• Contenu principal
  • Menu
OpenEdition Books
  • Accueil
  • Catalogue de 15979 livres
  • Éditeurs
  • Auteurs
  • Facebook
  • X
  • Partager
    • Facebook

    • X

    • Accueil
    • Catalogue de 15979 livres
    • Éditeurs
    • Auteurs
  • Ressources numériques en sciences humaines et sociales

    • OpenEdition
  • Nos plateformes

    • OpenEdition Books
    • OpenEdition Journals
    • Hypothèses
    • Calenda
  • Bibliothèques

    • OpenEdition Freemium
  • Suivez-nous

  • Lettre d’information
OpenEdition Search

Redirection vers OpenEdition Search.

À quel endroit ?
  • Éditions Quæ
  • ›
  • Update Sciences & Technologie
  • ›
  • Méthodes d'investigation de l'alimentati...
  • ›
  • Partie 1 - Mesurer les pratiques et les ...
  • ›
  • Chapitre 3 - L’évaluation d’impact des a...
  • Éditions Quæ
  • Éditions Quæ
    Éditions Quæ
    Informations sur la couverture
    Table des matières
    Liens vers le livre
    Informations sur la couverture
    Table des matières
    Formats de lecture

    Plan

    Plan détaillé Texte intégral Mesurer l’effet d’une intervention : l’inférence causale Évaluer l’effet d’une intervention : une diversité de méthodes Enjeux déontologiques et juridiques Adaptation au contexte : l’exemple de l’étude Cash for Nutrition Awareness au Mali Théorie de l’intervention et évaluation du processus Bibliographie Notes de bas de page Auteurs

    Méthodes d'investigation de l'alimentation et des mangeurs

    Ce livre est recensé par

    Précédent Suivant
    Table des matières

    Chapitre 3 - L’évaluation d’impact des actions de prévention et de promotion de la santé nutritionnelle

    Marion Tharrey, Mathilde Savy, Marlène Perignon, Caroline Méjean et Nicole Darmon

    p. 55-72

    Note de l’éditeur

    doi:10.35690/978-2-7592-3347-2/c3

    Texte intégral Bibliographie Notes de bas de page Auteurs

    Texte intégral

    1La santé publique a pris un tournant préventif depuis une trentaine d’années. Ce chapitre expose différentes méthodes visant à évaluer les impacts des interventions dans le domaine de la prévention et de la promotion de la santé publique nutritionnelle. Les connaissances produites par ces méthodes permettent in fine d’informer la prise de décision dans ce domaine.

    2L’histoire de la prophylaxie, la démarche visant à prévenir l’apparition des maladies, est aussi ancienne que celle de la médecine. Jusqu’aux grandes innovations de l’ère industrielle (hygiène publique, vaccination, pasteurisation, antibiotiques, etc.), la démarche préventive en santé a été intimement liée à la lutte contre les maladies infectieuses épidémiques. Elle a pris un tournant nouveau au xxe siècle. En 1948, l’Organisation mondiale de la santé (OMS) définit la santé comme : « un état de complet bien-être physique, mental et social [qui] ne consiste pas seulement en une absence de maladie ou d’infirmité ». Cette conception de la santé en tant que bien-être multidimensionnel dépasse la vision réductrice qui consistait jusqu’alors à définir la santé comme l’absence de maladies ou d’infirmité. Les concepts majeurs de prévention et promotion de la santé vont découler de cette définition. La prévention inclut « l’ensemble des mesures visant à éviter ou réduire le nombre et la gravité des maladies, des accidents et des handicaps » (WHO, 1948). On distingue trois types de prévention : la prévention primaire, dont l’objectif est de diminuer l’incidence d’une maladie (i.e. le risque d’apparition de la maladie dans une population) ; la prévention secondaire, qui vise à diminuer la prévalence d’une maladie (i.e. le nombre de personnes malades) ; et la prévention tertiaire, qui agit sur les incapacités chroniques liées à la maladie et sur les facteurs de risques de récidive. En 1986 se tient à Ottawa la première conférence internationale pour la promotion de la santé, qui marque un changement de paradigme en santé publique, en allant de la prévention de la maladie vers la promotion de la santé. La charte d’Ottawa, qui résulte de cette conférence, constitue le texte fondateur de la promotion de la santé et définit celle-ci comme un « processus qui confère aux populations les moyens d’assurer un plus grand contrôle sur leur propre santé, et d’améliorer celle-ci » (WHO, 1986). Dans le domaine de la nutrition, la promotion de la santé couvre ainsi une vaste gamme d’interventions sociales, environnementales et économiques visant à renforcer les aptitudes et les capacités des individus afin de limiter les inégalités de santé en lien avec l’alimentation et d’assurer le bien-être des individus. S’insérant dans le champ de l’épidémiologie évaluative, l’objectif de l’évaluation en prévention et promotion de la santé est d’étudier les effets de ces interventions sur la santé, l’alimentation et ses déterminants, afin de s’assurer que ces interventions sont efficaces sur les populations étudiées, qu’elles n’aient pas d’effets adverses et de proposer d’éventuelles pistes d’amélioration. Dans le langage commun, on désigne par le terme d’« évaluation d’impact » l’analyse des effets induits par une intervention ou un programme sur la santé des individus. Ces effets englobent à la fois les effets immédiats (outputs), les effets à moyen terme (outcomes) et les effets à long terme (impacts). L’évaluation d’impact étudie les liens de causalité (i.e. la relation de cause à effet) entre une intervention (existante ou mise en place pour l’étude) et l’évolution de l’état de santé d’un groupe d’individus, afin de déterminer si cette évolution est directement attribuable à l’intervention ou non.

    Mesurer l’effet d’une intervention : l’inférence causale

    3La difficulté majeure de l’évaluation d’impact est de réussir à isoler l’effet de l’intervention afin de s’assurer que les changements observés ne sont pas attribuables à d’autres facteurs, tels que l’environnement ou les caractéristiques socio-économiques des participants. Pour mesurer l’effet supposé d’une intervention, il faudrait comparer l’évolution d’un paramètre de santé d’un individu si cet individu avait subi l’intervention ou s’il ne l’avait pas subie. Or cette comparaison est impossible car, à un instant donné, un individu ne peut pas être à la fois exposé et non exposé à une intervention de santé. Le lien de cause à effet n’est donc pas directement mesurable et il faut essayer de l’estimer : c’est ce que l’on appelle « l’inférence causale ». Un certain nombre de critères peuvent aider à distinguer une relation causale d’une simple association. Les plus connus sont les critères de Hill, établis par Bradford Hill en 1965. Celui-ci distingue 9 critères minimum pouvant aider à l’inférence causale : la force de l’association, la temporalité de l’association (i.e. l’exposition au facteur présumé causal doit précéder l’apparition de la maladie), l’existence d’une relation dose-effet (i.e. le risque doit augmenter avec le niveau d’exposition au facteur), la spécificité de l’association (i.e. une cause conduit à un effet particulier), la reproductibilité de l’association dans différentes populations ou contextes, la plausibilité biologique de l’association (i.e. l’association considérée est cohérente par rapport aux connaissances biologiques générales), la cohérence biologique (i.e. l’interprétation causale de l’association considérée ne se retrouve pas en contradiction avec les connaissances disponibles), la présence de données expérimentales biologiques ou animales, et l’analogie par rapport à d’autres relations causales et à leurs mécanismes.

    4Concernant la mesure, comme dans toutes les études, il y a un risque que la valeur mesurée d’un effet (ici l’effet causal) soit sujette à une erreur systématique, appelée aussi biais. Ces biais sont multiples et peuvent intervenir à différents niveaux, que ce soit lors de la sélection des sujets de l’étude (biais de sélection), du recueil des informations (biais de mesure) ou de l’analyse des données (biais de confusion) (tableau 3.1). L’évaluation d’impact nécessite donc de mettre en place des méthodes d’évaluation qui vont permettre d’estimer l’effet causal d’une intervention sur la santé d’une population donnée tout en limitant les biais mentionnés précédemment. Il existe deux grandes familles de méthodes d’évaluation : les études expérimentales et les études quasi expérimentales.

