Cialis (Tadalafil) - FAQ Méthodes statistiques dans l’étude mondiale entérique multicentrique GEMS

Méthodes statistiques dans l’étude mondiale entérique multicentrique GEMS

L’étude GEMS mondiale sur les entéropathies entériques est une étude du nombre de cas et de l’incidence de la diarrhée modérée à sévère chez les enfants. La fraction attribuable à la population pour un pathogène putatif, non ajusté ou ajusté pour d’autres agents pathogènes, est estimée en utilisant la proportion de cas de TMS chez lesquels le pathogène a été isolé et le rapport de cotes pour MSD La fraction attribuable ajustée, la proportion de cas de TMS prélevés dans un centre de santé sentinelle, le nombre de cas se présentant à un CSS et la population du site sont utilisés pour estimer le nombre annuel de cas de TMS et d’incidence de TMS. taux attribuable à un agent pathogène ou à un groupe d’agents pathogènes Les associations avec les décès et les résultats nutritionnels, vérifiées lors des visites de suivi auprès des ménages cas et témoins, sont évaluées à la fois dans les cas de TMS et dans la population

Les maladies diarrhéiques sont l’une des principales causes de décès chez les enfants. Les interventions visant à réduire ce fardeau de maladie entérique chez les populations pédiatriques les plus défavorisées au monde devraient comprendre des vaccins spécifiques aux pathogènes et des diagnostics suivis d’un traitement spécifique, ainsi que l’utilisation élargie de schémas thérapeutiques non spécifiques tels que les médicaments oraux. réhydratation et zinc Malgré une pléthore d’études de sites individuels , et quelques études multinationales coordonnées portant sur la conception des cohortes cas / contrôle et prospective, il subsiste de nombreux désaccords sur l’importance relative de divers pathogènes bactériens, viraux et protozoaires spécifiques Comme des pathologies diarrhéiques supplémentaires ont été décrites ces dernières années et que les tests microbiologiques diagnostiques sont devenus plus sensibles, la nécessité d’une étude définitive des maladies diarrhéiques pédiatriques a bénéficié d’un large soutien et d’un certain dynamisme [ ] Cela a conduit à l’initiation de la Global Enteric Multicente r Etudier GEMS, une étude de cas / contrôle assortie du fardeau, en termes de nombre de cas et de taux d’incidence, de diarrhée modérée à sévère chez les enfants & lt; Dans ce supplément, GEMS, Levine et al. et Kotloff et coll., qui impliquent la détection d’un large éventail d’agents étiologiques dans les cas de TMS enrôlés et leurs témoins appariés. , représente une entreprise multisite historique qui applique des méthodes microbiologiques spécifiques standardisées pour détecter des signes d’infection par un ou plusieurs agents pathogènes potentiels et utilise les données obtenues pour estimer la charge de morbidité attribuable à des pathogènes spécifiques. Dans cet article, nous décrivons et illustrons les principales méthodes statistiques utilisées dans GEMS Elles comprennent des méthodes pour évaluer les associations entre la présence de pathogènes spécifiques et d’autres variables d’intérêt et MSD, estimer la proportion et le nombre absolu de cas de MSD dues à des pathogènes spécifiques, estimer l’incidence de MSD et la proportion de Les cas de TMS qui sont dirigés vers l’un des centres de santé désignés comme site d’étude appelé santé sentinelle centres [CSS], et évaluer les associations entre les pathogènes et d’autres variables d’intérêt avec des résultats autres que les TMS

