Détecter les biais dans une publication scientifique - Pratique Vétérinaire Equine n° 174 du 01/04/2012
Pratique Vétérinaire Equine n° 174 du 01/04/2012

Article de synthèse

Auteur(s) : Jean-Michel Vandeweerd

Fonctions : DVM, DES, PhD, Cert ES (soft tissue), Dipl ECVS
Facultés universitaires Notre-Dame-de-la-Paix
Urvi-Narilis (Unité de recherche vétérinaire
intégrée – Namur Research Institute For Life
Sciences), rue de Bruxelles, 61,
5000 Namur, Belgique.
Clinique vétérinaire équine, 18, rue des Champs,
La Brosse, 78470 Saint-Lambert-des-Bois.
jean-michel.vandeweerd@fundp.ac.be

Afin d’obtenir une information la plus objective possible, il est indispensable de savoir identifier les biais dans une publication scientifique.

Aux questions cliniques qu’il se pose, le vétérinaire équin doit parfois chercher la réponse dans les publications scientifiques à disposition [1, 2]. Certaines connaissances de base des méthodes de recherche permettent d’évaluer plus facilement et plus rapidement la qualité de l’information scientifique qui est véhiculée [3]. Les questions posées peuvent concerner l’étiologie, la fréquence, le diagnostic, le traitement, ainsi que les facteurs de risque et de pronostic d’une maladie [4-7]. Les études qui visent à tester une hypothèse sont dites “analytiques”, à la différence de celles qui se limitent à décrire un phénomène ou des cas cliniques, et qui sont qualifiées de “descriptives”. Les études analytiques consistent à observer divers paramètres selon une méthodologie rigoureuse sur un groupe d’individus appartenant à la population d’intérêt. Cette méthodologie est décrite dans la section “matériel et méthodes” de l’article scientifique. Les chercheurs collectent ainsi certains paramètres des animaux et des événements cliniques, appelés “variables”. Les données (data, en anglais) sont les valeurs que prennent ces variables. Elles sont ensuite soumises à un test statistique visant à accepter ou à rejeter l’hypothèse de départ (par exemple, l’hypothèse qu’un traitement A est plus efficace qu’un traitement B). Un des objectifs des statistiques est d’établir dans quelle mesure les conclusions tirées au départ de l’échantillon ne sont pas le fruit du hasard [8].

Si le hasard est susceptible de modifier les données (en raison d’erreurs de mesure, des variations biologiques des individus, etc.), elles peuvent aussi être faussées pour des raisons de méthodologie. Ainsi, si une balance indique parfois, par hasard, une valeur tantôt supérieure ou tantôt inférieure à la masse réelle, un ajustement erroné de cet outil peut également donner systématiquement à chaque pesée une valeur supérieure à la normale. Par définition, les facteurs méthodologiques qui induisent une erreur systématique dans l’interprétation des résultats mesurés sont appelés des biais.

La prévention des biais ou leur recherche lors de l’analyse des données constituent des étapes importantes dans une étude. Les chercheurs doivent tenir compte des biais potentiels au moment de l’élaboration du protocole. Les lecteurs doivent les identifier lors de la consultation des publications. Les biais peuvent schématiquement être classés en trois catégories : les biais de sélection, les biais de mesure et les biais de confusion.

Biais de sélection

Les biais de sélection sont responsables d’une altération systématique des résultats liée à la façon dont les individus de la population étudiée ont été sélectionnés.

Biais d’allocation

Le premier type de biais pourrait résulter de critères insuffisamment définis ou précis de sélection : le biais d’allocation. Cela peut être le cas, par exemple, dans une étude visant à comparer l’efficacité de deux traitements sur les tendinites. Si les auteurs comparent indifféremment des chevaux présentant une tendinite soit du tendon du muscle fléchisseur profond du doigt, soit du tendon du muscle fléchisseur superficiel du doigt, les conclusions sont susceptibles d’être faussées (photo 1). S’agissant de deux affections différentes, ce manque de rigueur lors de la sélection les conduirait à une situation similaire à celle où ils compareraient des poires et des carottes. Des critères de sélection et d’exclusion des cas doivent donc être établis dès la conception du protocole expérimental. Dans l’étude ci-dessus, il aurait fallu comparer des chevaux non seulement présentant des affections similaires, mais aussi n’étant pas différents en ce qui concerne l’étendue des lésions ou des traitements parallèles.

