L’ épidémiologie analytique 267
Les biais
Le groupe témoin
Dans toutes les enquêtes épidémiologiques, le choix pertinent du
groupe témoin, c’est-à-dire dans les enquêtes cas-témoins les nonmalades et dans les enquêtes exposés-non exposés, les non-exposés,
est fondamental. En effet, lorsqu’un tirage au sort n’est pas possible
comme dans un essai thérapeutique par exemple, il est indispensable
que les échantillons de groupes témoins soient le plus représentatifs
possible de la population afin de limiter le risque de biais lié à une
sélection des sujets au moment de leurs recrutements.
D’autres biais, lors de l’analyse des résultats, sont le rejet des cas parce
que des données sont partiellement manquantes ou encore, dans le
suivi d’une cohorte, le fait que des sujets ont été perdus de vue. Des
techniques permettent de limiter les conséquences de ces biais comme
l’analyse actuarielle des résultats (cf. les variables censurées p. 37).
Des biais peuvent être liés aux erreurs de mesures
Des erreurs peuvent être liées à un questionnaire mal conçu au
départ, à des appareils de mesure insuffisamment précis, aux observateurs eux-mêmes, etc. La validation des dossiers d’inclusion dans
l’étude, le contrôle du suivi et des résultats observés, permettent de
quantifier l’impact de ces erreurs sur les résultats, voire de les corriger.
Les facteurs de confusion
Ces facteurs ont été évoqués à propos des études mutifactorielles.
Il y a facteur de confusion lorsque, de façon à la fois simultanée et
indépendante, l’exposition et l’événement de santé sont influencés
par un facteur extérieur qui n’a pas été pris en compte. Un facteur de
confusion est le fait d’une association réelle, mais qui n’est pas causale
pour autant. On pourrait donc dire qu’il ne s’agit pas d’un biais stricto
sensu.
Les biais
Le groupe témoin
Dans toutes les enquêtes épidémiologiques, le choix pertinent du
groupe témoin, c’est-à-dire dans les enquêtes cas-témoins les nonmalades et dans les enquêtes exposés-non exposés, les non-exposés,
est fondamental. En effet, lorsqu’un tirage au sort n’est pas possible
comme dans un essai thérapeutique par exemple, il est indispensable
que les échantillons de groupes témoins soient le plus représentatifs
possible de la population afin de limiter le risque de biais lié à une
sélection des sujets au moment de leurs recrutements.
D’autres biais, lors de l’analyse des résultats, sont le rejet des cas parce
que des données sont partiellement manquantes ou encore, dans le
suivi d’une cohorte, le fait que des sujets ont été perdus de vue. Des
techniques permettent de limiter les conséquences de ces biais comme
l’analyse actuarielle des résultats (cf. les variables censurées p. 37).
Des biais peuvent être liés aux erreurs de mesures
Des erreurs peuvent être liées à un questionnaire mal conçu au
départ, à des appareils de mesure insuffisamment précis, aux observateurs eux-mêmes, etc. La validation des dossiers d’inclusion dans
l’étude, le contrôle du suivi et des résultats observés, permettent de
quantifier l’impact de ces erreurs sur les résultats, voire de les corriger.
Les facteurs de confusion
Ces facteurs ont été évoqués à propos des études mutifactorielles.
Il y a facteur de confusion lorsque, de façon à la fois simultanée et
indépendante, l’exposition et l’événement de santé sont influencés
par un facteur extérieur qui n’a pas été pris en compte. Un facteur de
confusion est le fait d’une association réelle, mais qui n’est pas causale
pour autant. On pourrait donc dire qu’il ne s’agit pas d’un biais stricto
sensu.