ÉTUDIER LE DESIGN

Pour GEMS, MSD est défini par un épisode de diarrhée ≥ selles molles dans une période de -heure avec apparition dans les derniers jours et au moins jours après la fin de tout épisode précédent, et au moins de ce qui suit: yeux enfoncés, plus que la normale ; perte de turgescence cutanée; réhydratation intraveineuse administrée ou prescrite; sang visible dans les selles; ou hospitalisation avec diarrhée Sur chaque site d’étude GEMS, des enfants âgés de mois atteints de TMS et amenés à l’un des CSS du site ont été enrôlés dans l’étude, avec ou plus de témoins assortis selon l’âge, le temps en quelques jours grain de beauté. de l’inscription des cas, et le lieu géographique de résidence Jusqu’à ou cas par semaine dans chaque strate d’âge -, -, et – mois étaient généralement inscrits pendant une année d’inscription sur chaque site Ces strates représentent les groupes d’âge dans lesquels MSD Par exemple, certaines étiologies sont relativement plus importantes chez les nourrissons, tandis que d’autres sont plus fréquentes chez les tout-petits ou les enfants d’âge préscolaire atteints de TMS La plupart de nos analyses ont été effectuées dans ces tranches d’âge Le calcul de la puissance statistique a été basé sur la comparaison de proportions indépendantes; Pour un degré modéré de corrélation entre la présence d’un agent pathogène dans un cas et dans son témoin apparié, la puissance pour une taille d’échantillon donnée sera plus élevée pour un test conçu pour des données appariées. Cette taille d’échantillon devrait être suffisante, par exemple, pour qu’un test au niveau de signification en% du% puisse trouver une différence significative entre les proportions de cas et de contrôles pour lesquels un pathogène spécifique est isolé, si les proportions vraies respectives sont% Des échantillons de selles ont été prélevés dans chaque cas et contrôlés pour l’identification des agents pathogènes entériques potentiels. Des données démographiques, anthropométriques et autres sur l’enfant étudié et le ménage ont été recueillies lors de l’inscription et également lors d’une visite à domicile environ – jours après l’enrôlement. étude de contrôle, une Enquête sur l’utilisation et les attitudes des soins de santé HUAS, basée sur un échantillonnage aléatoire du système de surveillance démographique de chaque site DSS, a été menée avant le début de l’étude Des versions tronquées de l’HUAS, connu sous le nom de HUAS-lite, ont été menées plusieurs fois au cours des années d’enrôlement et de contrôle. Le HUAS a été utilisé pour évaluer les associations entre divers facteurs démographiques. Les enquêtes HUAS-lite sont principalement utilisées pour estimer la proportion d’enfants atteints de TMS qui ont été emmenés dans l’un des CSS du site et pour évaluer la proportion d’enfants atteints de TMS. Estimer l’incidence hebdomadaire de la TMS La conception de l’étude GEMS est donnée plus en détail dans l’article de Kotloff et al dans ce supplément

