Les études de cohorte prospective

L’étude de cohorte prospective est le type d’étude recommandé pour établir une association entre un facteur et l’incidence des blessures dans les recommandations de la FIFA (Fuller et al., 2006). L’objectif d’une étude de cohorte prospective est de mesurer l’association entre un facteur défini et l’incidence des blessures au sein de la population observée. Pour évaluer cette association, plusieurs outils statistiques peuvent être utilisés selon le type de facteurs (catégoriel binaire, quantitatif, etc.).

Lorsqu’un seul facteur est évalué, il est possible de calculer le ratio de cotes ou le risque relatif pour établir une association. Le risque relatif se calcule selon l’équation suivante :

Equation 12 :

Risque relatif (RR) =

Selon le tableau de contingence (figure 15), le risque relatif correspond donc à l’équation suivante :

Equation 13 :

Risque Relatif =

Le ratio de cotes peut également être utilisé, mais contrairement aux études de cas-témoins, l’objectif est, cette fois, de mesurer la cote de survenue de l’évènement (blessure) dans le cas de l’exposition au facteur évalué, en comparaison avec la cote de survenue de l’évènement dans le cas de l’absence d’exposition au facteur évalué.

Dans le cas d’une étude de cohorte prospective, le ratio de cotes se calcule selon l’équation suivante :

Equation 14 : Ratio de cotes =

Le calcul du risque relatif ou du ratio de cotes permet donc d’évaluer si l’exposition à un facteur est associée à une augmentation de l’incidence des blessures. Le risque relatif reflète l’augmentation du risque lié à la présence d’un facteur. Lorsque la fréquence de survenue de l’évènement est faible, le ratio de cotes et le risque relatif sont très proches. Lorsque la survenue de l’évènement est fréquente, en ne prenant pas en compte les joueurs blessés et exposés dans le dénominateur, le ratio de cotes surestime le risque relatif (Viera, 2008).

Pour le risque relatif et le ratio de cotes, la valeur est centrée autour de 1. Si la valeur est supérieure à 1 et que l’intervalle de confiance (à 90% ou à 95%), ne comprend pas la valeur 1, alors cela signifie que le facteur augmente le risque de survenue de l’évènement. Si la valeur est inférieure à 1, et que l’intervalle de confiance (à 90 ou 95%) ne comprend pas la valeur 1, alors cela signifie que le facteur diminue le risque de survenue de l’évènement (facteur protecteur) (Hopkins et al., 2009 ; Viera, 2008). L’intervalle de confiance correspond au niveau de certitude qu’une étendue (un intervalle) de valeurs contienne la vraie, l’exacte valeur dans une population si l’expérimentation était répétée (Page, 2014).

Si le facteur évalué est une variable quantitative, le calcul du risque relatif ou du ratio de cotes ne permet pas d’évaluer la linéarité de l’association entre le facteur et l’incidence des blessures. Pour mesurer une association entre une variable quantitative et l’incidence des blessures, plusieurs outils statistiques peuvent être utilisés.

Il est possible de diviser le groupe de joueurs observés (dichotomiser) selon la valeur de la variable quantitative. Par exemple, il est possible de diviser son groupe en trois, en utilisant l’écart type comme valeur seuil, avec un groupe de joueurs observés au-dessus d’un écart type de la moyenne du groupe, un groupe de joueurs observés en dessous d’un écart type de la moyenne du groupe et un groupe de joueurs entre +1 et -1 écart type, et de calculer le risque relatif en prenant l’un de ces trois groupes comme groupe de référence. Van Dyk et al. (2017), ont, par exemple, cherché à évaluer l’association entre le niveau de force des ischio-jambiers et l’incidence des blessures aux ischio-jambiers chez des joueurs de football professionnel. Ils ont divisé le groupe en trois : le groupe des joueurs les plus forts (niveau de force > moyenne + 1