    5Les études expérimentales, appelées aussi essais contrôlés randomisés (de l’anglais randomized controlled trial ou RCT), sont largement utilisées en médecine expérimentale afin de mesurer l’efficacité d’un traitement. Ces méthodes consistent à comparer l’évolution d’une (ou plusieurs) variable(s) d’intérêt dans un groupe qui reçoit l’intervention à l’évolution de cette/ces même(s) variable(s) d’intérêt dans un groupe qui ne reçoit pas l’intervention (appelé groupe contrôle, groupe témoin ou encore groupe de référence). Avec la « randomisation », la répartition des individus dans le groupe d’intervention ou dans le groupe contrôle se fait de manière aléatoire. Le chercheur contrôle donc les différents paramètres de l’étude, ainsi que l’accès du groupe à l’intervention. La variable d’intérêt peut être évaluée à plusieurs intervalles de temps, a minima avant et après l’intervention, et éventuellement pendant l’intervention. La randomisation permet de former des groupes comparables. En effet, pour un échantillon suffisamment grand, l’affectation aléatoire assure des distributions qui tendent à être similaires pour tous les facteurs qui ne sont pas affectés par le traitement. La randomisation tend ainsi à égaliser les caractéristiques des individus entre les groupes. Les conditions de l’expérimentation étant contrôlées et les groupes comparables, les risques de biais de sélection et de confusion sont réduits et l’effet de l’intervention sur l’état de santé des individus peut être plus facilement isolé. On dit que les essais contrôlés randomisés ont une forte validité interne13. Ce type d’étude est considéré comme étant à fort niveau de preuve (Haute Autorité de santé, 2013), et se trouve ainsi désigné comme la méthode de référence (ou gold standard) en évaluation d’impact. Idéalement, les essais contrôlés randomisés sont réalisés de manière à ce que soit l’investigué seulement (essai en simple aveugle), soit l’investigué et l’investigateur (essai en double aveugle) ne sachent pas dans quel groupe se trouve la personne investiguée. Cette procédure permet d’éviter des biais de mesure liés à l’investigué (qui risque de réagir différemment en fonction du groupe auquel il appartient), mais aussi à l’investigateur (qui peut porter une attention supplémentaire au groupe d’intervention).

    6Les études quasi expérimentales s’apparentent à des études expérimentales, mais en diffèrent par l’absence de randomisation des individus dans le groupe d’intervention ou le groupe contrôle. Le chercheur doit alors tenter de reproduire les conditions d’une expérimentation à l’aide d’une conception d’étude appropriée (appelée traditionnellement « design ») et d’une analyse statistique pertinente.

    Tableau 3.1. Les biais d’enquêtes.

    Type de biais

    Définition

    Exemples de biais

    Biais de sélection

    Intervient lors de la sélection des participants :

    Échantillon non représentatif de la population cible

    Différences systématiques entre les divers groupes de comparaison d’une étude

    Biais de volontariat : les individus volontaires ont des caractéristiques différentes de ceux refusant de participer à l’étude

    Biais d’attrition : les individus abandonnant l’étude avant la fin ont des caractéristiques différentes de ceux restants

    Biais de mesure (ou d’information)

    Erreur d’estimation au moment de la collecte des données, qui intervient de manière identique (erreur non différentielle) ou différente (erreur différentielle) dans les groupes de comparaison d’une étude

    Biais de déclaration : déclaration erronée ou imprécise des individus, due à un problème de mémoire ou d’omission volontaire (biais de sous-déclaration)

    Biais liés à l’imprécision de la méthode : par exemple, un questionnaire de fréquence alimentaire non validé conduisant à une estimation erronée des portions consommées

    Biais de désirabilité sociale : tendance des individus à donner des réponses socialement désirables

    Biais de subjectivité de l’enquêteur : attention supplémentaire de l’enquêteur pour le groupe d’intervention

    Biais de confusion

    Estimation erronée des associations due à un facteur extérieur associé à la fois à l’exposition et à l’état de santé

    7Les études expérimentales et quasi expérimentales peuvent être explicatives ou pragmatiques. La recherche explicative (efficacy trial) vise à évaluer si une intervention fonctionne dans des conditions idéales ou sélectionnées, tandis que la recherche pragmatique vise à évaluer si l’intervention fonctionne dans des conditions réelles (effectiveness trial). Ces deux notions d’efficacité (efficacy) ou d’efficience (effectiveness) sont importantes à considérer lors de la conception d’une étude en prévention ou promotion de santé car elles détermineront les questions méthodologiques clés relatives au protocole de l’intervention (type de design, lieu d’intervention, population ciblée, choix du groupe contrôle, etc.). Les expérimentations naturelles14 sont un exemple de recherches dites pragmatiques.

    Évaluer l’effet d’une intervention : une diversité de méthodes

    Conception de l’étude (ou design)

    8En pratique, différents designs expérimentaux ou quasi expérimentaux peuvent être envisagés lors de la réalisation d’une étude d’évaluation d’impact.

    Designs expérimentaux

    9Divers designs expérimentaux peuvent être envisagés en fonction du contexte, des variables mesurées et de la population d’étude. Les designs expérimentaux les plus courants sont : les essais contrôlés en groupes parallèles, les essais contrôlés randomisés en clusters, les essais contrôlés randomisés avec permutation séquentielle, ou encore les essais randomisés avec consentement post-randomisation. Nous allons détailler par la suite ces différents designs.

    Les essais contrôlés en groupes (ou bras) parallèles

    10Le design standard des essais contrôlés randomisés est l’essai en groupes (ou bras) parallèles (parallel-group randomized trial) inspiré des essais thérapeutiques qui visent à tester l’efficacité d’un nouveau traitement (figure 3.1). Ce design consiste à assigner aléatoirement les participants dans un groupe qui reçoit l’intervention ou dans un groupe contrôle et à les suivre en parallèle.

    Figure 3.1. Design d’un essai contrôlé randomisé en groupes parallèles.

    Image

    11L’étude SU.VI.MAX, présentée ci-dessous (encadré 3.1), est un exemple d’essai contrôlé randomisé en groupes parallèles.

    Encadré 3.1 : L’étude SU.VI.MAX (Hercberg et al. 2004)

    Objectif

    Évaluer l’effet d’une supplémentation combinant vitamines et minéraux antioxydants sur la réduction de l’incidence du cancer et des maladies cardiovasculaires ischémiques en population générale.

    Plan expérimental

    Au total, 13 017 adultes français de 35 à 60 ans ont été recrutés sur la base du volontariat. Tous les participants ont pris une seule capsule par jour combinant des vitamines et minéraux antioxydants ou un placebo. L’attribution aléatoire du traitement a été réalisée par génération de séquences en bloc stratifiées par sexe et groupe d’âge. L’essai a été réalisé en double aveugle. Des prélèvements sanguins, des mesures anthropométriques et la déclaration de nouveaux événements de santé (cancers, maladies cardiovasculaires) ont été réalisées à différents intervalles de temps entre le début et la fin de l’intervention. La durée médiane du suivi était de 7,5 ans.

    12Les interventions en prévention ou promotion de la santé ont souvent une visée plus large qu’un effet à l’échelle individuelle et sont constituées de composantes multiples susceptibles d’interagir entre elles d’abord, et ensuite avec les contextes dans lesquels elles sont mises en œuvre. Leur complexité entraîne souvent des contraintes méthodologiques, d’ordre pratique ou éthique, empêchant la réalisation des essais en bras parallèles. Nous allons voir, par la suite, d’autres designs expérimentaux couramment utilisés en santé publique pour évaluer l’efficacité d’une intervention.

    Essais contrôlés randomisés en clusters (ou grappes)

    13Lorsque l’intervention vise des groupes d’individus ou des entités (comme des écoles, des hôpitaux, des villes, etc.), la randomisation à l’échelle de l’individu n’est pas la plus adaptée et il est plus pertinent de randomiser directement les entités plutôt que les individus. On parle alors d’essais randomisés en clusters ou grappes (cluster randomized trial) (figure 3.2).

    Figure 3.2. Design d’un essai contrôlé randomisé en clusters.

    Image

    14La randomisation en clusters offre l’avantage de pouvoir séparer géographiquement le groupe d’intervention du groupe contrôle. Ce design est donc à privilégier lorsque le risque de contamination entre les groupes (i.e. certains individus du groupe contrôle reçoivent l’intervention) est élevé, pouvant entraîner une sous-estimation de l’effet réel de l’intervention. Les individus d’un même cluster ayant tendance à avoir des caractéristiques plus similaires qu’avec les individus des autres clusters, les essais en clusters nécessitent toutefois un nombre plus important d’individus pour tenir compte de cette corrélation intra-clusters. L’étude Cash for Nutrition Awareness, présentée ci-dessous (encadré 3.2), est un exemple d’essai contrôlé randomisé en clusters.