ANALYSES DES DONNÉES HUAS ET HUAS-LITE

Les principales analyses des données HUAS et HUAS-lite sont l’estimation de la proportion d’enfants atteints de TMS qui sont amenés à l’un des CSS du site dans les jours suivant l’apparition de la diarrhée, l’estimation de l’incidence de la TMS et l’identification des associations. caractéristiques d’un ménage ou d’un concierge principal et soins à la recherche de diarrhée Nous utilisons «r» pour représenter la proportion et l’estimation des cas de TMS qui ont été pris dans l’un de nos CSS désignés dans les jours suivant l’apparition de la diarrhée; r est calculé à partir des données HUAS-lite, puisque les enquêtes HUAS-lite ont été menées pendant la période d’inscription cas / contrôle. Pour calculer r pour tous les sites sauf le Kenya, nous utilisons des poids d’échantillonnage spécifiques à chaque combinaison de groupe d’âge. -, -, et – mois et sexe La population entière du SSD est incluse dans les enquêtes HUAS-lite sur le site du Kenya, donc aucune pondération n’est nécessaire Pour chaque cycle HUAS-lite, le poids d’échantillonnage pour une catégorie âge-sexe est le Les enfants de cette catégorie dans la population DSS représentée par chaque enfant dans l’échantillon HUAS-lite Ensuite, le poids pour chaque enfant dans une catégorie d’âge-sexe est le total de la population DSS pour cette catégorie divisé par le nombre d’enfants dans l’échantillon HUAS-lite dans la catégorie Ces poids sont utilisés dans une analyse de tables de survie avec la méthode de Kaplan-Meier pour estimer, à chaque jour commençant le jour après le début de la diarrhée, la proportion d’enfants atteints de TMS dans la population qui ont été pris à un n SHC L’analyse de temps à événement est utilisée car pour de nombreux enfants ayant actuellement un TMS, l’interview HUAS-lite a été réalisée avant que l’enfant n’atteigne le septième jour de l’épisode, donc l’enfant n’avait pas eu de jours complets après l’apparition de la diarrhée. Les données pour tous les cycles HUAS-lite menées au cours de l’étude cas / témoins sont regroupées , chaque enfant étant pondéré en fonction du poids d’échantillonnage assigné pour le cycle HUAS-lite de cet enfant. puis la proportion d’enfants qui ont été emmenés à un CSS après le début de la diarrhée dans l’analyse du temps à l’événement. Nous estimons également l’incidence hebdomadaire des TMS à partir des données HUAS-lite. Pour cette estimation, nous mettons en commun les données de HUAS-lite. arrondit et utilise des poids d’échantillonnage pour obtenir ces estimations, comme c’est le cas pour les estimations de la proportion de cas pris dans un CSS dans les jours qui suivent le début du traitement. Nous comptons le nombre d’enfants atteints de TMS dont la maladie a commencé le jour de l’interview. précédant ce jour En ce qui concerne l’estimation de r, on utilise l’analyse du temps à l’événement. Dans cette analyse, les enfants atteints de diarrhée qui n’avaient pas progressé vers un TMS et dont la diarrhée a commencé & lt; La semaine précédant l’enquête HUAS-lite a été censurée après le nombre de jours de diarrhée. Parce que beaucoup plus d’informations ont été collectées dans les séries HUAS que dans les séries HUAS-lite, les données HUAS étudient les associations entre recherche de diarrhée et variété. des caractéristiques d’un ménage ou d’un concierge primaire La principale méthode analytique utilisée pour évaluer ces associations est la modélisation par régression logistique, dans laquelle nous utilisons les poids d’échantillonnage afin d’obtenir des résultats qui se rapportent à la population du SSD.

ASSOCIATIONS AVEC MSD DANS L’ÉTUDE DE CAS / CONTRÔLE

Une analyse qui est au cœur des objectifs de GEMS est l’évaluation à partir des données cas / contrôle des risques potentiels et des facteurs de protection de TMS En raison des cas de TMS sont jumelés à des contrôles ou plus, nous utilisons la modélisation conditionnelle CLR de régression logistique afin d’estimer les associations avec MSD Dans ce type de modèle, case status case =, control = est la variable dépendante Le modèle diffère légèrement du modèle de régression logistique inconditionnel habituel en ce qu’il n’y a pas d’interception Ainsi, le modèle ajusté est de la forme où x, x, …, xk sont des variables indépendantes à l’étude pour l’association avec MSD et b, b, …, bk sont des estimations des coefficients correspondants Lorsqu’une variable xi est dichotomique-à-dire, si le facteur est présent et si le facteur est pas présent, expbi est un estimation de l’odds ratio du facteur, c’est-à-dire le rapport entre les probabilités de MSD lorsque le facteur est présent et les probabilités lorsque le facteur est absent, lorsque les probabilités d’un événement qui se produit avec la probabilité Q sont Q / -Q Afin d’obtenir des résultats appropriés lorsque le nombre de paires cas / contrôle discordantes ie, paires où le facteur est présent dans le cas et absent dans le contrôle, ou vice versa, nous utilisons une approche de vraisemblance pénalisée Typiquement , nous nous situons modèles CLR pour chaque site et catégorie d’âge séparément Dans certaines analyses, il peut être approprié de combiner des données pour différents sites et / ou différents groupes d’âge groupsOf intérêt particulier sont des associations d’agents pathogènes bactériens entériques putatifs, virales et protozoaires avec MSD d’évaluer et de quantifier la contribution d’un agent pathogène spécifique sans tenir compte de la présence d’autres agents pathogènes, nous nous situons un modèle CLR avec une variable dichotomique, représentant la présence ou l’absence de l’agent pathogène, comme la seule covariable Dans l’analyse de la contribution d’un agent pathogène ajusté pour D’autres pathogènes spécifiques, nous ajustons les modèles avec plusieurs variables dichotomiques, chacun représentant la présence ou l’absence de l’un des pathogènes, comme covariables En développant ces modèles, inter actions entre les effets des paires d’agents pathogènes sont considérés comme par exemple, la possibilité que l’association d’un agent pathogène avec MSD dépend si un autre agent pathogène est la modélisation presentCLR est également utilisé pour évaluer les associations de facteurs environnementaux et socio-économiques avec MSD Deux analyses d’un intérêt particulier sont des associations de sources d’eau, d’installations sanitaires et de pratiques d’hygiène avec les TMS, et de coûts de recherche de soins avec les TMS

