Lot Quality Assurance Sampling LQAS Elise Naoufal EVARISQ 15 septembre 2011 1 LQAS Une question d’efficacité? LQAS et santé Méthode et Fondements théoriques Détermination du couple (n,d (n,d)) Conclusion 2 Une question d’efficacité? 3 - Au commencement, était un industriel moyennement fortuné… soucieux de son image - Production: de ronds parfaits - Mais: tous les ronds n’étaient pas parfaits: une identification rapide de ces ronds s’imposait (afin qu’ils puissent être retirés de la vente) - Comment? Création d’un nouveau poste de contrôle qualité de chaque rond produit. Vérification scrupuleuse tous les soirs, par l’industriel lui-même, de chaque rond produit dans la journée. Ou… Qualité de l’ensemble des ronds produits dans la journée jugée par l’ évaluation d’un échantillon tiré au sort. 4 5 LQAS et santé 6 Au commencement… • Industrie: naissance du concept dans les années 1920 Contrôle qualité Moindre coût Rapide Objectif: détecter les éléments qui risquent de ne pas répondre à des critères d’acceptabilité 7 Ensuite… • Santé: un intérêt grandissant depuis les années 1980 1991: publication OMS de plusieurs rapports/recommandations utilisation méthode LQAS Depuis: Nb de manuels en augmentation Entre 1984 et 2004: 805 études ayant recours au LQAS - 84-89: 10/an - 00-04: 128/an 8 LQAS Santé 9 LQAS Santé 10 LQAS Santé 11 LQAS Santé 12 LQAS Santé 13 LQAS Santé: un exemple - Je suis responsable d’une campagne de vaccination contre la rougeole… (Moyens limités) - Je suis chargée d’organiser la vaccination des territoires géographiques où la Couverture vaccinale (CV) est plus faible que celle recommandée par l’OMS - Problème: identifier les populations à faible CV - Solution: LQAS 14 Démarche générale… • Cibler une intervention sur une population prioritaire Population totale: Echantillon: Prévalence « vraie » Temps, argent Estimation: risque d’erreur Gain de temps et d’argent Choix de l’échantillon: étape délicate 15 LQAS: une problématique différente Positionner un paramètre par rapport à une référence Ex: situer P par rapport à une prévalence jugée intéressante P0 ≠ Estimer le paramètre avec une certaine précision. Ex: estimer la valeur de P assortie d’un intervalle de confiance, par une méthode de sondage classique 16 Méthode et Fondements théoriques 17 La méthode LQAS • Méthode d’évaluation de la qualité • Permet principalement de déterminer rapidement et à moindre coût dans une population définie, définie des groupes d’éléments ou de sujets risquant de ne pas répondre à des critères d’acceptabilité. d’acceptabilité 18 Lot : N Echantillon aléatoire: n - Règle de décision: détermination d’un seuil → à (d*+ 1) élts défectueux: Rejet du lot Classement: -Critères de établis a priori -Classement 1 à 1 des éléments de n: Défectueux/acceptable - Détermination d’un risque d’erreur 19 Définitions • • • • N: taille du lot n: taille de l’échantillon d*+1: nombre d’éléments défectueux qui permet de rejeter le lot. P₀= seuil élevé: proportion-seuil d’éléments défectueux au-delà de laquelle il faut intervenir → Lot défectueux • Pa= seuil bas: proportion-seuil d’éléments défectueux en dessous de laquelle on n’intervient pas /proportion maximale d’éléments défectueux que l’enquêteur accepte pour juger un lot de bonne qualité. (Pa < P0) → Lot acceptable • α : risque de conclure à tort que le lot n’est pas défectueux • β : risque de conclure à tort que le lot est défectueux • 1 – β: puissance 20 Hypothèses La méthode LQAS basée sur la réalisation d’un test avec: Hypothèse nulle: • H0: lot inacceptable (intervention nécessaire) Pdéf ≥ P0 Hypothèse alternative: • Ha: lot acceptable (pas d’intervention) Pdéf < P0 →Test unilatéral →Même sens +++: H0=lot inacceptable - Risque santé: risque α - α fixé par le décideur: contrôle 21 α et β • α : Risque de 1ère espèce: risque de rejeter à tort H0 alors que H0 est vraie Risque de conclure à tort que le lot n’est pas défectueux → Risque pour les patients/consommateurs → Le choix d’une valeur faible de α implique une forte sélection et un risque élevé de refus à tort des bons lots. • β : Risque de 2ème espèce: risque de ne pas rejeter à tort H0 alors que H0 est faux Risque de conclure à tort que le lot est défectueux → Risque pour le fournisseur/industriel → Risque de refuser des lots qui satisfont au critère qualité (c.