Risque relatif

Le risque relatif, souvent abrégé RR, compare la probabilité qu’un événement survienne dans un groupe exposé à une intervention avec la probabilité qu’il survienne dans un groupe de comparaison.

Il répond à la question :

« Le risque est-il plus faible, identique ou plus élevé dans le groupe traité ? »

La formule

On note :

Risque dans le groupe traité = R₁

et

Risque dans le groupe contrôle = R₀.

Le risque relatif est :

RR = R₁ / R₀.

Exemple simple

Supposons un essai.

Groupe contrôle

100 événements parmi 1 000 personnes.

Risque :

10 %.

Groupe traité

60 événements parmi 1 000 personnes.

Risque :

6 %.

Le risque relatif est :

RR = 6 % / 10 % = 0,60.

Le risque dans le groupe traité représente donc 60 % du risque observé dans le groupe contrôle.

Interpréter RR = 1

Si :

RR = 1,

les deux groupes ont le même risque.

Par exemple :

  • contrôle : 10 % ;
  • traitement : 10 %.

Le traitement n’est associé à aucune différence de risque sur ce critère.

Interpréter RR < 1

Si :

RR < 1,

l’événement est moins fréquent dans le groupe traité.

Exemple :

RR = 0,70.

Le risque sous traitement représente 70 % du risque du groupe contrôle.

Cela correspond à une réduction relative du risque de 30 %.

Interpréter RR > 1

Si :

RR > 1,

l’événement est plus fréquent dans le groupe traité.

Exemple :

RR = 1,50.

Le risque est 1,5 fois celui du groupe contrôle.

On peut dire qu’il est 50 % plus élevé relativement.

Risque relatif et réduction relative du risque

Lorsque le traitement réduit le risque :

Réduction relative du risque = 1 − RR.

Si :

RR = 0,60,

alors :

1 − 0,60 = 0,40.

La réduction relative du risque est donc :

40 %.

Attention à la formulation

Dire :

« le risque est réduit de 40 % »

est mathématiquement correct.

Mais ce chiffre ne dit pas combien de personnes bénéficient réellement en valeur absolue.

Il faut connaître le risque initial.

Même RR, deux réalités très différentes

Supposons dans les deux cas :

RR = 0,50.

Le traitement divise donc le risque par deux.

Situation A

Sans traitement :

40 %.

Avec traitement :

20 %.

Réduction absolue :

20 points de pourcentage.

Situation B

Sans traitement :

0,4 %.

Avec traitement :

0,2 %.

Réduction absolue :

0,2 point.

Le risque relatif est identique.

Le bénéfice absolu est cent fois plus faible dans la seconde situation.

Pourquoi le RR peut paraître spectaculaire

Une diminution :

0,02 % → 0,01 %

correspond à :

RR = 0,50

et donc :

50 % de réduction relative.

Le chiffre « 50 % » attire l’attention.

Mais la différence absolue n’est que :

0,01 point de pourcentage.

Les deux informations sont vraies

Il ne faut donc pas opposer :

risque relatif

et

risque absolu

comme si l’un était vrai et l’autre faux.

Ils répondent à des questions différentes.

Le risque relatif indique l’ampleur proportionnelle de l’effet.

Le risque absolu indique combien d’événements sont réellement évités ou provoqués dans une population donnée.

Exemple complet

Essai de 20 000 personnes.

Contrôle

200 événements parmi 10 000.

Risque :

2 %.

Traitement

100 événements parmi 10 000.

Risque :

1 %.

RR :

1 % / 2 % = 0,50.

Réduction relative :

50 %.

Réduction absolue :

1 point.

Cela signifie environ :

100 événements évités pour 10 000 personnes traitées.

Le dénominateur est indispensable

Dire :

« 50 % de réduction »

sans préciser :

50 % de quel risque ?

est une information incomplète.

Le taux de base détermine l’importance absolue du bénéfice.

Risque relatif versus différence de risque

Les deux mesures peuvent être calculées à partir des mêmes données.