Or plus les chercheurs sont précis dans la sélection des individus, moins ils en trouvent suffisamment pour constituer les groupes, du moins en médecine équine. C’est donc bien souvent au moment de l’analyse des données que ces éléments sont pris en considération.

Biais d’échantillonnage

Le choix de l’échantillon à tester doit s’accorder avec l’hypothèse de départ. Ainsi, il est possible d’imaginer une étude prospective qui viserait à évaluer une nouvelle technique de castration et qui, d’après ses auteurs, limiterait fortement les saignements. Pour le prouver, ils observent et mesurent les événements chirurgicaux sur un groupe de 50 poneys shetland. Le lecteur comprend aisément que les conclusions tirées de ce travail ne sont pas généralisables à des chevaux de selle, bien plus lourds et aux cordons testiculaires plus larges.

Lorsque l’échantillon n’est pas suffisamment représentatif de la population à laquelle l’auteur veut généraliser les résultats, cela correspond à un biais d’échantillonnage.

Biais de recrutement

Lorsque les animaux sont issus d’une population de cas référés en clinique, ils constituent une population particulière en elle-même, car, par définition, leur envoi chez le spécialiste correspond déjà à une sélection par le généraliste, selon un schéma précis de réflexion. Il convient donc, dans ce cas, d’être très attentif à ce qui a motivé leur envoi en clinique et de détecter les particularités afin de savoir si le groupe contrôle présente les mêmes caractéristiques. Par exemple, si une étude rétrospective vise à évaluer les performances des chevaux traités par arthroscopie de fragments ostéochondraux de l’articulation tibio-tarsienne par rapport à ceux chez lesquels les fragments ont été laissés en place, la mesure risque d’être biaisée par le fait que le groupe pris en charge chirurgicalement pourrait correspondre dès le départ à des animaux prometteurs, pour lesquels le propriétaire ou l’entraîneur ont souhaité financer le traitement (photo 2). Il est question ici de biais de recrutement.

Biais de prévalence

La survie sélective dans les enquêtes cas-témoins ou dans les études transversales peut aussi influencer les résultats. Dans une population, certains individus vont guérir ou mourir de la maladie, tandis que d’autres vont survivre grâce à des soins appropriés. Imaginons que nous étudions un facteur de risque qui favorise la forme létale d’une affection. Dans ce cas, une diminution de la prévalence de la maladie pourrait être observée puisque davantage de chevaux (exposés au facteur de risque en question) sont morts, comparativement à une forme moins létale ou chronique. Le risque pourrait alors être sous-évalué puisqu’il existe moins de cas, la majorité des animaux étant déjà morts. Supposons maintenant une étude transversale menée sur un groupe de chevaux sauvages aux États-Unis sur l’association entre la taille des animaux et la présence d’une affection ostéo-articulaire (AOA). Il pourrait alors être admis que ces chevaux, lorsqu’ils sont atteints d’AOA et qu’ils sont grands, se mettent à boiter fortement, plus que les individus plus petits, qu’ils sont chassés du troupeau et meurent. Dans la population à l’étude, peu de chevaux atteints d’AOA et de grande taille sont donc trouvés, puisque la majorité d’entre eux meurent rapidement et avant les individus de petite taille. L’étude pourrait alors conclure de façon erronée que l’AOA apparaît essentiellement chez les petits chevaux puisque la maladie ne serait plus visible et détectable que chez ces derniers, les plus sensibles (les grands) étant déjà morts. Il s’agit alors d’un biais de prévalence.

Biais de non-réponse

Dans une enquête de cohorte prospective, lors de la sélection, il se peut que les propriétaires d’animaux ne répondent pas aux enquêtes préalables de sollicitation, ou se portent volontaires plus ou moins facilement en fonction du contexte. Cette différence de recrutement pourrait influencer les résultats. En effet, la comparaison porterait alors sur des groupes qui ne sont pas représentatifs de la population générale. Cela peut se vérifier en imaginant, par exemple, que des auteurs sollicitent la communauté équestre pour mener une étude de cohorte prospective afin de suivre des chevaux et d’évaluer l’influence de l’activité sportive sur l’ostéochondrite dissécante (OCD). Les propriétaires de chevaux de sport de haut niveau pourraient ne pas être intéressés par manque de temps, parce qu’ils ne désirent pas que l’état de santé de leur animal soit connu ou par crainte du risque lié à la manipulation de ce dernier (de haute valeur) lors des examens. Ce biais de sélection est un biais de non-réponse.

