← Glossaire

Lire une étude

Le vocabulaire pour lire une étude, situer la solidité d'un résultat et comprendre ce qu'il apporte en pratique.

Essai randomisé contrôléERC · RCT · Essai clinique#

Étude où les participants sont répartis au hasard entre une intervention et un comparateur. Le tirage au sort est ce qui permet d'attribuer une différence à l'intervention plutôt qu'aux caractéristiques des groupes. C'est le seul type d'étude qui autorise à parler d'effet, et non d'association.

Essai en double aveugleAveugle · Insue#

Essai où ni le participant ni l'évaluateur ne savent qui reçoit le traitement. L'objectif est d'empêcher les attentes de modifier les mesures et les symptômes rapportés. Un essai non aveugle sur un critère subjectif doit être lu avec prudence.

Essai croiséCrossover#

Essai où chaque participant reçoit successivement les deux interventions, avec une période intermédiaire. Il réduit la variabilité entre individus et demande moins de participants. Il ne convient pas aux traitements qui laissent un effet durable.

Analyse en intention de traiterITT#

Analyse qui conserve dans chaque groupe tous les participants, même ceux qui ont arrêté le traitement. Elle reflète ce que produit le traitement dans la vraie vie. Une analyse qui exclut les abandons peut embellir le résultat.

Cohorte prospective#

Suivi d'un groupe de personnes dans le temps, sans intervention attribuée. Elle décrit des associations et sert à repérer des pistes, pas à démontrer une causalité : les personnes qui adoptent une habitude en adoptent souvent d'autres, et l'ajustement statistique ne corrige jamais tout.

Étude cas-témoins#

Étude qui compare des personnes ayant une maladie à des personnes indemnes, en remontant à leurs expositions passées. Elle est rapide et utile pour les maladies rares. Elle est exposée aux biais de mémorisation, puisque l'exposition est reconstituée après coup.

Étude transversale#

Étude qui mesure exposition et issue au même moment. Elle décrit une photographie de la population et ne permet pas de savoir ce qui précède quoi. C'est le type d'étude derrière la plupart des chiffres de prévalence.

Étude écologique#

Étude qui compare des populations plutôt que des individus, par exemple la consommation de vin d'un pays et sa mortalité. Elle peut suggérer une piste mais expose au biais écologique : une association au niveau d'un groupe ne vaut pas pour une personne.

Étude animale#

Étude menée sur un modèle animal, souvent la souris. Elle est indispensable pour comprendre un mécanisme, mais ses résultats ne se transposent pas directement à l'humain, à cause des différences de métabolisme, de dose et de durée de vie. Un effet sur la longévité de la souris n'est pas un effet chez l'humain.

Étude in vitro#

Expérience réalisée sur des cellules ou des tissus en laboratoire, hors de l'organisme. Elle sert à explorer un mécanisme et ne dit rien de la dose atteignable chez une personne. Beaucoup d'annonces sur les polyphénols reposent sur des concentrations in vitro impossibles à obtenir par l'alimentation.

Méta-analyse#

Combinaison statistique des résultats de plusieurs études sur une même question. Sa valeur dépend entièrement de celle des études incluses et de leur hétérogénéité : deux méta-analyses sérieuses peuvent se contredire quand elles n'incluent pas les mêmes travaux ni les mêmes populations.

Risque absolu#

Nombre d'événements supplémentaires ou évités dans un groupe, rapporté au nombre de personnes et à la durée. Il se distingue du risque relatif, qui peut paraître spectaculaire sur un événement rare. Passer de 2 à 1 cas pour 1 000 personnes est une réduction de moitié en relatif et de 0,1 point en absolu.

Facteur de risque#

Caractéristique associée à une probabilité plus élevée de maladie, sans être nécessairement une cause. L'âge, la tension artérielle et le tabac en sont des exemples de nature très différente. Un facteur de risque peut être utile pour prédire sans être utile pour agir.

Survie globaleOverall survival · OS#

Temps écoulé jusqu'au décès, toutes causes confondues, dans un essai. C'est le critère le plus solide en cancérologie parce qu'il ne dépend d'aucune interprétation. La survie sans progression, qui mesure le temps avant l'aggravation, peut s'améliorer sans que la survie globale bouge.

