Régression logistique : comprendre et interpréter les odds ratios
La régression logistique est la méthode reine des thèses médicales : elle relie une issue binaire (malade/sain, succès/échec) à plusieurs facteurs, et produit des odds ratios ajustés que tout jury attend. Encore faut-il les lire correctement — et ne pas les confondre avec un risque relatif. Voici l'essentiel, en clair, sans renoncer à la rigueur.
À quoi sert la régression logistique ?
Quand on veut expliquer ou prédire une issue à deux états à partir de plusieurs variables (âge, sexe, tabac, traitement…), la régression logistique est la méthode de référence. Son grand atout : elle ajuste chaque facteur sur les autres. L'effet du tabac est alors estimé « à âge et sexe égaux », ce qui démêle les facteurs de confusion.
En clair — « ajusté » veut dire : on isole l'effet propre de chaque facteur, comme si tous les autres étaient identiques. C'est ce qui distingue une analyse multivariée d'une simple comparaison.
Comprendre les odds et l'odds ratio
La régression logistique ne raisonne pas en probabilités, mais en cotes (odds) : le rapport « probabilité que ça arrive / probabilité que ça n'arrive pas ». L'odds ratio (OR) compare ces cotes entre deux situations.
En clair — l'odds ratio répond à : « de combien la cote de l'événement est-elle multipliée quand le facteur est présent (ou augmente d'une unité) ? ». OR = 1 : aucun effet. OR = 2 : cote doublée. OR = 0,5 : cote divisée par deux (facteur protecteur).
Lire un odds ratio et son intervalle de confiance
Un OR ne se lit jamais seul : c'est l'intervalle de confiance à 95 % qui dit s'il est fiable. La règle visuelle est simple — on la représente avec un forest plot :
- IC entièrement à droite de 1 : facteur de risque significatif (Âge, Tabac).
- IC entièrement à gauche de 1 : facteur protecteur significatif (Traitement).
- IC qui franchit 1 : effet non significatif (Sexe) — l'effet pourrait être nul.
Pour une variable continue, l'OR s'interprète par unité (ou par tranche choisie, par ex. « par +10 ans ») ; précisez toujours l'unité.
Un odds ratio n'est pas un risque relatif
Quand l'événement est fréquent, l'OR exagère l'effet par rapport au risque relatif (RR). Un OR de 3 peut correspondre à un RR de 1,5 seulement. L'approximation « OR ≈ RR » n'est valable que pour des événements rares. Conséquence pratique : pour une étude transversale ou de cohorte à issue fréquente, estimez directement le RR — régression de Poisson à variance robuste ou modèle log-binomial — plutôt que de subir l'OR.
En clair — l'OR parle de « cotes », le RR parle de « risques » (probabilités). Les confondre, surtout pour une maladie fréquente, gonfle artificiellement vos conclusions — et un jury attentif le relèvera.
Les conditions à vérifier
- Assez d'événements par degré de liberté. Visez ~10 événements (la classe la plus rare) par degré de liberté — et non par « variable ». Une catégorielle à k modalités en consomme k−1 (un stade à 4 catégories compte pour 3, pas pour 1) : c'est le sous-comptage classique. Heuristique commode ; les approches récentes (Riley, van Smeden) dimensionnent plutôt par shrinkage et calibration.
- Pas de colinéarité forte entre prédicteurs (deux variables qui mesurent presque la même chose rendent les OR instables).
- Linéarité sur le logit pour les variables continues (l'effet d'+1 unité est supposé constant ; sinon, catégorisez ou modélisez la non-linéarité).
- Pas de séparation (quand un facteur prédit parfaitement l'issue, les OR explosent vers l'infini).
- Calibration et discrimination : la calibration (adéquation prédit/observé) s'examine graphiquement — le test de Hosmer-Lemeshow est courant mais peu puissant et sensible au découpage ; la discrimination se mesure par l'aire sous la courbe ROC (AUC / statistique C).
Les pièges qui coûtent cher devant un jury
Lire un OR comme un risque relatif. Le piège n°1, surtout pour des issues fréquentes. Dites « cote », pas « risque », sauf événement rare.
- Surajuster. Trop de variables pour trop peu d'événements : les OR deviennent fantaisistes (voir la règle des événements par variable).
- Confondre univarié et multivarié. Un facteur significatif seul peut disparaître une fois ajusté : c'est tout l'intérêt — reportez bien les OR ajustés.
- Déduire une causalité d'une étude observationnelle : la régression ajuste sur les confondants mesurés, pas sur les autres.
- Oublier l'intervalle de confiance. Un OR sans IC 95 % n'est pas interprétable.
Ce qu'il faut reporter
- Les OR ajustés + IC 95 % de chaque facteur (idéalement sous forme de forest plot).
- L'AUC (capacité de discrimination) et un mot sur la calibration.
- Le nombre d'événements et de variables, pour montrer que le modèle n'est pas surajusté.
En résumé
La régression logistique relie une issue binaire à plusieurs facteurs et livre des odds ratios ajustés. Lisez-les avec leur intervalle de confiance (franchit 1 = non significatif), n'oubliez jamais qu'un OR n'est pas un risque relatif, et vérifiez les conditions (événements suffisants, pas de colinéarité ni de séparation, calibration). Bien menée, elle est l'une des analyses les plus convaincantes qu'on puisse présenter à un jury.