Aller au contenu
Biostatistique · L2

Leçon 1 sur 5

Variables, échantillonnage et plans de sondage en santé

Je sais classer les variables d'une étude de santé, définir la population et la base de sondage, choisir un plan d'échantillonnage et calculer une taille d'échantillon simple.

  • 1 h 20
  • 6 exercices corrigés
  • QCM de 7 questions

À la fin de la leçon, vous saurez :

  • Distinguer variables qualitatives (nominales, ordinales) et quantitatives (discrètes, continues)
  • Définir population cible, population source, base de sondage et unité statistique
  • Décrire les plans aléatoire simple, systématique, stratifié et en grappes
  • Calculer une taille d'échantillon pour estimer une proportion, avec effet de plan et non-réponse
  • Repérer les principaux biais de sélection

Avant de commencer : Statistique descriptive de L1 (moyenne, écart-type, fréquences) ; notions de probabilités du lycée.

1Je découvre

La direction préfectorale de la santé de Kindia prépare une enquête sur l'anémie des enfants de 6 à 59 mois. Elle confie le travail à une équipe d'étudiants en biologie médicale et en santé publique, encadrée par le laboratoire de l'hôpital régional. Dans toute cette unité, nous suivrons cette enquête fictive, que nous appellerons l'étude ANEMIK.

La première réunion tourne court. Un étudiant propose : « On prend les enfants qui viennent au centre de santé cette semaine, c'est plus simple. » Une autre répond : « Mais les enfants malades viennent plus souvent, on va surestimer l'anémie ! » Le médecin-chef ajoute : « Et combien d'enfants faut-il prélever ? Les bandelettes et le matériel de mesure de l'hémoglobine coûtent cher. »

Avant de mesurer quoi que ce soit, il faut donc savoir ce que l'on mesure, sur qui, comment on choisit les enfants et combien il en faut.

Comment définir les variables d'une étude de santé et construire un échantillon représentatif de taille suffisante ?

2Je comprends

1. Population, unité statistique et variables

En biostatistique, on distingue plusieurs niveaux :

NotionDéfinitionDans l'étude ANEMIK
Population cibleEnsemble sur lequel on veut conclureTous les enfants de 6 à 59 mois de la préfecture de Kindia
Population sourcePartie de la population cible réellement accessibleEnfants recensés dans les villages et quartiers de la préfecture
Base de sondageListe (ou carte) qui permet de tirer les unitésListe des villages et quartiers avec leur nombre d'habitants
Unité statistiqueÉlément sur lequel on observe les variablesUn enfant
ÉchantillonSous-ensemble effectivement étudiéLes enfants tirés au sort et prélevés

Une variable est une caractéristique observée sur chaque unité. On la classe selon la nature de ses valeurs :

TypeSous-typeValeursExemples en santé
QualitativeNominaleCatégories sans ordreSexe, groupe sanguin, espèce plasmodiale
QualitativeOrdinaleCatégories ordonnéesAnémie absente / légère / modérée / sévère ; stade d'une maladie
QuantitativeDiscrèteValeurs entières, comptagesNombre d'épisodes de paludisme dans l'année, parité
QuantitativeContinueToute valeur d'un intervalleHémoglobine (g/dL), poids (kg), température (°C)

Une variable qualitative à deux modalités (oui/non, malade/non malade) est dite binaire ou dichotomique. Une variable quantitative peut être recodée en classes (Hb < 11 g/dL : anémie oui/non), mais on perd alors de l'information : on conserve toujours la valeur brute dans la base de données.

Le type de variable commande la suite : on résume une variable qualitative par des effectifs et des pourcentages, une variable quantitative par une moyenne et un écart-type (ou une médiane et des quartiles), et le choix des tests de la leçon 4 en dépend.

2. Pourquoi échantillonner, et ce que l'on risque

On étudie un échantillon parce que la population entière serait trop coûteuse, trop longue, ou parce que la mesure est invasive (une prise de sang). Le résultat obtenu sur l'échantillon (une statistique, par exemple la proportion observée p) sert à estimer la valeur inconnue dans la population (le paramètre p).