Risque relatif

RR = R₁ / R₀.

Différence de risque

RD = R₁ − R₀.

Si le traitement protège, la différence est négative.

On peut aussi calculer :

Réduction absolue du risque = R₀ − R₁.

Exemple

Contrôle :

20 %.

Traitement :

15 %.

RR :

15 / 20 = 0,75.

Réduction relative :

25 %.

Réduction absolue :

5 points.

Ces trois chiffres décrivent exactement le même résultat.

Pourquoi le RR est utile

Le risque relatif a plusieurs avantages.

Il permet notamment de comparer l’effet proportionnel d’une intervention entre populations ayant des risques initiaux différents.

Il est également intuitif :

RR = 2

signifie approximativement :

deux fois plus de risque.

Effet relatif parfois relativement stable

Pour certaines interventions, l’effet relatif varie moins entre populations que l’effet absolu.

Supposons qu’un traitement réduise le risque d’environ 20 % relativement dans plusieurs groupes.

L’effet absolu sera alors beaucoup plus important chez ceux dont le risque de départ est élevé.

Exemple

RR constant :

0,80.

Groupe à faible risque

Risque contrôle :

5 %.

Risque traité :

4 %.

Réduction absolue :

1 point.

Groupe à haut risque

Risque contrôle :

50 %.

Risque traité :

40 %.

Réduction absolue :

10 points.

Même RR.

Bénéfice absolu dix fois plus important.

Cette propriété est importante pour la décision clinique

On peut parfois prendre une estimation de l’effet relatif issue d’un essai et l’appliquer à différents risques de base pour estimer les bénéfices absolus.

Mais cela suppose que le RR soit suffisamment transportable entre les groupes.

Cette hypothèse doit être vérifiée.

Le RR n’est pas nécessairement constant

L’effet d’un traitement peut varier selon :

  • âge ;
  • stade de maladie ;
  • dose ;
  • facteurs biologiques.

Il peut donc exister une véritable modification de l’effet.

On ne doit pas supposer automatiquement que le même RR s’applique partout.

Mesure multiplicative

Le risque relatif appartient à une échelle multiplicative.

Il compare :

combien de fois le risque est multiplié.

À l’inverse, la différence de risque appartient à une échelle additive.

Elle mesure :

combien de points de risque sont ajoutés ou retirés.

Interaction selon l’échelle

Une intervention peut sembler avoir un effet constant sur l’échelle multiplicative mais pas sur l’échelle additive.

C’est une conséquence importante des différentes façons de mesurer un effet.

Exemple

Population A

10 % → 5 %.

RR = 0,50.

Réduction absolue = 5 points.

Population B

60 % → 30 %.

RR = 0,50.

Réduction absolue = 30 points.

Pas d’interaction multiplicative.

Mais très grande différence sur l’échelle additive.

Quelle échelle choisir ?

Cela dépend de la question.

Pour comprendre un mécanisme ou comparer des effets proportionnels :

RR peut être utile.

Pour décider combien de personnes bénéficieront :

risque absolu est souvent plus directement pertinent.

Les deux devraient idéalement être présentés.

Risque relatif et effets indésirables

Le même raisonnement s’applique aux dommages.

Supposons qu’un traitement augmente un effet indésirable de :

0,1 % à 0,2 %.

RR :

2.

On peut dire :

« le risque est doublé ».

C’est vrai.

Mais l’augmentation absolue est :

0,1 point.

Exemple inverse

Un risque passe de :

20 % à 40 %.

RR :

2 également.

Mais l’augmentation absolue est :

20 points.

Le « doublement du risque » ne permet donc pas, à lui seul, d’évaluer la gravité populationnelle.

Communication médiatique

Les titres de presse utilisent souvent les risques relatifs :

« ce médicament réduit le risque de 40 % »

ou

« ce comportement double le risque de maladie ».

Ces formulations ne sont pas nécessairement fausses.

Mais elles peuvent produire une perception déformée si le risque absolu n’est pas donné.

