COURS EPIDEMIOLOGIE APPLIQUEE

DR ALIOU BAGAYOKO
Table des matières
Présentation du cours .................................................................................................................. 2

Objectifs ........................................................................................................................................ 2

Concepts clés ................................................................................................................................. 2

Place au Mali et en Afrique ......................................................................................................... 2

Indicateurs et mesures fondamentales ....................................................................................... 3

A. Mesures de fréquence .............................................................................................................. 3

B. Mesures d’association.............................................................................................................. 7

C. Autres mesures utiles ............................................................................................................... 9

D. Mesures en études transversales ............................................................................................ 9

Épidémiologie descriptive .......................................................................................................... 19

Épidémiologie analytique .......................................................................................................... 19

Surveillance épidémiologique & investigation des épidémies ................................................ 20

Sources de données et systèmes d’information sanitaire au Mali .......................................... 21

1
ÉPIDÉMIOLOGIE APPLIQUÉE

Présentation du cours
L’épidémiologie appliquée est la science qui étudie la distribution et les déterminants des
états de santé dans les populations et applique ces connaissances à la prévention et au
contrôle des maladies. Ce cours permet aux étudiants de comprendre et d’analyser les
problèmes de santé publique en utilisant des méthodes épidémiologiques adaptées au
contexte malien.

Objectifs

Objectif général

Permettre à l’étudiant d’acquérir les compétences nécessaires pour utiliser les méthodes
épidémiologiques dans l’analyse des problèmes de santé publique.

Objectifs spécifiques

• Définir les concepts clés de l’épidémiologie.

• Calculer et interpréter les principaux indicateurs de santé.

• Décrire un problème de santé selon temps, lieu, personne.

• Distinguer études descriptives, analytiques et expérimentales.

• Interpréter les résultats d’une étude simple.

• Comprendre les principes de la surveillance et de l’investigation des épidémies.

Concepts clés
• Population à risque
• Cas, incidence, prévalence
• Facteurs de risque et protection
• Épidémie, endémie, pandémie

Place au Mali et en Afrique

• Exemples : paludisme, rougeole, choléra.
• Importance de l’épidémiologie pour la planification sanitaire locale.

2
Indicateurs et mesures fondamentales

A. Mesures de fréquence

[Link]évalence (P)
Prévalence ponctuelle :

C’est la proportion de personnes malades à un moment précis :

Exemple : Si dans une population de 1000 personnes, 50 ont le diabète à la date du 1er
janvier 2024, quelle est la prévalence du diabète dans cette population

Prévalence sur une période :

C’est la proportion de personnes ayant eu la maladie pendant une période donnée :

Remarque importante

• La prévalence inclut à la fois les cas anciens et nouveaux.

• Elle diffère de l’incidence, qui ne compte que les nouveaux cas sur une période.

Exercice :

Dans un village de 2 000 habitants, on recense 300 personnes hypertendues lors d’une
enquête en juin 2025.

Questions :

1. Calculer la prévalence de l’hypertension

2. Interpréter le résultat

3
Correction

Interprétation :
À ce moment précis, 15 % de la population souffre d’hypertension.

2. Incidence (I)

L’incidence mesure le nombre de nouveaux cas d’une maladie dans une population
pendant une période donnée. Elle se distingue de la prévalence, qui inclut tous les cas
(anciens et nouveaux).

Incidence cumulée (ou proportion de risque) :

C’est la proportion de personnes qui développent la maladie sur une période :

Population à risque = personnes susceptibles de développer la maladie (exclut celles déjà

malades).

Exprimée en %.

Exemple : Si 20 personnes sur 200 saines développent la maladie pendant un an :

Taux d’incidence (ou densité d’incidence) :

Prend en compte le temps d’exposition individuel :

• Exprimé souvent en cas/personne-année.

• Utile quand les individus entrent ou sortent de l’étude à des moments différents.

4
Résumé :

• Prévalence = tous les cas à un moment donné.