Biais de mesure

Les biais de mesure sont responsables d’une altération systématique des résultats liée à la façon dont les paramètres (variables) sont mesurés.

Biais de classification

Les biais de classification concernent une erreur systématique dans l’estimation d’un effet liée à des mesures inexactes ou à une classification impropre des animaux, en ce qui concerne aussi bien la maladie que le facteur d’exposition. L’utilisation d’appareils de mesure défectueux ou improprement réglés conduit à des erreurs systématiques de classification.

Il suffit d’imaginer ce qui se passerait si le thermomètre utilisé marquait systématiquement un degré Celcius de plus. Beaucoup plus d’animaux seraient diagnostiqués et classés comme hyperthermes.

Biais de mémorisation

Un biais peut parfois résulter d’une surveillance inégale des animaux exposés et non exposés. En effet, l’effort fourni dans une étude rétrospective lorsque l’individu est malade amène inconsciemment un supplément d’informations par rapport aux animaux sains. Le propriétaire d’un cheval chez lequel différentes articulations sont atteintes d’OCD (le cas) cherche plus activement à se souvenir du régime alimentaire de l’animal. Le propriétaire d’un cheval en bonne santé (le témoin) ne se pose pas ces questions. Il convient de tenir compte de ce biais, un biais de mémorisation, lorsque la mesure du résultat repose sur la mémoire.

Biais d’enquêteur ou de subjectivité

Le vétérinaire peut aussi faire inconsciemment plus d’efforts pour rechercher le facteur d’exposition dans le passé. La solution est de vérifier les sources de diverses façons. La personne qui mesure l’exposition ne devrait pas être informée du statut de l’animal quant à la maladie, ni de l’objectif de l’étude.

Biais de détection ou d’évaluation

Le biais de détection revient à enregistrer plus d’échecs au traitement dans un groupe que dans l’autre, uniquement par connaissance de la nature du traitement. Par exemple, dans un essai clinique portant sur la comparaison de deux protocoles de prévention de la récidive de la tendinite du fléchisseur superficiel du doigt chez les galopeurs, par crainte d’une inefficacité du nouveau protocole par rapport à un ancien bien établi et qui a fait ses preuves (ce qui constitue un exemple fictif), le clinicien pourrait réaliser un examen paraclinique pour tout symptôme évocateur de récidive, même minime, dans le groupe supposé moins actif et rester plus confiant dans le groupe supposé le plus actif, en ne demandant des examens de confirmation qu’en cas d’une suspicion de haute probabilité (photo 3). Il s’agit d’un biais puisqu’il défavorise de façon systématique le même groupe de traitement.

De la même façon, lorsque les conclusions d’un examen diagnostique sont hésitantes, il est plus facile de conclure à l’échec si l’animal est connu pour être non traité ou de rejeter l’événement si les auteurs savent qu’il reçoit un traitement actif. Il s’agit ici d’un biais d’évaluation.

Biais protopathique

L’exposition peut changer à cause de la maladie sous-jacente. Imaginons que nous voulions mesurer l’impact de l’alimentation sur le développement d’une maladie articulaire. Il est possible de poser l’hypothèse que la suralimentation est associée à l’ostéo-arthrite. Si la maladie est douloureuse et que, dès qu’elle est déclarée, l’animal perd l’appétit et mange moins, un risque existe de conclure de façon erronée à une association entre la maladie et une diminution de la quantité de nourriture ingérée.

L’exemple de l’ulcère de l’estomac est peut-être encore plus parlant. Si le type de régime alimentaire est investigué en ce qui concerne le développement d’ulcères de l’estomac, l’individu concerné peut avoir déjà modifié ses habitudes alimentaires (par exemple, qu’il consomme des quantités moindres) lorsqu’il est enrôlé comme cas et que son exposition, c’est-à-dire son régime alimentaire, est mesurée. Il est conclu alors qu’il existe davantage de cas d’ulcères de l’estomac chez les individus qui ingèrent des quantités moindres, alors que ce dernier point n’est que la conséquence de la maladie qui s’est installée de façon progressive et insidieuse, modifiant ainsi les habitudes alimentaires. C’est un biais protopathique.

Biais de suivi

Dans les études longitudinales, lorsque deux groupes à comparer sont suivis, certains individus peuvent disparaître d’un des groupes. Il est difficile de connaître ce qu’ils sont devenus et d’utiliser ces données dans l’analyse. Cette information incomplète introduit un biais de suivi.