    Encadré 3.2 : L’étude Cash for Nutrition Awareness au sein du projet SNACK (Adubra et al. 2019)

    Objectif

    Évaluer l’effet de transferts monétaires et/ou de suppléments nutritionnels ciblant la période des « 1 000 jours » (de la conception aux deux ans de l’enfant), conditionnés à la fréquentation des centres de santé sur la réduction du retard de croissance chez les jeunes enfants, dans la région rurale de Kayes au Mali.

    Plan expérimental

    Soixante-seize centres de santé communautaires ont été répartis aléatoirement dans un groupe de comparaison dans lequel les mères ne bénéficiaient que d’activités de base en santé et nutrition (= activités SNACK) et trois groupes intervention dans lesquels les mères recevaient, en plus des activités SNACK :

    • des transferts monétaires mensuels ;

    • des suppléments nutritionnels à base lipidique pour leur enfant de 6 à 23 mois ;

    • ou la combinaison des transferts monétaires et des suppléments nutritionnels.

    Dans chaque bras d’étude, un échantillon représentatif de couples mères-enfants a été sélectionné et enquêté avant le début de l’intervention (2013, n = 5 046) puis 3 ans plus tard, en fin d’intervention (2016, n = 5 098).

    Essais contrôlés randomisés avec permutation séquentielle

    15Une limite importante des essais en groupes parallèles ou en clusters est que le groupe contrôle ne bénéficie pas de l’intervention, ce qui soulève un problème éthique. Une solution peut être d’inclure progressivement les groupes dans l’intervention. On parle alors d’essais randomisés avec permutation séquentielle (stepped wedge randomized trial). Au départ, aucun individu (ou cluster) ne reçoit l’intervention puis progressivement chacun bénéficie de l’intervention dans un ordre aléatoirement prédéterminé. L’effet de l’intervention peut alors être estimé à partir de comparaisons entre les groupes (les individus qui n’ont pas encore subi l’intervention servent de groupe contrôle) ou à l’intérieur des groupes (avant et après intervention), permettant une comparaison intra et inter-groupes de l’effet de l’intervention (figure 3.3).

    Figure 3.3. Design d’un essai contrôlé randomisé avec permutation séquentielle.

    Image

    16En étalant l’intervention dans le temps, les essais avec permutation séquentielle offrent également la possibilité d’étudier l’effet temporel de l’intervention. Ce type de design peut se révéler particulièrement utile dans le cadre d’interventions qui sont difficiles à mener simultanément sur la moitié de la population, que ce soit pour des raisons éthiques, pratiques, logistiques ou budgétaires. Cependant, sur le long terme, les coûts peuvent être élevés car tous les individus reçoivent l’intervention. De plus, la principale limite des essais avec permutation séquentielle est leur durée plus longue que les autres essais du fait de l’inclusion successive des groupes, ce qui peut accroître le taux d’abandon des participants, mais aussi augmenter le risque que des facteurs extérieurs à l’intervention aient évolué dans le temps, rendant la comparaison entre les groupes plus difficile. On parle alors de biais de conjoncture. L’étude présentée ci-dessous (encadré 3.3) est un exemple d’essai contrôlé randomisé avec permutation séquentielle.

    Encadré 3.3 : Intervention en milieu scolaire (Ni Mhurchu et al. 2013)

    Objectif

    Évaluer les effets d’un programme de distribution de petits-déjeuners scolaires gratuits sur la fréquentation scolaire, les résultats scolaires, le comportement psychosocial, les habitudes alimentaires, la sensation de faim, les habitudes de petit-déjeuner et la sécurité alimentaire.

    Plan expérimental

    Quatorze écoles primaires situées dans quartiers défavorisés de trois régions de Nouvelle-Zélande (Auckland, Waikato et Wellington) et n’ayant pas de programme de petits-déjeuners ont été identifiées en 2010. Au total, 424 élèves de 5 à 13 ans ont rempli les critères d’éligibilité et ont accepté de participer à l’étude. Toutes les écoles ont servi de témoins au début de l’intervention, puis ont été assignées de manière aléatoire à débuter l’intervention lors d’une des quatre périodes scolaires (3-4 écoles par période). À l’issue de l’année scolaire, toutes les écoles avaient bénéficié du programme de distribution de petits-déjeuners.

    Essais randomisés avec consentement post-randomisation (schéma de Zelen)

    17Outre les problèmes éthiques, les designs en groupes parallèles ou en clusters risquent d’entraîner un abandon accru des participants alloués au groupe contrôle. Proposé pour la première fois par Marvin Zelen, statisticien à l’école de santé publique de Harvard, le schéma de Zelen est un essai randomisé avec consentement post-randomisation. Contrairement aux autres essais, où la randomisation dans le groupe d’intervention ou le groupe contrôle n’est réalisée qu’après consentement éclairé de l’individu, le schéma de Zelen implique de randomiser les individus avant de leur avoir demandé leur consentement. Les individus alloués au groupe d’intervention sont ensuite informés et peuvent refuser de recevoir l’intervention (figure 3.4).

    Figure 3.4. Design d’un essai contrôlé randomisé avec consentement post-randomisation.

    Image

    18L’intérêt majeur du schéma de Zelen est double : il permet de recruter davantage d’individus, car le consentement n’est demandé qu’aux individus du groupe d’intervention, mais aussi de limiter le taux d’abandon en évitant aux participants la déception d’être alloué dans le groupe contrôle (car ils ne savent pas que l’intervention existe). Toutefois, ce design est très peu utilisé car il soulève de nombreuses questions éthiques, notamment le fait que les individus du groupe contrôle soient inclus dans l’étude sans que leur consentement éclairé ait été préalablement recueilli. De plus, ce design implique de collecter les données des participants alloués au groupe d’intervention qui refusent de recevoir l’intervention. Afin de respecter le principe de randomisation, les schémas de Zelen sont examinés en intention de traiter, c’est-à-dire que les résultats sont examinés en fonction des groupes dans lesquels les individus ont été randomisés initialement, quel que soit le traitement réellement reçu. Le principe de l’analyse en intention de traiter est de conserver les bénéfices de la randomisation au moment de l’analyse des résultats afin d’éviter les biais liés aux écarts entre le protocole de l’essai et la conduite de celui-ci, qui ne seraient pas dus au hasard mais seraient en rapport avec le traitement administré. Lors de l’analyse des résultats, les individus assignés au groupe d’intervention sont ainsi comparés à ceux du groupe contrôle sans tenir compte du fait que l’individu ait accepté ou non l’intervention. L’efficacité de l’intervention peut alors être masquée si le taux de refus de participation est élevé. L’étude The Lyon Diet Heart Study, présentée ci-dessous (encadré 3.4), est un exemple d’essai contrôlé randomisé avec consentement post-randomisation.

    Encadré 3.4 : The Lyon Diet Heart Study (de Lorgeril et al., 1994)

    Objectif

    Comparer l’effet d’un régime alimentaire méditerranéen riche en acide alpha-linolénique à celui d’un régime normal sur le taux de récidive après un premier infarctus du myocarde.

    Plan expérimental

    Au total, 605 patients âgés de moins de 70 ans et ayant survécu à un infarctus du myocarde dans les 6 mois précédents ont été recrutés au CHU de Lyon. Pendant leur séjour à l’hôpital, les patients ont accepté de participer à une cohorte de 5 ans sans toutefois être pleinement informés de la conception de l’étude, en particulier de la comparaison entre deux régimes alimentaires. Seuls les patients assignés au groupe expérimental ont signé un second consentement éclairé, dans lequel ils acceptaient de modifier leur régime alimentaire et ont été encouragés à adopter un régime de type méditerranéen riche en acide α-linolénique. Pendant les 4 premières années, les habitudes alimentaires ont été évaluées uniquement dans le groupe expérimental, à l’aide de rappels de 24 heures et de questionnaires de fréquence, afin de ne pas influencer le comportement des témoins. Des entretiens médicaux, des prélèvements sanguins et des mesures de la tension artérielle ont été menés à 8 semaines, puis annuellement afin d’identifier les décès par cause cardiovasculaire, les infarctus non mortels, et l’apparition de troubles vasculaires, tels que l’angine de poitrine, l’insuffisance cardiaque, les accidents vasculaires cérébraux ou encore les embolies pulmonaires.

    Designs quasi expérimentaux

    19Les principaux designs non expérimentaux utilisés dans les interventions en prévention et promotion de la santé nutritionnelle sont les essais contrôlés non randomisés et les séries chronologiques. Nous allons détailler par la suite ces différents designs.

