Analyse de Mantel-Haenszel et analyse stratifiée

L'analyse stratifiée permet de contrôler une variable catégorielle de confusion en divisant les données en strates définies par cette variable, en analysant l'association exposition-résultat au sein de chaque strate, puis en combinant les strates en une synthèse unique. La méthode de Mantel-Haenszel est la procédure classique pour réaliser cela avec une série de tableaux 2×2 : elle fournit à la fois un test d'association combiné et une estimation récapitulative pondérée du rapport de cotes (odds ratio) ou du rapport de risques (risk ratio) ajustée pour la variable de stratification.

Definition

L'analyse stratifiée de Mantel-Haenszel combine une série de tableaux 2×2 — un par niveau d'une variable de stratification (de confusion) — en une mesure d'association récapitulative pondérée unique et un test associé, produisant une estimation de l'effet exposition-résultat ajustée pour la variable de stratification.

Scope

Cette entrée explique pourquoi la stratification permet de contrôler la confusion, comment l'estimateur récapitulatif de Mantel-Haenszel pondère les tableaux par strate, le test du chi-carré d'association entre les strates qui l'accompagne, l'estimateur de variance standard utilisé pour les intervalles de confiance, et comment la stratification révèle la modification d'effet lorsque les estimations spécifiques à chaque strate diffèrent. Elle présente ces éléments comme des méthodes d'analyse de données, et non comme des directives cliniques.

Core questions

• Comment la division des données en strates élimine-t-elle l'influence d'une variable de confusion ?
• Comment les tableaux distincts par strate sont-ils pondérés et combinés en un seul rapport de cotes ou rapport de risques récapitulatif ?
• Comment l'association combinée est-elle testée, et comment obtient-on un intervalle de confiance ?
• Quand les strates ne devraient-elles pas être combinées parce que l'effet diffère entre elles (modification d'effet) ?

Key concepts

• Stratification pour contrôler la confusion
• Tableaux 2×2 par strate
• Estimation combinée (récapitulative) pondérée
• Test d'association de Mantel-Haenszel
• Estimateur de variance pour l'estimation récapitulative
• Homogénéité de l'effet entre les strates
• Modification d'effet (interaction)
• Estimation brute versus estimation ajustée

Mechanisms

Les données sont divisées en strates définies par les niveaux d'un facteur de confusion potentiel, produisant un tableau 2×2 de l'exposition par rapport au résultat par strate. Au sein de chaque strate, l'association est exempte de confusion par cette variable car la variable est maintenue constante. Le rapport de cotes récapitulatif de Mantel-Haenszel est une moyenne pondérée des produits croisés spécifiques à chaque strate, avec des poids qui confèrent plus d'influence aux strates plus grandes et plus informatives ; un estimateur analogue existe pour le rapport de risques. Un test du chi-carré unique somme les cas exposés observés moins les cas attendus à travers les strates pour tester l'association combinée tout en préservant la stratification. Les intervalles de confiance utilisent un estimateur de variance valide à la fois lorsqu'il y a de nombreuses petites strates (données éparses) et lorsqu'il y a peu de grandes strates, la propriété de double cohérence établie par Robins, Breslow et Greenland ; Greenland et Robins ont fourni des résultats connexes pour les données de suivi éparses. Si les estimations spécifiques à chaque strate sont similaires, la combinaison est appropriée et l'estimation récapitulative représente l'effet ajusté pour la confusion ; si elles diffèrent substantiellement, la variable de stratification est un modificateur d'effet et un nombre combiné unique peut être trompeur.

Clinical relevance

Les associations ajustées dans la recherche observationnelle en santé sont fréquemment produites ou vérifiées par l'analyse stratifiée de Mantel-Haenszel, le précurseur non-modèle transparent de l'ajustement par régression. Sa compréhension clarifie donc la manière dont la confusion est gérée et comment une estimation brute devient une estimation ajustée. Il s'agit d'une méthode d'analyse et d'interprétation des preuves et non d'une base pour des décisions diagnostiques ou thérapeutiques individuelles.

Epidemiology

Les méthodes de Mantel-Haenszel sont un pilier de l'analyse épidémiologique pour les données de cohortes et d'études cas-témoins, et constituent également la base de la méthode de Mantel-Haenszel à effet fixe largement utilisée pour combiner des tableaux 2×2 entre études en méta-analyse. Elles demeurent l'illustration canonique du contrôle de la confusion avant, ou parallèlement à, la régression logistique et de Poisson.

History

Mantel et Haenszel ont introduit leur test stratifié et leur estimateur récapitulatif en 1959 dans le contexte d'études rétrospectives (cas-témoins) de maladies, et la méthode est rapidement devenue centrale en épidémiologie des maladies chroniques, codifiée dans la monographie de Breslow et Day de 1980. Les estimateurs de variance nécessaires pour des intervalles de confiance valides dans des contextes de données éparses et de grandes strates ont été fournis par Greenland et Robins (1985) et Robins, Breslow et Greenland (1986), complétant ainsi le cadre inférentiel.

Debates

Combinaison versus rapport de la modification d'effet

Lorsque les estimations spécifiques à chaque strate divergent, une synthèse unique de Mantel-Haenszel peut masquer une interaction réelle ; les analystes doivent juger si les strates sont suffisamment homogènes pour être combinées ou si les effets spécifiques à chaque strate devraient plutôt être rapportés.

Key figures

• Nathan Mantel
• William Haenszel
• Sander Greenland
• James Robins
• Norman Breslow
• Kenneth Rothman

Seminal works

• mantel-haenszel-1959
• greenland-robins-1985
• robins-breslow-greenland-1986

Frequently asked questions

Que contrôle la méthode de Mantel-Haenszel ?

Elle contrôle une variable catégorielle de confusion en analysant l'association exposition-résultat au sein des strates de cette variable, puis en combinant les strates, de sorte que l'estimation récapitulative est ajustée pour la variable de stratification.

Que se passe-t-il si le rapport de cotes diffère entre les strates ?

Des estimations spécifiques à chaque strate nettement différentes indiquent une modification d'effet, ce qui signifie que l'association varie réellement en fonction de la variable de stratification ; dans ce cas, une synthèse combinée unique peut être trompeuse et les résultats spécifiques à chaque strate devraient être rapportés.