à.d. des lots ayant une proportion d’éléments défectueux inférieure à Pa) 22 Conséquences liées aux conclusions du test Population réelle Décision Lot jugé inacceptable Lot jugé acceptable H0: P ≥ P0 Ha: P < P0 Lot inacceptable Lot acceptable 1- α β Test sensible aux mauvais lots (sensibilité) Mauvaise décision: risque pour le « fournisseur » ou l’industriel α 1- β Mauvaise décision: risque pour le consommateur ou la communauté Test reconnaissant les lots convenables (spécificité) 23 Conséquences liées aux conclusions du test 24 Synthèse: OCC 25 Synthèse: courbes OCC 26 Synthèse: courbes OCC 27 Synthèse: courbes OCC 28 Synthèse: courbes OCC 29 Fondements théoriques La distribution de d* suit une loi hypergéométrique (tirage sans remise) Probabilité de tirer d éléments défectueux dans un échantillon de taille n tiré aléatoirement d’un lot de taille N contenant une proportion P d’éléments défectueux Espérance= nP0 Variance= nP0(1-P0)((N-n)/(N-1)) 30 Fondements théoriques approximations possibles de la loi hypergéométrique Loi hypergéométrique Espérance= nP et Variance= nP (1-P)((N-n/N-1)) Approximation Loi binomiale Loi normale Conditions –N>>>n –Taux de sondage < 10% –N >>>> –0.1< P< 0.9 –nP > 10 –N(1-P) > 10 Paramètres –Espérance= nP –Variance= nP(1-P) –Espérance= nP –Variance= nP(1-P)((N-n/N-1)) 31 Détermination du couple (n, (n, d*) En pratique… 32 La détermination du couple (n,d*) Dépend: du risque (α et β) pris par le décideur Doit répondre à une condition: probabilité d’avoir d* éléments défectueux dans n doit être inférieure à α. 33 3 types de scénarios possibles avec (Pa, β) P0 α Pa β n et d* (cas classique) sans (Pa, β) P0 α N d* n P0 α N n d* 34 er 1 scénario, cas classique: Ex: Comparaison d’une proportion observée à une valeur théorique Détermination de (n,d*) en fonction de: Pa, β, P0, α Loi hypergéométrique Ou, si conditions de convergence vers la loi normale satisfaites: 1 35 1er scénario: exemple IQSS 2010 Résultats de l’enquête IQSS 2010: - Ptraçabilité douleur= 0.5 - N=600 En posant: - α=0.05 et β=0.2 - P0=0.5 - Pa=0.3 →n=6 et d*=1 36 2ème scénario: d* et N fixéS Quand le prix d’une erreur de type II est considéré comme négligeable. Détermination de n à partir de N, d*, P0, α. Calcul Tables Ex: N= 50 000, d*=4, P0=0.2, α=0.05 37 3ème scénario: n et N fixés Etude multicentrique, ressources limitées Détermination de (n,d*) en fonction de: N, P0, α, n Calcul de la fonction de répartition de la loi hypergéométrique (N, n, P0) Ex: N=150, P0=0.5, α=0.05 n=10 38 LQAS 1 ou 2 degrés • LQAS 1 degré: 1 échantillon • LQAS 2 degrés: Echantillonnage double: (diminution des coûts) ⁻ Détermination de 2 valeurs critiques d1 ≤ d2 ⁻ 2 tailles d’échantillon n1 et n2 ⁻ étapes: Analyse de l’échantillon n1: si d* ≤ d1 ou d* > d2 (résultats extrêmes) arrêt conclusions basées sur le résultat de n1 , si d1< d* ≤ d2 : analyse du 2ème échantillon n2 conclusions basées sur le résultat des 2 échantillons. 39 La démarche en résumé 1. 2. 3. 4. 5. 6. 7. 8. Définir le lot LQAS à 1 ou 2 degré(s) Définir les critères de classement (qualité) Définir les seuils en fonction du scénario (P0, α et …) Déterminer la bonne combinaison du couple (n,d*) Tirage au sort de l’échantillon Classement des éléments Décision 40 Conclusion 41 LQAS • Méthode issue du milieu industrielle de + en + utilisée dans différents domaines de la santé. • Intérêt: Rapide: arrêt à d*+1 Econome Efficace • Méthode adaptée lorsqu’il s’agit de vérifier qu’un objectif est atteint • Attention aux spécificités liées à la santé: Importance de bien poser les hypothèses Limiter le risque α 42 Références bibliographiques • • • • • • Lemeshaw, Stanley and Scott Taber. 1991. “Lot Quality Assurance Sampling: Single- and Double-Sampling Plans.” World Health Statistics Quarterly 44: 115-132. Jutand MA, Salamon R. 2000. « La technique de sondage par lots appliquée à l’assurance qualité: méthode et applications en santé publique ». Revue d’épidémiologie et de santé publique. 48, 401-408. Robertson, Susan E and Joseph J Valadez. 2006. “Global Review of Health Care Surveys using Lot Quality Assurance Sampling (LQAS), 1984-2004.” Social Science and Medicine 63(6):1648-1660. Rhoda D, Fernandez S, Fitch D, Lemeshow S. 2010. « LQAS: User Beware ». International journal of Epidemiology; 39:60:68. Olives C, Pagano M. 2010. « Bayes-LQAS: classifying the prevalence of global acute malnutrition ». Emerging themes in epidemiology. 7:3. Rabarijaona LP, Andriamaroson BJ, Ravaoalimalala VE, Ravoniarimbinina P, Migliani R. 2001. « Identification des communautés cibles en zone de bilharziose urinaire par la méthode de “Lot Quality Assurance Sampling” à Madagascar ». Arch Inst Pasteur de Madagascar; 67 (1&2) : 41-45. 43 Merci de votre attention 44