Séance 6 - Biais de confusion et biais de sélection

Question 1

C’est quoi la validité et précision

Answer 1

La justesse d’une mesure dépend de plusieurs éléments

• Précision (erreur aléatoire)
• Validité interne (3 types d’erreurs systématiques ou biais)
• Mesure observée = mesure vraie + erreur systématique + erreur aléatoire
• Erreur systématique à Validité
  * Absence relative d’erreurs ou de déviations systématiques (biais)
  * Mesure valide: mesure qui décrit correctement un phénomène
• Erreur aléatoire à Précision
  * Absence relative d’erreurs aléatoires
  * Mesure precise: mesure qui fluctue peu

Question 2

Vrai ou faux:
L’observation d’un écart entre la valeur mesurée et la vraie valeur ne
suffit pas à en attribuer la cause à un manque de validité ou un
manque de précision

Answer 2

Vrai:
En pratique, on peut rarement confronter la valeur mesurée à la vraie
valeur
La discussion de la validité des mesures fait appel à la bonne
connaissance des concepts, à la logique et à l’esprit critique

Question 3

C’est quoi un biais de confusion?

Answer 3

• Dans les études épidémiologiques analytiques, on mesure l’association entre une exposition et la survenue d’un événement de santé
• Souvent des facteurs autres que l’exposition sont responsables, en tout ou en partie, de l’association observée
• On cherche à isoler ce qui dans cette association revient en propre à l’exposition

Question 4

Vrai pu faux:
On peut concevoir l’effet d’un biais de confusion comme de la
confusion des effets

Answer 4

Vrai: L’effet de l’exposition est mêlé avec l’effet d’une autre variable,
menant à un biais

• Les biais de confusion (confounding) affectent la mesure d’association entre une exposition et un événement lorsque l’association est attribuable, en tout ou en partie, à des facteurs autres que
  l’exposition
• La confusion est une erreur systématique attribuable à un tiers facteur dans la mesure d’association entre l’exposition et la maladie.

Question 5

Pour être un facteur confondant, un facteur doit répondre à trois
conditions:

Answer 5

• Être une cause (facteur de risque) de la maladie
• Être associé à l’exposition
• Ne pas faire partie de la chaîne causale reliant l’exposition à la maladie (pas un intermédiaire)

Question 6

Vrai ou faux:
Le biais peut sous-estimer ou sur-estimer l’association

Answer 6

Vrai: On peut même voir une association inverse avec la confusion!

Question 7

Pour être un facteur confondant, il faut que:

Answer 7

Il faut que le lien entre le facteur
confondant et la maladie soit présent indépendamment de l’exposition
* Exemple: On veut évaluer l’effet de la consommation de bière sur le risque de cancer du colon.
* La consommation de pizza est associée à la consommation de bière
* La consommation de pizza est associée au cancer du colon
* On pourrait croire que la consommation de pizza est un facteur confondant

Question 8

Les confondants potentiels

Answer 8

• Une variable peut remplir toutes les conditions pour être confondante, mais le contrôle d’une autre variable confondante peut faire en sorte que son effet comme confondant disparaît
• Dans certaines strates de la variable, il est possible que le lien vers l’exposition ou vers la maladie ne soit plus présent quand on prend en compte l’autre variable
• Dans ce cas, la variable confondante est seulement un substitut de l’autre variable confondante
• Ainsi, le statut d’une variable comme facteur confondant peut dépendre des autres variables qui ont été contrôlées dans l’évaluation

Question 9

La confusion

Answer 9

Il n’existe aucun test statistique
* pas de valeur p, pas de test…
* Il n’existe que le jugement!
* (… habituellement, on juge qu’une différence de 10% dans la mesure d’association est suffisante…)
* Dans le cas précédent: RC=5 vs 9,4: différence de 50% à confusion!

Question 10

Condition 1 :

Answer 10

• Être a priori une cause (une variable indicatrice d’une cause, un facteur de risque) de la maladie, indépendamment de l’exposition
• Pour identifier les facteurs potentiellement confondants, il faut donc connaître les causes de la maladie étudiée
• En l’absence de connaissance a priori, la population non exposée peut fournir des informations

Question 11

Condition 2

Answer 11

• Le facteur confondant doit être associé avec l’exposition dans la population de l’étude
• Dans les études de cohorte, cette condition est évaluée dans les données au début du suivi
• Dans les études cas-témoins, cette condition peut être évaluée dans le groupe des témoin qui représente la population si sa taille est
  suffisante

Question 12

Condition 3

Answer 12

• Le facteur confondant ne doit pas être influencé par l’exposition ou la maladie
• Il n’y a pas d’ambiguïté si le facteur précède l’événement et la maladie
  Exemple: âge, sexe…
• Dans les autres cas, il faut avoir des connaissances a priori sur les relations entre l’exposition ou la maladie et le facteur
• Le facteur ne doit pas être sur la chaîne causale reliant l’exposition à
  la maladie

Question 13

Prévention des biais de confusion

Answer 13

• Randomisation
• Restriction
• Appariement