« L’épidémiologie est inutile, elle ne convient pas à mon parti pris »

Introduction

Soyez attentifs aux débats dans le milieu de la nutrition, et vous verrez sans cesse des affirmations négatives sur l’épidémiologie nutritionnelle. L’épidémiologie nutritionnelle est une discipline scientifique qui étudie les comportements alimentaires des populations et leurs relations avec des résultats de santé. À la différence des études d’intervention, celles-ci sont dites d’observation, c’est-à-dire qu’elle ne font qu’observer le comportement des individus et ne les assignent pas à une intervention particulière (par exemple, un régime alimentaire ou un supplément).

Je ne vais pas rentrer dans les détails des différentes conceptions de recherche épidémiologique aujourd’hui, mais la plus robuste est généralement l’étude de cohorte prospective. Dans celle-ci, les participants sont engagés dans l’étude avant l’incidence de maladie et sont suivis au fil du temps. Les chercheurs examinent les relations entre une exposition (par exemple, la viande rouge) et un résultat de santé (par exemple, les maladies cardiovasculaires), par rapport aux non exposés (ou moins exposés).

Néanmoins, certaines critiques sont souvent faites contre l’épidémiologie et sont utilisées pour rejeter des associations robustes telles que la relation entre les graisses saturées ou le sodium et les maladies cardiovasculaires. Passons donc ces revendications en revue. 

Les revendications

« L’épidémiologie n’est pas utile à la nutrition personnalisée !”

L’épidémiologie n’est, en effet, pas destinée à la nutrition personnalisée. Si elle l’était, elle ne pourrait pas former la base de notre politique de santé publique. À cet égard, comparer un apport de 1.6 g à 2.2 g/protéines/kg sur les gains de masse maigre chez les bro instagram n’est pas une association d’intérêt dans la recherche épidémiologique.

Mais là où le bât blesse, c’est lorsque la nutrition personnalisée est utilisée pour rejeter des associations robustes entre des expositions et des maladies. Prenons un exemple pour illustrer ces propos. Nous avons à disposition des associations robustes graisses saturées/maladies cardiovasculaires, ou encore viande transformée/cancer colorectal. Mais les détracteurs de l’épidémiologie suggèrent que si une personne pratique une activité physique régulière, mange suffisamment de fibres, etc. (facteurs modérateurs), l’apport en graisses saturées/viande transformées (expositions) n’a aucune importance sur le résultat d’intérêt. Soyons clair, ces facteurs modérateurs n’invalident pas qu’une relation causale existe entre l’exposition et le résultat d’intérêt, ils diminuent juste la magnitude de l’effet. Cela signifie que si vous souhaitez augmenter votre risque de maladies cardiovasculaires au maximum, consommez un apport élevé en graisses saturées, tout en ayant une hygiène de vie globale horrible. À l’inverse, si vous souhaitez diminuer votre risque dans la plus grande ampleur, adoptez une hygiène de vie saine tout en ayant une alimentation avec une faible teneur en graisses saturées. Un risque modéré se trouve entre ces deux extrêmes. Si vous souhaitez d’autres exemples concernant l’utilisation des facteurs modérateurs pour rejeter des associations exposition/résultat de santé, j’ai réalisé un petit post sur le sujet ici

Donc oui, l’épidémiologie n’est pas utile pour la nutrition personnalisée. En revanche, le bro instagram n’a probablement pas envie de mourir d’un arrêt cardiaque pendant sa série de squat.

“Mais le biais de l’utilisateur sain !” 

Le biais de l’utilisateur sain est un sujet qui revient sans cesse dans le cadre de la recherche épidémiologique. Il suggère que le comportement général de l’individu est la raison du résultat, plutôt que l’exposition d’intérêt elle-même. Par exemple, admettons que nous avons une association viande rouge/maladies cardiovasculaires dans la recherche observationnelle. Les personnes qui invoquent le biais de l’individu sain suggèrent que les personnes qui consomment plus de viande rouge (exposition) sont susceptibles d’avoir un IMC plus important, fumer plus, etc. (facteurs de confusion), ce qui est susceptible de biaiser les résultats.