Exemple de titre

« Le risque est augmenté de 100 %. »

Cela peut signifier :

1 personne sur 1 000 000 → 2 sur 1 000 000.

Ou :

10 % → 20 %.

Même augmentation relative.

Conséquences très différentes.

Une règle simple d’esprit critique

Lorsqu’un pourcentage relatif est présenté, demander :

« de combien à combien ? »

Cette question suffit souvent à révéler l’ordre de grandeur réel.

RR et causalité

Un risque relatif observé n’est pas nécessairement causal.

Dans une étude observationnelle :

RR = 2

peut refléter :

  • effet causal ;
  • confusion ;
  • biais de sélection ;
  • erreur de mesure.

La mesure d’association ne remplace pas le raisonnement causal.

Exemple

Les personnes prenant un médicament ont :

deux fois plus de mortalité.

Cela peut signifier que le médicament est dangereux.

Mais elles peuvent aussi être beaucoup plus malades avant le traitement.

C’est le biais d’indication.

Dans un essai randomisé

Si l’essai est bien conduit, le RR entre groupes possède une interprétation causale beaucoup plus solide.

La randomisation rend le comparateur plus crédible.

Mais il faut encore examiner :

  • adhérence ;
  • pertes de suivi ;
  • mesure des événements.

RR brut et RR ajusté

Dans une étude observationnelle, on peut calculer :

RR brut

puis

RR ajusté pour certains facteurs de confusion.

Exemple

RR brut :

1,80.

Après ajustement :

1,20.

Cela suggère qu’une partie de l’association initiale était expliquée par les variables ajustées.

Mais un RR ajusté n’est pas automatiquement causal.

Confusion résiduelle

Des facteurs :

  • mal mesurés ;
  • non observés

peuvent encore biaiser l’estimation.

La précision statistique ne supprime pas ce problème.

RR et sous-groupes

Supposons un essai montrant :

RR global = 0,80.

On peut explorer :

  • hommes ;
  • femmes ;
  • jeunes ;
  • âgés.

Mais il ne suffit pas que :

RR = 0,70 chez les hommes

et

RR = 0,95 chez les femmes

pour conclure que le traitement fonctionne différemment.

Il faut tester l’interaction

Les estimations de sous-groupes fluctuent aléatoirement.

La question appropriée est :

la différence entre les effets est-elle elle-même compatible avec le hasard ?

C’est le rôle d’un test d’interaction.

Petits sous-groupes

Les intervalles de confiance deviennent souvent très larges.

Un RR :

0,50

dans un sous-groupe de 30 personnes peut être beaucoup moins convaincant qu’un RR :

0,80

estimé sur plusieurs milliers de participants.

RR et intervalle de confiance

Une estimation devrait être accompagnée d’un intervalle.

Exemple :

RR = 0,75 ; IC 95 % : 0,65–0,87.

L’ensemble de l’intervalle est inférieur à 1.

Les données sont compatibles avec une diminution du risque.

Exemple imprécis

RR = 0,75 ; IC 95 % : 0,40–1,40.

L’estimation centrale suggère un bénéfice.

Mais les données sont également compatibles avec :

  • fort bénéfice ;
  • absence d’effet ;
  • augmentation du risque.

La conclusion doit être beaucoup plus prudente.

Le rôle de 1

Pour un risque relatif :

RR = 1

correspond à l’absence de différence.

Si l’intervalle de confiance traverse 1, on ne peut généralement pas rejeter l’absence d’effet au seuil statistique conventionnel correspondant.

Mais cela ne signifie pas que l’effet réel est exactement nul.

Ne pas dichotomiser l’intervalle

Comparer :

IC 0,79–0,99

avec

IC 0,79–1,01

et considérer le premier comme « efficace » et le second comme « inefficace » est trop simpliste.

Les deux résultats sont pratiquement identiques.

Regarder l’ensemble de l’incertitude

Il vaut mieux demander :

quelles tailles d’effet restent plausibles ?

