Risque absolu et risque relatif
Lorsqu’on compare deux groupes, on peut exprimer une différence de risque de plusieurs manières. Les deux principales sont le risque absolu et le risque relatif.
Ces deux mesures décrivent le même phénomène sous des angles différents. Pourtant, elles peuvent produire des impressions très différentes.
Comprendre cette distinction est essentiel, car un résultat présenté uniquement sous forme relative peut sembler beaucoup plus spectaculaire qu’il ne l’est en pratique.
Le risque absolu
Le risque absolu correspond à la probabilité qu’un événement survienne dans un groupe donné pendant une période déterminée.
Supposons que, sur 1 000 personnes suivies pendant un an :
- 20 personnes développent une maladie dans le groupe A ;
- 10 personnes la développent dans le groupe B.
Le risque absolu est donc :
2 % dans le groupe A
et
1 % dans le groupe B.
Le risque absolu répond à la question :
« Quelle est la probabilité que cet événement survienne dans ce groupe ? »
C’est souvent la mesure la plus intuitive pour comprendre ce que représente concrètement un risque pour une personne.
Le risque relatif
Le risque relatif compare les risques de deux groupes.
Dans notre exemple :
1 % / 2 % = 0,5
Le risque dans le groupe B représente donc la moitié de celui du groupe A.
On peut également dire que le groupe B présente une réduction relative du risque de 50 % par rapport au groupe A.
Cette formulation est mathématiquement correcte.
Mais elle ne dit pas directement combien de personnes sont réellement concernées.
Même résultat, deux présentations
Reprenons l’exemple :
| Groupe A | Groupe B | |
|---|---|---|
| Personnes | 1 000 | 1 000 |
| Événements | 20 | 10 |
| Risque absolu | 2 % | 1 % |
La différence peut être présentée comme :
« le risque est réduit de 50 % »
ou comme :
« le risque passe de 2 % à 1 % ».
Les deux affirmations sont vraies.
Mais la seconde permet immédiatement de voir que le bénéfice absolu concerne 10 personnes sur 1 000.
Réduction absolue du risque
La réduction absolue du risque correspond à la différence entre les risques des deux groupes.
Dans notre exemple :
2 % − 1 % = 1 point de pourcentage
On peut également l’exprimer comme :
10 événements évités pour 1 000 personnes traitées.
Cette information est souvent très utile pour évaluer l’importance clinique réelle d’une intervention.
Risque relatif et risque absolu ne répondent pas exactement à la même question
Le risque relatif mesure la force d’une association ou l’ampleur proportionnelle d’un effet.
Le risque absolu mesure la fréquence réelle de l’événement dans une population.
Les deux sont importants.
Un risque relatif très élevé peut concerner un événement extrêmement rare.
À l’inverse, une petite réduction relative appliquée à une maladie très fréquente peut éviter un grand nombre d’événements.
Exemple : doubler un risque rare
Supposons qu’un événement survienne normalement chez :
1 personne sur 100 000.
Une exposition double ce risque.
Le risque relatif est donc de :
2,0
ou une augmentation relative de :
100 %.
Mais le risque absolu passe seulement de :
1 sur 100 000 à 2 sur 100 000.
L’augmentation absolue est donc de :
1 événement supplémentaire pour 100 000 personnes.
Dire uniquement « le risque double » est exact, mais incomplet.
Exemple : petite réduction relative d’un événement fréquent
Prenons maintenant une maladie touchant 40 % d’une population.
Une intervention réduit ce risque à 36 %.
La réduction relative est :
(40 − 36) / 40 = 10 %.
Cela semble moins spectaculaire qu’une réduction de 50 %.
Mais la réduction absolue est de :
4 points de pourcentage,
soit 40 événements évités pour 1 000 personnes.
Dans cet exemple, une réduction relative apparemment modeste produit donc un bénéfice absolu important.
Le risque de base est essentiel
Le bénéfice absolu d’une intervention dépend fortement du risque de départ, appelé aussi risque de base.
Imaginons un traitement qui réduit le risque relatif de 25 %.
Chez une population dont le risque initial est de 40 %, le risque pourrait passer à 30 %.
La réduction absolue est de :
10 points.
Chez une population dont le risque initial est de 4 %, il passerait à 3 %.
