Utilisation et interprétation d’études quasi expérimentales sur les maladies infectieuses

Résumé

Modèles d’études quasi-expérimentales, parfois appelés plans d’études pré-post-intervention non aléatoires , sont omniprésents dans la littérature sur les maladies infectieuses, en particulier dans le domaine des interventions visant à réduire la propagation des bactéries résistantes aux antibiotiques. Peu de choses ont été écrites sur les avantages et les limites de l’approche quasi-expérimentale. Cet article décrit une hiérarchie de conception d’étude quasi expérimentale qui s’applique aux études sur les maladies infectieuses et qui, si elle est appliquée, peut conduire à des recherches plus solides et à des liens de causalité plus convaincants entre les interventions et les résultats en matière de maladies infectieuses.

Dans l’étude des maladies infectieuses et, en particulier, dans l’étude du contrôle des infections et de la résistance aux antibiotiques, le plan d’étude quasi expérimental, parfois appelé plan pré-post-intervention, est souvent utilisé pour évaluer le avantages d’interventions spécifiques. Nous avons examiné des études publiées dans 2 revues (Clinical Infectious Diseases and Infection Control and Hospital Epidemiology) pendant une période de 1,5 an entre le 1er janvier 2002 et le 1er juin 2003 et avons trouvé 36 études quasi-expérimentales.

Quasi-expérimentale les études englobent un large éventail d’études d’intervention non randomisées. Ces conceptions sont fréquemment utilisées lorsqu’il n’est pas possible sur le plan logistique ou éthique de mener un essai contrôlé randomisé – le «standard» de la conception de la recherche causale. Des exemples d’études quasi expérimentales suivent. Par exemple, si un hôpital introduit l’utilisation de un désinfectant pour les mains à base d’alcool, l’hôpital peut souhaiter étudier l’impact de cette intervention sur le résultat de l’acquisition de bactéries résistantes aux antibiotiques, sur la base d’une culture de surveillance. L’intervention est mise en œuvre, les taux d’acquisition sont mesurés avant et après l’intervention. comme autre exemple, si un hôpital a un taux croissant de pneumonie sous ventilation assistée (PAV), le personnel hospitalier peut concevoir une intervention éducative visant à réduire le taux de PAV et comparer les taux avant et après l’intervention. Un troisième exemple serait une étude de l’effet d’un programme de gestion / éducation des antimicrobiens sur la pré-intervention et la post-intervention. des pratiques de prescription d’antibiotiques.

À mesure que la capacité à collecter des données cliniques de routine a augmenté, l’utilisation de plans d’étude quasi expérimentaux a augmenté dans l’étude des maladies infectieuses et dans d’autres disciplines médicales. Cependant, peu de choses sont écrites sur ces plans d’étude dans la littérature médicale ou dans les manuels d’épidémiologie traditionnels. En revanche, la littérature sur les sciences sociales regorge d’exemples de façons de mettre en œuvre et d’améliorer les études quasi-expérimentales.

Dans cet article, nous visons à passer en revue les différents plans d’étude quasi-expérimentaux et la hiérarchie de ces plans en ce qui concerne leur capacité à établir des associations causales entre une intervention et un résultat. L’exemple d’une intervention désinfectante pour les mains à base d’alcool visant à réduire les taux d’acquisition de bactéries résistantes aux antibiotiques sera utilisé tout au long de l’article pour illustrer les différents plans d’études quasi expérimentales. Nous discutons des problèmes qui se posent dans les conceptions d’études quasi expérimentales et proposons des méthodes pour les améliorer.

Méthodes

Nous avons passé en revue des articles et des chapitres de livres qui traitent de la conception d’études quasi expérimentales. La plupart des articles faisaient référence à 2 manuels, qui ont ensuite été examinés en profondeur.

