Taux, proportions, ratios et dénominateurs

En épidémiologie, un nombre isolé dit rarement grand-chose. Dire qu’il y a eu 5 000 hospitalisations, 300 décès ou 20 000 nouveaux cas ne permet pas encore de savoir si le phénomène est fréquent, rare, en hausse ou en baisse.

Pour interpréter correctement une donnée, il faut presque toujours la rapporter à une population de référence et, souvent, à une période de temps.

C’est le rôle des proportions, des ratios et des taux.

Le numérateur et le dénominateur

Une grande partie des mesures épidémiologiques peut être comprise à partir de deux éléments.

Le numérateur compte les événements qui nous intéressent : malades, décès, hospitalisations, infections, complications.

Le dénominateur indique l’ensemble dans lequel ces événements sont comptés : population totale, personnes à risque, personnes testées, personnes exposées ou durée totale d’observation.

Supposons que 100 personnes développent une maladie.

Ce chiffre peut sembler important ou faible, mais il est impossible à interpréter sans savoir si ces 100 cas ont été observés parmi 1 000 personnes, 100 000 personnes ou 10 millions de personnes.

Avec 100 cas :

  • parmi 1 000 personnes, cela représente 10 % ;
  • parmi 100 000 personnes, 0,1 % ;
  • parmi 10 millions de personnes, 0,001 %.

Le numérateur est identique. Le sens sanitaire est totalement différent.

La proportion

Une proportion exprime la part d’un ensemble qui possède une caractéristique donnée.

Le numérateur est inclus dans le dénominateur.

Si 200 personnes sont malades dans une population de 10 000 personnes :

200 / 10 000 = 0,02 = 2 %

On peut donc dire que 2 % de la population est malade.

La prévalence est typiquement une proportion.

Une proportion varie théoriquement entre 0 et 1, ou entre 0 et 100 % lorsqu’elle est exprimée en pourcentage.

Le ratio

Un ratio compare deux quantités qui ne sont pas nécessairement incluses l’une dans l’autre.

Supposons une population comptant 120 hommes pour 100 femmes.

Le ratio hommes/femmes est :

120 / 100 = 1,2

Cela signifie qu’il y a 1,2 homme pour une femme.

Contrairement à une proportion, un ratio peut être supérieur à 1.

En épidémiologie, on rencontre de nombreux ratios, notamment le risque relatif, l’odds ratio ou certains ratios de mortalité.

Le taux

Le mot taux est souvent utilisé de manière approximative dans le langage courant. En épidémiologie, il désigne généralement une mesure qui prend en compte la survenue d’événements au cours du temps.

Un taux d’incidence peut par exemple être exprimé en :

25 cas pour 100 000 personnes-années.

La dimension temporelle est alors explicite.

Toutes les personnes n’ont pas nécessairement été observées pendant exactement la même durée. Une personne suivie pendant deux ans apporte deux personnes-années d’observation, tandis qu’une personne suivie pendant six mois en apporte une demi.

La distinction précise entre risque et taux d’incidence sera approfondie dans la fiche consacrée aux personnes-temps.

Pourquoi utilise-t-on « pour 1 000 » ou « pour 100 000 » ?

De nombreuses mesures sanitaires sont multipliées par une constante afin de rendre les chiffres plus lisibles.

Supposons que 50 personnes meurent d’une maladie dans une population de 500 000 habitants.

La proportion est :

50 / 500 000 = 0,0001

Cela peut être exprimé comme :

0,01 %

ou plus simplement :

10 décès pour 100 000 habitants.

Ces expressions décrivent la même fréquence.

Le choix entre « pour 100 », « pour 1 000 », « pour 10 000 » ou « pour 100 000 » dépend essentiellement de la fréquence du phénomène et des conventions utilisées.

Un même phénomène exprimé de plusieurs manières

Prenons un risque de 0,005.

Il peut être exprimé comme :

FormulationValeur
Proportion0,005
Pourcentage0,5 %
Pour 1 0005 pour 1 000
Pour 10 00050 pour 10 000
Pour 100 000500 pour 100 000
Fréquence intuitive1 personne sur 200

Toutes ces expressions sont mathématiquement équivalentes.

Mais elles ne produisent pas nécessairement la même impression psychologique.

« 500 personnes sur 100 000 » peut sembler plus impressionnant que « 0,5 % », alors qu’il s’agit exactement du même risque.

Cette propriété peut être utilisée volontairement ou involontairement pour dramatiser ou minimiser une information.

Le dénominateur est souvent la partie la plus importante

Imaginons deux hôpitaux.

Dans l’hôpital A, 50 patients meurent pendant l’année.

Dans l’hôpital B, 100 patients meurent.