• Incidence = nouveaux cas sur une période.

Exercice

Dans un district, 1 000 enfants sont suivis pendant 1 an. Au début, aucun n’a la rougeole.
Pendant l’année, 50 nouveaux cas apparaissent.

Questions :

1. Calculer l’incidence annuelle

2. Interpréter

Correction

Interprétation :
Sur un an, 5 % des enfants ont développé la rougeole.

3. Taux de mortalité

Le taux de mortalité est une mesure épidémiologique qui indique la fréquence des décès
dans une population sur une période donnée.

Formule générale du taux de mortalité

• On multiplie souvent par 1000 pour exprimer le taux pour 1000 habitants.

• La période est généralement un an.

• Brut, spécifique, infantile, maternelle.

• Taux d’attaque : proportion de personnes exposées qui deviennent malades.

Exemple
Si dans une ville de 50 000 habitants, 500 personnes décèdent en un an :

5
Le taux de mortalité brut (TMB) mesure le nombre total de décès dans une population
pendant une période donnée, sans distinction d’âge, de sexe ou de cause, par rapport à la
population totale.

Formule :

Exercice
Dans une commune de 10 000 habitants, on enregistre 120 décès en 2024.
Questions :
1. Calculer le taux brut de mortalité
2. Interpréter
Correction

Interprétation :

Il y a eu 12 décès pour 1 000 habitants en 2024.

6
B. Mesures d’association

Introduction et objectifs
Les mesures d’association en épidémiologie permettent de quantifier la relation entre une
exposition (facteur de risque) et une maladie / effet de santé. Elles répondent à des
questions comme :

• Est-ce que fumer est associé au cancer du poumon ?

• Quelle est l’intensité de cette association ?

• Est-ce que l’association est due au hasard ou est-elle statistiquement significative ?

Ces mesures sont essentielles pour :

✔ comprendre les causes des maladies,

✔ orienter les décisions de santé publique,

✔ évaluer l’effet d’interventions ou de facteurs de risque.

2. Concepts de base

Population exposée vs non exposée

• Exposée (E+) : individus soumis au facteur étudié.

• Non exposée (E−) : individus non soumis au facteur.

Cas (maladie+) vs non cas (maladie−)

• Cas (D+) : individus atteints de la maladie.

• Non cas (D−) : individus non atteints.

Tableau de contingence 2×2

Maladie (D+) Sans maladie (D−) Total

Exposés (E+) a b a+b

Non exposés (E−) c d c+d

Total a+c b+d N

7
Risque (ou incidence cumulative)

C’est la proportion d’individus qui développent la maladie sur une période donnée.

• Utile dans les études de cohorte.

Risque relatif (RR) : ratio de risque dans exposés vs non exposés

Mesure la force de l’association entre l’exposition et la maladie dans une étude de

cohorte.

Interprétation :

• RR = 1 → pas d’association.

• RR > 1 → exposition associée à un risque accru.

• RR < 1 → exposition protectrice.

Rapport de cotes (Odds Ratio, OR) : rapport des cotes dans études cas-témoins.

Interprétation :

• OR = 1 → pas d’association.

• OR > 1 → cotes plus élevées de maladie chez exposés.

• OR < 1 → cotes plus faibles.

• Mesure principale en études cas-témoins.

• Pour maladies rares, OR ≈ RR.

8
C. Autres mesures utiles
Différence de risques (Risk Différence, RD)

• Estime l’excès de risque attribuable à l’exposition.

Fraction attribuable dans la population (FAP)

Proportion de cas dans la population qui pourrait être évitée si l’exposition était éliminée.

D. Mesures en études transversales

Prévalence Ratio (PR)

• Semblable à RR mais en situation de prévalence

Prévalence Odds Ratio (POR)

9
Tests statistiques et intervalles de confiance
1. Rappel : estimation statistique en épidémiologie
En épidémiologie, on travaille rarement sur toute la population. On observe un
échantillon, à partir duquel on estime un paramètre de la population :
• Moyenne
• Proportion
• Risque
• Rapport de risques (RR)
• Odds Ratio (OR)
• Taux, etc.
Toute estimation est entachée d’incertitude liée à l’échantillonnage.