Les principaux avantages et inconvénients des études quasi expérimentales, en ce qui concerne l’étude des maladies infectieuses, ont été identifiés. Les failles méthodologiques potentielles des quasi-expériences dans l’étude des maladies infectieuses ont été identifiées. De plus, une figure récapitulative décrivant une hiérarchie de plans d’étude quasi expérimentaux est fournie (figure 1): les plans avec des nombres plus élevés ont plus de validité interne vis-à-vis du lien de causalité potentiel entre l’intervention et le résultat.

Résultats et discussion

Qu’est-ce qu’une quasi-expérience?

Les quasi-expériences sont des études qui visent à évaluer des interventions mais qui n’utilisent pas la randomisation.Comme les essais randomisés, les quasi-expériences visent à démontrer la causalité entre une intervention et un résultat.

Sur la base de cette définition, il est évident que de nombreuses études publiées dans la littérature sur les maladies infectieuses et, en particulier, dans le l’étude de la résistance aux antibiotiques utilise le plan d’étude quasi expérimental. L’essai contrôlé randomisé est généralement considéré comme ayant le plus haut niveau de crédibilité en ce qui concerne l’évaluation de la causalité; cependant, dans un hôpital ou un établissement de santé publique, l’intervention ne peut souvent pas être randomisée, pour une ou plusieurs raisons: (1) des considérations éthiques, (2) une incapacité à randomiser les patients, (3) une incapacité à randomiser les emplacements, et (4) ) un besoin d’intervenir rapidement. Chacune de ces raisons est discutée ci-dessous.

Les considérations éthiques ne permettent généralement pas de refuser une intervention dont l’efficacité est connue. Si l’efficacité d’une intervention n’est pas établie, un essai contrôlé randomisé est la conception de choix pour déterminer l’efficacité. Mais si l’intervention à l’étude incorpore une intervention thérapeutique acceptée et bien établie, ou si l’intervention a une efficacité discutable sur la base d’études quasi-expérimentales ou observationnelles précédemment menées, alors des questions éthiques concernant la randomisation des patients sont soulevées.

Les interventions ne peuvent souvent pas être randomisées sur des patients individuels. Par exemple, en étudiant l’effet de l’utilisation d’un désinfectant pour les mains à base d’alcool sur les taux d’acquisition d’entérocoques résistants à la vancomycine (ERV), tel que déterminé par la culture de surveillance, il est difficile de randomiser l’utilisation du désinfectant dans des chambres individuelles ou des patients individuels, car , une fois désinfecté, il est peu probable qu’un membre du personnel accepte d’être recontaminé avant de voir le patient suivant – et une CISR n’est pas non plus susceptible d’accepter cela. De même, une intervention basée sur l’éducation pour réduire la PAV ne peut pas être randomisée sur des patients individuels.

Les interventions ne peuvent souvent pas être randomisées sur des sites individuels. Par exemple, il est difficile de répartir au hasard l’utilisation du désinfectant pour les mains à base d’alcool uniquement pour certains professionnels de la santé. Lorsque cette conception d’emplacements aléatoires est employée avec succès, les emplacements sont généralement séparés géographiquement; cela implique des questions supplémentaires de savoir si les autres facteurs relatifs à l’environnement sont différents, ce qui complique davantage la conception et l’analyse. Un compromis qui a été utilisé est de randomiser différentes unités dans le même hôpital. Cependant, il est difficile, politiquement, de mettre en œuvre l’utilisation d’un désinfectant à base d’alcool uniquement dans certaines parties d’un hôpital ou uniquement sur certains côtés d’un service. Une autre alternative sous-utilisée est l’essai de randomisation par grappes, dans lequel des groupes intacts ou des «grappes», plutôt que des individus, sont randomisés.

