il n’existe pas toujours une réponse universelle.

Décision partagée

La présentation en risques absolus permet souvent au patient de participer réellement à la décision.

Exemple :

« Sur 100 personnes comme vous, environ 8 auront cet événement sans traitement et 5 avec traitement. En revanche, environ 1 personne supplémentaire sur 100 subira cet effet indésirable. »

C’est beaucoup plus transparent.

Risque absolu individuel

Le risque de base utilisé devrait idéalement correspondre à la personne ou à une population comparable.

Une RAR issue directement de l’essai peut être différente de celle attendue pour un patient particulier.

Exemple

Essai :

participants à risque moyen :

20 %.

RAR :

5 %.

Patient réel :

risque initial estimé seulement :

5 %.

Si l’effet relatif reste le même, sa RAR attendue sera beaucoup plus faible.

Transportabilité

Pour adapter un effet absolu, il faut souvent supposer que l’effet relatif observé dans l’étude reste applicable.

Cette hypothèse peut être raisonnable ou non selon :

  • population ;
  • mécanisme ;
  • interactions.

Il faut rester prudent.

Standardisation du risque

Des modèles pronostiques peuvent estimer le risque de base individuel.

On peut ensuite combiner ce risque avec l’effet relatif d’un traitement pour estimer :

le bénéfice absolu personnalisé.

C’est une approche de plus en plus utilisée.

Exemple

Traitement :

RR = 0,75.

Patient A :

risque sans traitement estimé à 40 %.

Risque traité estimé :

30 %.

RAR :

10 points.

Patient B :

risque sans traitement 4 %.

Risque traité :

3 %.

RAR :

1 point.

Le bénéfice absolu peut guider le seuil thérapeutique

On peut décider qu’un traitement devient intéressant lorsque le bénéfice absolu dépasse un certain niveau compte tenu de ses dommages.

Ce seuil dépend de :

  • gravité de la maladie ;
  • sécurité du traitement ;
  • préférences.

RAR et traitements très sûrs

Un bénéfice absolu faible peut être acceptable si l’intervention est :

  • sûre ;
  • simple ;
  • peu coûteuse.

RAR et traitements toxiques

Pour une intervention :

  • très toxique ;
  • invasive,

on exige généralement un bénéfice absolu beaucoup plus important.

Exemple

Traitement A :

RAR = 0,5 %.

Effets indésirables presque inexistants.

Peut être acceptable.

Traitement B :

RAR = 0,5 %.

Effet grave chez 5 % des patients.

Probablement beaucoup moins intéressant.

La RAR ne doit pas être interprétée sans les dommages.

RAR et santé publique

Un bénéfice absolu individuel faible peut produire un impact collectif important.

Supposons :

RAR :

0,1 %.

Cela correspond à :

1 événement évité sur 1 000 personnes.

Si 10 millions de personnes reçoivent l’intervention :

environ 10 000 événements peuvent être évités, sous hypothèses appropriées.

Mais le nombre nécessaire à traiter est très élevé

NNT :

1 000.

Les deux constats sont compatibles :

  • faible bénéfice individuel ;
  • grand impact populationnel.

Cela crée parfois une tension

Du point de vue de l’individu :

chance personnelle de bénéfice faible.

Du point de vue collectif :

beaucoup d’événements évités.

La décision publique et la décision individuelle peuvent donc mettre l’accent sur des perspectives différentes.

RAR et coûts

Si le traitement coûte :

1 € par personne,

un NNT élevé peut rester économiquement raisonnable.

S’il coûte :

100 000 € par personne,

la situation est très différente.

L’évaluation économique ajoute donc une autre dimension.

Coût par événement évité

On peut calculer approximativement :

NNT × coût du traitement,

puis intégrer :

  • suivi ;
  • effets indésirables.

Mais une analyse économique complète est plus complexe.

RAR et contexte épidémiologique

La réduction absolue peut évoluer fortement lorsque le risque de base change.

C’est particulièrement important pour les maladies infectieuses.