Biais de désirabilité sociale

Lorsque les propriétaires sont impliqués dans l’évaluation de l’expérimentation, leur avis peut être influencé par le désir de plaire ou de satisfaire l’expérimentateur. Il s’agit d’un biais de désirabilité sociale.

Biais de confusion

Les résultats peuvent aussi être influencés par des facteurs appelés variables de confusion, plutôt que par l’intervention elle-même. Ainsi, par exemple, une étude pourrait être menée pour mesurer l’impact de l’embonpoint sur l’apparition de la fourbure chez les poneys, en comparant deux groupes similaires dans le nord de l’Angleterre. Or, au cours de l’essai, les chercheurs rassemblent de nombreux autres renseignements, dont le statut vaccinal et de vermifugation. Ils constateraient probablement que, dans le groupe de chevaux fourbus, il existe davantage d’animaux vermifugés et vaccinés que dans celui des individus non fourbus. Convient-il d’en conclure qu’il est utile d’arrêter de vermifuger et de vacciner les poneys pour prévenir la maladie ? Il serait probablement plus sage d’investiguer au préalable les liens entre l’embonpoint et les mesures de vaccination et de vermifugation. Les animaux sous-alimentés sont en réalité probablement moins vaccinés ou vermifugés car ils appartiennent à des propriétaires moins attentionnés. Les propriétaires attentionnés, eux, ont des animaux vaccinés et vermifugés mais gras ! Or l’obésité est un facteur prédisposant à la fourbure chez les poneys. Donc la vermifugation/vaccination aurait un lien direct avec l’embonpoint et avec la fourbure. Toutefois, ce lien ne serait pas causal, le vrai lien de cause à effet se situant entre l’embonpoint et la fourbure (figure). La vermifugation/vaccination dans cet exemple est alors appelé “facteur de confusion”.

Un facteur de confusion représente une variable qui est associée aussi bien au facteur étiologique vrai qu’à la maladie. Il est un confondant ou un facteur de confusion pour l’exposition étudiée dans l’association mesurée. La vaccination est, dans cet exemple, un facteur de confusion pour l’étude de l’association de l’embonpoint et de la fourbure. Par définition, un facteur de confusion est lié au facteur d’exposition et au résultat mesuré. Le facteur de confusion présente deux caractéristiques :

– il est associé au facteur d’exposition sans en être la conséquence. Ce n’est pas parce que les chevaux sont gros qu’ils sont vaccinés ou vermifugés, mais les chevaux en bon état ont plus de chance d’être vaccinés ou vermifugés ;

– il est lié au résultat sans en être la cause. Les poneys vaccinés et vermifugés sont plus souvent fourbus, mais ce n’en est pas la cause. C’est l’embonpoint qui l’est, en réalité.

Comment gérer ou éviter les biais ?

La méthodologie doit être rigoureusement pensée afin de limiter les biais. Lorsque la méthode ne suffit pas, il reste possible d’en tenir compte au moment de l’analyse statistique. Toutefois, les statistiques ne sauvent pas la validité interne d’une étude mal conçue.

Enfin, lorsqu’il n’est pas possible d’éviter les biais, l’auteur doit les mentionner dans les faiblesses de l’étude au cours de la discussion. Différentes techniques qui permettent de limiter les biais ont déjà été abordées dans des articles précédents [1-8].

Randomisation

La constitution aléatoire des groupes (en tirant les individus au sort) limite le risque de sélectionner certaines caractéristiques.

Aveuglement

Il s’agit du processus par lequel le clinicien ne connaît pas l’intervention (traitement) que l’animal a reçu. Il permet de limiter un biais de mesure inhérent au penchant des cliniciens de privilégier une intervention plutôt qu’une autre. L’aveuglement du patient par l’administration d’un placebo, en médecine humaine, permet de réduire l’impression subjective d’amélioration dès lors que le malade sait avoir reçu un traitement.

Restriction

Elle consiste à être précis sur les critères d’inclusion et d’exclusion et sur la définition du cas. Cependant, face à une trop grande rigueur, le risque survient de ne plus pouvoir généraliser les conclusions. Reste donc à trouver un juste milieu. Dans l’exemple d’une étude comparant le devenir de chevaux qui présentent des fragments ostéochondraux de l’articulation métacarpo-phalangienne, il serait possible d’affiner les groupes et de limiter l’essai aux animaux avec des fragments dorsaux, ou, au contraire, des fragments palmaires. Mais, dans le cas où les auteurs souhaitent aussi établir des critères de taille (gros et petits fragments), de latéralité (médialement ou latéralement), ils finiraient par ne plus trouver d’animaux à comparer car la liste des critères serait trop longue.