Un intervalle étroit autour de 1 suggère une absence d’effet important.

Un intervalle très large indique surtout un manque de précision.

Risque relatif et événements rares

Lorsque les événements sont rares, le RR peut être instable si très peu d’événements surviennent.

Supposons :

Contrôle

2 événements.

Traitement

1 événement.

RR :

0,50.

On pourrait annoncer :

50 % de réduction.

Mais l’incertitude est immense.

Les nombres d’événements comptent

Une estimation d’effet repose souvent davantage sur le nombre d’événements que sur le seul nombre total de participants.

Une étude de 100 000 personnes avec seulement 10 événements peut rester peu informative pour certaines comparaisons.

Zéro événement

Supposons :

  • groupe traité : 0 événement ;
  • contrôle : 5 événements.

Le calcul naïf du RR peut poser des difficultés.

Des méthodes statistiques adaptées sont alors nécessaires.

Il ne faut pas simplement conclure à :

« réduction de 100 % »

sans considérer l’incertitude.

RR et durée de suivi

Le risque relatif dépend aussi de la période considérée.

Supposons :

À 30 jours

RR = 0,60.

À 5 ans

RR = 0,95.

L’effet initial peut diminuer avec le temps.

Il faut toujours préciser l’horizon temporel.

Risques concurrents

Lorsqu’une personne peut subir plusieurs types d’événements mutuellement exclusifs, le calcul d’un risque nécessite parfois des méthodes adaptées aux risques compétitifs.

Par exemple, mourir d’une autre cause empêche d’observer ultérieurement le décès spécifique étudié.

RR et hazard ratio

Le risque relatif compare généralement des probabilités cumulées sur une période.

Le hazard ratio compare des taux instantanés d’événements au cours du temps.

Ils ne sont donc pas équivalents.

Un HR de 0,70 ne signifie pas automatiquement :

30 % de risque cumulé en moins à cinq ans.

Une fiche spécifique sera consacrée à cette distinction.

RR et odds ratio

Le risque relatif est également différent de l’odds ratio.

Pour les événements rares, RR et OR peuvent être proches.

Pour les événements fréquents, l’OR peut paraître beaucoup plus éloigné de 1.

Exemple

Contrôle :

50 % de risque.

Traitement :

25 %.

RR :

0,50.

Odds contrôle :

0,5 / 0,5 = 1.

Odds traitement :

0,25 / 0,75 = 0,333.

OR :

0,333.

L’OR suggère une réduction de 67 % des odds, tandis que le RR indique une réduction de 50 % du risque.

Ces chiffres ne sont pas interchangeables.

Risque relatif de mortalité

Supposons :

mortalité contrôle :

20 %.

mortalité traitement :

16 %.

RR :

0,80.

On peut dire :

20 % de réduction relative de mortalité.

Mais le bénéfice absolu est :

4 décès évités pour 100 personnes traitées, sur la période considérée.

Traduire en nombres naturels

Cette traduction est souvent très utile :

sur 100 personnes comparables, 20 décéderaient sans traitement et 16 avec traitement.

Le bénéfice devient immédiatement compréhensible.

RR protecteur versus facteur de risque

Le RR est utilisé aussi pour les expositions nocives.

Supposons :

Non-exposés

Risque = 5 %.

Exposés

Risque = 15 %.

RR :

15 / 5 = 3.

L’exposition est associée à un risque trois fois plus élevé.

Risque attribuable

Mais pour comprendre l’impact absolu :

15 % − 5 % = 10 points.

Cela correspond à 10 événements supplémentaires pour 100 personnes exposées, dans cette situation.

RR élevé sur événement très rare

Supposons :

risque de base :

1 sur 1 000 000.

Exposition :

RR = 5.

Risque exposé :

5 sur 1 000 000.

Le RR est élevé.

Le risque absolu reste extrêmement faible.

Risque relatif et santé publique

À l’inverse, un RR modeste appliqué à une exposition extrêmement fréquente peut produire un grand impact populationnel.