    Les essais contrôlés non randomisés

    20Bien que les essais contrôlés randomisés soient considérés comme le plan d’étude optimal pour minimiser les biais et fournir une estimation précise de l’impact d’une intervention, de nombreuses contraintes empêchent leur utilisation, en santé publique notamment. Le chercheur n’est pas toujours en mesure de contrôler le lieu et l’exposition à l’intervention, qui peuvent avoir été sélectionnés avant le début de l’étude d’évaluation. Les commanditaires de l’étude peuvent également s’opposer à une répartition aléatoire des individus et vouloir servir toutes les personnes nécessiteuses de l’intervention, rendant difficile la constitution d’un groupe contrôle. Ainsi, lorsqu’il n’est pas possible de répartir aléatoirement les individus entre le groupe d’intervention et le groupe contrôle, les essais contrôlés non randomisés (également appelés études avant/après avec groupe contrôle) peuvent alors être envisagés pour étudier des inférences causales (figure 3.5).

    Figure 3.5. Design d’un essai contrôlé non randomisé.

    Image

    21La principale limite de ce type d’étude est le risque de biais lié à l’absence de randomisation, pouvant conduire à des groupes non comparables avant l’intervention. En particulier, les individus participant à l’intervention peuvent différer des individus du groupe contrôle sur certaines caractéristiques, comme des critères sociodémographiques. Les différences d’état alors observées entre les groupes ne seront peut-être pas dues à l’intervention mais au fait que les groupes n’étaient pas comparables au préalable. Ces biais portent atteinte à la validité interne de l’étude rendant l’évaluation de la causalité plus difficile. Leur niveau de preuve est donc inférieur aux essais randomisés contrôlés (Haute Autorité de santé, 2013). L’étude JArDinS, présentée ci-dessous (encadré 3.5), est un exemple d’essai contrôlé non randomisé.

    Encadré 3.5 : L’étude JArDinS (Tharrey et al., 2020)

    Objectif

    Évaluer l’impact de la première année de participation à un jardin partagé sur les 3 dimensions de la durabilité (santé/social, environnement, économie) des styles de vie.

    Plan expérimental

    Soixante-quinze individus débutant dans un jardin partagé à Montpellier ont été recrutés en 2018. Un groupe contrôle de non-jardiniers a été créé en invitant des volontaires participant à une enquête sur les comportements d’approvisionnement alimentaire à Montpellier à contribuer à l’étude. Chaque jardinier a été apparié à un non-jardinier selon les critères d’appariement suivants : tranche d’âge, sexe, structure du foyer, revenus du foyer et typologie du quartier de résidence. Des données à l’échelle du foyer (qualité nutritionnelle, impact environnemental et coût des approvisionnements alimentaires sur 1 mois), et des données à l’échelle individuelle (activité physique, bien-être mental, isolement social, sensibilité au gaspillage alimentaire et connexion à la nature) ont été collectées au moment de l’inclusion dans l’étude, puis 1 an après.

    Les séries chronologiques

    22Suivant le contexte, il peut être difficile, voire impossible, d’identifier un groupe contrôle qui ne soit pas exposé à l’intervention (par exemple, lors de l’adoption d’une nouvelle loi ou de la mise en place d’une nouvelle campagne de prévention). En l’absence de groupe contrôle, une simple mesure du paramètre de santé étudié avant et après la mise en place de l’intervention ne permettra pas de mettre en évidence une relation de causalité. Afin d’obtenir une estimation non biaisée de l’effet causal de l’intervention, il faut que seule l’intervention fasse varier le(s) paramètre(s) de santé étudié(s). Or, cette hypothèse forte est rarement vérifiée, car l’environnement peut avoir évolué entre le début et la fin de l’intervention, entraînant des modifications de la (ou les) variable(s) d’intérêt (biais de conjoncture). Une solution consiste à collecter des données à plusieurs moments, avant et après l’intervention, afin de détecter si l’intervention a modifié une tendance préexistante : c’est ce qu’on appelle la série chronologique (figure 3.6).

    Figure 3.6. Design d’une série chronologique.

    Image

    23Ces études ont un niveau de preuve inférieur par rapport aux essais contrôlés randomisés ou non randomisés (Haute Autorité de santé, 2013). L’avantage des séries chronologiques est qu’elles sont relativement rapides à réaliser si des données de routine sont disponibles et peu coûteuses. Elles sont également à privilégier si on veut observer les effets d’une intervention sur le long terme. Toutefois, même lorsqu’elles sont bien menées, les séries chronologiques ne permettent pas de tenir compte des événements autres que l’intervention qui pourraient expliquer un changement dans le paramètre de santé étudié. De plus, elles nécessitent une mobilisation plus importante de l’équipe de recherche, qui doit collecter des données de manière régulière, sur de longues périodes et en utilisant les mêmes méthodes de collecte. L’étude présentée ci-dessous (encadré 3.6) est un exemple de série chronologique.

    Encadré 3.6 : Augmentation du prix des boissons sucrées dans une chaîne de restaurants (Cornelsen et al., 2017)

    Objectif

    Évaluer l’impact d’une augmentation de 0,10 £ par boisson sur les ventes de boissons sucrées non alcoolisées dans une chaîne nationale de restaurants en Angleterre.

    Plan expérimental

    Le 1er septembre 2015, une chaîne nationale de restaurants britanniques a augmenté le prix des boissons sucrées de 0,10 £ (par boisson vendue). Pour évaluer l’efficacité de cette expérimentation naturelle, des données chronologiques détaillées sur le nombre de boissons vendues avant et après la mise en place de l’intervention dans 37 restaurants éligibles ont été fournies par la société. Les variations du nombre de boissons sucrées non alcoolisées et d’autres boissons vendues par client à court terme et à long terme ont été mesurées en utilisant respectivement des données hebdomadaires (12 semaines avant et après la mise en place de l’intervention) et mensuelles (6 mois avant et après la mise en place de l’intervention).

    24Le tableau 3.2 résume les différents designs présentés dans cette section, ainsi que leurs avantages et inconvénients respectifs.

    Tableau 3.2. Avantages et inconvénients des différents designs d’études expérimentales et quasi expérimentales.

    Image

    Augmenter l’homogénéité entre les groupes : la solution de l’appariement

    25Comme nous l’avons évoqué dans la section précédente, plus le nombre d’individus est élevé, plus la randomisation constitue des groupes similaires du fait de la loi des grands nombres15. Cependant, des contraintes techniques et budgétaires peuvent limiter le recrutement des participants. Afin d’améliorer l’homogénéité entre le groupe d’intervention et le groupe contrôle sans augmenter la taille de l’échantillon, une randomisation stratifiée peut être une solution. Dans ce cas, les participants sont regroupés en strates selon un ou plusieurs facteurs et la randomisation est effectuée au sein de chaque strate. On appelle « appariement » ce regroupement de participants en fonction de facteurs jugés pertinents. Prenons l’exemple d’une étude s’intéressant à l’effet de la consommation de fruits et légumes sur le risque de développer un cancer du sein. Les traitements hormonaux de la ménopause pouvant augmenter le risque de cancers du sein, il peut être important de stratifier en fonction du statut ménopausique afin que chaque groupe compte la même proportion de femmes en préménopause et en postménopause.

    26En général, les facteurs de stratification sont des variables sociodémographiques telles que l’âge, le sexe ou le niveau d’éducation, mais peuvent aussi être des critères relatifs à l’environnement ou aux modes de vie des individus. Le principal avantage de l’appariement est d’équilibrer la distribution du (ou des) facteur(s) entre les groupes permettant de renforcer la comparabilité des groupes vis-à-vis du (ou des) facteur(s) de stratification. L’appariement peut également être utilisé afin de surreprésenter certaines catégories de population qui ont un intérêt particulier pour l’étude.

    27Dans le cas des études quasi expérimentales, une autre solution pour limiter les biais de confusion dus à l’absence de randomisation consiste à apparier individuellement les individus du groupe contrôle à ceux du groupe d’intervention sur un ou plusieurs facteur(s) de confusion connu(s). Il faut toutefois éviter d’apparier sur un nombre trop important de variables, car cela rend plus difficile, voire impossible, l’identification d’individus similaires pour former le groupe contrôle. De plus, l’appariement sur des variables qui ne sont pas des facteurs de confusion potentiels et qui sont fortement associées à l’exposition tend à rendre comparable les groupes intervention et contrôle vis-à-vis de l’exposition étudiée, conduisant à une perte de puissance et à une sous-estimation de l’effet de l’intervention, on parle alors de sur-appariement. Pour éviter ce problème, il est habituel d’apparier uniquement sur des facteurs potentiels de confusion bien établis dans la littérature. Dans le cas où de nombreuses variables risquent d’influencer à la fois la participation à l’intervention et la variable d’intérêt, une méthode consiste à apparier les individus non pas sur un nombre restreint de caractéristiques observables, mais sur un score, appelé « score de propension ». Celui-ci est calculé à partir d’un ensemble de caractéristiques observées de l’individu et résume l’influence de ces caractéristiques sur la propension à participer à l’intervention. Quelle que soit la méthode choisie, la principale limite de l’appariement est que les variables sélectionnées sont en général des caractéristiques observables des individus. Or, d’autres variables non observables (comme la motivation, les croyances, etc.) peuvent aussi influencer la participation ou non à une intervention et conduire à des estimations biaisées de l’effet causal.

