Etude d’une cohorte pour la validation d’un algorithme de dépistage des troubles visuels de l’enfant par les orthoptistes.

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

L’intérêt de l’étude est de confirmer l’intérêt de l’organisation d’un dépistage visuel systématique chez l’enfant ainsi que ses modalités de réalisation en montrant l’efficacité de la prise en charge de l’amblyopie une fois le dépistage réalisé.

Objectif Principal : estimer le taux de faux négatif de l’algorithme de prise en charge.

Objectifs Secondaires : estimer les paramètres de sensibilité, spécificité, valeurs prédictives de l’algorithme de prise en charge, rechercher les variables clinique associées à une erreur de prédiction de l’algorithme, évaluer l’efficacité des traitements mis en place après le dépistage initial, évaluation du taux d’échec du dépistage.

L’étude est exhaustive sur tous les sujets initialement inclus dans l’étude initiale et qui ont eu un suivi à 6 ans.

Une première analyse des données permettra la description de la population et des différentes variables mesurées. La normalité de la distribution des variables quantitatives sera explorée à l’aide du test de normalité de Shapiro-Wilks. Les résultats statistiques seront présentés sous forme de moyennes ± écarts-types pour les variables quantitatives dont la distribution est gaussienne, médianes et intervalles interquartiles pour les autres variables. Pour les variables qualitatives, les effectifs et les pourcentages associés seront présentés.

Les caractères pronostiques (sensibilité, spécificité, valeurs prédictives et rapports de vraisemblance) de la variable « dépistage de troubles visuels à l’âge de 3 ou 4 ans » jugée par l’algorithme de prise en charge (orthoptiste + ophtalmologiste si besoin) versus le gold standard (« présence de troubles visuels à l’âge de 5 ou 6 ans ») seront estimés avec leur intervalle de confiance à 95%.
Un modèle de régression logistique permettra de mettre en évidence les variables associées aux erreurs de classement.