Connaître la notion et le rôle de l'ajustement. Savoir interpréteret lire un résultat ajusté OIC-020-14-B
Connaître la notion et le rôle de l'ajustement. Savoir interpréteret lire un résultat ajusté OIC-020-14-B
L’ajustement est une méthode d'analyse statistique permettant de tenir compte d’un ou plusieurs facteurs de confusion (tiers facteur lié à la fois à l’exposition explorée et à la survenue du phénomène de santé étudié).
Une mesure d'association ajustée est souvent issue d’une méthode d’analyse multivariée (comme une régression linéaire, une régression logistique, ou un modèle de Cox) permettant d’identifier les facteurs d’exposition étudiés qui sont indépendamment liés au phénomène étudié (critère de jugement), en tenant compte des facteurs de confusion (leur effet est neutralisé), c’est-à-dire identifier l’impact des facteurs d’exposition étudiés, toutes choses égales par ailleurs.
Les mesures d’association non-ajustées sont dites brutes.
Exemple : le tableau suivant est extrait de “Prado et al, Lancet Oncol 2008, 9:629-35” et présente les hazard ratios bruts (Univariate analysis) et ajustés (Multivariate analysis) mesurant l’association entre la présence d’une sarcopénie (facteur d’exposition étudié) et la survie (critère de jugement) chez les patients obèses atteints de cancer respiratoire ou digestif. L’association entre la sarcopénie et la survie chez ces patients est significative en univariée avec un HR brut à 2,4 (IC95%=[1,5-3,9]). Cette association reste significative après ajustement sur le statut fonctionnel, la localisation et le stade du cancer avec un HR ajusté à 4,2 (IC95%=[2,4-7,2]).
