Les biais en épidémiologie Preux PDF

Preview

Summary

Download Les biais en épidémiologie Preux PDF

Description

Les biais en épidémiologie

Définition  Distorsion de l’estimation d’un résultat observé dans une étude par rapport à la réalité  Peut entraîner une sur ou sous estimation de la force d’association voire même un défaut d’appréciation du sens de l’association  Erreur systématique o Soit dans la sélection des sujets o Soit dans le recueil des informations o Soit par un tiers-facteur non pris en compte

 En épidémiologie : 3 grands types de biais o Biais de sélection o Biais d’information o Facteurs de confusion  A rechercher : o Dès l’élaboration du protocole, o Lors du suivi de l’étude o Lors de l’analyse

1

Les biais de sélection  Sélection préférentielle de sujets qui n’est pas indépendante de leur statut par rapport à l’exposition ou à la maladie lors de la constitution de l’échantillon d’une étude  Choix des sujets au sein de la population  = Biais d’échantillonnage

 Biais d’admission (constitution des échantillons) o Choix de volontaires (malades ou témoins)…! o Choix de cas hospitalisés o Choix de témoins hospitalisés (déjà malades !)  Exemple : o Choix de sujets parkinsoniens à l’hôpital : sélection des cas les plus sévères ou les plus atypiques

 Biais de survie sélective o Etude d’une maladie à forte létalité o Si l’étude est faite uniquement sur les survivants, possibilité de résultats erronés  Exemple : o HTA et IDM, si on suppose que l’HTA sévère entraîne une mortalité plus précoce, dans une étude aux Soins Intensifs de Cardiologie des facteurs de risque de l’IDM, les IDM liés à cette HTA peuvent être décédés à la maison, dans le transport ou aux urgences, donc sous estimation de ce facteur de risque (biais combiné avec le précédent…)

 Cas incident / cas prévalent o Cas incident : si inclusion au début de la maladie o Cas prévalent : si déjà malade avant d’être inclus  Les cas prévalents sont des cas incidents ayant survécu à un processus pathologique pendant un certain temps…  Exemple : facteurs de risque des malformations congénitales o étude réalisée uniquement sur des nouveaux nés (cas prévalents) o ou inclusion également des avortements thérapeutiques et morts in utero

2

 Les non-réponses et les perdus de vue (attention si >20% !!) o Non-réponses : personnes qui refusent de participer ou qui n’ont pas eu l’information sur l’étude (enquête postale +++) o Perdus de vue : personnes dont les informations ne peuvent être recueillies tout au long de l’étude  Importance de recueillir des informations sur ces sujets au moins pour montrer qu’ils ne sont pas différents des sujets inclus (renforce la validité de l’étude)  Intérêt aussi de relancer plusieurs fois les non-répondants

 Prévention des biais de sélection o A envisager dès la conception du protocole o Evidemment avant de débuter l’inclusion des sujets o Affectent principalement les études rétrospectives o Enquêtes cas-témoins : recrutement des cas et des témoins sans connaître le statut par rapport à l’exposition o Cohortes rétrospectives : recrutement des sujets sans connaître le statut par rapport à la maladie o Définition précise et uniforme de la maladie (critères objectifs de diagnostic) o Utiliser cette même définition pour toute l’étude o Recruter les cas ou les sujets exposés dans le même « univers » que les témoins ou les sujets non-exposés qui seront, eux, si possible, tirés au hasard dans ce même «univers »

Les biais d’information  

Relèvent d’une différence liée à la manière de recueillir l’information (maladie ou exposition) Deux types d’erreur de classification

o

Erreur non différentielle (identique dans les groupes)

 o

Exemple : mesure du poids par la même balance imprécise ou non fiable dans les deux groupes comparés

Erreur différentielle (plus marquée dans un groupe)





Exemple : mesure du poids par une balance imprécise dans un des groupes comparés et par une balance très précise dans l’autre Peuvent être liés à la personne interrogée

o

Rétrospectif : biais de mémorisation



3

(exemple : antécédents dans l’enfance)

o

Sujet réprouvé par la société : biais de prévarication (mensonge) (exemple : MST /

o

prostitués) Pour faire plaisir à l’investigateur (aspects culturels PED)

o

Existence d’un problème de santé, les malades sont dans ce cas parfois plus motivés que les témoins (exemple : femmes ayant donné naissance à un enfant malformé se rappellent beaucoup plus des problèmes survenus pendant leur grossesse)



