Votre médecin vous a donné le choix entre deux médicaments pour le traitement de l'asthme. Lorsque vous comparez les visites aux urgences, vous remarquez que 10 patients sous médication A ont signalé un voyage à l'hôpital par rapport aux cinq patients sous médication B. À première vue, il semblerait que le médicament B soit le meilleur choix évident. Cependant, pour prendre une décision éclairée, vous devrez examiner les données d'un peu plus près. Pour déterminer lequel de ces deux médicaments contre l'asthme vous servira le mieux, vous pouvez utiliser des statistiques pour calculer le rapport de cotes ajusté.
TL; DR (trop long; n'a pas lu)
Un rapport de cotes est une mesure statistique d'association, utilisée pour déterminer la relation entre différents ensembles d'expositions et de résultats. Trouvé en divisant les résultats d'un résultat par les résultats d'un second, un rapport de cotes peut donner un aperçu de l'efficacité des traitements expérimentaux et plus encore. Cependant, pour déterminer le rapport de cotes ajusté de deux ensembles de données, vous devez prendre en compte des variables confusionnelles, ce qui rend les rapports de cotes ajustés difficiles à déterminer dans de nombreuses situations.
Qu'est-ce qu'un rapport de cotes ?
Un rapport de cotes est la mesure statistique de l'association entre une exposition et un résultat. En d'autres termes, l'odds ratio est la probabilité statistique qu'un résultat se produise dans une condition spécifique: dans le cas de Dans notre exemple, l'odds ratio représente la probabilité que la prise de l'un des deux médicaments contre l'asthme puisse encore conduire à une visite à l'hôpital. Les rapports de cotes sont faciles à calculer. Si vous divisez les visites à l'hôpital déclarées pour le médicament B par celles pour le médicament A, vous obtiendrez le rapport de cotes. Dans cet exemple, le rapport de cotes est de 0,5. Le ratio signifie que vous avez environ 50 % plus de chances d'aller à l'hôpital lorsque vous prenez le médicament A par rapport au médicament B. Cependant, cela ne signifie pas nécessairement que le médicament B est meilleur: ce ratio de 0,5 est connu sous le nom de non ajusté, ou le rapport de cotes brut, car il ne prend rien en compte, sauf le nombre d'hospitalisations déclaré visites.
Expositions et résultats
La valeur numérique d'un rapport de cotes vous donne une idée de ce qui se passera lorsqu'un patient est exposé à quelque chose - dans ce cas, un médicament contre l'asthme. Un rapport de cotes de 1 signifie que l'exposition n'affecte pas le résultat: en d'autres termes, le médicament ne fonctionne pas. Un rapport de cotes supérieur à 1 indique une probabilité plus élevée du résultat, tandis qu'un rapport inférieur à 1 indique une probabilité plus faible du résultat.
Variables de vie et de confusion
Le problème avec un rapport de cotes brut est qu'il est entièrement unidimensionnel. Il ne reflète pas l'influence de facteurs de confusion tels que l'âge, d'autres conditions médicales ou même quelque chose d'aussi simple que l'accès à une clinique par rapport à un service d'urgence. Votre interprétation du rapport de cotes des médicaments pourrait changer si vous appreniez que tous les patients prenant le médicament A recevaient également un traitement pour le cancer du poumon et tous les les patients sous médication B étaient par ailleurs en bonne santé, ou si vous découvriez que les patients sous médication A vivaient à huit kilomètres de l'hôpital et à 100 kilomètres du plus proche clinique.
Recherche du rapport de cotes ajusté
Très peu de choses dans la vie ont une relation de cause à effet claire. En statistique, les "autres" facteurs qui affectent la relation entre deux choses sont appelés variables de confusion. Si une seule variable affecte la relation, les mathématiciens effectueront un ajustement statistique pour donner un rapport plus précis. Lorsque toutes les variables ont été prises en compte, le ratio est dit entièrement ajusté. Parce que l'ajustement d'un rapport de cotes est très complexe, les chercheurs essaient de contrôler autant de variables que possible pour garantir des résultats précis. Dans les essais pharmaceutiques, par exemple, les chercheurs rechercheront des participants du même âge et du même sexe avec des antécédents médicaux similaires.