Andy Garcia · dev freelance
FRENES
Retour au blog
Science & Données

300 millions d'analyses révèlent une falaise à la ménopause. La moyenne par âge en avait fait une pente

19 octobre 2026 7 min de lecture

Le lundi 12 octobre, Nature Medicine a publié un article du laboratoire d'Uri Alon à l'Institut Weizmann des sciences : « Population-scale reconstruction of menopause dynamics reveals a physiological cliff at the final menstrual period ». Les auteurs ont analysé deux jeux de données, chacun avec sa propre version de la méthode. NHANES, l'enquête de santé américaine, de 1999 à 2022. Et les dossiers de Clalit, l'assureur santé israélien qui couvre environ la moitié de la population, avec 1,3 million de femmes de 30 à 70 ans entre 2004 et 2024. Au total, plus de 300 millions d'analyses de laboratoire.

Tracées en fonction de l'âge, la plupart de ces analyses dérivent doucement pendant les quarantaines et les cinquantaines. Tracées en fonction du temps écoulé depuis les dernières règles de chaque femme, beaucoup d'entre elles font un saut. L'article rapporte des changements en marche d'escalier à ce moment-là sur les tests endocriniens, osseux, hépatiques, rénaux et lipidiques ; aucun saut de ce type chez les hommes passés dans la même analyse ; des tailles de saut qui concordent entre les données américaines et israéliennes (r = 0,89) ; des sauts plus petits chez les femmes qui déclarent un traitement hormonal ; et des changements hormonaux qui commencent plus de dix ans avant les dernières règles.

Je ne suis pas clinicien, et rien ici n'est un conseil de santé. J'ai lu l'article en tant que quelqu'un qui construit des logiciels et passe beaucoup de temps à regarder des moyennes. La découverte appartient à la médecine. La méthode voyage, et ses limites aussi.

Comment une moyenne dessine une pente

Le problème est simple une fois qu'on le voit. La ménopause ne survient pas à un âge unique. Dans NHANES, l'âge aux dernières règles a une médiane de 50 ans et un intervalle interquartile de 45 à 53 ans. À 45 ans, environ un quart des femmes l'ont donc déjà passée. À 50 ans, la moitié. À 53 ans, trois quarts.

Imagine maintenant que chaque femme ait la même marche soudaine à ses propres dernières règles. La moyenne par âge ne montrerait que la part des femmes qui l'ont franchie : environ un quart de la marche à 45 ans, la moitié à 50 ans, trois quarts à 53 ans. Une falaise, moyennée sur des personnes qui l'atteignent à des âges différents, ressort sous forme de rampe. L'article part exactement de ce point : la ménopause a surtout été décrite comme une transition graduelle, et utiliser l'âge plutôt que le moment de la ménopause « brouille la chronologie ».

L'exemple de l'article est la ferritine, un marqueur du fer. Par âge, elle change progressivement. Réalignée sur les dernières règles, elle saute de 0,6 écart-type. Sur les 90 tests des données américaines, 52 montrent un saut significatif chez les femmes par rapport aux hommes, avec des tailles de 0,1 à 1,4 écart-type. La plupart vont dans le sens d'un risque de maladie plus élevé. Les principales exceptions sont les tests du fer, de l'hémoglobine et des globules rouges, qui s'améliorent, probablement parce que les saignements menstruels s'arrêtent.

Ce que fait vraiment la méthode

Les auteurs l'appellent déconvolution et citent un article de 1972 sur la restauration d'images : la façon dont on affine une image astronomique en corrigeant la distorsion du télescope. Ici, le flou est l'étalement des âges de ménopause.

L'algorithme, qu'ils ont nommé YoGlen, ne prédit pas la date de ménopause de chaque femme. Il reconstruit la trajectoire moyenne comme si tout le monde avait été aligné sur ses propres dernières règles. Dans NHANES, le statut ménopausique est connu pour 73,2 % des femmes, et 89 % de celles qui se disaient ménopausées ont aussi donné un âge. Pour les autres, le modèle tire 15 âges de ménopause plausibles dans la distribution connue, cohérents avec ce que chaque femme a déclaré, lance l'analyse sur chaque version et regroupe les résultats. Clalit n'a aucune donnée menstruelle. Là, chaque test est ajusté avec un modèle simple qui inclut un saut possible, moyenné sur une distribution publiée d'âges de ménopause issue de 306 068 femmes.

La marche n'est pas imposée. Dans l'analyse américaine, chacune des 100 répétitions de validation croisée choisit entre des modèles avec et sans saut. Dans l'analyse israélienne, le saut est un paramètre estimé à partir des données.

Trois vérifications rendent le résultat digne d'être pris au sérieux. Sur des données simulées, avec la distribution de la ménopause décalée de 4 ans ou rendue plus bruitée, la méthode a retrouvé les courbes de référence avec des corrélations de 0,94 et 0,96. Une comparaison directe sans aucune déconvolution, femmes préménopausées contre ménopausées de 45 à 53 ans au statut connu, a donné des tailles de saut qui correspondent à celles de la version déconvoluée à r = 0,97. Et les hommes, passés dans la même machinerie avec la même distribution, montrent un changement graduel et aucun saut. Ce dernier point est le contrôle que je copierais en premier.

Ce que l'étude ne montre pas

Le chiffre du titre cache une asymétrie. Les 300 millions d'analyses viennent surtout de Clalit, avec une médiane de 3 millions d'analyses par marqueur de laboratoire. NHANES a une médiane de 14 778 personnes par test. Les analyses qui exigent le statut ménopausique, et la principale comparaison sur le traitement hormonal, tournent sur la plus petite enquête.

