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 contrôle | Risque traité | RR | Réduction relative | Réduction absolue |
|---|---|---|---|---|
| 40 % | 20 % | 0,50 | 50 % | 20 points |
| 4 % | 2 % | 0,50 | 50 % | 2 points |
| 0,4 % | 0,2 % | 0,50 | 50 % | 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.