On pourrait conclure immédiatement que l’hôpital B présente un problème plus important.

Mais supposons que :

  • l’hôpital A ait accueilli 1 000 patients ;
  • l’hôpital B en ait accueilli 10 000.

La proportion de décès est alors de :

5 % dans l’hôpital A

contre

1 % dans l’hôpital B.

Le nombre absolu de décès était deux fois supérieur dans l’hôpital B, mais la proportion était cinq fois plus faible.

Le choix entre nombre absolu et mesure relative dépend donc de la question posée.

Les nombres absolus restent importants

Cela ne signifie pas que les nombres absolus sont inutiles.

Supposons qu’une maladie rare touche :

  • 1 % d’une petite population de 1 000 personnes ;
  • 0,5 % d’une population de 10 millions de personnes.

Le risque individuel est plus élevé dans la première population, mais la seconde connaîtra un nombre absolu de cas énormément supérieur.

En santé publique, il faut donc souvent examiner simultanément :

le risque individuel et le nombre total d’événements dans la population.

Une intervention qui réduit légèrement un risque très fréquent peut avoir un impact collectif plus important qu’une intervention spectaculaire sur un événement extrêmement rare.

Le piège du nombre de cas

Supposons qu’on observe :

  • 1 000 cas une semaine ;
  • 2 000 cas la semaine suivante.

On pourrait conclure que le risque a doublé.

Mais imaginons que le nombre de personnes testées soit passé de 10 000 à 40 000.

La proportion de tests positifs serait alors passée de :

10 % à 5 %.

Le nombre de cas détectés a doublé, mais la proportion parmi les personnes testées a diminué de moitié.

Aucun de ces indicateurs ne suffit à lui seul à décrire parfaitement la situation. Mais leur comparaison montre pourquoi le dénominateur est indispensable.

Le dénominateur peut changer dans le temps

Un autre piège apparaît lorsque la population de référence évolue.

Si une ville passe de 100 000 à 150 000 habitants, comparer simplement le nombre de cas entre deux années peut être trompeur.

Supposons :

  • année 1 : 1 000 cas pour 100 000 habitants ;
  • année 2 : 1 200 cas pour 150 000 habitants.

Le nombre absolu de cas augmente de 20 %, mais la proportion diminue :

1 % → 0,8 %.

Il est donc possible d’avoir simultanément davantage de cas et un risque plus faible.

Le dénominateur doit correspondre à la population réellement à risque

Supposons qu’on étudie une complication qui ne peut survenir que chez des patients ayant subi une intervention chirurgicale particulière.

Utiliser l’ensemble des patients de l’hôpital comme dénominateur n’aurait pas beaucoup de sens.

Le dénominateur pertinent est la population ayant réellement subi l’intervention et pouvant développer cette complication.

Un bon dénominateur doit répondre à une question simple :

Qui aurait réellement pu devenir un cas ?

Un exemple de vaccination

Imaginons une population de 1 million de personnes comprenant :

  • 900 000 personnes vaccinées ;
  • 100 000 personnes non vaccinées.

Pendant une période donnée, on observe 180 hospitalisations chez les vaccinés et 100 chez les non-vaccinés.

En nombres absolus, il y a davantage d’hospitalisations chez les vaccinés.

On pourrait alors dire :

« La majorité des hospitalisations concerne des personnes vaccinées. »

C’est vrai.

Mais les risques sont :

180 / 900 000 = 20 hospitalisations pour 100 000 vaccinés

et

100 / 100 000 = 100 hospitalisations pour 100 000 non-vaccinés.

Le risque observé est donc cinq fois plus élevé dans le groupe non vacciné.

Ce phénomène illustre une règle fondamentale : lorsque la taille des groupes diffère fortement, les nombres absolus ne permettent pas de comparer directement les risques.

Il faudrait évidemment contrôler d’autres facteurs dans une étude réelle, notamment l’âge, l’état de santé et la durée de suivi. L’exemple sert uniquement à montrer l’importance du dénominateur.

Le paradoxe des grands groupes

Lorsqu’une exposition devient très fréquente dans une population, une grande partie des événements peut survenir parmi les personnes exposées même si leur risque individuel est plus faible.

Imaginez qu’un dispositif de sécurité soit utilisé par 99 % de la population.

Il est parfaitement possible que la majorité des accidents graves concerne des personnes utilisant ce dispositif simplement parce qu’elles représentent presque toute la population.

La question pertinente n’est donc pas :

« Combien de cas appartiennent à chaque groupe ? »

mais :

« Quelle proportion de chaque groupe connaît l’événement ? »

Pourcentage parmi les cas et risque dans la population

Ces deux mesures sont très souvent confondues.