2. Définition de l’intervalle de confiance (IC)

Un intervalle de confiance (IC) est un intervalle de valeurs construit à partir des données
observées, qui contient le vrai paramètre de la population avec un certain niveau de
confiance (généralement 95 %).

Un IC à 95 % est un intervalle qui, si l’on répétait l’étude un grand nombre de fois,

contiendrait le vrai paramètre dans 95 % des échantillons. Ce n’est pas une probabilité
appliquée au paramètre, mais à la méthode d’estimation.
3. Rôle des intervalles de confiance
Les IC permettent de :
1. Quantifier la précision d’une estimation
2. Interpréter la significativité statistique
3. Comparer des groupes
4. Évaluer la pertinence clinique ou épidémiologique
Ils sont souvent plus informatifs que les tests statistiques seuls (p-value).

10
4. Relation entre test statistique et intervalle de confiance

Test statistique Intervalle de confiance

Décide si un effet existe Estime la taille de l’effet
Donne une p-value Donne une plage plausible
Oui / Non Amplitude et direction

Règle d’équivalence (IC à 95 %)

• Si l’IC n’inclut pas la valeur nulle, le résultat est statistiquement significatif (p <
0,05)
• Si l’IC inclut la valeur nulle, le résultat n’est pas significatif
Valeurs nulles selon le paramètre :
• Différence de moyennes → 0
• RR, OR, HR → 1
5. Forme générale d’un intervalle de confiance

• Valeur critique :
• 1,96 pour IC à 95 % (loi normale)
• Dépend du niveau de confiance choisi
• Erreur standard (ES) :
• Dépend de la variance et de la taille de l’échantillon
6. Intervalles de confiance usuels en épidémiologie
6.1 IC d’une moyenne

Utilisé pour : âge moyen, taux biologiques, etc.

6.2 IC d’une proportion (prévalence, incidence cumulée)

• p = proportion observée
• n = taille de l’échantillon
11
6.3 IC du risque relatif (RR) et de l’odds ratio (OR)
On calcule l’IC sur le logarithme :

Même principe pour l’OR.

7. Interprétation épidémiologique des IC

Exemple

• L’exposition augmente le risque

• L’effet est statistiquement significatif
• L’effet minimal plausible est 1,2
• L’effet maximal plausible est 2,7
• IC relativement large → précision modérée
8. Largeur de l’intervalle de confiance
La largeur de l’IC dépend de :
1. La taille de l’échantillon (↑ n → IC plus étroit)
2. La variabilité des données
3. Le niveau de confiance choisi
• IC 99 % > IC 95 %
IC étroit = estimation précise
IC large = estimation imprécise
9. IC vs p-value (comparaison critique)

p-value Intervalle de confiance

Sensible à la taille de l’échantillon Intègre précision et taille
Ne donne pas l’ampleur de l’effet Donne la taille de l’effet
Approche binaire Approche graduelle

En épidémiologie moderne, les IC sont fortement recommandés, parfois obligatoires

dans les publications.

12
10. Limites des intervalles de confiance
• Reposent sur des hypothèses (normalité, indépendance)
• Peu intuitifs pour certains décideurs
• Ne remplacent pas l’analyse clinique ou contextuelle
• Peuvent être mal interprétés (erreur fréquente)
11. Points clés à retenir (Master)
• L’IC mesure la précision d’une estimation
• Il complète ou remplace avantageusement les tests statistiques
• Il permet une interprétation épidémiologique riche
• L’absence de la valeur nulle indique une significativité
• Toujours interpréter IC + contexte + taille d’effet