    Taille d’échantillon

    28Une fois identifiée la méthode d’évaluation la plus adaptée au contexte, un calcul de puissance statistique doit être réalisé afin de déterminer le nombre minimum d’individus à recruter dans l’étude afin d’estimer l’impact de l’intervention. Cette étape est indispensable, car si le nombre d’individus n’est pas suffisant, les effets de l’intervention ne pourront pas être estimés. Plus la taille de l’échantillon est élevée, plus la puissance statistique sera importante. Le calcul de taille d’échantillon dépend de la manière dont l’étude a été conçue, du type de données collectées, du critère principal de jugement choisi pour ce calcul et du niveau de significativité attendu. Il est également important de prévoir le taux d’attrition (c’est-à-dire le taux d’abandon des participants avant la fin de l’étude) et de majorer la taille de l’échantillon en conséquence. En effet, si le taux d’attrition est plus élevé que prévu, cela entraînera une perte de puissance statistique pouvant avoir des conséquences méthodologiques importantes. De plus, un taux d’attrition élevé augmente le risque de biais, car les individus restants dans l’étude auront sûrement des caractéristiques différentes de ceux ayant abandonné l’étude.

    Enjeux déontologiques et juridiques

    29Les grands principes éthiques applicables aux recherches menées sur des êtres humains ont été énoncés par la déclaration d’Helsinki (1964) élaborée par l’Association médicale mondiale. Ces principes visent à s’assurer que toute étude respecte la santé, le bien-être, la vie privée et les données personnelles des participants, afin de protéger leur intégrité. Seules les recherches se justifiant par un bénéfice potentiel sur la santé des individus et ne portant pas atteinte à leur intégrité pourront être menées. Dans le cas des interventions avec un groupe contrôle, il est impératif de s’assurer qu’il n’y a pas de risque que le groupe contrôle encoure des préjudices du fait de ne pas avoir reçu l’intervention. Par exemple, si on recrute des individus sur des listes d’attente pour accéder à des jardins partagés afin d’évaluer les bénéfices de ces jardins sur l’alimentation, on ne peut pas contraindre une partie des individus à ne pas avoir accès à ces jardins. Les designs tels que les essais avec permutation séquentielle sont alors à privilégier afin que tous les individus bénéficient du programme à un moment donné. Toute étude doit être au préalable évaluée auprès d’un comité d’éthique de la recherche (Institutional Review Board), qui examinera le protocole de recherche afin de s’assurer qu’il respecte les principes éthiques reconnus. Avant de participer à l’étude, les participants doivent également donner leur consentement éclairé, c’est-à-dire qu’ils doivent être informés des objectifs de l’étude, du protocole, des données collectées, ainsi que de leurs droits et garanties prévues par la loi. Les exigences relatives au consentement éclairé et à la confidentialité varient selon le type d’intervention et le type de données recueillies et sont encadrées par la loi Jardé (décret no 2016-1537 du 16 novembre 2016). Le traitement des données collectées est, quant à lui, encadré par le règlement général sur la protection des données (RGPD).

    30Un facteur important de la réussite d’une intervention est l’implication des participants tout au long de l’étude. Cette implication dépend en grande partie de la posture du chercheur qui se doit d’établir une relation de confiance en favorisant la communication et en étant à l’écoute des participants. L’utilisation de mesures incitatives (en général financières), la mise en place d’un suivi régulier afin de garder contact avec les participants, ou encore l’implication des participants dans la conception de l’étude (co-construction) sont autant de solutions qui peuvent encourager la participation. Il est toutefois important de veiller au respect de la déontologie de la recherche. En particulier, l’incitation financière ne peut pas être utilisée sur des populations fragiles (comme les enfants) ou pour inciter les participants à agir contre leurs principes moraux. Aussi, le suivi ne doit pas enfreindre le respect de la vie privée, etc.

    31Enfin, la recherche interventionnelle en prévention ou promotion de la santé a une visée d’utilité sociale, son objectif étant d’identifier des actions pouvant favoriser la santé des individus tout en luttant contre les inégalités sociales de santé. Elle peut ainsi être utilisée comme un outil d’aide à la décision auprès des décideurs afin de développer des projets (en général des programmes ou des politiques de santé) favorables à la santé et au bien-être des populations. La co-construction de l’intervention et de l’évaluation avec tous les acteurs concernés, qu’ils soient institutionnels, territoriaux, professionnels ou citoyens, est particulièrement importante pour s’assurer que l’intervention est pertinente et facilement transférable dans le contexte étudié.

    Adaptation au contexte : l’exemple de l’étude Cash for Nutrition Awareness au Mali

    32La conception et/ou la mise en œuvre des études d’impact peuvent nécessiter des ajustements selon le contexte dans lequel elles sont menées. Si l’on reprend l’exemple cité plus haut de l’essai contrôlé randomisé qui a été mené dans la région de Kayes au Mali (Adubra et al., 2019), plusieurs adaptations ont été nécessaires :

    • le groupe contrôle : comme dans beaucoup d’autres études interventionnelles, il était éthiquement impossible de disposer d’un groupe contrôle qui ne bénéficierait d’aucune intervention. Il a donc été décidé, en accord avec les opérateurs du programme, que le groupe contrôle bénéficierait d’un paquet minimum d’activités en santé et en nutrition. Afin d’assurer la comparabilité entre les groupes, les groupes d’intervention bénéficiaient également de ce paquet minimum d’activités, en plus des interventions. Du point de vue de la recherche, cette configuration implique que les interventions soient évaluées en comparaison avec un paquet minimum d’activités et non pas en comparaison avec un groupe contrôle absolu (aucune intervention) ;

    • la randomisation : la randomisation des individus ou groupes d’individus dans les différents bras de l’intervention est un processus délicat qui nécessite d’être compris et accepté par tous les participants d’une étude d’évaluation. Si la randomisation ne se fait pas en aveugle, le processus de randomisation doit être réalisé en toute transparence pour une meilleure acceptation des populations. Dans l’exemple de l’étude au Mali, où les croyances sont très fortes, il a été nécessaire de rendre la randomisation publique, sous la forme d’un grand événement où étaient invitées les autorités administratives, religieuses et traditionnelles, ainsi que les communautés concernées. La randomisation a alors été réalisée de façon simple et visible, par tirage au sort de boules de couleurs et par une main dite « innocente » ;

    • le suivi des interventions : la distribution de produits nutritionnels dans un contexte comme le Mali peut poser problème en termes d’évaluation, dans la mesure où les produits distribués sont souvent revendus ou échangés sur les marchés localement. Cette pratique nécessite de mettre en place des vérifications lors des enquêtes évaluatives, comme le fait de contrôler les pots ou sachets vides des produits distribués.