L'analyse principale traite les deux jeux de données de façon transversale et rétrospective, avec un statut ménopausique déclaré par les participantes dans NHANES. Elle ne suit pas les mêmes femmes pendant la transition ; seule la vérification sur le traitement hormonal dans Clalit compare les mêmes femmes avant, pendant et après le traitement. Les auteurs écrivent que la déconvolution « ne peut pas remplacer la granularité d'une étude longitudinale prospective ».

Le degré de brutalité reste aussi ouvert. Dans la figure principale de l'article, une taille de saut est un changement sur 3 ans, femmes moins hommes. Alon a déclaré à Newsweek : « On ne peut pas dire avec certitude à quelle vitesse, mais cela semble se produire dans l'année des dernières règles. »

Le résultat sur le traitement hormonal est celui qu'on risque le plus de surinterpréter. Seulement 9 % des participantes ménopausées de NHANES en déclaraient un, et l'analyse appariée comptait 738 utilisatrices. Trente-neuf tests sur 80 différaient. Les auteurs ont ajusté sur l'âge, le revenu, le tabagisme, l'assurance, le diabète, l'éducation, l'origine ethnique et la période d'enquête, et écrivent pourtant que cela « ne peut pas éliminer entièrement le biais de l'utilisatrice en bonne santé », et que les effets « doivent être testés par des essais randomisés prospectifs ». Les femmes sous traitement avaient aussi une CRP plus élevée, un marqueur d'inflammation. Tout cela est de l'association, pas une recommandation.

La découverte « dix ans plus tôt » vient de moyennes transversales sur quelques milliers de femmes qui disaient ne pas avoir atteint la ménopause. L'AMH commence une chute accélérée environ 15 ans avant les dernières règles, la FSH une hausse accélérée environ 14 ans avant, l'estradiol une baisse accélérée environ 12 ans avant. Les données de Clalit placent les inflexions de la FSH et de l'estradiol à des moments presque identiques. Les auteurs situent ces deux changements environ 7 ans plus tôt que les études précédentes.

Les chercheurs extérieurs n'ont pas tous lu l'étude de la même façon. JoAnn Manson, professeure de médecine à la Harvard Medical School, a déclaré à Newsweek que l'étude « confirme les profonds changements physiologiques » que traversent les femmes aux dernières règles. Rebecca Thurston, de l'Université de Pittsburgh, a déclaré à Newsweek que, l'analyse étant transversale, les auteurs « ne peuvent pas distinguer rigoureusement la ménopause (par exemple le vieillissement reproductif) du vieillissement chronologique », et qu'ils « ont de très grandes quantités de données manquantes sur des variables clés ». Et Martha Hickey, qui dirige les services de ménopause du Women's Hospital Victoria en Australie et n'a pas participé à l'étude, a jugé l'affirmation de changements « en falaise » « inutilement alarmante » pour les femmes, selon le quotidien pakistanais Jang : « Falaise physiologique n'est pas un terme scientifique ou médical. »

Et ce n'est pas tout neuf. Un preprint est sur arXiv depuis le 8 novembre 2025. La revue a reçu l'article le 11 janvier et l'a accepté le 28 juillet. Le code est sur GitHub, en R, avec des données simulées. Les dossiers de Clalit ne sont pas publics.

Le même flou dans mes tableaux de bord

Remplace « ménopause » par n'importe quel événement qui arrive à chaque personne à un moment différent, et le piège est celui que je surveille dans les données produit. Les abonnements se renouvellent à la date propre à chaque utilisateur. Les périodes d'essai gratuit se terminent le jour propre à chaque utilisateur. Dans BidForge, l'outil que j'ai construit pour lire les dossiers d'appels d'offres publics français pour les petites entreprises, chaque appel d'offres a sa propre date limite de dépôt. Moyenne l'activité par semaine calendaire, et toute ruée avant une échéance se diluerait en une douce colline.

Le problème de l'auto-sélection est le même que celui du traitement hormonal. Les utilisateurs qui activent une fonctionnalité paraissent souvent en meilleure santé que ceux qui ne le font pas, et ils étaient souvent différents avant de l'activer. Les auteurs de l'article appellent cela le biais de l'utilisatrice en bonne santé et demandent des essais randomisés. En logiciel, l'essai randomisé est bon marché : un test A/B.

Ce que je vérifierais

Avant de redessiner quoi que ce soit autour d'un lent déclin sur un graphique, je ferais ceci :

  1. Retracer la métrique en fonction du temps écoulé depuis l'événement, pas du calendrier : jours depuis l'inscription, depuis la fin de l'essai, jours avant une échéance.
  2. Lancer le même alignement sur un groupe sans événement, comme l'article le fait avec les hommes. Une marche qui apparaît aussi là est un artefact.
  3. Quand la date de l'événement manque, emprunter la distribution aux utilisateurs qui l'ont, et valider sur ce sous-ensemble, comme la vérification des 45 à 53 ans.
  4. Traiter chaque graphique « les utilisateurs qui ont fait X réussissent mieux » comme observationnel tant qu'un test randomisé ne dit pas le contraire.

Une moyenne par calendrier est une photo prise d'une main tremblante. Avant de planifier autour d'une pente douce, vérifie que ce n'est pas une falaise vue à travers le flou.

Sources

Un projet du même genre ?

Je conçois et déploie des produits comme celui-ci. Parlons-en.

Discutons