La phrase à laquelle cette analyse a droit

Quatre phrases, un seul jeu de nombres

Tout ce que ce cours a calculé pointe vers une comparaison, et il y a quatre façons de la rédiger.

1. « La réponse de Nord échoue : la létalité y est le triple de celle de Centre. »
2. « La présentation tardive tue — les cas admis quatre jours ou plus après le début meurent à 3,3 % contre 1,9 % pour ceux admis plus tôt. »
3. « La létalité de Nord vaut 6,30 % (24 décès parmi 381 cas avec une issue enregistrée) contre 2,00 % pour Centre (8 sur 400). Les deux dépassent le seuil Sphère de 1 %. Le délai début-admission n’explique pas l’écart dans ces données : les dates de début de Nord sont rétro-remplies depuis le registre d’admission, et la bande de délai la plus élevée porte un décès parmi trente cas. »
4. « Les données ne permettent pas de comparer les districts. »

La troisième est la seule défendable, et c’est aussi la seule assez longue pour être utile. Comprenez pourquoi chacune des autres échoue et vous avez le contenu de cette leçon.

Pourquoi les trois premières échouent

« La réponse de Nord échoue » attribue un écart à une cause que les données ne distinguent pas. Nord diffère de Centre par la structure par âge, la source d’eau, la distance au traitement, le statut de déplacement et la qualité du registre. La leçon 6 en a retiré une, la leçon 7 a nommé les autres et en a trouvé la moitié non mesurées. Une comparaison dont un seul facteur de confusion a été retiré n’est pas une comparaison sans aucun.

« La présentation tardive tue » est une affirmation plus forte que le plan d’étude ne le permet, et elle repose sur deux cellules incapables de la porter. Le délai début-admission se mesure sur un champ qu’un district rétro-remplit — 80 % des cas de Nord affichent un délai nul, ce qui est le registre d’admission qui parle et non une présentation rapide. Et la bande de quatre jours ou plus, qui produit les 3,3 %, contient un décès parmi trente cas : déplacez ce seul cas et le gradient disparaît.

import pandas as pd

cases = pd.read_csv("cholera-line-list-2024.v1.csv", parse_dates=["onset_date"])
with_onset = cases[cases["onset_date"].notna()]

delayed = with_onset.assign(delay=lambda d: (
    pd.to_datetime(d["admission_date"]) - d["onset_date"]).dt.days)

print(delayed.groupby("district")["delay"]
      .agg(median="median", same_day=lambda s: (s == 0).mean()).round(3))

band = pd.cut(delayed["delay"], [-1, 1, 3, 99], labels=["0-1", "2-3", "4+"])
print(delayed.dropna(subset=["outcome"]).groupby(band).size())

library(dplyr)

cases |>
  filter(!is.na(onset_date)) |>
  mutate(delay = as.numeric(admission_date - onset_date)) |>
  summarise(median = median(delay), same_day = mean(delay == 0), .by = district)

Le délai médian de Nord vaut zéro jour avec 80 % de cas le jour même ; ceux de Centre et de Sud valent deux jours. Et les trois bandes contiennent 372, 214 et 30 cas avec une issue. Imprimez toujours les effectifs sous un gradient, car un pourcentage s’imprime de la même façon qu’il repose sur trois cents cas ou sur un seul.

« Les données ne permettent pas de comparer » est le mode d’échec de l’analyste prudent, et c’est le plus coûteux des quatre. Une réponse qui cesse de rapporter parce que ses données sont imparfaites laisse la décision se prendre sur rien, et il n’existe nulle part une épidémie aux données propres. Le métier consiste à dire ce que les données permettent, limites attachées, non à refuser.

Les quatre éléments d’une affirmation

Chacun manque à au moins une des trois premières phrases.

Le numérateur et le dénominateur, en effectifs. « 6,30 % » est invérifiable ; « 24 décès parmi 381 cas avec une issue enregistrée » se contrôle et s’additionne à celui d’un autre district. Cela déclare aussi l’exclusion — 974 des 975 cas ont une issue, et dire quel dénominateur vous avez employé est ce qui permet au lecteur de savoir si le cas encore hospitalisé a été compté.

La référence à laquelle elle se compare. Un taux sans point de comparaison est un nombre en quête d’opinion. Sphère place la létalité du choléra sous 1 % ; 3,90 % en vaut quatre fois plus et la phrase doit le dire.

L’ajustement, ou son absence. Si vous avez standardisé, nommez le standard. Si vous ne l’avez pas fait, dites que la comparaison est brute.