La réduction absolue n’est plus que de :
1 point.
Chez une population dont le risque initial est de 0,4 %, il passerait à 0,3 %.
La réduction absolue est alors de :
0,1 point.
Le même effet relatif peut donc produire des bénéfices absolus extrêmement différents.
Illustration
| Risque initial | Risque après réduction relative de 25 % | Réduction absolue |
|---|---|---|
| 40 % | 30 % | 10 points |
| 20 % | 15 % | 5 points |
| 4 % | 3 % | 1 point |
| 0,4 % | 0,3 % | 0,1 point |
Cela explique pourquoi une intervention peut être très intéressante chez les personnes à haut risque et beaucoup moins utile chez les personnes à faible risque.
Pourquoi les chiffres relatifs impressionnent davantage
Les mesures relatives ont tendance à produire des nombres plus spectaculaires.
Passer de 2 cas à 1 cas sur 10 000 peut être présenté comme :
« une réduction de 50 % ».
Cette formulation attire davantage l’attention que :
« un cas évité pour 10 000 personnes ».
Cette différence de perception est bien connue en communication du risque.
Elle ne signifie pas que le risque relatif est une mauvaise mesure. Le problème apparaît lorsqu’il est présenté sans le risque absolu correspondant.
Présenter les deux mesures
Une communication équilibrée devrait idéalement donner les deux informations.
Par exemple :
« Le traitement a réduit le risque de 2 % à 1 %, soit une réduction absolue de 1 point et une réduction relative de 50 %. »
Cette formulation permet au lecteur de comprendre à la fois l’ampleur proportionnelle de l’effet et son importance concrète.
Risque relatif et causalité
Un risque relatif supérieur à 1 indique qu’un événement est plus fréquent dans le groupe exposé que dans le groupe de référence.
Par exemple :
RR = 2
signifie que le risque observé est deux fois plus élevé dans le groupe exposé.
Mais cela ne prouve pas automatiquement que l’exposition est la cause de cette différence.
L’association peut être produite par :
- un facteur de confusion ;
- un biais de sélection ;
- une erreur de mesure ;
- le hasard ;
- une causalité inverse.
Le risque relatif mesure une association, pas à lui seul une causalité.
Risque relatif inférieur à 1
Un risque relatif inférieur à 1 signifie que l’événement est moins fréquent dans le groupe exposé.
Par exemple :
RR = 0,7
indique que le risque dans le groupe exposé représente 70 % du risque observé dans le groupe de référence.
On peut alors parler d’une réduction relative de :
30 %.
Là encore, l’interprétation dépend du risque absolu de départ.
Risque relatif égal à 1
Un risque relatif de :
RR = 1
signifie que les risques observés sont identiques dans les deux groupes.
Cela ne prouve pas nécessairement l’absence de tout effet réel.
L’étude peut manquer de précision, être trop petite ou comporter des biais.
Il faut donc également examiner l’intervalle de confiance autour de l’estimation.
Cette notion sera développée plus loin.
Une augmentation relative peut masquer un faible risque absolu
Les effets indésirables constituent un bon exemple.
Supposons qu’un médicament augmente un risque rare de :
2 cas pour 100 000
à
4 cas pour 100 000.
Le risque relatif est doublé.
L’augmentation relative est de 100 %.
L’augmentation absolue est cependant de :
2 cas supplémentaires pour 100 000 personnes.
Pour juger si le médicament reste intéressant, il faut alors comparer ce risque supplémentaire aux bénéfices obtenus.
C’est la logique de la balance bénéfice-risque.
L’effet peut être important pour une population entière
Un faible risque absolu ne doit pas non plus être systématiquement considéré comme négligeable.
Une augmentation de :
1 événement pour 100 000 personnes
peut sembler minuscule à l’échelle individuelle.
Mais si 500 millions de personnes sont exposées, elle correspond théoriquement à plusieurs milliers d’événements supplémentaires.
La perspective individuelle et la perspective de santé publique peuvent donc différer.
Risque absolu et décisions individuelles
Pour une personne, la question pertinente est souvent :
« Quelle est ma probabilité de connaître l’événement avec et sans intervention ? »
Cette question exige le risque absolu.