écart-type) ; le groupe des joueurs les moins forts (niveau de force < moyenne - 1 écart-type) et un groupe intermédiaire (niveau de force = moyenne ± 1 écart type). Dans cette étude, les auteurs ont calculé les ratios de cotes pour le groupe des joueurs forts et le groupe des joueurs les moins forts en utilisant le groupe intermédiaire comme valeur de référence (van Dyk et al., 2017). L’intérêt de cette méthode est qu’elle permet de définir des valeurs seuils au-delà desquelles l’incidence de blessures est supérieure ou inférieure. Cette méthode permet des applications pratiques directes dans la prévention des blessures et une identification de la présence ou non d’un facteur associé à la blessure. Cependant, cette méthode présente également plusieurs limites. Tout d’abord, la nature binaire du facteur associé (présent ou absent) ne reflète pas la réalité liée à l’augmentation d’une variable quantitative associée à la blessure. Bourne et al. (2015) ont conclu qu’un déséquilibre de force entre les deux jambes était un facteur associé à l’incidence de blessures aux ischio-jambiers, et que si ce déséquilibre était

≥ 20 %, alors le risque était 3,4 fois supérieur à un déséquilibre <20 %. Cette conclusion signifie qu’un joueur avec un déséquilibre de 20% est 3,4 fois plus à risque de blessure qu’un joueur à 19 %. Or, ce n’est certainement pas le cas (Carey et al., 2018). L’autre limite de la dichotomisation des groupes est liée à la puissance statistique. La division du groupe observé en plus petits groupes diminue la puissance statistique de l’étude réalisée (Carey et al., 2018) Il est également possible de mesurer l’association entre une ou plusieurs variables quantitatives et l’incidence des blessures à l’aide de techniques de régression. Ces régressions permettent de mesurer l’association entre l’augmentation d’une unité de la variable indépendante et l’augmentation de la fréquence de l’évènement, et fournissent le ratio des cotes ou le risque relatif associé à l’augmentation d’une unité de la variable indépendante (Bahr et Holme, 2003). Ces régressions peuvent, par exemple, permettre de mesurer l’association entre une augmentation de l’âge d’une année et l’augmentation de l’incidence des blessures (Bahr et Holme, 2003).

Plusieurs types de régression peuvent être mis en place selon les objectifs de l’étude, la nature de la variable indépendante et la nature et la fréquence de la variable dépendante (Sedgwick, 2013a ; Sedgwick 2013b ; Sedgwick 2013c ; Sedgwick, 2014). Le tableau 9 reprend les principales techniques de régression utilisées dans les études et les conditions dans lesquelles elles doivent être réalisées.

Tableau 9 : Description des principaux types de régression et recommandations d’utilisation selon l’objectif de l’étude, le type de variable, et les résultats souhaités.

Bien que ce soit aujourd’hui le type d’étude recommandé pour établir une association entre un facteur et l’incidence des blessures (Fuller et al., 2006), les études de cohorte présentent également plusieurs limites.

Les études de cohorte nécessitent de grandes tailles d’échantillon pour que des associations soient établies entre un facteur et l’incidence des blessures. Plus l’évènement que l’on cherche à associer au facteur est rare, plus la taille d’échantillon doit être importante. De la même manière, plus l’association est faible (bien que réelle), plus la taille d’échantillon devra être grande pour établir cette association (Bahr et Holme, 2003).

Si la taille d’échantillon n’est pas assez grande, alors le risque d’erreur de type 2 (conclure à l’absence d’une association alors qu’une association existe) est important (Bahr et Holme, 2003).

L’association mesurée n’est pas nécessairement causale. Si une association significative est détectée entre un facteur et l’augmentation de l’incidence des blessures, cela ne signifie pas nécessairement que ce facteur est un facteur de risque de blessure. Il peut s’agir d’un facteur associé, l’association peut être due à une troisième variable par exemple, qui influe sur le risque de blessure et sur le facteur associé (appelé facteur confondant), sans pour autant qu’un lien de causalité existe entre le facteur évalué et l’incidence des blessures (Meeuwisse, 1994 ; Bahr et Holme, 2003).