Deux sources d'erreur s'ajoutent :

  • l'erreur aléatoire (fluctuation d'échantillonnage) : deux échantillons différents donnent des résultats différents. Elle diminue quand la taille augmente et elle se quantifie (leçon 3) ;
  • l'erreur systématique ou biais : l'échantillon ne ressemble pas à la population, quelle que soit sa taille. Elle ne diminue pas avec la taille.

Principaux biais de sélection :

  • biais de recrutement : prendre les enfants qui consultent (plus souvent malades) ;
  • biais de non-réponse : les familles absentes ou qui refusent diffèrent des autres ;
  • biais de volontariat : les volontaires sont souvent plus soucieux de leur santé ;
  • base de sondage incomplète : des hameaux récents absents de la liste.

La seule protection générale contre le biais de sélection est le tirage au sort (échantillonnage probabiliste) à partir d'une base de sondage complète.

3. Les plans d'échantillonnage probabilistes

Dans un plan probabiliste, chaque unité a une probabilité connue et non nulle d'être tirée.

PlanPrincipeAvantagesLimites
Aléatoire simpleToutes les unités ont la même probabilité ; tirage par table ou logicielSimple à analyserExige une liste complète des individus ; dispersion géographique coûteuse
SystématiqueOn tire une unité sur k à partir d'un départ aléatoire (k = N/n)Très pratique sur des registres ou des filesBiais si la liste a une périodicité liée à la variable
StratifiéOn divise la population en strates homogènes (milieu urbain/rural…) et on tire dans chaque stratePlus précis ; résultats par strateExige de connaître la strate de chaque unité
En grappesOn tire des groupes (villages, écoles), puis on enquête tout ou partie de chaque groupeÉconomique sur le terrain ; pas besoin de liste d'individusMoins précis : les individus d'une même grappe se ressemblent

Le sondage à deux degrés combine les deux idées : on tire d'abord des grappes (villages) avec une probabilité proportionnelle à leur taille, puis un nombre fixe d'enfants dans chaque village tiré. C'est le schéma classique des enquêtes de couverture vaccinale et des enquêtes nutritionnelles.

Les plans non probabilistes (convenance, quotas, boule de neige) sont utiles pour une étude exploratoire, mais ne permettent pas de généraliser proprement à la population.

Exemple

Tirage systématique au laboratoire de l'hôpital régional.

Le registre de l'année compte N = 1 200 numérations formule sanguine ; on veut en relire n = 120.

Étape 1 : pas de sondage k = N / n = 1 200 / 120 = 10.

Étape 2 : on tire au hasard un départ entre 1 et 10, par exemple 7.

Étape 3 : on relit les dossiers n° 7, 17, 27, 37, …, 1 197.

Vérification : de 7 à 1 197 par pas de 10, on obtient (1 197 − 7) / 10 + 1 = 120 dossiers.

4. L'allocation dans un plan stratifié

Avec une allocation proportionnelle, chaque strate reçoit une part de l'échantillon égale à son poids dans la population :

nh = n × NhN

où Nh est l'effectif de la strate h et N l'effectif total.

Exemple

Supposons 10 000 enfants de 6 à 59 mois répartis en trois strates, et un échantillon total n = 400.

Strate urbaine : 4 000 enfants → n = 400 × 4 000 / 10 000 = 160.

Strate périurbaine : 2 500 enfants → n = 400 × 2 500 / 10 000 = 100.

Strate rurale : 3 500 enfants → n = 400 × 3 500 / 10 000 = 140.

Contrôle : 160 + 100 + 140 = 400.

Quand les strates ont des poids très différents ou qu'on veut un résultat précis dans une petite strate, on peut faire une allocation non proportionnelle ; il faut alors pondérer les résultats lors de l'analyse pour retrouver une estimation valable sur l'ensemble.