LA FRACTION ATTRIBUABLE À LA POPULATION DE MSD DUE À PLUSIEURS AGENTS PATHOGÈNES

les pathogènes sont associés aux MSD dans GEMS, nous adaptons les modèles CLR, comme décrit ci-dessus, aux données sur les cas et les témoins appariés. AF non ajusté pour pathogène A est estimé à partir d’un modèle dont la seule covariable est une variable indicatrice y de la présence de a, y = si A est présent et y = si A est absent Etant donné le coefficient b de y dans le modèle ajusté, l’odds ratio OR pour MSD et A est estimé comme eb Nous supposons que nous avons un échantillon aléatoire de cas de TMS et représentent la proportion de cas de TMS pour lesquels A est présent par Pr A | MSD Si OR & gt ;, la fraction attribuable non ajustée AFu est alors donnée par As comme dans les études cas / témoins, nous utilisons OU comme approximation du rapport de risque RR Dans GEMS, l’incidence de la TMS sur la semaine, qui est la base du choix des cas, est faible, allant de <% à environ%, selon le site d'étude et le groupe d'âge. une approximation proche du taux d'incidence , qui avec ces Les faibles taux d'incidence sont à leur tour proches de l'estimation RRWe AF pour le pathogène A, ajusté pour la présence d'autres pathogènes, comme dans Bruzzi et al Par exemple, supposons que nous ajustions A pour un autre pathogène A Nous ajustons une régression logistique conditionnelle multiple modèle qui dans sa forme la plus générale comprend les variables y et y, indiquant la présence ou l'absence de A et A, respectivement; et le produit de y et y, qui représente l'interaction des effets de A et A Dans ce modèle, une interaction indique que le OU pour MSD et A dépend de la présence ou non de A Le modèle aura des coefficients b estimés pour y, b pour y, et b pour le produit de y et y. Nous supposons que ρij soit la proportion de cas où y = i et y = j, pour i et j = ou; par exemple, ρ est la proportion de cas avec A présent et A absent alors AFa, l'estimation ajustée de fraction attribuable pour A, peut être écrite où T = expb et T = expb b Notez que le coefficient b n'apparaît pas dans la formule; Seuls les coefficients correspondant à la présence de A sont inclus Tj est le rapport de l'OR pour la combinaison j, dans laquelle A est présent, à l'OR pour j, la même combinaison de pathogènes sauf que A est absent S'il n'y a pas de terme d'interaction dans le modèle, AFa = ρ ρ - / T = Pr A | MSD - / T, où T est maintenant simplement l'odds ratio de A quand A est absent; dans ce cas AFa a la même forme que AFu dans l'équation, la seule différence étant que l'OR T est estimée à partir d'un modèle incluant y et yIn en général, nous pouvons estimer la fraction attribuable combinée pour un ensemble de pathogènes ou plus, chacun avec AF>, éventuellement ajusté pour ou plus d’autres agents pathogènes – c’est-à-dire dans la description ci-dessus de AF pour A ajusté pour A, les deux agents pathogènes A et A peuvent être remplacés par plusieurs agents pathogènes Par exemple, supposons que nous voulons estimer AFa pour pathogènes A et A ensemble I, les agents pathogènes pour lesquels un AF résumé est souhaité, ajusté pour les agents pathogènes A et A ensemble II, les agents pathogènes inclus uniquement pour le conditionnement Dans ce cas, nous considérons les proportions ρijkl, représentant toutes les combinaisons de présence ou d’absence des pathogènes; dans les données GEMS, certaines de ces proportions seront, puisque des combinaisons spécifiques avec plus de pathogènes se produisent rarement. Dans sa forme la plus générale, le modèle inclura les variables indicatrices y, y, y et y, et toutes les interactions possibles de ces variables. La formule pour AFa est En formule, la sommation est sur tout i, j, k, l = ou; Tijkl, le terme pour la combinaison ijkl, est un rapport de l’OR pour la combinaison et un OR lorsque les variables représentant les agents pathogènes dans les pathogènes A et A, pour lesquels un AF résumé doit être estimé sont tous mis à Tijkl comprend donc des coefficients correspondant aux pathogènes de l’ensemble I présents dans la combinaison, ainsi qu’aux interactions entre l’un d’entre eux et les agents pathogènes des pathogènes A et A de l’ensemble II, l’ensemble de conditionnement présent dans la combinaison Tijkl n’inclura aucun coefficient de effets “pour les agents pathogènes dans l’ensemble II ou les interactions entre les agents pathogènes dans l’ensemble II, parce qu’ils apparaissent dans les OR du numérateur et du dénominateur qui déterminent Tijkl Pour une combinaison de la forme kl, tous les pathogènes sont absents. le modèle CLR pour les agents pathogènes, le premier de l’ensemble pour lequel l’AF doit être estimée et les deux derniers dans l’ensemble de conditionnement, comprend des termes pour tous les effets principaux et les interactions, mais pas les interactions d’ordre supérieur, h coefficients bijkl pour la combinaison ijkl Ensuite, par exemple, la combinaison de pathogènes,, et correspond à T = expb b b b b Notez qu’un coefficient avec & gt; des indices égal à est le coefficient d’un terme d’interaction; Pour cet exemple, le tableau donne toutes les valeurs possibles du logarithme népérien de T, logeTijkl, en termes d’estimations bijkl du modèle CLR. Notez que toute combinaison ijkl pour laquelle aucun pathogène de l’ensemble I n’est présent aura logeTijkl = ie, Tijkl = dans la formule