Supposons :

RR = 1,10

pour une exposition concernant des millions de personnes.

Une hausse relative de 10 % peut représenter de nombreux événements supplémentaires.

Taille de l’effet versus fréquence de l’exposition

L’impact populationnel dépend donc à la fois :

  • du RR ;
  • du risque de base ;
  • de la fréquence de l’exposition.

Un RR isolé ne suffit jamais à mesurer l’importance sanitaire totale.

Fractions attribuables

Des mesures comme la fraction attribuable cherchent à estimer quelle proportion d’événements pourrait être liée à une exposition sous certaines hypothèses causales.

Elles nécessitent :

  • RR ;
  • fréquence de l’exposition.

Elles seront surtout pertinentes en épidémiologie des facteurs de risque.

Le RR peut être trompeur lorsqu’on change le dénominateur

Supposons un traitement qui réduit :

mortalité spécifique

mais pas :

mortalité toutes causes.

On peut obtenir des RR très différents selon le critère choisi.

Il faut toujours vérifier exactement quel événement est au numérateur.

Critères composites

Un essai peut annoncer :

RR = 0,75 pour le critère composite.

Mais ce résultat peut être principalement dû à un composant fréquent et relativement mineur.

Il faut examiner :

  • décès ;
  • événements majeurs ;
  • événements moins graves

séparément.

Exemple

Composite :

décès + infarctus + consultation urgente.

RR = 0,70.

Mais :

  • décès : RR 1,00 ;
  • infarctus : RR 0,95 ;
  • consultations : RR 0,60.

Le résumé global peut donner une impression exagérée du bénéfice sur les résultats les plus importants.

RR et adhérence

Dans un essai en intention de traiter, un RR peut être rapproché de 1 si beaucoup de participants ne suivent pas le traitement.

Cela ne signifie pas nécessairement que la molécule n’a aucun effet biologique.

L’essai mesure l’effet de la stratégie d’assignation.

Mais l’analyse uniquement chez les adhérents peut biaiser

Les adhérents peuvent avoir :

  • comportements plus sains ;
  • caractéristiques différentes.

Il faut donc préserver la distinction entre :

effet de la stratégie

et

effet biologique chez les personnes qui prennent réellement le traitement.

RR et généralisation

Supposons un essai montrant :

RR = 0,70

chez des patients à très haut risque.

Il est risqué d’appliquer automatiquement ce RR à une population à faible risque ou très différente biologiquement.

L’effet relatif peut ne pas être transportable.

Le risque absolu sera de toute façon différent

Même si le RR restait identique, le bénéfice absolu diminuerait fortement lorsque le risque de base est faible.

C’est essentiel pour l’individualisation.

Exemple de prévention

RR = 0,80.

Haut risque

20 % → 16 %.

Réduction absolue :

4 points.

Faible risque

1 % → 0,8 %.

Réduction absolue :

0,2 point.

Même traitement.

Bénéfice absolu vingt fois plus faible.

Présenter le nombre nécessaire à traiter

La réduction absolue permet ensuite de calculer :

NNT = 1 / réduction absolue du risque.

Dans le premier cas :

1 / 0,04 = 25.

Dans le second :

1 / 0,002 = 500.

Le même RR produit donc :

NNT 25

ou

NNT 500

selon le risque initial.

Pourquoi cela compte pour le patient

Une personne veut souvent savoir :

« quelles sont mes chances de bénéficier ? »

Le RR seul répond mal à cette question.

Le risque absolu personnalisé est généralement plus informatif.

RR et décision partagée

Une présentation équilibrée pourrait être :

« Votre risque estimé est d’environ 10 % sur cinq ans. Ce traitement le réduit probablement à environ 7,5 %, soit une réduction relative de 25 % et absolue d’environ 2,5 points. »

Le patient dispose alors d’une information beaucoup plus complète.

Risque relatif versus efficacité vaccinale

L’efficacité vaccinale en essai clinique est souvent calculée sous une forme proche de :

1 − RR.

