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
LQASSanté: 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: Prévalence «vraie» Temps, argent Echantillon: 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, des groupes d éléments ou de sujets risquant de ne pas répondre à des critères d acceptabilité. 18
Lot : N Echantillon aléatoire: n - Règle de décision: détermination d un seuil à (d*+ 1) éltsdéfectueux: 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 P a = 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: H 0 : lot inacceptable (intervention nécessaire) P déf P 0 Hypothèse alternative: H a : lot acceptable (pas d intervention) P déf < P 0 Test unilatéral Même sens +++: H 0 =lot inacceptable - Risque santé: risque α - αfixé par le décideur: contrôle 21
αet β α : Risque de 1 ère espèce: risque de rejeter à tort H 0 alors que H 0 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 H 0 alors que H 0 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 P a ) 22
Conséquences liées aux conclusions du test Population réelle Décision H 0 : P P 0 H a : P < P 0 Lot inacceptable Lot acceptable Lot jugé inacceptable 1- α Test sensible aux mauvais lots (sensibilité) β Mauvaise décision: risque pour le «fournisseur» ou l industriel Lot jugé acceptable α Mauvaisedécision: risque pour le consommateur ou la communauté 1-β 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 déléments défectueux dans un échantillon de taille ntiré aléatoirement d un lot de taille Ncontenant une proportion P d éléments défectueux Espérance= np 0 Variance= np 0 (1-P 0 )((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 N >>>> Taux de sondage < 10% 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, 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 (P a, β) sans (P a, β) P 0 P 0 P 0 α α α P a N N β d* n n et d* n d* (cas classique) 34
1 er scénario, cas classique: Ex: Comparaison d une proportion observée à une valeur théorique Détermination de (n,d*) en fonction de: P a, β, P 0, α Loi hypergéométrique Ou, si conditions de convergence vers la loi normale satisfaites: 1 35
1 er scénario: exemple IQSS 2010 Résultats de l enquête IQSS 2010: - P traçabilité douleur = 0.5 - N=600 En posant: - α=0.05 et β=0.2 - P 0 =0.5 - P a =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*, P 0, α. Calcul Tables Ex: N= 50 000, d*=4, P 0= 0.2, α=0.05 37
3 ème scénario: n et N fixés Etude multicentrique, ressources limitées Détermination de (n,d*) en fonction de: N, P 0, 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 LQAS2 degrés: Echantillonnage double: (diminution des coûts) Détermination de 2 valeurs critiques d 1 d 2 2 tailles d échantillon n 1 et n 2 étapes: Analyse de l échantillon n 1 : si d* d 1 ou d* > d 2 (résultats extrêmes) arrêt conclusions basées sur le résultat de n1, si d 1 < d* d 2 : analyse du 2 ème échantillon n 2 conclusions basées sur le résultat des 2 échantillons. 39
La démarche en résumé 1. Définir le lot 2. LQAS à 1 ou 2 degré(s) 3. Définir les critères de classement (qualité) 4. Définir les seuils en fonction du scénario (P 0, α et ) 5. Déterminer la bonne combinaison du couple (n,d*) 6. Tirage au sort de l échantillon 7. Classement des éléments 8. 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. JutandMA, 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. RhodaD, Fernandez S, FitchD, LemeshowS. 2010. «LQAS: User Beware». International journal of Epidemiology; 39:60:68. Olives C, Pagano M. 2010. «Bayes-LQAS: classifyingthe prevalence of global acute malnutrition». Emerging themes in epidemiology. 7:3. RabarijaonaLP, AndriamarosonBJ, RavaoalimalalaVE, RavoniarimbininaP, MiglianiR. 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