Tableau Logarithme Naturel des Facteurs Ratios des Odds Ratios Correspondant aux Combinaisons de Pathogènes dans l’Exemple de Fraction Attributive Ajustée AF Calcul: AF est calculé pour les pathogènes A et A, ajusté pour les pathogènes A et A pathogènes présents ijkl logeTijkl A b A b A, A b bb A, A b b A, A b b A, A, A b b b b b A, A b b A, A b b A, A, A b b b b A, A, A b b b A, A, A b b b A, A, A, A b b b b b b A A A, A Aucun Pathogènes présents ijkl logeTijkl A b A b A, A b b b A, A b b A, A bb A, A, AbbbbbA, AbbA, AbbA, A, AbbbbbA, A, AbbbA, A, AbbbA, A, A, A b b b b b b A A A, A Aucun Vie w Large Dans les données du GEMS, nous avons parfois observé des preuves d’interactions avec la voie, mais nous n’avons vu aucune preuve d’interactions plus ou moins grandes; Ainsi, seules les interactions impliquant des pathogènes doivent être considérées dans l’analyse GEMS. Les échantillons ont été échantillonnés pour GEMS en nombres approximativement égaux chaque période de la semaine, quel que soit le nombre de cas de MSD apparaissant aux CSS. cas admissibles / nombre de cas inscrits, c’est-à-dire l’inverse de la fraction de sondage pour les cas de TMS. Les données pour les périodes adjacentes sont combinées lorsqu’il n’y a pas de cas inscrits dans une période. et – les mois où les cas de TMS ont été échantillonnés. La table montre les estimations AF non ajustées et ajustées, non pondérées, pour les enfants âgés de mois en Inde pour les premières années de l’étude de cas / contrôle GEMS Ces résultats sont typiques des résultats pour d’autres sites et âges groupes, en ce sens qu’il y a peu d’interactions importantes et que les estimations ajustées ne sont pas très différentes des estimations non ajustées. En particulier, à quelques La FA ajustée et le nombre de cas attribuables aux principaux agents pathogènes ne changent que modérément, par rapport aux estimations non ajustées