Revue systématique#

Synthèse qui suit une méthode explicite pour trouver toutes les études sur une question, les évaluer et les résumer, avec ou sans méta-analyse. C'est la méthode qui protège le mieux du tri sélectif des résultats. Une revue dite narrative, elle, choisit ses références sans protocole.

Méta-analyse en réseau#

Méta-analyse qui compare indirectement plusieurs interventions entre elles, même quand aucun essai ne les a opposées directement. C'est ce qui permet de classer des doses d'entraînement entre elles, comme sur les 151 essais et 6 306 participants de l'exercice après 60 ans.

Différence moyenne standardiséeDMS · SMD · Taille d’effet#

Taille d'effet exprimée en écarts-types, ce qui permet de comparer des études qui n'utilisent pas la même échelle de mesure. Elle dit de combien un groupe se distingue de l'autre, sans rien dire de l'utilité du changement pour la personne.

Rapport de risqueHazard ratio · HR#

Rapport entre le risque de survenue d'un événement dans deux groupes au fil du temps. Un rapport de 0,81 correspond à un risque inférieur de 19 % dans le groupe traité. Il exprime un risque relatif, et il faut connaître le risque de départ pour savoir ce que cela change en nombre de personnes.

Risque relatifRR#

Rapport entre le risque observé dans un groupe exposé et celui d'un groupe non exposé. Il est souvent présenté seul, ce qui exagère l'importance d'un effet quand le risque de départ est faible. Un risque multiplié par deux sur un événement rare reste un événement rare.

Odds ratioOR#

Rapport de cotes, utilisé dans les études cas-témoins et les analyses ajustées. Il se rapproche du risque relatif quand l'événement est rare, et s'en écarte fortement quand il est fréquent. Confondre les deux est l'une des erreurs de lecture les plus courantes.

Intervalle de confianceIC 95 %#

Fourchette de valeurs dans laquelle la vraie estimation a 95 % de chances de se trouver, sous les hypothèses du modèle. Plus l'intervalle est large, moins le résultat est précis. Un intervalle qui franchit la valeur neutre signifie que l'effet ne peut pas être distingué de l'absence d'effet.

Valeur pp-value · Seuil de signification#

Probabilité d'observer un résultat au moins aussi extrême si l'hypothèse nulle, celle d'absence d'effet, est vraie. Elle ne dit pas la probabilité que l'hypothèse soit vraie, ni l'importance du résultat. Un p inférieur à 0,05 est une convention, pas une preuve.

Puissance statistique#

Probabilité qu'une étude détecte un effet réel de la taille attendue. Elle augmente avec le nombre de participants et la taille de l'effet. Une étude sous-dimensionnée peut conclure à l'absence d'effet alors que l'effet existe.

Taille d’effet#

Ampleur d'une différence entre deux groupes, exprimée dans l'unité de la mesure ou en unités standardisées. Elle est distincte de la significativité statistique. Un effet minuscule peut être significatif sur un très grand échantillon.

Signification clinique#

Importance réelle d'un effet pour la personne, distincte de sa significativité statistique. Elle s'apprécie sur l'issue qui compte, l'autonomie ou la survie, et non sur un marqueur intermédiaire. C'est le critère qui manque le plus souvent dans les annonces de compléments.

Nombre nécessaire pour traiterNNT · Number needed to treat#

Nombre de personnes à traiter pour éviter un événement supplémentaire. Il se calcule à partir du risque absolu, pas du risque relatif. Un NNT de 50 signifie que 49 personnes reçoivent un traitement sans en tirer de bénéfice individuel.

Biais de sélection#

Distorsion qui survient quand les personnes incluses dans une étude ne ressemblent pas à celles à qui la conclusion sera appliquée. Il est fréquent dans les cohortes de volontaires, plus instruits et plus en bonne santé que la population générale. Il limite la transposition des résultats.

Biais de publication#

Tendance à publier les résultats positifs plus souvent que les résultats négatifs. Il gonfle artificiellement l'effet apparent d'une intervention. Les méta-analyses le cherchent par des graphiques en entonnoir et par la comparaison avec les registres d'essais.

Facteur de confusion#

Variable associée à la fois à l'exposition et à l'issue, qui peut créer une association trompeuse. Par exemple, les personnes qui prennent des vitamines consultent plus souvent. L'ajustement statistique réduit ce biais mais ne le supprime pas quand la variable est mal mesurée.