    Théorie de l’intervention et évaluation du processus

    33Contrairement aux essais thérapeutiques, où l’efficacité de l’intervention est jugée au regard d’un seul critère, les interventions en santé publique sont relativement complexes. La relation causale entre l’intervention et l’effet sur la santé peut mettre en œuvre une chaîne de mécanismes interagissant entre eux et avec le contexte local. En ce sens, les interventions en prévention et promotion de la santé nutritionnelle s’appuient sur une vision holistique de la santé, car elles visent à agir sur les différents déterminants de la santé, qu’ils soient individuels, sociaux, sociétaux, économiques ou environnementaux. Une évaluation cohérente, utile et explicative doit avant tout s’appuyer sur « la logique » (ou la théorie) de l’intervention, autrement dit sur les hypothèses causales qui la sous-tendent. S’appuyer sur un modèle logique permet d’identifier théoriquement les voies d’impact d’une intervention afin de comprendre comment elle a atteint ou non ses objectifs, en soumettant à l’épreuve des faits les voies d’impact hypothétiques identifiées lors de la conception de l’intervention. Une théorie complète de l’intervention doit également contenir une théorie du processus, autrement dit un plan opérationnel précis visant à assurer une mise en œuvre optimale de l’intervention telle qu’elle a été initialement conçue. L’évaluation d’impact et l’évaluation de processus sont indissociables, puisque, si l’impact escompté d’une intervention n’est pas atteint, son évaluation doit être en mesure d’identifier si l’échec provient d’un problème de mise en œuvre ou d’une défaillance dans sa conception. Si c’est la mise en œuvre qui est en cause, il conviendra de recommander des mesures visant à améliorer la qualité de l’intervention, tandis que si c’est la théorie qui est incriminée, c’est la stratégie interventionnelle adoptée qui devra être complètement repensée. La logique sous-jacente à l’intervention doit être pensée dès la conception de l’étude afin de guider l’identification des données qu’il convient de recueillir et la façon dont elles devront être analysées. Par ailleurs, l’effet de l’intervention sur les capacités, croyances et valeurs des individus sera particulièrement important à considérer comme un premier élément de preuve de l’efficacité de l’intervention dans le cas où les impacts sur la santé ne sont pas immédiatement visibles et observables dans le temps de la recherche : on peut alors supposer que ces impacts pourraient se révéler sur le long terme. C’est pourquoi il est souvent pertinent d’engager un dialogue interdisciplinaire (épidémiologie nutritionnelle/santé publique/sciences sociales) et d’utiliser des méthodes d’enquêtes qualitatives (entretiens approfondis, observations, etc.) afin d’approfondir les relations causales testées par l’évaluation quantitative, et d’être en mesure d’expliquer les mécanismes de changement ou l’absence de changement de comportements.

    34Il est également important de rappeler que la mesure de l’effet d’une intervention de prévention ou promotion de la santé s’insère dans un cadre plus large d’évaluation des incidences économiques, sociales ou encore environnementales de l’intervention pour évaluer sa pertinence. Cette démarche évaluative intervient à toutes les étapes de l’étude afin de vérifier : 1) la pertinence de l’action (i.e. les objectifs répondent aux besoins identifiés), 2) l’efficacité (i.e. les résultats obtenus sont conformes aux objectifs fixés), 3) l’efficience (i.e. l’importance des moyens matériels, humains et financiers mobilisés), et enfin 4) l’évaluation des impacts directs, mais aussi indirects tels que ceux observés sur l’environnement, les acteurs de terrains ou d’autres groupes de personnes qui n’étaient pas ciblés directement par l’intervention.

    35Pour conclure ce chapitre, les évaluations d’impact sont indispensables pour documenter l’efficacité des interventions et ainsi aider à la prise de décision. Les études expérimentales, de par l’assignation aléatoire des individus (ou randomisation), ont une forte validité interne et sont donc considérées comme la méthode de référence pour évaluer l’impact d’une intervention. Différents designs peuvent être envisagés en fonction de la problématique de recherche, du contexte de l’étude et de la population ciblée. Lorsque la randomisation n’est pas possible pour des raisons pratiques ou éthiques, les designs quasi expérimentaux sont à privilégier afin d’avoir une estimation la moins biaisée possible de l’effet de l’intervention. Même si des ajustements liés aux contextes sont possibles, ces études doivent répondre à de nombreux critères méthodologiques afin de fournir un niveau de preuve suffisant pour imputer les effets observés à l’intervention.

    Bibliographie

    Des DOI sont automatiquement ajoutés aux références bibliographiques par Bilbo, l’outil d’annotation bibliographique d’OpenEdition. Ces références bibliographiques peuvent être téléchargées dans les formats APA, Chicago et MLA.

    Format

    • APA
    • Chicago
    • MLA
    Adubra, L., Le Port, A., Kameli, Y., Fortin, S., Mahamadou, T., Ruel, M. T., … Savy, M. (2019). Conditional cash transfer and/or lipid-based nutrient supplement targeting the first 1000 d of life increased attendance at preventive care services but did not improve linear growth in young children in rural Mali: results of a cluster-randomized controlled trial. Elsevier BV. https://doi.org/10.1093/ajcn/nqz238
    Hercberg, S., Galan, P., Preziosi, P., Bertrais, S., Mennen, L., Malvy, D., … Briançon, S. (2004). The SU.VI.MAX Study. American Medical Association (AMA). https://doi.org/10.1001/archinte.164.21.2335
    de Lorgeril, M., Renaud, S., Salen, P., Monjaud, I., Mamelle, N., Martin, J., … Delaye, J. (1994). Mediterranean alpha-linolenic acid-rich diet in secondary prevention of coronary heart disease. Elsevier BV. https://doi.org/10.1016/s0140-6736(94)92580-1
    Mhurchu, C. N., Gorton, D., Turley, M., Jiang, Y., Michie, J., Maddison, R., & Hattie, J. (2012). Effects of a free school breakfast programme on children’s attendance, academic achievement and short-term hunger: results from a stepped-wedge, cluster randomised controlled trial. BMJ. https://doi.org/10.1136/jech-2012-201540
    Adubra, Laura, Agnes Le Port, Yves Kameli, Sonia Fortin, Tanimoune Mahamadou, Marie T Ruel, Yves Martin-Prevel, and Mathilde Savy. “Conditional Cash Transfer and or Lipid-Based Nutrient Supplement Targeting the First 1000 D of Life Increased Attendance at Preventive Care Services But Did Not Improve Linear Growth in Young Children in Rural Mali: Results of a Cluster-Randomized Controlled Trial”. The American Journal of Clinical Nutrition. Elsevier BV, December 2019. doi:10.1093/ajcn/nqz238.
    Hercberg, Serge, Pilar Galan, Paul Preziosi, Sandrine Bertrais, Louise Mennen, Denis Malvy, Anne-Marie Roussel, Alain Favier, and Serge Briançon. “The SU.VI.MAX Study”. Archives of Internal Medicine. American Medical Association (AMA), November 22, 2004. doi:10.1001/archinte.164.21.2335.
    de Lorgeril, M, S Renaud, P Salen, I Monjaud, N Mamelle, J.L Martin, J Guidollet, P Touboul, and J Delaye. “Mediterranean Alpha-Linolenic Acid-Rich Diet in Secondary Prevention of Coronary Heart Disease”. The Lancet. Elsevier BV, June 1994. doi:10.1016/s0140-6736(94)92580-1.
    Mhurchu, Cliona Ni, Delvina Gorton, Maria Turley, Yannan Jiang, Jo Michie, Ralph Maddison, and John Hattie. “Effects of a Free School Breakfast Programme on children’s Attendance, Academic Achievement and Short-Term Hunger: Results from a Stepped-Wedge, Cluster Randomised Controlled Trial”. Journal of Epidemiology and Community Health. BMJ, October 6, 2012. doi:10.1136/jech-2012-201540.
    Adubra, Laura, et al. “Conditional Cash Transfer and or Lipid-Based Nutrient Supplement Targeting the First 1000 D of Life Increased Attendance at Preventive Care Services But Did Not Improve Linear Growth in Young Children in Rural Mali: Results of a Cluster-Randomized Controlled Trial”. The American Journal of Clinical Nutrition, vols. 110, nos. 6, Elsevier BV, Dec. 2019, pp. 1476-90. Crossref, https://doi.org/10.1093/ajcn/nqz238.
    Hercberg, Serge, et al. “The SU.VI.MAX Study”. Archives of Internal Medicine, vols. 164, nos. 21, American Medical Association (AMA), 22 Nov. 2004, p. 2335. Crossref, https://doi.org/10.1001/archinte.164.21.2335.
    de Lorgeril, M, et al. “Mediterranean Alpha-Linolenic Acid-Rich Diet in Secondary Prevention of Coronary Heart Disease”. The Lancet, vols. 343, nos. 8911, Elsevier BV, June 1994, pp. 1454-9. Crossref, https://doi.org/10.1016/s0140-6736(94)92580-1.
    Mhurchu, Cliona Ni, et al. “Effects of a Free School Breakfast Programme on children’s Attendance, Academic Achievement and Short-Term Hunger: Results from a Stepped-Wedge, Cluster Randomised Controlled Trial”. Journal of Epidemiology and Community Health, vols. 67, nos. 3, BMJ, 6 Oct. 2012, pp. 257-64. Crossref, https://doi.org/10.1136/jech-2012-201540.

    Cette bibliographie a été enrichie de toutes les références bibliographiques automatiquement générées par Bilbo en utilisant Crossref.