13
Test du chi-carré
1. Introduction
En épidémiologie, et plus particulièrement en biologie moléculaire appliquée à la santé
publique, l’analyse des relations entre variables qualitatives est essentielle. Le test du Khi-
deux (χ²) de Pearson est un test statistique non paramétrique largement utilisé pour
comparer des proportions ou étudier l’association entre deux variables qualitatives.
Il est fréquemment utilisé pour :
• Comparer la distribution de génotypes,
• Analyser l’association entre un marqueur moléculaire et une maladie,
• Étudier les facteurs de risque en épidémiologie analytique.
2. Objectifs pédagogiques
À la fin de ce cours, l’étudiant doit être capable de :
• Comprendre le principe du test du χ² de Pearson,
• Identifier les situations où il est approprié,
• Formuler correctement les hypothèses statistiques,
• Calculer et interpréter un χ²,
• Appliquer le test dans un contexte de biologie moléculaire et d’épidémiologie.
3. Rappels de statistiques descriptives
Le test du χ² s’applique à des variables qualitatives :
• Nominales (sexe, groupe sanguin, présence/absence d’un gène),
• Ordinales (stades de maladie, niveaux d’expression classés).
Les données sont généralement organisées sous forme de tableaux de contingence (2×2,
2×3, etc.).
4. Principe du test du Khi-deux de Pearson
Le test du χ² compare :
• Les effectifs observés (O),
• Aux effectifs théoriques attendus (E) si l’hypothèse nulle était vraie.
Idée fondamentale :
Si les différences entre O et E sont faibles → pas d’association. Si les différences sont
importantes → association probable.

14
5. Hypothèses statistiques
Hypothèse nulle (H₀)
Il n’existe aucune association entre les deux variables qualitatives étudiées.
Hypothèse alternative (H₁)
Il existe une association statistiquement significative entre les deux variables.
6. Conditions d’application du test χ²
Pour que le test du χ² de Pearson soit valide :
1. Les observations doivent être indépendantes.
2. Les données doivent être exprimées en effectifs (pas en pourcentages).
3. Les effectifs théoriques attendus doivent être :
• ≥ 5 dans au moins 80 % des cellules,
• Aucun effectif attendu < 1.
Si ces conditions ne sont pas respectées → utiliser le test exact de Fisher.
7. Tableau de contingence (exemple 2×2)

Malade Non malade Total

Gène + a b a+b
Gène − c d c+d
Total a+c b+d N

8. Calcul des effectifs théoriques

La formule générale est :

Exemple :

9. Formule du Khi-deux de Pearson

O : effectif observé
E : effectif théorique attendu

15
10. Degrés de liberté (ddl)
Les degrés de liberté sont calculés par :
ddl = (nombre de lignes − 1) × (nombre de colonnes − 1)
Pour un tableau 2×2 :
ddl = 1
11. Décision statistique
Deux approches sont possibles :
11.1 Méthode par la p-value
• Si p ≤ 0,05 → rejet de H₀ (association significative)
• Si p > 0,05 → H₀ non rejetée
11.2 Méthode par comparaison à la valeur critique
• χ² calculé > χ² théorique → test significatif
Interprétation épidémiologique
Le test du χ² indique :
• L’existence ou non d’une association,
• Mais pas la force ni le sens de l’association.
Pour compléter l’analyse, on calcule souvent :
• Le Risque Relatif (RR),
• L’Ords Ratio (OR),
• L’intervalle de confiance à 95 %.
13. Application en biologie moléculaire
Exemples d’utilisation :
• Association entre un polymorphisme génétique (SNP) et une maladie infectieuse.
• Comparaison de la fréquence d’un gène de résistance avant/après intervention.
• Étude de la distribution de variants génétiques selon le statut clinique.
14. Exemple appliqué (contexte africain / malien)
Une étude analyse l’association entre la présence d’un gène de résistance au paludisme et
la survenue de formes graves.