Il est souvent nécessaire, lorsqu’on cherche à contrôler une maladie infectieuse, d’intervenir rapidement, ce qui rend difficile la conduite correcte d’un essai randomisé. Lors d’épidémies d’infection causées par des bactéries résistantes aux antibiotiques, par exemple, il y a souvent des pressions pour mettre fin à l’épidémie en intervenant dans tous les domaines possibles et, par conséquent, il n’est pas possible de retenir soins, qui se produiraient dans un essai contrôlé randomisé dans lequel l’un des groupes n’a reçu aucun traitement. La nécessité clinique et éthique d’intervenir rapidement rend difficile, voire impossible, le long processus de mise en œuvre d’une étude randomisée. débat dans la littérature sur le taux de concordance entre les essais randomisés et les études observationnelles. Par conséquent, de nombreuses études sont menées rétrospectivement, après une intervention a été mise en œuvre pour mettre fin à une telle épidémie.

Quelles sont les menaces qui pèsent sur l’établissement de la causalité lorsque des modèles quasi-expérimentaux sont utilisés dans l’étude des maladies infectieuses?

L’absence de répartition aléatoire est la principale faiblesse du plan d’étude quasi expérimental. Les associations identifiées dans les quasi-expériences répondent à certaines exigences de causalité, car l’intervention précède la mesure du résultat. En outre, il peut être démontré que le résultat varie statistiquement avec l’intervention. Malheureusement, l’association statistique n’implique pas d’association causale, surtout si l’étude est mal conçue. Ainsi, dans de nombreuses quasi-expériences, on se retrouve le plus souvent avec la question: existe-t-il des explications alternatives à l’association causale apparente? Si ces explications alternatives sont crédibles, les preuves sont loin d’être convaincantes. Ces hypothèses rivales ou explications alternatives découlent des principes de conception des études épidémiologiques.

Les principes méthodologiques qui aboutissent le plus souvent à des explications alternatives dans les études quasi-expérimentales des maladies infectieuses sont les suivants: (1) difficulté à contrôler les des variables confondantes importantes, (2) des résultats qui sont expliqués par le principe statistique de la régression à la moyenne, et (3) des effets de maturation.

La difficulté de contrôler les variables confondantes importantes provient du manque de randomisation. Par exemple, dans une étude visant à démontrer que l’introduction d’un désinfectant pour les mains à base d’alcool a entraîné une baisse des taux d’acquisition de bactéries résistantes aux antibiotiques, il existe un certain nombre de variables de confusion potentielles importantes qui peuvent avoir différé entre les 2 périodes (c.-à-d. , les périodes de pré-intervention et de post-intervention); les variables comprennent la gravité de la maladie, la qualité des soins médicaux et infirmiers et les pratiques de prescription d’antibiotiques. Dans une régression multivariée, la première variable pourrait être traitée par des mesures de gravité de la maladie, mais les deuxième et troisième variables confondantes seraient difficiles, voire presque impossibles, à mesurer et à contrôler.

Régression vers le la moyenne est un phénomène statistique répandu. Cela peut conduire à conclure à tort qu’un effet est dû au traitement alors qu’il est, en fait, dû au hasard. Le phénomène a été décrit pour la première fois en 1886 par Francis Galton. Il a mesuré la taille adulte des enfants et de leurs parents, notant que, lorsque la taille moyenne des parents était supérieure à la taille moyenne de la population, les enfants avaient tendance à être plus petits que leurs parents. De même, lorsque la taille moyenne des parents était inférieure à la taille moyenne de la population, les enfants avaient tendance à être plus grands que leurs parents.

Dans le traitement de nombreuses maladies infectieuses, ce qui déclenche la mise en place d’un l’intervention est une augmentation du taux au-dessus de la moyenne ou de la norme. Par exemple, les graphiques de contrôle statistique sont souvent utilisés dans le contrôle des infections pour alerter le personnel de contrôle des infections que les taux de PAV ou d’acquisition de bactéries résistantes aux antibiotiques sont plus élevés que d’habitude. Le principe statistique de la régression à la moyenne prédit que ces taux élevés auront tendance à baisser, même sans intervention. Cependant, le personnel hospitalier ne peut pas attendre passivement que cette baisse se produise. Par conséquent, le personnel hospitalier met souvent en œuvre une ou plusieurs interventions et, si une baisse du taux se produit, il peut conclure à tort que la baisse est causalement liée à l’intervention. En fait, une autre explication pourrait être la régression vers la moyenne.