    Adubra L., Le Port A., Kameli Y., Fortin S., Mahamadou T., Marie T., Ruel M. T., Martin-Prével Y., Savy M., 2019. Conditional Cash Transfer and/or Lipid-Based Nutrient Supplement Targeting the First 1000 d of Life Increased Attendance at Preventive Care Services but Did Not Improve. The American Journal of Clinical Nutrition, 110 (6), 1476-1490. doi: 10.1093/ajcn/nqz238

    10.1093/ajcn/nqz238 :

    Cornelsen L., Mytton O. T., Adams J., Gasparrini A., Iskander D., Knai C., Petticrew M., Scott C., Smith R., Thompson C., White M., Cummins S., 2017. Change in Non-Alcoholic Beverage Sales Following a 10-Pence Levy on Sugar-Sweetened Beverages within a National Chain of Restaurants in the UK: Interrupted Time Series Analysis of a Natural Experiment. Journal of Epidemiology and Community Health, 71 (11), 1107-1112.

    Haute Autorité de santé, 2013. Niveau de preuve et gradation des recommandations de bonne pratique, Saint Denis, Haute Autorité de santé, Service des bonnes pratiques professionnelles, 90 p. [En ligne] https://www.has-sante.fr/upload/docs/application/pdf/2013-06/etat_des_lieux_niveau_preuve_gradation.pdf (dernière consultation le 07/10/2021).

    Hercberg S., Galan P., Preziosi P., Bertrais S., Mennen L., Malvy D., Roussel A.-M., Favier A., Briançon S., 2004. The SU.VI.MAX Study: A Randomized, Placebo-Controlled Trial of the Health Effects of Antioxidant Vitamins and Minerals. Archives of Internal Medicine, 164 (21), 2335-2342. doi:10.1001/archinte.164.21.2335

    10.1001/archinte.164.21.2335 :

    De Lorgeril M., Renaud S., Salen P., Monjaud I., Mamelle N., Martin J.-L., Guidollet J., Touboul P., Delaye J., 1994. Mediterranean Alpha-Linolenic Acid-Rich Diet in Secondary Prevention of Coronary Heart Disease. The Lancet, 343 (8911), 1454-1459. doi:10.1016/s0140-6736(94)92580-1

    10.1016/s0140-6736(94)92580-1 :

    Ni Mhurchu C., Gorton D., Turley M., Jiang Y., Michie J., Maddison R., Hattie J., 2013. Effects of a Free School Breakfast Programme on Children’s Attendance, Academic Achievement and Short-Term Hunger: Results from a Stepped-Wedge, Cluster Randomised Controlled Trial. Journal of Epidemiology and Community Health, 67 (3), 257-264. doi:10.1136/jech-2012-201540

    10.1136/jech-2012-201540 :

    Tharrey M., Sachs A., Perignon M., Simon C., Mejean C., Litt J., Darmon N., 2020. Improving lifestyles sustainability through community gardening: results and lessons learnt from the JArDinS quasi-experimental study. BMC Public Health, 20 (1), 1798. doi:10.1186/s12889-020-09836-6

    10.1186/s12889-020020-0983609836-6 :

    WHO, 1948. Constitution of the World Health Organization, Genève, World Health Organization. [En ligne] https://www.who.int/governance/eb/who_constitution_en.pdf (dernière consultation le 27/08/2021).

    WHO, 1986. The Ottawa Charter for Health Promotion, Genève, World Health Organization. [En ligne] https://www.euro.who.int/__data/assets/pdf_file/0004/129532/Ottawa_Charter.pdf (dernière consultation le 27/08/2021).

    Notes de bas de page

    13 Une étude a une bonne validité interne si le résultat obtenu est fiable, c’est-à-dire que les résultats mesurés sont bien ceux attribués à l’intervention. Il existe deux types d’erreurs principales, qui pourraient menacer la validité interne d’un essai : il s’agit du biais (également appelé erreur systématique) et de l’erreur aléatoire (également appelée erreur fortuite ou erreur statistique). La qualité méthodologique de l’étude dépend de la présence ou de l’absence de biais.

    14 Une expérimentation naturelle est une expérience dans laquelle l’exposition à l’intervention est provoquée par des causes naturelles et/ou politiques qui ne sont pas manipulables par le chercheur.

    15 La loi des grands nombres est un théorème mathématique qui exprime le fait que les caractéristiques d’un échantillon aléatoire se rapprochent des caractéristiques statistiques de la population lorsque la taille de l’échantillon augmente à l’infini.

    Auteurs

    • Marion Tharrey

      MoISA, université Montpellier, CIHEAM-IAMM, CIRAD, INRAE, Institut Agro, IRD, Montpellier, France. Elle s’intéresse au rôle de l’environnement alimentaire et physique sur la santé, notamment dans un contexte urbain.

    • Mathilde Savy

      MoISA, université Montpellier, CIHEAM-IAMM, CIRAD, INRAE, Institut Agro, IRD, Montpellier, France. Docteure en épidémiologie et chercheure en nutrition publique a l’IRD, elle travaille sur l’insécurité alimentaire et nutritionnelle en Afrique.

    • Marlène Perignon

      MoISA, université Montpellier, CIHEAM-IAMM, CIRAD, INRAE, Institut Agro, IRD, Montpellier, France. Ses travaux portent sur l’étude des leviers d’amélioration de la durabilité de l’alimentation par des approches épidémiologiques, de modélisation (optimisation sous contraintes) et l’évaluation d’impact d’interventions visant à réduire l’insécurité alimentaire et promouvoir une alimentation plus durable.

    • Caroline Méjean

      MoISA, université Montpellier, CIHEAM-IAMM, CIRAD, INRAE, Institut Agro, IRD, Montpellier, France. Chercheure en épidémiologie et nutrition publique, ses travaux portent sur les interactions entre environnement alimentaire et durabilité des comportements alimentaires, sur les déterminants et effets des transitions nutritionnelles et alimentaires, et sur le nexus agriculture-alimentation.

    • Nicole Darmon

      MoISA, université Montpellier, CIHEAM-IAMM, CIRAD, INRAE, Institut Agro, IRD, Montpellier, France. Experte en nutrition et santé publique, elle conduit des recherches observationnelles, des modélisations et des interventions sur la sécurité alimentaire durable.

    Précédent Suivant
    Table des matières

    Creative Commons - Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International - CC BY-NC-ND 4.0

    Le texte seul est utilisable sous licence Creative Commons - Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International - CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

    Voir plus de livres
    Paroles de chercheurs

    Paroles de chercheurs

    Environnement et interdisciplinarité

    Évelyne Brun, Jean-François Ponge et Jean-Claude Lefeuvre

    2017

    La question des échelles en sciences humaines et sociales

    La question des échelles en sciences humaines et sociales

    Sébastien Boulay et Sylvie Fanchette (dir.)

    2019

    Systèmes agraires et changement climatique au Sud

    Systèmes agraires et changement climatique au Sud

    Les chemins de l'adaptation

    Hubert Cochet, Olivier Ducourtieux et Nadège Garambois (dir.)

    2019

    Les terres agricoles face à l’urbanisation

    Les terres agricoles face à l’urbanisation

    De la donnée à l’action, quels rôles pour l’information ?

    Roel Plant, Pierre Maurel, Éric Barbe et al. (dir.)

    2018

    Sociologie des changements de pratiques en agriculture

    Sociologie des changements de pratiques en agriculture

    L’apport de l’étude des réseaux de dialogues entre pairs

    Claude Compagnone

    2019

    Construire des politiques alimentaires urbaines

    Construire des politiques alimentaires urbaines

    Concepts et démarches

    Caroline Brand, Nicolas Bricas, Damien Conaré et al. (dir.)

    2017

    Services écosystémiques et protection des sols

    Services écosystémiques et protection des sols

    Analyses juridiques et éclairages agronomiques

    Carole Hermon (dir.)

    2018

    Manger en ville

    Manger en ville

    Regards socio-anthropologiques d’Afrique, d’Amérique latine et d’Asie

    Nicolas Bricas, Olivier Lepiller, Audrey Soula et al. (dir.)

    2020

    La santé globale au prisme de l'analyse des politiques publiques

    La santé globale au prisme de l'analyse des politiques publiques

    Sébastien Gardon, Amandine Gautier et Gwenola Le Naour

    2020

    Agroforesterie et services écosystémiques en zone tropicale

    Agroforesterie et services écosystémiques en zone tropicale

    Recherche de compromis entre services d’approvisionnement et autres services écosystémiques

    Josiane Seghieri et Jean-Michel Harmand (dir.)