16
 Paludisme grave Non grave Total
Gène présent 30 70 100
Gène absent 50 50 100
Total 80 120 200

Le test du χ² permet de déterminer si la différence observée est due au hasard ou non.

15. Limites du test du Khi-deux
• Ne mesure pas la causalité.
• Sensible à la taille de l’échantillon.
• Inadapté aux petits effectifs.

Mots-clés
Khi-deux, χ² de Pearson, variables qualitatives, épidémiologie analytique, biologie
moléculaire, association statistique, tableau de contingence.

Conclusion
Le test du Khi-deux de Pearson est un outil fondamental en épidémiologie et en biologie
moléculaire pour analyser les relations entre variables qualitatives. Bien maîtrisé, il permet
une interprétation rigoureuse des données issues des études de terrain et de laboratoire,
notamment dans les contextes de santé publique en Afrique.

17
Biais, confusion et effet de modification
Biais

• De sélection

• D’information

• De confusion

Toujours identifier et contrôler ces biais (stratification, régression, appariement…).

Confusion

Une variable est un facteur de confusion si :

1. Elle est associée à l’exposition.

2. Elle est un facteur de risque indépendant de la maladie.

3. Elle n’est pas un intermédiaire causal.

Modification d’effet

Quand l’effet de l’exposition diffère selon les niveaux d’une autre variable (interaction).

Applications concrètes

Exemple simple

Supposons :

Cas (D+) Non cas (D−) Total

E+ 40 60 100

E− 20 80 100

• Risque E+ = 40/100 = 0,40

• Risque E− = 20/100 = 0,20

• RR = 0,40/0,20 = 2 → l’exposition double le risque

• OR = (40×80) / (60×20) = 3200/1200 ≈ 2,67

18
Résumé des principales mesures
Mesure Utilisation principale Interprétation clé

RR Études de cohorte Comparaison des risques

OR Études cas-témoins Comparaison des cotes

RD Cohorte Excès absolu de risque

PR Études transversales Ratio de prévalence

Épidémiologie descriptive
1. Description selon :

• Personne : âge, sexe, occupation.

• Lieu : géographie, zone endémique.

• Temps : tendance, saisonnalité, épidémie.

2. Types d’études descriptives

• Série de cas, enquête transversale, rapport statistique.

3. Courbes épidémiques

• Construction et interprétation.

• Identifier le type d’épidémie (point source, continue, propagée).

Épidémiologie analytique

1. Types d’études analytiques

• Cas-témoins : comparer exposition chez cas vs témoins.

• Cohorte : suivre exposés et non exposés dans le temps.

• Essais randomisés : mesurer l’effet d’une intervention.

19
Surveillance épidémiologique & investigation des épidémies

1. Surveillance

• Passive, active, sentinelle, communautaire.

• Objectifs : détection précoce, suivi des tendances, planification.

2. Investigation des épidémies

• Étapes clés :

1. Préparer l’équipe

2. Vérifier le diagnostic

3. Définir cas

4. Identifier la population à risque

5. Décrire l’épidémie par temps, lieu, personne

6. Identifier les facteurs de risque

7. Formuler hypothèses

8. Testez les hypothèses

9. Contrôle et prévention

10. Communication des résultats

3. Exemples au Mali

• Choléra, rougeole, méningite, paludisme.

20
Sources de données et systèmes d’information sanitaire au Mali

1. Sources de données

• Enquêtes nationales : EDS, SMART, MICS.

• Registres hospitaliers et laboratoires.

• Système d’information sanitaire (DHIS2, SIMR, IDSR).

• Données communautaires et surveillance sentinelle.

2. Qualité des données

• Complétude, exactitude, actualité.

• Limites et biais possibles.

2. Biais courants

• Sélection, information, confusion.

• Validité interne vs externe.

3. Causalité

• Critères de Bradford Hill : force, cohérence, temporalité, gradient biologique.

4. Activité pratique

• Analyse critique d’un mini-article ou d’une étude locale.

21