Biais, facteurs de confusion et causalité

Une association observée peut s'expliquer par le hasard, un biais, une confusion ou une vraie relation causale. La démarche critique consiste à éliminer les trois premières explications.

Les biais

Biais de sélection : les participants ne représentent pas la population cible (volontaires plus sportifs et en meilleure santé : « effet du volontaire sain »).
Biais d'information (mesure) : mesure différente selon les groupes. Biais de mémoire dans les cas-témoins, déclaration d'activité physique surestimée par questionnaire.
Biais de survie / causalité inverse : une personne malade devient inactive, et l'on croit que l'inactivité cause la maladie.

Confusion

Un facteur de confusion est associé à l'exposition et à la maladie, sans être sur la chaîne causale entre les deux. Exemple : la consommation de café semble liée au cancer du poumon, mais les fumeurs boivent plus de café. On contrôle la confusion à la conception (randomisation, restriction, appariement) ou à l'analyse (stratification, ajustement par régression). Ajuster ne marche que pour les facteurs mesurés ; la confusion résiduelle demeure.

Critères de causalité

Bradford Hill (1965) propose des critères d'appréciation, pas une grille mécanique : force de l'association, constance entre études, spécificité, temporalité (seul critère indispensable : la cause précède l'effet), gradient dose-réponse, plausibilité biologique, cohérence, preuve expérimentale, analogie.

Hiérarchie des preuves et lecture critique

Revue systématique et méta-analyse d'essais randomisés, essai randomisé, cohorte, cas-témoins, série de cas. Cette hiérarchie est un guide : un essai mal conduit vaut moins qu'une cohorte rigoureuse. Pour juger une étude, on se pose des questions simples : population, mesure de l'exposition, mesure de l'événement, durée de suivi, perdus de vue, ajustement, conflits d'intérêts.

Exemple APA : des cohortes montrent que les personnes actives vivent plus longtemps ; l'essai randomisé permet de vérifier que l'entraînement améliore des marqueurs (VO₂max, pression artérielle) et que l'effet n'est pas dû qu'à la sélection de personnes déjà en bonne santé.

🎯 À retenir

Une association peut venir du hasard, d'un biais, d'une confusion ou d'une causalité.
Biais de sélection, d'information et causalité inverse sont les plus fréquents.
Un facteur de confusion est lié à l'exposition et à la maladie, hors de la chaîne causale.
Randomisation, appariement, stratification et ajustement contrôlent la confusion.
Bradford Hill 1965 : la temporalité est le seul critère indispensable.
La confusion résiduelle persiste pour les facteurs non mesurés.

⚠️ Erreurs fréquentes

Penser qu'un ajustement statistique supprime toute confusion.
Prendre les critères de Bradford Hill pour une check-list qui prouve la causalité.

Pour s'entraîner

✅ QCM : Santé publique, épidémiologie et prévention 🃏 Fiches

Calculateurs liés

← Épidémiologie analytique : cohortes, cas-témoins, risque relatif, odds ratio Dépistage et validité des tests : sensibilité, spécificité, valeurs prédictives →