5. Calculer la taille d'un échantillon pour estimer une proportion

Pour estimer une proportion p avec une précision absolue e (demi-largeur de l'intervalle de confiance) et un niveau de confiance de 95 %, la formule de base, pour un sondage aléatoire simple, est :

n0 = z2 p (1-p)e2 avec z = 1,96

  • p est une valeur attendue (étude antérieure, étude pilote) ; si on ne sait rien, on prend p = 0,5, qui donne la taille maximale ;
  • on arrondit toujours au nombre entier supérieur.

Ajustements courants :

  • effet de plan (deff) pour un sondage en grappes : n1 = n0 × deff (souvent 1,5 à 2 dans les enquêtes nutritionnelles, à justifier) ;
  • non-réponse attendue de taux r : n = n1 / (1 - r) ;
  • petite population (facultatif) : n' = n0 / (1 + n0/N) si l'échantillon représente une part importante de la population.

Méthode

  1. Fixer le niveau de confiance (95 % donc z = 1,96) et la précision e souhaitée.
  2. Choisir la proportion attendue p (littérature, étude pilote, ou 0,5 par prudence).
  3. Calculer n0 = z² p(1 − p) / e² et arrondir à l'entier supérieur.
  4. Multiplier par l'effet de plan si le sondage est en grappes.
  5. Diviser par (1 − taux de non-réponse) et arrondir à l'entier supérieur.
  6. Répartir l'échantillon (strates ou grappes) et vérifier la faisabilité (budget, réactifs, équipes).

Exemple

Étude ANEMIK, sondage à deux degrés.

Étape 1 : z = 1,96 ; précision e = 0,05 (± 5 points).

Étape 2 : prévalence inconnue, on prend p = 0,5.

Étape 3 : n0 = 1,96² × 0,5 × 0,5 / 0,05² = 3,8416 × 0,25 / 0,0025 = 384,16 → 385 enfants.

Étape 4 : effet de plan supposé égal à 2 → n1 = 385 × 2 = 770.

Étape 5 : non-réponse attendue 10 % → n = 770 / 0,9 = 855,6 → 856 enfants.

Étape 6 : 30 villages tirés × 29 enfants par village = 870 ≥ 856 : le plan est suffisant.

6. Du protocole à la base de données

Un plan d'échantillonnage n'a de valeur que si le protocole est respecté :

  • un dictionnaire des variables (nom, définition, type, unité, valeurs possibles) est rédigé avant la collecte ;
  • les appareils de mesure (hémoglobinomètre portable, balance) sont étalonnés et les enquêteurs formés de la même façon ;
  • chaque enfant reçoit un identifiant anonyme ; le consentement éclairé du parent ou tuteur est recueilli selon les règles du comité d'éthique compétent ;
  • on note les refus et absences pour pouvoir chiffrer la non-réponse.

3Je retiens

Je retiens

Population cible, base de sondage, unité statistique, échantillon : quatre notions à définir dès le protocole.

Qualitative nominale ou ordinale ; quantitative discrète ou continue : le type de variable commande l'analyse.

L'erreur aléatoire diminue avec la taille ; le biais de sélection ne diminue pas.

Le tirage au sort sur une base complète est la meilleure protection contre le biais de sélection.

Plans probabilistes : aléatoire simple, systématique (pas k = N/n), stratifié, en grappes, à deux degrés.

Allocation proportionnelle : n_h = n × N_h / N.

Taille pour une proportion : n0 = z² p(1 − p) / e², puis × effet de plan, puis ÷ (1 − non-réponse).

On arrondit toujours une taille d'échantillon à l'entier supérieur.

4Erreurs fréquentes

  • Recruter les patients qui consultent pour estimer une fréquence dans la population générale.
  • Croire qu'un très grand échantillon corrige un biais de sélection.
  • Oublier l'effet de plan dans un sondage en grappes : l'échantillon est alors trop petit.
  • Arrondir une taille d'échantillon à l'entier inférieur.
  • Confondre précision absolue (± 5 points) et précision relative (± 5 % de la valeur).
  • Ne garder que la variable recodée (anémie oui/non) et perdre la valeur mesurée.