Tableau Fraction imputable brute et ajustée et nombre de cas attribuables au cours des premières années de l ‘étude multicentrique entérique mondiale: Inde, mois – cas Cas, témoins Cas pathogènes avec analyse pathogène Analyse non ajustée ORa P Valueb AF Cas attribuables ORa P Valueb AF Cas attribuables Rotavirus & lt; & lt; Shigella & lt; ETEC LT / ST ou ST Cryptosporidium Vibrio cholerae O Adénovirus / Entamoeba histolytica Cas pathogènes avec pathogène Analyse non ajustée Analyse ajustée ORa P Valueb AF Cas attribuables ORa P Valueb AF Cas attribuables Rotavirus & lt; & lt; Shigella & lt; ETEC LT / ST ou ST Cryptosporidium Vibrio cholerae O Adenovirus / Entamoeba histolytica Abréviations: AF, fraction attribuable; ETEC, Escherichia coli entérotoxigène; LT, entérotoxine thermolabile; OU, odds ratio; ST, entérotoxine thermostable OU: rapport des probabilités de diarrhée modérée à sévère lorsque le pathogène putatif est présent aux probabilités quand il est absent OU & ​​gt; indique une valeur positive d’associationbP de la régression logistique

CALCUL DES CAS DE MSD ATTRIBUABLES ET DE L’INCIDENCE DE MSD

Soit MCC, MSHC et Mpop représentent le nombre total de cas de TMS inscrits dans l’étude, le nombre total de cas de TMS observés sur les CSS du site, et le nombre total de cas de TMS dans la population en années, respectivement pour chaque site et catégorie d’âge, les nombres respectifs de cas attribuables au pathogène A dans l’étude, dans les CSS du site, et dans la population sont donnés par AF × MCC, AF × MSHC et AF × Mpop, respectivement Le nombre de cas attribuables à A dans le L’étude et les CSS sont calculés directement à partir de AF et du nombre de cas, puisque nous observons MCC et prenons MSHC comme le nombre de cas présentés aux CSS qui sont éligibles pour l’étude. Cependant, nous n’observons pas Mpop directement, mais nous l’estimons plutôt de la MSHC et de la proportion estimée de cas de MSD à l’un des CSS du site d’étude Comme indiqué ci-dessus, r est estimé à partir des cycles HUAS-lite menés au cours de l’étude. Californie La période d’étude se / control est Mpop = MSHC / r, et le nombre annuel estimé de cas attribuables à A est AF × Mpop = AF × MSHC / r Si N est la population moyenne sur le site au cours de la période d’étude, le taux d’incidence annuel N est estimé comme étant la médiane des estimations de population de plusieurs séries de DSS réalisées au cours de l’étude. Le tableau illustre ces calculs pour les données des premières années de l’étude sur les nourrissons âgés de – mois. en Gambie