Les effets de maturation menacent la validité de la conclusion qu’une intervention a causé un résultat. Ces effets sont liés aux changements naturels que les patients subissent avec le temps. Ces changements de maturation peuvent menacer la validité interne de l’étude. De plus, il existe des tendances saisonnières cycliques qui peuvent menacer la validité d’attribuer un résultat observé à une intervention. Par exemple, les infections virales ont des tendances saisonnières conduisant à des taux plus élevés de VAP en hiver. Dans notre exemple d’étude, si le taux de PAV pré-intervention est mesuré en hiver, et que l’intervention a lieu au printemps, alors la baisse du taux de PAV peut être due à la tendance saisonnière et non à l’intervention.

Quels sont les différents plans d’étude quasi-expérimentaux?

Dans la littérature des sciences sociales, les études quasi-expérimentales sont divisées en 3 catégories de plans d’étude:

1. Plans d’études quasi expérimentaux qui n’utilisent pas de groupes témoins

2. Plans d’étude quasi-expérimentaux utilisant des groupes de contrôle mais pas de prétest

3. Plans d’étude quasi-expérimentaux utilisant des groupes de contrôle et des prétests

Il existe une hiérarchie au sein de ces catégories de plans d’étude, les études de catégorie 3 étant plus solides que celles des catégories 2 ou 1, en termes d’établissement de la causalité. Ainsi, si possible, les chercheurs devraient viser à concevoir des études qui entrent dans la catégorie 3.

Shadish et al. discuter de 7 modèles de la catégorie 1; 3 modèles de catégorie 2; et 6 modèles de catégorie 3. Nous avons déterminé que les études de catégorie 2 sont rarement applicables à la recherche sur les maladies infectieuses, car les mesures de prétest sont presque toujours disponibles. En outre, nous avons déterminé que la plupart des quasi-expériences dans l’étude des maladies infectieuses pouvaient être caractérisées par 5 plans d’étude dans la catégorie 1 et par 3 plans dans la catégorie 3, car les autres plans d’étude n’étaient pas utilisés dans l’étude des maladies infectieuses, selon le Littérature. Ainsi, pour simplifier, nous avons résumé les 8 plans d’étude les plus pertinents pour la recherche sur les maladies infectieuses dans les sections suivantes et dans la figure 1. Dans chaque notation symbolique, le temps se déplace de gauche à droite.

Catégorie 1: Quasi -des conceptions d’études expérimentales qui n’utilisent pas de groupes de contrôle.

1. Le plan de prétest-post-test à 1 groupe.

Il s’agit d’un plan d’étude couramment utilisé. Une seule mesure d’observation pré-test (O1) est effectuée, une intervention (X) est mise en œuvre et une mesure post-test (O2) est effectuée.Par exemple, O1 pourrait être le taux d’acquisition de l’ERV tel que déterminé par les résultats des cultures de surveillance périrectale, X pourrait être l’introduction de l’utilisation d’un désinfectant pour les mains à base d’alcool, et O2 pourrait être le taux d’acquisition d’acquisition de l’ERV après l’intervention . L’inclusion d’un prétest fournit des informations sur les taux d’acquisition qui auraient pu être si l’intervention n’avait pas eu lieu.

2. Le plan de prétest-post-test à 1 groupe qui utilise un double prétest.

L’avantage de ce plan d’étude par rapport au plan 1 est que l’ajout d’une deuxième mesure de prétest avant l’intervention réduit la probabilité que la régression la moyenne, la maturation et / ou la saisonnalité pourraient expliquer l’association observée entre l’intervention et le résultat post-test. Par exemple, dans une étude dans laquelle l’utilisation d’un désinfectant pour les mains à base d’alcool a conduit à des taux d’acquisition d’ERV inférieurs (O3 < O2 et O1), si 1 étude comportait 2 mesures pré-intervention d’ERV taux d’acquisition (O1 et O2), et ils étaient tous les deux élevés, cela suggérerait qu’il y avait une diminution de la probabilité que l’O3 soit plus faible en raison de variables confondantes, d’effets de maturation, d’effets saisonniers ou de régression vers la moyenne.

