Biais de confusion

Le biais de confusion est un mélange d'effets : une association apparente entre une exposition et un résultat est faussée parce qu'un troisième facteur — le facteur de confusion — est une cause commune des deux. À moins d'en tenir compte, le biais de confusion peut faire apparaître une exposition inoffensive comme nocive, masquer un effet réel ou en exagérer un. Le contrôle du biais de confusion est l'une des tâches centrales de l'épidémiologie observationnelle.

Definition

Le biais de confusion est la distorsion d'une association exposition-résultat qui survient lorsqu'une troisième variable est une cause commune de l'exposition et du résultat (et ne se trouve pas sur la voie causale entre eux), de sorte que l'association brute mélange l'effet de l'exposition avec l'effet de cette variable.

Scope

L'entrée couvre ce qui fait qu'une variable est un facteur de confusion, comment le biais de confusion est identifié à l'aide du raisonnement causal et des graphes acycliques dirigés, et les principales stratégies pour le contrôler par la conception et l'analyse. Elle distingue également le biais de confusion de la modification d'effet et de la médiation. Il s'agit d'une référence méthodologique, et non d'une directive clinique.

Core questions

• Une variable candidate est-elle une cause commune de l'exposition et du résultat ?
• La variable est-elle sur la voie causale (un médiateur) plutôt qu'un facteur de confusion ?
• Quel ensemble de variables doit être ajusté pour éliminer le biais de confusion ?
• Le biais de confusion résiduel ou non mesuré pourrait-il encore expliquer l'association ?

Key concepts

• Cause commune
• Facteur de confusion
• Graphe acyclique dirigé (DAG)
• Interchangeabilité
• Chemin de porte dérobée
• Ajustement, stratification et appariement
• Biais de confusion résiduel et non mesuré
• Biais de confusion versus médiation

Mechanisms

Dans une perspective de résultats potentiels, le biais de confusion est un échec de l'interchangeabilité : les groupes exposés et non exposés diffèrent dans leur risque de base de l'issue pour des raisons autres que l'exposition. En termes de diagrammes causaux, un facteur de confusion ouvre un chemin de « porte dérobée » non causal reliant l'exposition et le résultat par une cause commune ; bloquer ce chemin — en conditionnant sur un ensemble approprié de variables — élimine le biais de confusion. Une variable sur la voie causale (un médiateur) n'est pas un facteur de confusion, et l'ajustement pour celle-ci peut introduire son propre biais. Le contrôle peut être exercé par la conception (randomisation, restriction, appariement) ou par l'analyse (stratification, standardisation, ajustement par régression, et des méthodes telles que les scores de propension). Étant donné que l'ajustement ne peut gérer que les facteurs de confusion mesurés, les facteurs de confusion non mesurés et résiduels demeurent une limitation des estimations observationnelles.

Clinical relevance

Le biais de confusion est la raison principale pour laquelle les associations observationnelles ne sont pas automatiquement causales, et juger de la manière dont une étude l'a géré est essentiel pour évaluer les preuves concernant les expositions et les maladies. Le concept explique comment les preuves sont interprétées ; il ne constitue pas en soi un conseil concernant le diagnostic ou le traitement pour un individu donné.

Epidemiology

La préoccupation concernant le biais de confusion imprègne la recherche observationnelle à travers les études de cohorte, cas-témoins et transversales. Elle motive les essais randomisés (qui, en moyenne, équilibrent les facteurs de confusion mesurés et non mesurés) et l'utilisation croissante de diagrammes causaux explicites et d'analyses quantitatives des biais pour raisonner sur ce qui doit être ajusté.

History

La conscience qu'un troisième facteur peut mélanger les effets est ancienne, mais des définitions précises ont émergé à la fin du XXe siècle. Greenland et Robins (1986) ont défini le biais de confusion à travers l'interchangeabilité et la comparaison contrefactuelle que l'étude tente d'approximer, et le cadre des diagrammes causaux de Greenland, Pearl et Robins (1999) a fourni un critère graphique pour identifier les facteurs de confusion et choisir les ensembles d'ajustement. Ces développements ont clairement séparé le biais de confusion de la modification d'effet et du biais de sélection.

Debates

Comment les facteurs de confusion doivent-ils être sélectionnés pour l'ajustement ?

Les pratiques antérieures s'appuyaient sur des critères statistiques (par exemple, le changement d'estimation ou la signification des associations), tandis que les approches basées sur les diagrammes causaux soutiennent que les ensembles d'ajustement devraient être choisis à partir de connaissances préalables du domaine sur la structure causale afin d'éviter d'ajuster pour des médiateurs ou des colliders.

Key figures

• Sander Greenland
• James Robins
• Judea Pearl
• Olli Miettinen

Seminal works

• greenland-robins-1986
• greenland-pearl-robins-1999
• maldonado-greenland-2002

Frequently asked questions

Quelle est la différence entre un facteur de confusion et un médiateur ?

Un facteur de confusion est une cause commune de l'exposition et du résultat et se situe en dehors de la voie causale ; un médiateur se situe sur la voie allant de l'exposition au résultat. L'ajustement pour un facteur de confusion réduit le biais, mais l'ajustement pour un médiateur peut en introduire un.

La randomisation élimine-t-elle le biais de confusion ?

La randomisation tend, en moyenne et particulièrement dans les essais de grande envergure, à équilibrer les causes communes mesurées et non mesurées entre les groupes, c'est pourquoi elle contrôle le biais de confusion d'une manière que l'ajustement des données observationnelles ne peut pas entièrement égaler.

Le biais de confusion est-il la même chose que la modification d'effet ?

Non. Le biais de confusion est une distorsion à éliminer ; la modification d'effet est une variation réelle de l'effet à travers les sous-groupes et est une propriété de la relation, non une erreur.