    2019

    Méthodes d'investigation de l'alimentation et des mangeurs

    Méthodes d'investigation de l'alimentation et des mangeurs

    MIAM

    Olivier Lepiller, Tristan Fournier, Nicolas Bricas et al. (dir.)

    2021

    Télédétection et modélisation spatiale

    Télédétection et modélisation spatiale

    Applications à la surveillance et au contrôle des maladies liées aux moustiques

    Annelise Tran, Eric Daudé et Thibault Catry (dir.)

    2022

    Voir plus de livres
    1 / 12
    Paroles de chercheurs

    Paroles de chercheurs

    Environnement et interdisciplinarité

    Évelyne Brun, Jean-François Ponge et Jean-Claude Lefeuvre

    2017

    La question des échelles en sciences humaines et sociales

    La question des échelles en sciences humaines et sociales

    Sébastien Boulay et Sylvie Fanchette (dir.)

    2019

    Systèmes agraires et changement climatique au Sud

    Systèmes agraires et changement climatique au Sud

    Les chemins de l'adaptation

    Hubert Cochet, Olivier Ducourtieux et Nadège Garambois (dir.)

    2019

    Les terres agricoles face à l’urbanisation

    Les terres agricoles face à l’urbanisation

    De la donnée à l’action, quels rôles pour l’information ?

    Roel Plant, Pierre Maurel, Éric Barbe et al. (dir.)

    2018

    Sociologie des changements de pratiques en agriculture

    Sociologie des changements de pratiques en agriculture

    L’apport de l’étude des réseaux de dialogues entre pairs

    Claude Compagnone

    2019

    Construire des politiques alimentaires urbaines

    Construire des politiques alimentaires urbaines

    Concepts et démarches

    Caroline Brand, Nicolas Bricas, Damien Conaré et al. (dir.)

    2017

    Services écosystémiques et protection des sols

    Services écosystémiques et protection des sols

    Analyses juridiques et éclairages agronomiques

    Carole Hermon (dir.)

    2018

    Manger en ville

    Manger en ville

    Regards socio-anthropologiques d’Afrique, d’Amérique latine et d’Asie

    Nicolas Bricas, Olivier Lepiller, Audrey Soula et al. (dir.)

    2020

    La santé globale au prisme de l'analyse des politiques publiques

    La santé globale au prisme de l'analyse des politiques publiques

    Sébastien Gardon, Amandine Gautier et Gwenola Le Naour

    2020

    Agroforesterie et services écosystémiques en zone tropicale

    Agroforesterie et services écosystémiques en zone tropicale

    Recherche de compromis entre services d’approvisionnement et autres services écosystémiques

    Josiane Seghieri et Jean-Michel Harmand (dir.)

    2019

    Méthodes d'investigation de l'alimentation et des mangeurs

    Méthodes d'investigation de l'alimentation et des mangeurs

    MIAM

    Olivier Lepiller, Tristan Fournier, Nicolas Bricas et al. (dir.)

    2021

    Télédétection et modélisation spatiale

    Télédétection et modélisation spatiale

    Applications à la surveillance et au contrôle des maladies liées aux moustiques

    Annelise Tran, Eric Daudé et Thibault Catry (dir.)

    2022

    Voir plus de chapitres

    Chapitre 12 - Urbal : une évaluation participative et qualitative de la durabilité des innovations alimentaires

    Olivier Lepiller, Élodie Valette, Alison Blay-Palmer et al.

    Voir plus de chapitres

    Chapitre 12 - Urbal : une évaluation participative et qualitative de la durabilité des innovations alimentaires

    Olivier Lepiller, Élodie Valette, Alison Blay-Palmer et al.

    Accès ouvert

    Accès ouvert

    ePub

    PDF

    PDF du chapitre

    Acheter

    Édition imprimée

    Éditions Quæ
    • amazon.fr
    • decitre.fr
    • mollat.com
    • leslibraires.fr
    • placedeslibraires.fr

    13 Une étude a une bonne validité interne si le résultat obtenu est fiable, c’est-à-dire que les résultats mesurés sont bien ceux attribués à l’intervention. Il existe deux types d’erreurs principales, qui pourraient menacer la validité interne d’un essai : il s’agit du biais (également appelé erreur systématique) et de l’erreur aléatoire (également appelée erreur fortuite ou erreur statistique). La qualité méthodologique de l’étude dépend de la présence ou de l’absence de biais.

    14 Une expérimentation naturelle est une expérience dans laquelle l’exposition à l’intervention est provoquée par des causes naturelles et/ou politiques qui ne sont pas manipulables par le chercheur.

    15 La loi des grands nombres est un théorème mathématique qui exprime le fait que les caractéristiques d’un échantillon aléatoire se rapprochent des caractéristiques statistiques de la population lorsque la taille de l’échantillon augmente à l’infini.

    Méthodes d'investigation de l'alimentation et des mangeurs

    X Facebook Email

    Méthodes d'investigation de l'alimentation et des mangeurs

    Vous pouvez vous connecter à votre bibliothèque à l’adresse suivante : https://freemium.openedition.org/oebooks

    Suggérer l’acquisition à votre bibliothèque

    Si vous avez des questions, vous pouvez nous écrire à access[at]openedition.org

    Méthodes d'investigation de l'alimentation et des mangeurs

    Vérifiez si votre bibliothèque a déjà acquis ce livre : authentifiez-vous à OpenEdition Freemium for Books.

    Vous pouvez suggérer à votre bibliothèque d’acquérir un ou plusieurs livres publiés sur OpenEdition Books. N’hésitez pas à lui indiquer nos coordonnées : access[at]openedition.org

    Vous pouvez également nous indiquer, à l’aide du formulaire suivant, les coordonnées de votre bibliothèque afin que nous la contactions pour lui suggérer l’achat de ce livre. Les champs suivis de (*) sont obligatoires.

    Veuillez, s’il vous plaît, remplir tous les champs.

    La syntaxe de l’email est incorrecte.

    Référence numérique du chapitre

    Format

    Tharrey, M., Savy, M., Perignon, M., Méjean, C., & Darmon, N. (2021). Chapitre 3 - L’évaluation d’impact des actions de prévention et de promotion de la santé nutritionnelle. In O. Lepiller, T. Fournier, N. Bricas, & M. Figuié (éds.), Méthodes d’investigation de l’alimentation et des mangeurs. Versailles: Éditions Quæ. Consulté à l’adresse https://books.openedition.org/quae/41537
    Tharrey, Marion, Mathilde Savy, Marlène Perignon, Caroline Méjean, et Nicole Darmon. « Chapitre 3 - L’évaluation d’impact des actions de prévention et de promotion de la santé nutritionnelle ». In Méthodes d’investigation de l’alimentation et des mangeurs, édité par Olivier Lepiller, Tristan Fournier, Nicolas Bricas, et Muriel Figuié. Versailles: Éditions Quæ, 2021. https://books.openedition.org/quae/41537.
    Tharrey, Marion, et al. « Chapitre 3 - L’évaluation d’impact des actions de prévention et de promotion de la santé nutritionnelle ». Méthodes d’investigation de l’alimentation et des mangeurs, édité par Olivier Lepiller et al., Éditions Quæ, 2021, https://books.openedition.org/quae/41537.

    Référence numérique du livre

    Format

    Lepiller, O., Fournier, T., Bricas, N., & Figuié, M. (éds.). (2021). Méthodes d’investigation de l’alimentation et des mangeurs. Versailles: Éditions Quæ. Consulté à l’adresse https://books.openedition.org/quae/41462
    Lepiller, Olivier, Tristan Fournier, Nicolas Bricas, et Muriel Figuié, éd. Méthodes d’investigation de l’alimentation et des mangeurs. Versailles: Éditions Quæ, 2021. https://books.openedition.org/quae/41462.
    Lepiller, Olivier, et al., éditeurs. Méthodes d’investigation de l’alimentation et des mangeurs. Éditions Quæ, 2021, https://books.openedition.org/quae/41462.
    Compatible avec Zotero Zotero

    1 / 3

    Éditions Quæ

    Éditions Quæ

    • Plan du site
    • Se connecter

    Suivez-nous

    • Flux RSS

    URL : https://www.quae.com

    Email : serviceclients@quae.fr

    Adresse :

    RD 10

    78026

    Versailles

    France

    OpenEdition
    • Candidater à OpenEdition Books
    • Connaître le programme OpenEdition Freemium
    • Commander des livres
    • S’abonner à la lettre d’OpenEdition
    • CGU d’OpenEdition Books
    • Accessibilité : partiellement conforme
    • Données personnelles
    • Gestion des cookies
    • Système de signalement