Biais et facteurs de confusion

Biais et confusion

Biais de sélection

• Erreur systématique liée à la sélection des sujets. L'échantillon n'est pas représentatif de la population cible.
• Biais de survie sélective : ne sont étudiés que les survivants (ex : étude de prévalence qui manque les cas rapidement fatals).
• Biais de Berkson (admission) : en milieu hospitalier, association artificielle entre 2 maladies (chacune augmente la probabilité d'hospitalisation).
• Biais de volontariat : les volontaires diffèrent des non-volontaires (plus sains, plus motivés).
• Biais d'attrition (perdus de vue) : les perdus de vue diffèrent des restants → résultats biaisés.

Biais d'information (classement)

• Erreur dans la mesure de l'exposition ou de l'événement.
• Biais de mémoire (recall bias) : les cas se souviennent mieux de leur exposition que les témoins (cas-témoins).
• Biais de mesure : instrument mal calibré, variabilité inter-observateur.
• Biais de classement différentiel : l'erreur dépend du groupe → surestimation ou sous-estimation de l'association. Non différentiel → atténuation vers le nul.

Facteur de confusion (confounding)

Variable liée à la fois à l'exposition ET à la maladie, sans être sur le chemin causal. Crée une association fausse ou masque une vraie. Ex : l'alcool confond l'association tabac-cancer du poumon (corrélé au tabac et facteur de risque de cancer). Contrôle : randomisation (le meilleur), stratification, appariement, ajustement multivarié (régression).