Crude co-mention trends and standardized observed-to-expected ratios can move in opposite directions: a decomposition, with an application to US multiple-cause-of-death data
Cet article démontre, par une décomposition mathématique et des données de mortalité aux États-Unis, que les tendances brutes de co-mention peuvent diverger des ratios de surreprésentation standardisés lorsque la fréquence de base d'une co-condition change, soutenant ainsi que l'interprétation d'une métrique comme substitut de l'autre sans tenir compte de ce changement de fréquence de base peut conduire à des conclusions trompeuses sur la charge de comorbidité.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Lorsqu'une personne décède, le registre officiel de son décès est bien plus qu'une simple cause ; c'est une liste de toutes les conditions médicales qui ont contribué à la fin de sa vie. Les chercheurs utilisent ces listes, connues sous le nom de registres de causes de décès multiples, pour comprendre comment différentes maladies progressent ensemble. Si un médecin inscrit à la fois l'insuffisance cardiaque et la maladie rénale sur le même certificat, cela suggère un lien entre les deux. En comptant la fréquence à laquelle ces paires apparaissent ensemble au fil du temps, les scientifiques tentent de voir si la connexion entre des maladies spécifiques se renforce, s'affaiblit ou reste constante. Cette information est vitale pour la santé publique, car elle aide les responsables à comprendre si le fardeau des maladies complexes et imbriquées augmente au sein de la population. Cependant, il existe un piège caché dans la lecture de ces chiffres. Un simple décompte de la fréquence à laquelle deux conditions apparaissent ensemble peut augmenter, même si le lien médical réel entre elles s'estompe. Cela se produit parce que la fréquence de fond de l'une des conditions peut augmenter pour des raisons totalement indépendantes de l'autre, créant une illusion statistique selon laquelle les deux deviendraient plus étroitement liées alors que ce n'est pas le cas.
Un chercheur nommé Sekani Nicolas Boxill s'est donné pour mission de démêler cette confusion en examinant des données réelles provenant des États-Unis sur deux décennies. L'étude s'est concentrée sur quatre infections graves différentes et sur la fréquence à laquelle elles apparaissaient aux côtés d'une maladie rénale chronique sur les certificats de décès. Le chercheur a examiné les chiffres bruts, qui comptent simplement combien de personnes sont décédées avec ces deux conditions, et les a comparés à un calcul plus raffiné. Cette méthode raffinée pose une question différente : compte tenu de l'âge et du sexe des personnes décédées de l'infection, combien d'entre elles auraient également souffert de maladie rénale selon les tendances de la population générale ? En séparant le décompte brut en ces deux parties — le décompte brut et la fréquence de fond attendue — le cherchereur a pu voir ce qui pilotait réellement les tendances.
Les résultats ont révélé une contradiction frappante dans les données pour l'endocardite infectieuse, une infection grave du cœur. Entre 2013 et 2019, le pourcentage brut des décès par infection cardiaque mentionnant également une maladie rénale a augmenté régulièrement, progressant de près d'un point de pourcentage chaque année. Une lecture superficielle de ce chiffre suggérerait que les deux conditions deviennent plus fréquemment liées. Cependant, lorsque le chercheur a appliqué le calcul raffiné pour tenir compte de la hausse du taux de fond de la maladie rénale dans la population générale, le tableau s'est complètement inversé. La mesure de la façon dont les deux conditions étaient réellement surreprésentées ensemble a chuté de plus de deux points et demi par an. Le chiffre brut a augmenté parce que la maladie rénale devenait plus courante sur les certificats de décès de manière globale, et non parce que l'infection cardiaque attirait soudainement plus de patients insuffisants rénaux qu'auparavant.
Ce même schéma de tendances opposées est apparu pour d'autres paires également. Pour la septicémie, une infection sanguine grave, le taux de co-mention brute a montré une légère hausse statistiquement incertaine, tandis que la mesure raffinée montrait un déclin clair et constant. Dans le cas de la pneumonie, les deux chiffres augmentaient, mais le décompte brut grimpait beaucoup plus vite que la mesure raffinée, indiquant que l'augmentation était largement tirée par la hausse générale des mentions de maladie rénale plutôt que par un renforcement spécifique du lien entre la pneumonie et l'insuffisance rénale. L'étude a également mis en évidence une période spécifique en 2011 et 2012 où un changement dans la manière dont la maladie rénale était codée sur les certificats de décès a provoqué un bond soudain des mentions dans toutes les catégories. Ce changement de codage a affecté les chiffres bruts et les attentes de fond de manière égale, prouvant que les ajustements statistiques standards ne peuvent pas toujours corriger les changements soudains dans la manière dont les données sont enregistrées.
Le chercheur a ensuite examiné comment d'autres scientifiques interprétaient des données similaires. Une revue de vingt-cinq études récentes a révélé que la plupart des chercheurs rapportaient la hausse brute des décès co-occurrents comme la preuve d'un fardeau croissant ou d'un lien se renforçant entre les maladies. Bien que bon nombre de ces études aient comparé leurs résultats à une forme de tendance de fond, aucune n'avait décomposé le chiffre brut en ses deux composantes distinctes : la fréquence de fond attendue et la véritable surreprésentation relative. Cela signifie que le domaine a manqué une étape cruciale de son analyse. L'étude conclut qu'un chiffre brut en hausse ne signifie pas automatiquement qu'une paire de maladies devient plus dangereuse ou plus liée. Pour comprendre la véritable histoire, les chercheurs doivent examiner la fréquence de fond des conditions et calculer le ratio de ce qui est observé par rapport à ce qui est attendu. Sans cette séparation, les données peuvent facilement raconter une histoire de connexion croissante là où aucune n'existe réellement.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.