Exemple

Intervention avec RRR stable :

50 %.

Forte circulation

Risque :

20 % → 10 %.

RAR :

10 points.

Faible circulation

Risque :

0,2 % → 0,1 %.

RAR :

0,1 point.

Le bénéfice absolu est cent fois plus faible.

Une recommandation peut donc évoluer même si l’efficacité relative ne change pas

Si le risque de base diminue, le nombre d’événements potentiellement évitables diminue.

La balance bénéfice-risque peut devenir différente.

Ce n’est pas nécessairement une contradiction scientifique.

RAR et vaccination

L’efficacité vaccinale relative peut rester élevée, mais la réduction absolue dépend :

  • circulation ;
  • âge ;
  • immunité préalable ;
  • durée.

C’est pourquoi le bénéfice absolu doit être évalué par population et par période.

RAR et résultats rares

Lorsqu’un événement est extrêmement rare, la RAR est nécessairement petite en valeur absolue, même avec une forte efficacité relative.

Exemple

Risque :

1 sur 100 000 → 0,1 sur 100 000.

Réduction relative :

90 %.

RAR :

0,0009 %.

Cela peut toutefois être important si l’événement est catastrophique et l’intervention très sûre.

Petits nombres et incertitude

Une RAR petite calculée à partir de très peu d’événements peut avoir une grande incertitude.

L’intervalle de confiance doit être examiné.

Intervalle de confiance de la différence de risque

Supposons :

RAR estimée :

2 points.

IC 95 % :

−1 à +5 points.

Les données restent compatibles avec :

  • petit dommage ;
  • bénéfice modéré.

L’estimation n’est pas concluante.

Exemple précis

RAR :

2 points

IC :

1,8–2,2.

Le bénéfice absolu est beaucoup plus précisément estimé.

La valeur zéro

Pour une différence de risque :

0

correspond à l’absence de différence.

Un intervalle traversant zéro indique que les données sont compatibles avec l’absence d’effet au niveau statistique considéré.

Mais encore une fois, éviter la dichotomie

RAR :

2,0 % ; IC 0,1–3,9

et

RAR :

2,0 % ; IC −0,1–4,1

sont des résultats presque identiques.

Les classer brutalement en :

  • « positif » ;
  • « négatif »

est trop simpliste.

RAR et méta-analyse

Les méta-analyses peuvent combiner des différences de risque.

Mais elles rencontrent un problème :

les risques de base varient entre études.

Une RAR unique peut alors être moins transportable qu’un RR.

Exemple

Essai A :

risque contrôle 40 %.

Essai B :

risque contrôle 4 %.

Même effet relatif.

Leurs RAR sont très différentes.

Les combiner directement peut masquer cette dépendance au risque de base.

Pourquoi les revues utilisent souvent des effets relatifs

Les effets relatifs peuvent parfois être plus stables entre études.

Ensuite, on applique l’effet relatif à un risque de base pertinent pour calculer un bénéfice absolu attendu.

Cette stratégie doit toutefois rester transparente.

GRADE et risques absolus

Les tableaux de synthèse de preuves présentent souvent :

  • effet relatif ;
  • risque sans intervention ;
  • risque avec intervention ;
  • différence absolue.

C’est une bonne pratique de communication.

RAR et médecine personnalisée

L’avenir de la décision thérapeutique consiste en partie à passer de :

« le médicament réduit le risque de 25 % »

à :

« compte tenu de votre risque de base, il réduit probablement votre risque de X % à Y %. »

C’est beaucoup plus utile.

Mais attention à la fausse précision

Un calculateur peut afficher :

risque sans traitement : 7,43 %

avec traitement : 5,57 %.

Si le modèle lui-même est très incertain, ces décimales sont artificielles.

Une formulation :

environ 7 % → environ 5–6 %

peut être plus honnête.

Le risque de base est lui-même une estimation

Il dépend :

  • modèle pronostique ;
  • données ;
  • population.

L’incertitude sur le risque initial se transmet à la RAR personnalisée.