Ces considérations sont légitimes. Cependant, le biais de l’individu sain n’est pas toujours présent et les covariables sont parfois bien réparties entre les groupes. Néanmoins, pour certaines expositions clairement associées à un mode de vie malsain (par exemple, la viande transformée), ce n’est pas toujours possible. 

Les chercheurs sont évidemment au courant de l’existence du biais de l’individu sain et utilisent des méthodes pour limiter l’influence de ces covariables. Les modèles d’ajustement permettent d’estimer et d’isoler l’effet des facteurs de confusion potentiels connus (par exemple, le tabagisme) sur le résultat d’intérêt (par exemple les maladies cardiovasculaires) et de les isoler de l’effet de l’exposition d’intérêt (par exemple, la viande rouge). Un modèle d’ajustement rigoureux prend en compte les facteurs de confusions alimentaires et non alimentaires potentiels. 

De plus, rejeter des associations vues en épidémiologie sur base du biais de l’utilisateur sain représente une incohérence de raisonnement dans le mesure où des expositions telles que la cigarette ou l’obésité n’ont pas fait l’objet d’études d’intervention pour montrer leurs effets délétères. Cela signifie que l’on a jamais assigné des personnes à fumer un paquet de cigarette par jour où à devenir obèse avec comme critère d’évaluation principal l’incidence de cancer du poumon ou d’évènements cardiovasculaires. 

“Association n’est pas synonyme de causalité !”

Il s’agit probablement de l’affirmation la plus entendue lorsque l’on parle d’épidémiologie nutritionnelle. Concrètement, celle-ci signifie que si deux variables sont associées, cela ne signifie pas qu’il existe une relation causale entre celles-ci, en raison du manque de considération pour certaines covariables.

J’ai déjà abordé les facteurs de confusion, le biais de l’individu sain et l’ajustement statistique précédemment. Mais on pourrait faire valoir qu’il peut toujours exister des facteurs de confusion résiduels. Il existe une certaine légitimité à cette idée et personne ne prétend qu’une association est synonyme de causalité. C’est aussi pourquoi en science, nous ne basons pas notre conclusion sur une seule étude ni conception de recherche. Mais admettons que nous avons clairement à disposition dans différentes études de cohortes prospectives bien menées :

  • une association entre un exposition et un résultat qui survit aux ajustements statistiques réalisés sur les facteurs de confusion potentiels connus dans différentes populations ;
  • avec une taille d’effet importante et des intervalles de confiance étroits ;
  • avec des mécanismes plausibles expliquant ces résultats.

Cela peut soit signifier que l’on peut déduire avec suffisamment de confiance que l’exposition augmente ou diminue le risque du résultat d’intérêt, soit qu’un facteur de confusion inconnu est présent à chaque fois que l’association se produit ou encore que les extraterrestres nous jouent un mauvais tour pour nous faire croire croire en une relation inexistante. Mais dans la balance des probabilités, quelle situation est la plus envisageable ? 

Une association est une association, c’est un fait. Cela ne signifie pas qu’elle ne peut pas faire partie d’un processus d’inférence causale.

“Mais les questionnaires de fréquence alimentaire ne sont pas

fiables !”

Cette revendication signifie que l’évaluation des apports alimentaires par questionnaire de fréquence alimentaire n’est pas précise. Je ne vais pas détailler dans cet article les différentes méthodes de validation des questionnaires de fréquence alimentaire, mais cela dépend tout simplement de l’exposition d’intérêt. 

Est-ce que les questionnaires de fréquence alimentaire sont précis pour le sodium ? Non, c’est pourquoi d’autres méthodes sont utilisées pour mesurer son apport dans la recherche épidémiologique.

Sont-ils fiables pour des nutriments tels que les graisses saturées ? Les études prospectives bien menées comme la Nurses Health Study donnent généralement des coefficients de corrélation de >0.6-0.7 (1 indique une corrélation positive parfaite) par rapport à un registre alimentaire pesé et mesuré. Donc, nous n’avons pas à disposition une mesure tout à fait précise, mais peu importe. 

Pour quelle raison, allez-vous me demander ?  L’idée est surtout d’avoir un contraste d’exposition important. Ce contraste (par exemple une consommation de 40 g/jour de graisses saturées en comparaison à une consommation de 15 g/jour) nous permet de détecter un effet potentiel de l’exposition d’intérêt. Un degré de précision supplémentaire pourra parfois être apporté via les études d’intervention sur les marqueur intermédiaires (par exemple, le cholestérol LDL).