5Je m’exerce

1Exercice 1

Donnez le type (qualitative nominale, qualitative ordinale, quantitative discrète, quantitative continue) des variables suivantes : a) groupe sanguin ABO ; b) glycémie à jeun en g/L ; c) nombre de consultations prénatales ; d) stade de l'anémie (absente, légère, modérée, sévère) ; e) résultat du TDR du paludisme (positif/négatif) ; f) âge en mois révolus.

Voir le corrigéCacher le corrigé

a) Qualitative nominale (A, B, AB, O, sans ordre). b) Quantitative continue. c) Quantitative discrète (comptage). d) Qualitative ordinale (catégories ordonnées). e) Qualitative nominale binaire. f) Quantitative discrète en pratique (âge arrondi en mois entiers), même si l'âge exact est une grandeur continue.

2Exercice 2

Une étudiante veut connaître la proportion de femmes enceintes qui dorment sous moustiquaire dans une commune urbaine de Conakry. Elle interroge les femmes présentes en consultation prénatale un lundi matin. a) Quelle est la population cible ? b) Quel est le principal biais ? c) Proposez une base de sondage plus adaptée.

Voir le corrigéCacher le corrigé

a) Toutes les femmes enceintes résidant dans la commune. b) Biais de recrutement : les femmes qui viennent en consultation prénatale sont souvent mieux informées et reçoivent parfois une moustiquaire à cette occasion ; celles qui ne consultent pas sont exclues. Le choix d'un seul lundi matin ajoute un biais de convenance. c) Une base de sondage géographique : liste des quartiers et des secteurs avec leur population, puis tirage de ménages et enquête de toutes les femmes enceintes des ménages tirés (sondage en grappes ou à deux degrés).

3Exercice 3

Le registre d'un centre de santé de Kankan compte 2 400 consultations d'enfants dans l'année. On veut en relire 160 par tirage systématique. a) Calculez le pas de sondage. b) Si le départ tiré au hasard est 4, donnez les trois premiers et le dernier numéro relus.

Voir le corrigéCacher le corrigé

a) k = 2 400 / 160 = 15. b) Numéros 4, 19, 34, … Le dernier est 4 + 15 × (160 - 1) = 4 + 2 385 = 2 389. On relit bien 160 dossiers, tous inférieurs ou égaux à 2 400.

4Exercice 4

Une enquête dans la préfecture de Labé porte sur 12 000 ménages : 3 000 en zone urbaine et 9 000 en zone rurale. On tire 600 ménages par sondage stratifié avec allocation proportionnelle. a) Combien de ménages par strate ? b) Pourquoi la stratification améliore-t-elle la précision ?

Voir le corrigéCacher le corrigé

a) Zone urbaine : 600 × 3 000 / 12 000 = 150 ménages ; zone rurale : 600 × 9 000 / 12 000 = 450 ménages ; total 600. b) Les strates regroupent des ménages qui se ressemblent (conditions de vie, accès aux soins). La variabilité à l'intérieur de chaque strate est plus faible que dans l'ensemble ; or la précision dépend de cette variabilité interne. De plus, on garantit que chaque milieu est représenté dans la bonne proportion, ce que le hasard seul ne garantit pas.

5Exercice 5

On veut estimer la prévalence du portage de l'antigène HBs chez des donneurs de sang, avec une précision absolue de ± 3 points et une confiance de 95 %. Une étude antérieure suggère une prévalence voisine de 15 %. a) Calculez la taille d'échantillon pour un sondage aléatoire simple. b) Que devient-elle avec 5 % de non-réponse ?

Voir le corrigéCacher le corrigé

a) n0 = 1,962 × 0,15 × 0,85 / 0,032 = 3,8416 × 0,1275 / 0,0009 = 544,2 ; on arrondit à 545 donneurs. b) 545 / 0,95 = 573,7, soit 574 donneurs à inclure.