Appariement

Cette technique consiste à neutraliser les facteurs de confusion en groupant les individus de telle sorte que ceux d’un même groupe partagent le(s) même(s) facteur(s) de confusion : âge, sexe, taille, environnement, etc. Mais, là aussi, il existe un risque d’obtenir des caractéristiques trop strictes pour généraliser les conclusions.

Stratification

Elle consiste à former des classes d’animaux (des strates). L’âge et le sexe sont deux facteurs de confusion fréquents. Les individus sont à classer, lors de l’analyse des résultats, par tranches d’âge et par sexes. Il est aussi envisageable de procéder ainsi lors du design de l’étude et de la constitution des groupes.

Ajustement

C’est une étape statistique qui s’opère lors de l’analyse des résultats et qui consiste à donner un poids différent aux sous-catégories.

Conclusion

Les erreurs de méthodologie peuvent être présentes dans les études scientifiques. Elles sont à l’origine d’une altération systématique des résultats aboutissant à des conclusions erronées. Une connaissance minimale des différents biais possibles et des méthodes à mettre en œuvre pour les prévenir est utile pour le vétérinaire équin qui souhaite évaluer la qualité de l’information scientifique qu’il consulte (encadré).

Références

  • 1 – Vandeweerd JM, Perrin R. Evidence Based Medicine, la médecine factuelle. Prat. Vét. Équine. 2007;156(39):43-48.
  • 2 – Vandeweerd JM. Premiers pas de médecine factuelle : recherche documentaire avec les bases de données. Prat. Vét. Équine. 2009;162(40):51-55.
  • 3 – Vandeweerd JM. La médecine factuelle au quotidien: des suggestions pour les praticiens équins. Prat. Vét. Équine. 2010;166(42):55-61.
  • 4 – Vandeweerd JM, Buczinski S, Lebrun L, Coisnon C, Gustin P. La synthèse méthodique : un outil d’information scientifique mis à la disposition du praticien. Prat. Vét. Équine. 2010;168(42):65-73.
  • 5 – Vandeweerd JM, Desbrosse F. Mieux comprendre la validité des tests diagnostiques. Prat. Vét. Équine. 2011;169(43):55-59.
  • 6 – Vandeweerd JM. Fréquence des maladies : notions de prévalence et d’incidence. Prat. Vét. Équine. 2011;170(43):59-62.
  • 7 – Vandeweerd JM. Risque et pronostic. Prat. Vét. Équine. 2011;171(43):61-66.
  • 8 – Vandeweerd JM. À quoi servent les statistiques ? Prat. Vét. Équine. 2011;173(44):60-64.

Éléments à retenir

→ Les biais sont des éléments de la méthodologie qui induisent une erreur systématique dans les résultats. Y sont distingués des biais de sélection, de mesure et de confusion.

→ La conception rigoureuse de la méthodologie permet d’éviter les biais. Lorsque la méthode ne suffit pas, il reste possible d’en tenir compte au moment de l’analyse statistique. Toutefois, les statistiques ne sauvent pas la validité interne d’une étude mal conçue.

→ Le lecteur doit contrôler que les auteurs de l’étude scientifique consultée ont tout mis en œuvre pour prévenir les biais ou les gérer lors de l’analyse. La discussion de l’article doit idéalement aborder les faiblesses de la méthodologie.

Encadré : Questions à poser pour identifier les biais et vérifier si les mesures adéquates ont été mises en œuvre pour les gérer

→ Biais de sélection

• Biais d’allocation

– La population de l’étude a-t-elle été bien définie ?

– Quels sont les critères d’inclusion et d’exclusion ?

– Ces critères sont-ils bien déterminés ?

• Biais d’échantillonnage

La population étudiée représente-t-elle celle pour laquelle il est souhaité de généraliser les résultats ?

• Biais de recrutement

Dans une étude cas-témoins, l’échantillon des individus sélectionnés comme cas ne correspond-il pas à une population trop particulière ?

• Biais de prévalence

– Dans les études cas-témoins et les études transversales, la létalité de la maladie (survie sélective) peut-elle influencer les résultats ?

– Les auteurs tiennent-ils compte des animaux déjà atteints avant le début de la période d’observation ?