Ajustement statistique#

Prise en compte dans le modèle de variables susceptibles de fausser l'association observée, comme l'âge, le tabac ou le niveau d'éducation. Il améliore la lecture mais dépend de la qualité des mesures. Un ajustement ne transforme pas une cohorte en essai.

Causalité inverse#

Situation où l'effet observé précède en réalité sa cause supposée. Exemple documenté : l'association entre activité physique et démence disparaît quand l'activité est mesurée au moins dix ans avant le diagnostic, ce qui suggère que la maladie réduisait l'activité plutôt que l'inverse.

Effet placebo#

Amélioration observée chez des personnes recevant un traitement sans principe actif, liée aux attentes et au contexte de soin. Il est réel et souvent important sur les symptômes subjectifs, plus faible sur les critères objectifs. C'est pourquoi un essai sans groupe contrôle ne prouve rien.

Effet nocebo#

Apparition d'effets indésirables chez des personnes recevant un produit sans principe actif, liée à l'anticipation. Il explique une partie des symptômes attribués aux compléments et aux traitements. Sa reconnaissance évite de tout imputer à la molécule.

Critère principalCritère de jugement principal#

Mesure choisie à l'avance pour juger de l'effet d'une intervention. Il doit être unique ou clairement hiérarchisé, et cliniquement pertinent. Multiplier les critères après coup permet de trouver un résultat significatif par hasard.

Marqueur de substitutionCritère intermédiaire · Surrogate#

Mesure biologique utilisée à la place de l'issue qui intéresse vraiment, parce qu'elle arrive plus vite. Un effet sur un marqueur ne garantit pas un effet sur la santé : plusieurs compléments améliorent un marqueur sans qu'aucun essai ne montre de bénéfice clinique.

Niveau de preuve#

Échelle utilisée par l'École pour situer chaque recommandation : Établi, Probable, Émergent ou Expérimental. Elle dépend du type d'étude, de la population et de l'issue mesurée. Un mécanisme observé en laboratoire reste Expérimental, même quand il est séduisant.

GRADE#

Méthode de gradation de la qualité des preuves et de la force des recommandations, utilisée par de nombreuses sociétés savantes. Elle tient compte du risque de biais, de l'incohérence, de l'imprécision et du caractère indirect des données. C'est l'un des systèmes qui a remplacé les simples niveaux A, B, C.

Préprint#

Manuscrit diffusé avant l'évaluation par les pairs, souvent sur un serveur public. Il permet de partager vite un résultat, sans garantie de qualité. Un préprint ne doit pas servir à modifier une recommandation avant sa publication évaluée et sa réplication.

Revue par les pairs#

Évaluation d'un manuscrit par des chercheurs du même domaine avant publication. Elle filtre les erreurs manifestes et les faiblesses méthodologiques, sans garantir la validité du résultat. Elle est nécessaire mais pas suffisante.

Réplication#

Reproduction d'une étude par une équipe indépendante, avec des méthodes comparables. C'est le meilleur rempart contre un résultat fortuit ou un effet de laboratoire. Une découverte qui ne se réplique pas ne doit pas fonder une recommandation.

Conflit d’intérêts#

Situation où un intérêt financier ou professionnel peut influencer la conception, l'analyse ou la présentation d'une étude. Il ne disqualifie pas un travail, mais il doit être déclaré et lu. Les essais financés par le fabricant du produit testé sont plus souvent positifs.

Relation dose-réponse#

Variation de l'effet selon la dose ou la durée d'exposition. Une relation régulière et cohérente renforce l'hypothèse causale dans les études observationnelles. Son absence n'élimine pas un effet, mais elle affaiblit l'interprétation.

Analyse en sous-groupes#

Analyse restreinte à une partie des participants, par âge, sexe ou niveau de risque. Elle est utile quand elle est prévue à l'avance et appuyée par une interaction statistique. Découpée après coup, elle produit facilement des résultats trompeurs.

Prévalence#

Proportion de personnes atteintes d'une maladie à un instant donné. Elle dépend de l'incidence et de la durée de la maladie. Une prévalence élevée peut refléter des survies plus longues plutôt que plus de nouveaux cas.

Incidence#

Nombre de nouveaux cas d'une maladie dans une population pendant une période donnée. Elle mesure le risque d'apparition, contrairement à la prévalence qui photographie l'existant. C'est l'indicateur utilisé dans les cohortes.