Tableau Affectations annuelles Diarrhées modérées à sévères en population et incidence par enfant-années dans les premières années de l’étude multicentrique entérique mondiale: Gambie, âges – cas, contrôles AF pathogène annuel attribuable Casesa taux d’incidence attribuableb Rotavirus Cryptosporidium pathogène AF annuel Casable attribuable Taux d’incidence attribuableb Rotavirus Cryptosporidium MSHC = Nombre de cas de TMS admissibles observés dans les CSP =; r = proportion de cas de TMS observés à SHC =; Mpop = cas annuels de TMS dans la population = MSHC / r =; N = Nombre d’enfants dans la population = Abréviations: AF, fraction attribuable; TMS, diarrhée modérée à sévère; SHC, centre de santé sentinellea Calculé comme AF × MSHC / rb Par enfant-années; calculé comme × AF × MSHC / rNView LargeLa variance du taux d’incidence est estimée par la méthode delta de la série de Taylor à la dérivée première La variance de AF est estimée en utilisant une procédure jackknife , la variance de r étant la variance de la événement dans une analyse de Kaplan-Meier pondérée, la variance de MSHC / comme la variance de la moyenne des totaux annuels de cas arrivant à un SHC, et la variance de N comme la variance de la médiane de plusieurs observations d’une distribution normale

ASSOCIATIONS AVEC DES RÉSULTATS EN CAS DE TMS

Parce que l’étude de cas / contrôle GEMS comprend des visites de suivi à environ jours, nous avons des informations sur certains résultats. Parmi ceux-ci sont la mort et, parmi les cas et les témoins qui survivent à la visite de suivi, la croissance linéaire et pondérale. Pour un résultat dichotomique tel que la mort, nous utilisons la modélisation de régression logistique ou, pour utiliser les temps de suivi réels, la régression des risques proportionnels de Cox Pour un résultat continu nous utiliser l’analyse de régression linéaire Cette analyse est particulièrement pertinente pour prioriser le développement de diagnostics sur le lieu de soins et les interventions thérapeutiques. Pour un agent pathogène associé à un taux élevé de létalité, il pourrait également suggérer une nécessité d’une intervention prophylactique, telle que un vaccin

ASSOCIATIONS AVEC DES RÉSULTATS DANS LA POPULATION

Outre l’évaluation des associations entre les résultats et les facteurs de risque ou de protection dans les cas, nous nous intéressons à de telles associations dans la population générale. Ce type d’analyse est particulièrement bien adapté pour évaluer les interventions préventives, telles que les vaccins, ciblant des agents pathogènes spécifiques. et serait largement appliqué dans la population Pour évaluer ce type d’association, nous utilisons une analyse pondérée des cas et des contrôles, qui est décrite en détail par Sommerfelt et al dans ce supplément Dans cette approche, les poids sont choisis de manière à rendre la proportion de cas dans l’analyse est à peu près la même que dans la population à partir de laquelle les cas ont été tirés