→ Biais de mesure

• Biais de classification

– Les définitions de la maladie, des cas et des facteurs étudiés sont-elles claires et précises ?

– Les groupes de départ sont-ils comparables ?

– Les groupes restent-ils comparables tout au long de l’étude ?

– Les techniques de mesure des résultats sont-elles claires et précises ?

– Les mesures sont-elles aussi objectives que possible ?

– L’étude est-elle réalisée le plus en aveugle possible ?

– Le suivi est-il identique pour tous les animaux ?

– Les conditions de réalisation restent-elles les mêmes ?

• Biais de mémorisation

Les propriétaires interrogés ont-ils plus de chance de se souvenir si leur animal fait partie du groupe des animaux malades (cas), par rapport aux animaux sains (contrôles) ?

• Biais d’enquêteur ou de subjectivité

L’examinateur est-il suffisamment informé sur l’étude ? A-t-il eu tendance à rechercher des informations avec d’autant plus d’intérêt qu’elles favorisent l’hypothèse qu’il privilégie ?

• Biais de détection

N’est-il pas plus facile d’enregistrer davantage d’échecs au traitement dans un groupe, comparativement à l’autre ?

• Biais protopathique

La maladie pourrait-elle avoir modifié différents facteurs (comportements) de façon imperceptible et qui, bien que semblant en être la cause, n’en sont que la conséquence ?

• Biais de suivi

– L’auteur tient-il compte des animaux qui sont perdus de vue au cours de l’étude ?

– Comment utilise-t-il leurs données ?

• Biais de désirabilité sociale

Les propriétaires interrogés pourraient-ils avoir tendance à modifier leurs propos par désir de plaire ?

→ Biais de confusion

• L’auteur a-t-il envisagé les facteurs de confusion possible ?

• Quels sont les facteurs de confusion possible ?

→ Biais liés au contexte socio-économique de la recherche ?

• L’auteur a-t-il envisagé et déclaré des conflits d’intérêts ?

• Quelle est l’influence que l’éditeur, les bases de données consultées et la langue utilisée pourraient avoir sur la publication ?

→ Des stratégies adéquates ont-elles été prises pour éviter les biais ?

• Au niveau des méthodes

– Appariement (pour chaque individu contrôle, un cas similaire est choisi) ?

– Stratification (afin d’assurer une similarité entre les individus qui sont comparés, ils sont divisés en strates de critères identiques) ?

– Aveuglement (les participants et les expérimentateurs sont informés de façon minimale sur l’étude menée) ?

– Restriction (des critères sévères d’inclusion et d’exclusion sont établis) ?

• Au niveau de l’analyse

– Stratification (l’analyse procède par strates différentes) ?

– Analyse multivariée (les statistiques permettent d’étudier l’influence des différentes variables qui pourraient interagir et induire une confusion ou une modification d’effet) ?

– Ajustement (lors de l’analyse, un poids différent est attribué aux sous-catégories) ?

Formations e-Learning

Nouveau : Découvrez le premier module
e-Learning du PointVétérinaire.fr sur le thème « L’Épanchement thoracique dans tous ses états »

En savoir plus

Boutique

L’ouvrage ECG du chien et du chat - Diagnostic des arythmies s’engage à fournir à l’étudiant débutant ou au spécialiste en cardiologie une approche pratique du diagnostic électrocardiographique, ainsi que des connaissances approfondies, afin de leur permettre un réel apprentissage dans ce domaine qui a intrigué les praticiens pendant plus d’un siècle. L’association des différentes expériences des auteurs donne de la consistance à l’abord de l’interprétation des tracés ECG effectués chez le chien et le chat.

En savoir plus sur cette nouveauté
Découvrir la boutique du Point Vétérinaire

Agenda des formations

Calendrier des formations pour les vétérinaires et auxiliaires vétérinaires

Retrouvez les différentes formations, évènements, congrès qui seront organisés dans les mois à venir. Vous pouvez cibler votre recherche par date, domaine d'activité, ou situation géographique.

En savoir plus


Inscrivez-vous gratuitement à notre Newsletter

Découvrez en avant-première chaque mois le sommaire du Pratique Vétérinaire Equine.

Vidéo : Comment s'inscrire aux lettres d'informations du Point Vétérinaire

Retrouvez-nous sur
Abonné à Pratique Vétérinaire Equine, retrouvez votre revue dans l'application Le Point Vétérinaire.fr