Scénarios

On peut donc présenter :

si votre risque est plutôt 5 %, le bénéfice absolu est X ;

s’il est plutôt 10 %, il est Y.

Cela montre la sensibilité de la décision aux hypothèses.

RAR et décisions collectives

À l’échelle d’un pays, on peut multiplier la RAR par le nombre de personnes éligibles pour estimer grossièrement le nombre d’événements évitables.

Mais il faut tenir compte :

  • adhérence ;
  • efficacité en vie réelle ;
  • couverture.

Le résultat expérimental ne se transpose pas automatiquement.

Population attributable impact

L’impact total dépend de :

  • nombre de personnes exposées ;
  • risque initial ;
  • effet de l’intervention.

Un petit effet sur une énorme population peut être très important.

Une leçon d’esprit critique

Face à :

« le traitement réduit le risque de 50 % »,

demandez :

« quelle est la réduction absolue ? »

Puis :

« sur combien de temps ? »

et

« pour quel événement ? »

Face à :

« la réduction absolue n’est que de 1 % »,

ne concluez pas non plus automatiquement que le traitement est inutile.

Demandez :

Quel événement est évité ?

Quels sont les dommages ?

Combien de personnes sont concernées ?

Un point de pourcentage peut être très important dans certains contextes.

Le cadrage peut fonctionner dans les deux sens

Une personne favorable à une intervention peut mettre en avant :

50 % de réduction relative.

Une personne opposée peut dire :

« seulement 1 % de réduction absolue ».

Les deux peuvent sélectionner la présentation la plus favorable à leur position.

Une analyse rigoureuse donne les deux.

Exemple de présentation équilibrée

« Sur cinq ans, le risque est passé de 2 % à 1 %, soit une réduction relative de 50 %, une réduction absolue de 1 point et environ un événement évité pour 100 personnes traitées. »

Le lecteur peut alors juger avec toutes les informations pertinentes.

Tableau récapitulatif

Risque contrôleRisque traitéRéduction relativeRéduction absolueNNT
40 %20 %50 %20 points5
10 %5 %50 %5 points20
2 %1 %50 %1 point100
0,2 %0,1 %50 %0,1 point1 000

Ce tableau montre pourquoi le risque initial est central.

À retenir

La réduction absolue du risque mesure la différence de risque entre deux stratégies :

RAR = risque sans traitement − risque avec traitement.

Elle répond directement à :

« combien d’événements sont évités dans cette population ? »

Par exemple :

10 % → 6 %

correspond à :

4 points de réduction absolue, soit environ 4 événements évités pour 100 personnes traitées sur la période étudiée.

Contrairement à la réduction relative, la RAR dépend fortement du risque de base.

Un même effet relatif peut donc produire :

  • un grand bénéfice absolu chez les personnes à haut risque ;
  • un bénéfice très faible chez les personnes à faible risque.

La RAR permet également de calculer le NNT, qui traduit l’effet en nombre de personnes à traiter.

Mais elle doit toujours être interprétée avec :

  • la durée ;
  • la nature de l’événement ;
  • les effets indésirables ;
  • l’incertitude statistique.

Le principe fondamental est :

le risque relatif dit combien le risque est réduit proportionnellement ; la réduction absolue dit combien d’événements disparaissent réellement dans la population étudiée.

Pour décider si un traitement est réellement important, la seconde information est souvent indispensable.

Pour aller plus loin

David Sackett et collaborateurs — Clinical Epidemiology. Une référence classique pour l’interprétation clinique des différences de risque et du NNT.

Cochrane Handbook for Systematic Reviews of Interventions. Une référence méthodologique majeure pour la présentation des effets absolus et relatifs.

Gerd Gigerenzer — travaux sur la communication du risque. Une référence importante pour comprendre pourquoi les fréquences naturelles et les risques absolus améliorent la compréhension des bénéfices thérapeutiques.

David Spiegelhalter — The Art of Statistics. Une présentation accessible des différences entre effets relatifs, absolus et conséquences concrètes.