Existence d’une exposition particulière

o

Attention attirée par les problèmes de santé

 Procédures particulières o Suivis différents selon le niveau d’exposition (médecine du travail : radiations, benzène, …)  Motivation de l’enquêteur

o

Qualité du recueil des données

Lutte contre les biais d’information  Prévention par des précautions méthodologiques o Sujets aptes à répondre de manière identique (exemple : si on interroge la famille des sujets dans un groupe [déments par exemple], on interroge aussi la famille des sujets de l’autre groupe) o Recueil de faits objectifs (exemple : prise de la pression artérielle et non pas seulement demander au sujet si il est hypertendu) o Réalisation de mesures en aveugle par l’enquêteur sans connaître le statut de la personne enquêtée (pas toujours possible, au moins tenter de le faire pour le critère de jugement principal) o Ne donner ou ne demander strictement que les informations nécessaires o Standardiser les mesures effectuées  Utiliser des questionnaires validés et testés  Former les enquêteurs à l’interrogatoire  Utiliser des lieux d’interrogatoire similaires  Etalonner les instruments de mesure

Biais ou facteur de confusion    

Existence d’un tiers facteur (covariable) lié au facteur de risque étudié et à la maladie Distribution différente de cette variable entre les groupes Variable liée à la fois à la maladie étudiée et au facteur de risque recherché Seul biais pouvant être éventuellement « rattrapé » à l’analyse statistique mais si et seulement si on a pensé à recueillir l’information sur cette variable.

Comment connaître ou détecter un facteur de confusion  Cela nécessite une bonne connaissance des mécanismes étiologiques de l’affection étudiée    

On peut se douter parfois de certains avant de faire l’étude Sinon éventuellement le vérifier à l’analyse statistique Calcul des mesures d’association brutes Calcul des mesures d’association stratifiées voire ajustées

Exemple d’un facteur de confusion  Cohorte mesurant la relation entre la marque de voiture et le risque d’accident

 Facteur de confusion possible ?

5

Biais ou facteur de confusion

 Contrôle des facteurs de confusion  Essais thérapeutiques  Randomisation  Dans les études d’observation ?  Appariement Appariement : principe  Consiste à constituer des échantillons destinés à neutraliser l’influence potentielle d’un ou plusieurs facteurs de confusion en les répartissant de façon équilibrée entre les groupes à comparer  Rendre semblable les groupes par rapport à la variable de confusion Appariement méthode Si tabagisme = facteur de confusion  Appariement individuel o Si le cas est fumeur, le témoin inclus sera fumeur  Appariement de fréquence o Si 30 % de fumeurs chez les cas, constitution d’un groupe témoins de 30%de fumeurs  Etude appariée Appariement : avantages  Neutralisation des effets relatifs du facteur de confusion  Comparaisons statistiques plus puissantes  Meilleures précisions de la force d’association  Diminution du nombre de cas nécessaires (maxi 4 témoins/cas ou 4 non exposés par exposés, au delà gain de puissance négligeable) Appariement : limites  Empêche l’ étude du rôle du ou des facteur(s) d’appariement dans la survenue de l’événement  Donc n’apparier sur les facteurs de confusion connus +++  Si trop de facteurs d’appariement  sur-appariement o Problème pour trouver des personnes à apparier o o

Conclusion 6

Augmentation de la durée de l’étude et des coûts Perte de puissance de l’étude (sujets trop semblables !)

 De la conception à l’analyse toujours prendre en considération la possibilité de biais : o Réflexion +++ o Ecriture d’un protocole détaillé et complet +++ o Ecriture et réflexion à plusieurs +++  Association entre un facteur d’exposition et un événement peut être le fait : o Hasard ou biais o Réelle mais non causale o Réelle et causale (mais attention, nécessite d’autres éléments +++)  En pratique, pour éviter des biais : o Envisager tous les biais inhérents au thème et à la méthode d’enquête choisie dès la rédaction du protocole o Nombreux biais souvent évitables si le groupe de référence est adéquat o o

Instruments de recueil standardisés et reproductibles Comparabilité du recueil des informations dans les 2 groupes

 Une étude non biaisée n’existe pas. Il s’agit surtout de savoir si les biais sont sans conséquence majeure sur les résultats ou non. Il ne faut pas non plus inventer des biais qui n’existent pas !

7...