DISCUSSION

Les enquêtes HUAS-lite étaient basées sur des échantillons aléatoires de la population DSS Cependant, pour diverses raisons, par exemple, à Kolkata, de nombreux cas de TMS ont été rapportés à des prestataires de soins privés. Dans la plupart des sites et des groupes d’âge, r est plus petit que nous l’espérions <% dans tout sauf le site. Ainsi, il existe un risque de biais dans la proportion de cas d'une manifestation spécifique de TMS ou d'un pathogène spécifique. Une limitation mineure est que notre exigence que les cas éligibles aient eu un début de diarrhée ces derniers jours pourrait produire une légère sous-estimation de l'incidence réelle des TMS. Les données des enquêtes HUAS et HUAS-lite, y compris les estimations de r, seront présentées. Dans des articles en préparationDivers agents pathogènes bactériens, viraux et protozoaires peuvent chacun causer des TMS chez les enfants, et certains ensembles de ces entéropathogènes sont collectivement responsables de la plupart des maladies transmissibles. Ces pathogènes diarrhéiques sont transmis aux enfants sensibles de différentes manières, selon l'agent pathogène, notamment par l'eau ou la nourriture contaminée, le contact direct avec les mains contaminées par les matières fécales, les mouches agissant comme des vecteurs mécaniques, et Fomites contaminées Il existe de vastes approches pour réduire les TMS par des interventions actives Une approche vise à diminuer la transmission en instituant de larges interventions intersectorielles eau / assainissement / hygiène pour réduire les facteurs de risque de contamination des mains, des aliments et de l'eau contaminés. Des exemples de ces interventions comprennent des méthodes domestiques de traitement de l'eau, la réfrigération pour empêcher les pathogènes dans les aliments et les boissons de devenir potentiellement de grands inoculums, se laver les mains avec du savon à des moments critiques au cours de la journée qui suit On estime que chacune de ces interventions diminue l'incidence des maladies diarrhéiques de% -% , et chacune d'elles est censée être transversale, c'est-à-dire réduire tous les pathogènes entériques transmis par un mécanisme particulier contre lequel l'intervention est dirigée. La stratégie alternative par laquelle le fardeau des TMS peut être diminué, même sans interventions d'eau, d'assainissement et d'hygiène qui diminuent la charge fécale globale dans l'environnement, est de modifier le statut immunologique de l'hôte. Pour poursuivre cette stratégie, il faut d'abord connaître les principaux agents responsables des TMS et leur contribution relative au fardeau global des TMS afin de prioriser les vaccins existants à mettre en œuvre et ce que les autres ont besoin d'investissements pour être développé C'est dans ce contexte que le concept de FA est si potentiellement utile et important. Dans le cadre d'une étude sur les maladies diarrhéiques dans un pays industrialisé, le déchiffrage des données dans un projet de pays en développement tel que GEMS est décourageant car environ% des cas de TMS peuvent produire ou plus d'entéropathogènes, de même que des témoins sains. la proportion peut produire plusieurs pathogènes L'utilisation de la FA ajustée prend en compte non seulement la prévalence d'un pathogène d'intérêt chez les témoins mais aussi dans d'autres cas, mais aussi la présence d'autres agents pathogènes en plus du pathogène d'intérêt. En effet, un grand nombre d'études de cas / contrôles ont été menées dans les pays en développement pour rechercher les agents pathogènes prédominants des TMS. Les analyses statistiques ont rarement utilisé le concept de FA. Cela peut être dû en partie au manque de compréhension claire méthodes d'ajustement pour la présence de pathogènes multiples Cependant, la méthodologie de FA, y compris le calcul des FA ajustés, a subi développement considérable au cours des dernières décennies Plusieurs études récentes ont abordé les subtilités dans les modèles mathématiques et les hypothèses qui sous-tendent l'utilisation de la FA [,,] Un point fondamental à considérer est que AF pour un entéropathogène comme cause de TMS peut être calculé soit sur la base de la répartition de l'exposition au pathogène dans la population ou la distribution de l'exposition dans les cas Dans les analyses GEMS nous utilisons cette dernière approche Nous croyons que le calcul de la FA, avec ajustement pour la présence de pathogènes multiples parmi les cas et les contrôles , propose une approche appropriée pour identifier le fardeau relatif des maladies diarrhéiques qui pourraient être éliminées par des interventions contre des pathogènes spécifiques Nous proposons que cela soit adopté comme méthodologie standard parmi d'autres pour des études similaires à GEMS, de sorte qu'il sera possible de comparer les résultats de études à travers le temps et la géographie, si d'autres méthodes de définition de cas, de sélection et de laboratoire sont sim ilar

Remarques

Remerciements Nous tenons à remercier les personnes suivantes qui ont participé ou participé aux réunions du Comité directeur GEMS sur les questions biostatistiques et qui ont apporté leur expérience, leur sagesse, leur créativité et leurs conseils: Lawrence Moulton, Janet Wittes, William Pan et Peter Smith. Noir pour de précieuses suggestions concernant la méthodologie statistique GEMSSupport financier Ce travail a été soutenu par le projet de loi & amp; Numéro de subvention de la Fondation Melinda Gates Supplément de parrainage Cet article a été publié dans le cadre du supplément intitulé «Le GEMS Global Enteric Multicenter Study», parrainé par le projet de loi & amp; Melinda Gates Foundation Conflits d’intérêts potentiels Tous les auteurs: Aucun conflit signalé Tous les auteurs ont soumis le formulaire ICMJE pour la divulgation des conflits d’intérêts potentiels Conflits que les éditeurs considèrent pertinents pour le contenu du manuscrit ont été divulgués