6Exercice 6

(Type examen) La direction préfectorale de N'Zérékoré veut estimer la couverture en vaccin antirougeoleux chez les enfants de 12 à 23 mois. Elle dispose de la liste des villages et quartiers avec leur population, mais pas de liste nominative des enfants. a) Quel plan d'échantillonnage recommandez-vous ? Justifiez. b) Calculez la taille d'échantillon avec une couverture attendue de 70 %, une précision de ± 5 points, une confiance de 95 %, un effet de plan de 2 et 10 % de non-réponse. c) Proposez un nombre de grappes et d'enfants par grappe. d) Citez deux biais possibles et une mesure pour limiter chacun.

Voir le corrigéCacher le corrigé

a) Un sondage à deux degrés en grappes : tirage des villages et quartiers avec probabilité proportionnelle à leur population (la liste existe), puis tirage des enfants de 12 à 23 mois dans chaque grappe (par exemple par une méthode de sélection aléatoire des ménages). Ce plan ne demande pas de liste nominative des enfants et réduit les déplacements. b) n0 = 1,962 × 0,7 × 0,3 / 0,052 = 3,8416 × 0,21 / 0,0025 = 322,7, soit 323 ; avec l'effet de plan : 323 × 2 = 646 ; avec la non-réponse : 646 / 0,9 = 717,8, soit 718 enfants. c) Par exemple 30 grappes de 24 enfants (30 × 24 = 720 ≥ 718) ; plus de grappes avec moins d'enfants chacune donne en général une meilleure précision à taille égale. d) Biais de non-réponse (ménages absents) : prévoir des retours dans les ménages absents et noter les refus. Biais de mesure (statut vaccinal déclaré par la mère, souvenir imprécis) : privilégier la carte de vaccination ou le carnet de santé et noter la source de l'information. On peut aussi citer une base de sondage incomplète (quartiers récents absents) : mettre à jour la liste avec les autorités locales.

Cherchez d’abord seul, sur votre cahier, puis ouvrez le corrigé pour comparer.

6Je vérifie

Choisissez une réponse pour chaque question : la correction s’affiche aussitôt.

1Le stade d'une maladie (I, II, III, IV) est une variable :
Voir la réponse

Réponse B : qualitative ordinale. Les stades sont des catégories ordonnées, pas des mesures.

2La base de sondage est :
Voir la réponse

Réponse B : la liste ou la carte qui permet de tirer les unités. Sans base de sondage complète, le tirage au sort n'est pas possible.

3Augmenter la taille de l'échantillon réduit :
Voir la réponse

Réponse A : l'erreur aléatoire. Un biais de sélection persiste quelle que soit la taille.

4Dans un registre de 900 dossiers, on veut en tirer 90 par sondage systématique. Le pas vaut :
Voir la réponse

Réponse B : 10. k = N/n = 900/90 = 10.

5Dans un sondage en grappes, l'effet de plan est en général :
Voir la réponse

Réponse C : supérieur à 1. Les individus d'une même grappe se ressemblent : il faut plus de sujets pour la même précision.

6Pour une précision de ± 5 points à 95 % et sans information sur p, la taille minimale en sondage aléatoire simple est :
Voir la réponse

Réponse C : 385. 1,962 × 0,25 / 0,0025 = 384,16, arrondi à 385.

7Avec une allocation proportionnelle, une strate représentant 30 % de la population reçoit, pour n = 500 :
Voir la réponse

Réponse B : 150 sujets. 500 × 0,30 = 150.

Karamö, votre enseignant

Il a lu cette leçon. Posez-lui votre question : il vous répond ici.

Connectez-vous pour poser vos questions à Karamö.

Vous avez fini la leçon ?

Avec un compte Kharandi gratuit, vous cochez les leçons terminées et vous suivez votre progression, cours par cours.

Karamö
Un point pas clair ? Dites à Karamö ce qui vous bloque dans cette leçon : il vous l’explique autrement, pas à pas, sans faire le travail à votre place. Demander à Karamö
Signaler une erreur dans cette leçon

Toutes les leçons de Biostatistique

Pose ta question à Karamö