La limite susceptible de changer le sens. Non pas un paragraphe de précautions — la ou les deux choses qui, si elles allaient dans l’autre sens, changeraient ce que quelqu’un devrait faire. Les dates rétro-remplies de Nord en sont une. La source d’eau non mesurée est l’autre.

claim = {
    "numerator": 24,
    "denominator": 381,
    "denominator_definition": "cases with a recorded outcome",
    "value": "6.30%",
    "benchmark": "Sphere: below 1%",
    "adjustment": "none; crude",
    "limitation": "onset dates back-filled in this district",
}

# The same fields, in the footnote of the table.

Force de la preuve, et où se situe la donnée de routine

Tous les constats observationnels ne sont pas également faibles, et les différences ont des noms.

Plan d’étude	Ce qu’il permet d’affirmer	Où il apparaît ici
Donnée de routine, transversale	Association, ajustée sur ce qui a été mesuré	Tout ce cours
Cohorte	Association avec l’exposition précédant le résultat	Le registre PCIMA, suivi vers l’avant
Cas-témoins	Association, efficacement pour des résultats rares	Rechercher la source d’une épidémie
Essai randomisé	Causalité	Presque jamais en suivi-évaluation de programme

La donnée de programme vit sur la première ligne, et cette ligne peut porter beaucoup de poids si elle est honnête sur la ligne où elle se trouve. Ce qu’elle ne peut pas faire, c’est sauter à la dernière parce que l’association est grande ou le mécanisme plausible.

Deux des arguments les plus solides ouverts au travail observationnel restent disponibles, et cette épidémie en fournit un exemple de chaque.

Un constat qui survit à l’ajustement sur tout ce que vous avez pu mesurer est plus crédible qu’un constat qui s’évanouit. L’excès de Nord s’est resserré sous la standardisation par âge sans disparaître, et c’est le plus solide des deux résultats ici.

Un gradient dose-réponse — une létalité croissant régulièrement d’une bande de délai à l’autre plutôt que sautant à un seul seuil — est plus difficile à écarter qu’un contraste isolé. C’est l’argument qui n’était pas disponible : la bande supérieure comptait trente cas, et un gradient reposant sur un décès n’est pas un gradient.

Ni l’un ni l’autre, pris seul, ne rend un constat causal. Savoir lequel vous avez est ce qui dit avec quelle fermeté écrire.

Écrivez la limite comme une décision, non comme une excuse

Le paragraphe de limites que porte la plupart des rapports est une liste de regrets. Faites-en plutôt une liste de conséquences.

Cholera case fatality, weeks 1-16

  Overall     3.90%   38 deaths / 974 cases with an outcome
  Nord        6.30%   24 / 381
  Sud         3.11%    6 / 193
  Centre      2.00%    8 / 400

  Against the Sphere threshold of 1%, every district is above standard.

  What this supports: prioritising treatment capacity in Nord.
  What it does not: attributing the gap to clinical management or to late
  presentation. Nord's register back-fills onset dates, so its delays are not
  comparable, and the 4+ day band holds one death among 30 cases. Water
  source and crowding, the main determinants of cholera severity, are not
  recorded at all.
  What would settle it: two weeks of prospectively recorded onset dates in
  Nord, and the WASH assessment already scheduled for week 18.

« Ce qui trancherait » est la ligne qui rend la limite utile. Une limite sans issue se lit comme une excuse ; une limite avec une étape suivante nommée est un plan de travail, et c’est ce qui fait d’une analyse imparfaite la première moitié d’une meilleure.

L’habitude que ce cours visait

Trois questions, dans cet ordre, avant toute rédaction.

1. Qu’ai-je compté, sur quoi ? Numérateur, dénominateur, et qui a été exclu.
2. Qu’est-ce qui pourrait aussi l’expliquer ? Le tableau de la leçon 7, écrit avant l’analyse et non après.
3. Que devrait-on faire différemment à cause de cela ? Si rien, l’analyse ne valait pas le temps passé ; si quelque chose, l’affirmation doit être assez solide pour le porter.

Chaque mesure de ce cours — incidence et prévalence, la cascade, la courbe épidémique, les taux d’attaque, la létalité, la couverture de trois façons, le taux standardisé — répond à la première. Les deux dernières sont ce qui empêche la première d’être détournée, et c’est la part qu’aucun logiciel ne calcule à votre place.

La suite

Vous savez défendre un taux, ajuster une comparaison et énoncer ce qu’elle a le droit d’affirmer. Le reste du module 4 applique la même discipline à d’autres secteurs — niveaux de service EAH, assiduité scolaire, gestion de cas en protection — et Régression appliquée aux données de programme revient au problème de la leçon 7 avec un outil capable de tenir plusieurs facteurs de confusion à la fois.