3. La conception prétest-post-test à 1 groupe qui utilise une variable dépendante non équivalente.

Cette conception implique l’inclusion d’une variable dépendante non équivalente (b), en plus de la variable dépendante principale (a). Les variables a et b devraient évaluer des constructions similaires; autrement dit, les 2 mesures doivent avoir des variables causales potentielles et des variables de confusion similaires, à l’exception de l’effet de l’intervention. La variable a devrait changer en raison de l’intervention X, alors que la variable b ne l’est pas. En prenant notre exemple de VAP, la variable a pourrait être l’incidence de la VAP, et la variable b pourrait être l’incidence des infections des voies urinaires (IVU) associées au cathéter. Si une intervention éducative vise à encourager le personnel hospitalier à élever la tête des lits des patients et à suivre un protocole de sevrage par ventilation mécanique, on s’attend à observer une diminution de l’incidence de la PAV mais pas de l’incidence des infections urinaires. Cependant, un certain nombre de variables de confusion importantes, telles que la gravité de la maladie et les pratiques de prescription d’antibiotiques, pourraient affecter les deux mesures des résultats. Ainsi, si les taux de PAV et d’UTI étaient tous deux mesurés, et si les taux de PAV diminuaient après l’intervention mais les taux d’UTI non, alors les données seraient plus convaincantes que si seuls les taux de VAP étaient mesurés.

Cette conception ajoute une troisième mesure post-test (03) à la conception prétest-post-test à 1 groupe, puis supprime l’intervention avant un la mesure finale (O4) est faite. L’avantage de cette conception est qu’elle permet de tester des hypothèses sur le résultat à la fois en présence et en l’absence de l’intervention. Ainsi, si l’on prévoit une diminution de l’ou entre O1 et O2 (c’est-à-dire après la mise en œuvre de l’intervention), on prédirait alors une augmentation du résultat entre O3 et O4 (c’est-à-dire après la suppression de l’intervention). Une mise en garde est que, si l’intervention est censée avoir des effets persistants, alors l’O4 doit être mesuré une fois que ces effets auront probablement disparu. Par exemple, une étude serait plus convaincante si elle démontrait que les taux d’acquisition d’ERV diminuaient suite à une intervention avec un désinfectant pour les mains à base d’alcool (O2 et O3 inférieurs à O1) et que lorsque l’utilisation du désinfectant était interrompue, les taux augmentaient (O4 supérieure à O2 et O3 et plus proche de 01).

L’avantage de cette conception est qu’elle démontre la reproductibilité de l’association entre l’intervention et le résultat. Par exemple, l’association est plus susceptible d’être causale si l’on démontre que l’utilisation d’un désinfectant pour les mains à base d’alcool entraîne une diminution des taux de résistance aux antibiotiques à la fois lors de sa première introduction et à nouveau lors de sa réintroduction après une interruption de l’intervention. Comme dans le plan d’étude 3, il faut faire l’hypothèse que l’effet de l’intervention est transitoire. Cette conception n’est pas souvent utilisée dans l’étude des maladies infectieuses en raison des problèmes éthiques liés à la suppression d’un traitement qui semble efficace. Cependant, du point de vue épidémiologique, c’est une meilleure conception que celles décrites précédemment.

Catégorie 3: Modèles quasi-expérimentaux utilisant des groupes de contrôle et des prétests. Le lecteur doit noter que, dans tous ces plans d’étude, l’intervention n’est pas aléatoire. Les groupes témoins choisis sont des groupes de comparaison. L’obtention de mesures de prétest pour les groupes d’intervention et de contrôle permet d’évaluer la comparabilité initiale des groupes. L’hypothèse est que plus la différence entre les mesures de prétest est petite, moins il y a de chances qu’il y ait des variables de confusion importantes entre les 2 groupes.