Supposons que 70 % des personnes hospitalisées présentent un facteur de risque particulier.

Cela ne signifie pas automatiquement que les personnes possédant ce facteur ont 70 % de risque d’être hospitalisées.

La première statistique demande :

Parmi les hospitalisés, combien possèdent ce facteur ?

La seconde demanderait :

Parmi les personnes possédant ce facteur, combien sont hospitalisées ?

Les numérateurs et dénominateurs sont inversés.

Cette erreur est extrêmement fréquente dans l’interprétation des statistiques de santé.

« Deux fois plus » ne dit pas combien

Les mesures relatives peuvent également être trompeuses lorsqu’elles sont présentées sans risque absolu.

Supposons qu’un risque passe de :

1 cas sur 1 000 000

à

2 cas sur 1 000 000.

Le risque a augmenté de 100 %.

Il a même été multiplié par deux.

Ces formulations sont exactes, mais elles peuvent donner une impression disproportionnée si le niveau de risque initial n’est pas indiqué.

Inversement, présenter uniquement la différence absolue peut parfois minimiser une modification importante.

Une information complète devrait donc idéalement présenter le risque de départ, le risque final et leur différence absolue et relative.

Choisir une présentation compréhensible

Les probabilités peuvent être difficiles à interpréter intuitivement.

Lorsque c’est possible, les fréquences naturelles sont souvent plus faciles à comprendre.

Au lieu de dire :

« le risque est de 0,2 % »

on peut écrire :

« environ 2 personnes sur 1 000 ».

Et pour comparer deux risques :

« environ 2 personnes sur 1 000 dans le groupe A contre 6 sur 1 000 dans le groupe B ».

Cette présentation permet souvent de percevoir immédiatement l’ordre de grandeur.

Pourquoi les dénominateurs disparaissent-ils si facilement ?

Les événements inhabituels attirent naturellement notre attention.

Nous voyons les personnes touchées, mais beaucoup moins les milliers ou millions de personnes chez lesquelles rien ne s’est produit.

Cette asymétrie cognitive peut conduire à une forme de négligence du dénominateur.

Cent témoignages d’un événement indésirable peuvent sembler extrêmement inquiétants. Mais leur interprétation dépend entièrement du nombre de personnes exposées et du nombre d’événements qui auraient normalement eu lieu dans une population comparable.

Il ne s’agit pas de nier les événements observés. Il s’agit de déterminer s’ils sont plus fréquents qu’attendu.

Quand le dénominateur est inconnu

Certaines bases de données sanitaires recueillent des signalements spontanés d’événements indésirables.

Elles peuvent fournir un numérateur approximatif : combien d’événements ont été signalés.

Mais elles ne permettent pas toujours de connaître précisément le nombre de personnes réellement exposées dans des conditions comparables, ni le nombre d’événements non signalés.

Elles sont donc particulièrement utiles pour détecter des signaux qui devront ensuite être étudiés, mais elles ne permettent généralement pas à elles seules de calculer un risque causal fiable.

Nous reviendrons longuement sur cette distinction dans les fiches consacrées à la pharmacovigilance.

Une règle d’or de lecture critique

Face à n’importe quelle statistique sanitaire, quatre questions peuvent être posées immédiatement :

Combien d’événements ?

Parmi combien de personnes ?

Pendant combien de temps ?

Comparé à quoi ?

Ces questions simples permettent souvent de repérer rapidement une information incomplète ou trompeuse.

À retenir

Une proportion indique quelle fraction d’un ensemble possède une caractéristique donnée.

Un ratio compare deux quantités.

Un taux intègre généralement une dimension temporelle et décrit la vitesse à laquelle des événements surviennent.

Mais la notion la plus importante reste souvent le dénominateur.

Un nombre de cas, de décès ou d’hospitalisations ne permet pas à lui seul d’estimer un risque. Il faut savoir parmi combien de personnes ces événements sont survenus, qui pouvait réellement devenir un cas et pendant combien de temps la population a été observée.

Enfin, nombres absolus et mesures relatives répondent à des questions différentes. Pour comprendre correctement un phénomène sanitaire, il est souvent nécessaire de regarder les deux simultanément.

Pour aller plus loin

Leon Gordis — Epidemiology. Une introduction accessible aux proportions, taux, risques et principales mesures utilisées en épidémiologie.

Kenneth J. Rothman, Sander Greenland et Timothy L. Lash — Modern Epidemiology. Une référence plus approfondie pour comprendre la construction et l’interprétation des mesures de fréquence.

Gerd Gigerenzer et collaborateurs — travaux sur les fréquences naturelles et la communication du risque. Ils montrent notamment pourquoi présenter les probabilités sous forme de fréquences concrètes peut améliorer fortement leur compréhension.