Par exemple :

RR = 0,10

correspond à une efficacité relative de :

90 %.

Mais cela ne signifie pas que 90 % des vaccinés ne peuvent jamais être infectés.

Cela décrit une réduction relative du risque observée dans les conditions de l’étude.

Cette question sera approfondie dans le chapitre consacré à la vaccination.

RR et évolution du risque de base

Si l’incidence d’une maladie baisse fortement, un même RR peut correspondre à un bénéfice absolu beaucoup plus faible.

La balance bénéfice-risque d’une intervention peut donc évoluer avec le contexte épidémiologique.

Exemple

Traitement ou prévention :

RR = 0,50.

Période épidémique

Risque : 20 % → 10 %.

Période de faible circulation

Risque : 0,2 % → 0,1 %.

L’efficacité relative reste identique.

Le bénéfice absolu change énormément.

C’est pourquoi les recommandations peuvent changer sans contradiction

Une intervention peut être très utile lorsque le risque de base est élevé et beaucoup moins utile lorsque ce risque diminue.

Modifier une recommandation ne signifie donc pas nécessairement que l’efficacité relative du traitement a disparu.

Le contexte a pu changer.

Risque relatif et prévention individuelle

Une personne à haut risque peut avoir beaucoup à gagner avec un RR modeste.

Une personne à très faible risque peut avoir peu à gagner même avec un RR impressionnant.

Le risque de base est donc central.

Une leçon d’esprit critique

Face à :

« ce traitement réduit de 60 % le risque de décès »,

demandez immédiatement :

Le risque passe de combien à combien ?

Sur quelle durée ?

Dans quelle population ?

Quel est l’intervalle de confiance ?

Quels sont les effets indésirables ?

Sans ces éléments, le chiffre relatif est insuffisant.

Face à :

« cette exposition multiplie le risque par trois »,

demandez :

Le risque de départ est-il 0,001 % ou 20 % ?

Le même facteur trois peut représenter une augmentation absolue minuscule ou considérable.

Tableau récapitulatif

Risque contrôleRisque traitéRRRéduction relativeRéduction absolue
40 %20 %0,5050 %20 points
4 %2 %0,5050 %2 points
0,4 %0,2 %0,5050 %0,2 point

Même RR, trois bénéfices absolus très différents.

À retenir

Le risque relatif compare le risque d’un événement dans deux groupes :

RR = risque traité / risque contrôle.

Si :

RR = 1, les risques sont identiques.

Si :

RR < 1, le traitement est associé à une diminution du risque.

Si :

RR > 1, il est associé à une augmentation du risque.

La réduction relative du risque est :

1 − RR.

Mais le RR ne dit pas à lui seul combien d’événements seront réellement évités.

Un RR de :

0,50

peut correspondre à :

40 % → 20 %

ou

0,02 % → 0,01 %.

Le bénéfice proportionnel est identique.

Le bénéfice absolu est radicalement différent.

Le principe fondamental est donc :

le risque relatif mesure la force proportionnelle de l’effet ; le risque absolu mesure son importance concrète dans une population donnée.

Pour évaluer correctement une intervention, il faut presque toujours connaître les deux.

La bonne question n’est donc pas seulement :

« de combien le traitement réduit-il le risque relativement ? »

mais aussi :

« quel était le risque au départ, et combien d’événements sont réellement évités ? »

Pour aller plus loin

David Sackett et collaborateurs — Clinical Epidemiology. Une référence classique pour comprendre risque relatif, risque absolu et interprétation clinique des effets thérapeutiques.

Cochrane Handbook for Systematic Reviews of Interventions. Une référence méthodologique majeure pour les mesures d’effet relatives et absolues.

Gerd Gigerenzer — travaux sur la communication du risque. Ils montrent pourquoi les risques relatifs isolés peuvent conduire à une perception exagérée des bénéfices ou des dangers.

David Spiegelhalter — The Art of Statistics. Une introduction particulièrement claire aux différences entre risques relatifs, absolus et communication des probabilités.