Analyse de Sensibilité

En inférence causale, l'analyse de sensibilité examine la robustesse de la conclusion d'une étude face aux violations de ses hypothèses non testables, le plus souvent l'hypothèse d'absence de facteurs de confusion non mesurés. Plutôt que de considérer une estimation ponctuelle comme définitive, elle quantifie l'ampleur qu'un biais caché devrait avoir pour expliquer, ou modifier substantiellement, l'effet observé.

Definition

L'analyse de sensibilité en inférence causale est un ensemble de méthodes qui quantifient l'ampleur qu'un biais non mesuré, généralement un facteur de confusion non mesuré, devrait avoir pour altérer matériellement ou annuler un effet causal estimé.

Scope

Ce sujet aborde la justification de l'analyse de sensibilité et de l'analyse quantitative des biais dans la recherche observationnelle, la notion d'un facteur de confusion non mesuré suffisamment puissant pour invalider un résultat, et les mesures récapitulatives telles que la valeur E. Il s'agit d'une référence méthodologique, et non d'une directive clinique.

Core questions

• Dans quelle mesure une estimation causale est-elle robuste face aux facteurs de confusion non mesurés ?
• Quelle devrait être la force d'un biais caché pour expliquer le résultat ?
• Comment l'impact des hypothèses non testables peut-il être communiqué aux lecteurs ?

Key concepts

• Facteur de confusion non mesuré
• Analyse quantitative des biais
• Valeur E
• Bornes de biais
• Robustesse des estimations causales

Mechanisms

L'analyse de sensibilité reconnaît que les hypothèses d'identification clés ne peuvent pas être vérifiées à partir des données et cherche plutôt à déterminer quelle ampleur de violation modifierait la conclusion. Ding et VanderWeele (ding-vanderweele-2016) ont dérivé des bornes montrant à quel point un facteur de confusion non mesuré, dans ses associations avec l'exposition et le résultat, devrait agir pour expliquer une association observée, sans nécessiter d'hypothèses sur la distribution du facteur de confusion. S'appuyant sur cela, la valeur E (vanderweele-ding-2017) résume le résultat comme la force d'association minimale qu'un facteur de confusion non mesuré devrait avoir avec l'exposition et le résultat pour expliquer entièrement l'estimation ; des valeurs E plus élevées indiquent une plus grande robustesse. De telles analyses complètent un ajustement minutieux, qui doit lui-même éviter d'introduire des biais par un choix inapproprié de covariables (schisterman-2009).

Clinical relevance

L'analyse de sensibilité informe les lecteurs sur le degré de confiance qu'une affirmation causale observationnelle peut supporter, ce qui est essentiel pour évaluer les preuves concernant les traitements et les expositions. Elle décrit la robustesse des preuves et ne constitue pas une base pour les décisions diagnostiques ou thérapeutiques individuelles.

Epidemiology

L'analyse quantitative des biais et la valeur E sont de plus en plus souvent rapportées aux côtés des estimations primaires dans l'épidémiologie observationnelle et la recherche sur l'efficacité comparative, où les facteurs de confusion non mesurés constituent une préoccupation persistante. La valeur E en particulier a été largement adoptée comme un résumé concis de la robustesse (vanderweele-ding-2017).

History

L'analyse de sensibilité formelle pour les facteurs de confusion non mesurés trouve ses racines dans les débats du milieu du XXe siècle sur les affirmations causales observationnelles, et l'analyse quantitative moderne des biais a été systématisée dans les manuels d'épidémiologie (rothman-2008). Les bornes de Ding et VanderWeele (ding-vanderweele-2016), qui nécessitent peu d'hypothèses, et la valeur E (vanderweele-ding-2017) qui en a découlé, ont rendu ces analyses suffisamment simples pour un rapportage de routine.

Debates

Comment la valeur E doit-elle être interprétée et utilisée ?

La valeur E offre un résumé pratique de la robustesse, mais les commentateurs avertissent qu'elle ne remplace pas un raisonnement substantiel sur la plausibilité des facteurs de confusion et leur force réaliste.

Key figures

• Tyler VanderWeele
• Peng Ding
• Sander Greenland
• Timothy Lash

Seminal works

• ding-vanderweele-2016
• vanderweele-ding-2017

Frequently asked questions

Que nous indique une valeur E ?

Elle indique la force d'association minimale qu'un facteur de confusion non mesuré devrait avoir avec l'exposition et le résultat pour expliquer entièrement l'effet observé ; une valeur E plus élevée signifie que le résultat est plus robuste à un tel facteur de confusion.

L'analyse de sensibilité prouve-t-elle qu'un résultat est correct ?

Non. Elle ne confirme pas la causalité ; elle quantifie la robustesse d'une découverte face à des biais non mesurés spécifiés, laissant la plausibilité de ces biais à un jugement substantiel.