Dire seulement qu’un traitement « réduit le risque de 30 % » ne permet pas de savoir si le bénéfice attendu est considérable ou minime.
La décision peut également dépendre :
- des effets indésirables ;
- du coût ;
- de la durée du traitement ;
- de la gravité de l’événement évité ;
- des préférences de la personne.
Une statistique ne décide donc pas seule de ce qu’il faut faire.
Risque relatif et comparaison scientifique
Le risque relatif reste néanmoins très utile pour comparer des groupes et rechercher des relations entre exposition et maladie.
Il permet par exemple d’étudier si le tabagisme est associé à une augmentation du risque de cancer du poumon ou si une intervention réduit la fréquence d’une complication.
Dans ces situations, il renseigne sur la force de l’association.
Il est donc particulièrement utile pour l’analyse scientifique, tandis que le risque absolu est souvent indispensable pour comprendre l’importance pratique du phénomène.
Le nombre nécessaire à traiter
La réduction absolue du risque permet également de calculer une mesure très intuitive : le nombre nécessaire à traiter, ou NNT.
Si un traitement réduit le risque de :
10 % à 5 %,
la réduction absolue est de :
5 points de pourcentage, soit 0,05.
Le NNT est approximativement :
1 / 0,05 = 20.
Il faudrait donc traiter environ 20 personnes pour éviter un événement supplémentaire pendant la période étudiée.
Nous consacrerons une fiche spécifique à cette mesure.
Attention à la période de suivi
Un risque absolu doit toujours être associé à une période.
Dire :
« votre risque est de 5 % »
est incomplet.
5 % pendant un mois ? Un an ? Dix ans ? Toute la vie ?
Une réduction absolue peut également varier fortement avec la durée du suivi.
Un traitement peut réduire de manière modeste le risque annuel mais produire un bénéfice cumulé important sur plusieurs décennies.
Comparer des risques absolus nécessite donc de comparer des périodes équivalentes.
Une question de présentation honnête
La présentation des risques peut influencer les décisions.
Un traitement peut sembler plus efficace lorsqu’on annonce :
« diminution de 50 % du risque »
que lorsqu’on explique :
« le risque passe de 2 personnes sur 1 000 à 1 sur 1 000 ».
À l’inverse, utiliser uniquement des risques absolus extrêmement faibles peut parfois minimiser un phénomène dont l’impact collectif est réel.
Une communication honnête devrait donc éviter de choisir systématiquement la mesure qui sert le mieux une conclusion préalable.
La meilleure pratique consiste généralement à présenter les nombres absolus, les risques absolus et les mesures relatives ensemble.
Une leçon d’esprit critique
Lorsqu’un titre affirme :
« X augmente le risque de 70 % »
ou
« Y réduit le risque de 40 % »,
la première question devrait être :
« 40 % ou 70 % de quoi ? »
Il faut ensuite demander :
Quel était le risque initial ?
Une augmentation de 70 % peut représenter un passage de 1 à 1,7 cas pour 100 000, ou de 10 % à 17 %.
Ce sont deux situations très différentes.
La valeur relative seule ne permet pas de le savoir.
À retenir
Le risque absolu indique la probabilité qu’un événement survienne dans une population donnée.
Le risque relatif compare cette probabilité entre deux groupes.
Une forte modification relative peut correspondre à une faible différence absolue lorsque l’événement est rare.
Inversement, une modification relative modeste peut avoir un impact considérable si l’événement est fréquent.
Le risque de départ est donc indispensable pour interpréter correctement un effet.
Une présentation équilibrée devrait idéalement indiquer le risque absolu dans chaque groupe, la différence absolue et la mesure relative.
La bonne question n’est pas seulement :
« De combien le risque change-t-il proportionnellement ? »
mais aussi :
« Combien de personnes cela concerne-t-il réellement ? »
Pour aller plus loin
Gerd Gigerenzer — travaux sur la communication des risques. Une référence importante pour comprendre comment la présentation relative ou absolue des probabilités influence la perception des bénéfices et des dangers.
David Spiegelhalter — The Art of Statistics. Une introduction claire à l’interprétation des risques, des probabilités et de leur communication.
Leon Gordis — Epidemiology. Une présentation classique des mesures de risque et de comparaison utilisées en épidémiologie.