En fin de compte, il s’agit d’un troc entre une précision moins importante et une plus longue période de suivi/plus grande taille d’échantillon.

Les études randomisées contrôlées sont-elles la panacée ?

Les détracteurs de l’épidémiologie suggèrent que si nous avons besoin d’une étude randomisée contrôlée à long terme pour donner des recommandations en ce qui concerne l’alimentation pour soutenir la santé. Mais est-ce vrai ? Les études randomisées contrôlées sont-elles vraiment idéales pour mesurer l’influence d’une exposition sur une maladie ? Celles-ci présentent certaines limites, discutées ci-dessous.

Durée du suivi

Les maladies chroniques ont une longue période de latence. Personne n’est mort d’un arrêt cardiaque après avoir mangé un cheeseburger. Vous ne trouverez pas d’étude où l’on a randomisé les personnes à l’âge de 20 ans à une intervention où un groupe témoin jusqu’à ce qu’ils aient un arrêt cardiaque. 

Les études randomisées contrôlées de plusieurs années existent. Néanmoins, il est important de garder à l’esprit que plus la durée est importante, moins celle-ci est strictement contrôlée. Lorsque l’on aborde le sujet des études randomisées contrôlées, les gens ont tendance à croire que les participants de l’étude sont en laboratoire pendant des mois ou années où toutes les variables sont strictement contrôlées. Ce genre d’études en salle métabolique existe, mais se limite à quelques semaines tout au plus, en raison de problèmes de logistique et de coût. 

Les études randomisées contrôlées à long terme présentent également leurs propres limites, ce qui nous amène au point suivant.

Adhésion

Les études d’intervention impliquent que les participants doivent se conformer à l’intervention pendant la durée de l’étude. Il s’agit d’un challenge particulier en nutrition si celle-ci est conduite à long terme et peut conduire à un énorme manque de puissance statistique en cas de manque d’adhésion. En outre, les ajustements prenant en considération les éventuels biais de non-adhésion sont réalisés de la même manière que dans une étude d’observation.

Covariables introduites post-randomisation

La randomisation signifie que les participants sont assignés au hasard dans le groupe d’intervention ou de contrôle. Ainsi, les covariables pertinentes ont plus de chance d’être équitablement distribuées entre les groupes par rapport aux études d’observation.

Donc, admettons que l’on randomise les participants d’une étude conduite en vie libre à un groupe d’intervention (e.g., alimentation à haute teneur en acides gras polyinsaturés) et un groupe de témoin et que les facteurs de confusion potentiels soient parfaitement équilibrés entre les groupes au départ de l’étude. Fantastique, mais cela ne signifie pas qu’aucune coviariable n’ait été introduite post randomisation. Les participants peuvent changer d’autres aspects de leur alimentation, compenser un changement de comportement en apportant un autre changement qui peut amplifier ou contrebalancer l’effet du premier. Donc nous avons toujours une intervention clairement définie, mais nous ne pouvons pas supposer que l’effet est indépendant de toutes autres variables. L’effet de ces covariables pourra être estimé dans une analyse multivariée. A nouveau, de manière similaire aux études d’observation.

Ethique

Nous avons encore un autre frein lié à l’éthique pour étudier l’effet de certains aliments sur des résultats de santé dans les études d’intervention. Par exemple, il serait contraire à l’éthique d’assigner les participants à un régime à haute teneur en viande transformée en comparaison à un groupe à faible teneur en viande transformée pendant des années avec comme critère d’évaluation l’incidence de cancer colorectal. Cela signifie que seules les études d’observation permettent d’examiner cette association, car on ne fait qu’observer le comportement des participants.

Bottom line

Nous ne pouvons attendre une étude randomisée de 30 ans contraire à l’éthique où toutes les covariables sont strictement contrôlées pour donner des recommandations alimentaires.

En matière de nutrition, nous devons prendre des décisions basées sur la totalité des preuves scientifiques disponibles à un moment T, dont l’épidémiologie nutritionnelle est une part importante de ce processus d’évaluation.

Avant de rejeter les données épidémiologiques, envisagez la possibilité que différents modèles de recherches répondent à différentes questions.