Facteurs de confusion, biais et validité des études
Ce domaine regroupe les concepts que les épidémiologistes utilisent pour juger si une association exposition-résultat observée reflète un effet réel ou un artefact. Il distingue l'erreur systématique — facteurs de confusion, biais de sélection et biais d'information — de l'erreur aléatoire, et formule le résultat en termes de validité interne (l'estimation est-elle correcte pour la population étudiée ?) et de la notion connexe de modification d'effet (l'effet diffère-t-il selon les sous-groupes ?).
Definition
Les facteurs de confusion, les biais et la validité des études désignent collectivement le cadre par lequel l'épidémiologie évalue si une association mesurée est une estimation valide d'un effet causal, en séparant l'erreur systématique (facteurs de confusion, biais de sélection, biais d'information) de l'erreur aléatoire et de la variation réelle de l'effet entre les sous-groupes (modification d'effet).
Scope
Ce domaine constitue un aperçu introductif des menaces à la validité dans les études épidémiologiques et du vocabulaire utilisé pour les analyser. Il relie les entrées thématiques détaillées sur les facteurs de confusion, le biais de sélection, le biais d'information, la modification d'effet et l'interaction, ainsi que la validité interne. Il s'agit d'une référence méthodologique et ne fournit pas de conseils cliniques ou de traitement individuel.
Sub-topics
Core questions
- L'association observée s'explique-t-elle par une cause commune de l'exposition et du résultat (facteur de confusion) ?
- La manière dont les sujets sont entrés ou sont restés dans l'étude a-t-elle déformé l'association (biais de sélection) ?
- L'exposition ou le résultat ont-ils été mesurés ou rapportés différemment selon les groupes (biais d'information) ?
- L'effet diffère-t-il réellement selon les sous-groupes (modification d'effet), et est-ce distinct des facteurs de confusion ?
- Globalement, l'estimation est-elle valide en interne pour la population réellement étudiée ?
Key concepts
- Erreur systématique versus erreur aléatoire
- Facteurs de confusion
- Biais de sélection
- Biais d'information (de mesure)
- Modification d'effet et interaction
- Validité interne
- Validité externe (généralisabilité)
- Diagrammes causaux (DAGs)
Mechanisms
Une association mesurée peut s'écarter de l'effet causal réel pour plusieurs raisons distinctes. Les facteurs de confusion (confounding) surviennent lorsqu'un troisième facteur est une cause commune de l'exposition et du résultat, mélangeant son effet avec celui étudié. Le biais de sélection (selection bias) survient lorsque les procédures qui amènent les sujets dans l'analyse — et les y maintiennent — dépendent conjointement de l'exposition et du résultat, déformant l'association dans l'échantillon analysé. Le biais d'information (information bias) survient lorsque l'exposition ou le résultat est mal classé, et cette classification erronée peut être non différentielle (atténuant l'estimation vers la valeur nulle) ou différentielle (la déplaçant dans une direction ou l'autre). Ces erreurs systématiques sont conceptuellement distinctes de l'erreur aléatoire, qui reflète la variabilité d'échantillonnage et est résumée par des intervalles de confiance. La modification d'effet (effect modification) n'est pas une erreur : elle décrit une variation réelle de l'effet à travers les niveaux d'une troisième variable. Les diagrammes causaux (graphes acycliques dirigés) offrent un langage commun pour distinguer les facteurs de confusion du biais de sélection et pour décider des ajustements à effectuer.
Clinical relevance
Ces concepts sont essentiels pour évaluer les preuves qui sous-tendent les connaissances en santé. La crédibilité d'une association rapportée entre une exposition et une maladie dépend de la manière dont une étude a contrôlé les facteurs de confusion et les biais, et de la validité interne de son estimation. Ce domaine décrit comment les preuves sont jugées, et non ce qu'un individu devrait faire concernant un diagnostic ou un traitement.
Epidemiology
Le raisonnement sur les facteurs de confusion et les biais fait partie de toute étude observationnelle et est intégré aux normes de rapport telles que la déclaration STROBE, qui demande aux auteurs de décrire leur gestion de ces menaces. Le cadre est appliqué aux études de cohorte, cas-témoins et transversales, et de plus en plus par des méthodes explicites de diagrammes causaux.
Evidence & guidelines
La déclaration STROBE (von Elm et al., 2007) est une ligne directrice de rapport largement adoptée qui exige que les études observationnelles abordent les sources de biais, le contrôle des facteurs de confusion et les limitations concernant la validité interne et externe.
History
Le vocabulaire des biais et des facteurs de confusion s'est cristallisé au cours du XXe siècle à mesure que l'épidémiologie observationnelle mûrissait, s'appuyant sur des débats concernant l'inférence causale à partir de données non expérimentales. À partir de la fin du XXe siècle, les modèles causaux formels — résultats potentiels et graphes acycliques dirigés — ont donné des définitions précises qui ont unifié des notions auparavant distinctes de facteurs de confusion et de biais de sélection, et ont clarifié leur distinction par rapport à la modification d'effet.
Debates
- Les facteurs de confusion et le biais de sélection sont-ils un seul ou deux phénomènes ?
- Les approches par diagrammes causaux montrent les facteurs de confusion (une cause commune de l'exposition et du résultat) et le biais de sélection (conditionnement sur un effet commun, ou collimateur) comme structurellement distincts, même si les deux produisent des associations non causales ; certains traitements classiques les regroupent de manière plus lâche.
Key figures
- Sander Greenland
- James Robins
- Judea Pearl
- Kenneth Rothman
- Miguel Hernán
Related topics
Seminal works
- greenland-pearl-robins-1999
- grimes-schulz-2002-bias
- delgado-rodriguez-2004
Frequently asked questions
- Quelle est la différence entre biais et facteurs de confusion ?
- Les deux sont des erreurs systématiques, mais les facteurs de confusion sont un mélange d'effets provenant d'une cause commune de l'exposition et du résultat, tandis que le biais ici fait référence aux distorsions introduites par la manière dont les sujets sont sélectionnés (biais de sélection) ou dont les variables sont mesurées (biais d'information).
- La modification d'effet est-elle un type de biais ?
- Non. La modification d'effet décrit une variation réelle de l'effet à travers les sous-groupes ; c'est une caractéristique de la relation étudiée, et non une erreur à éliminer comme les facteurs de confusion ou les biais.