Biais dans les études épidémiologiques

Prof. Ag. Hama Diallo (MD, PhD)

MCA-épidémiologie/UFR-SDS
UFR-SDS Médecin-épidémiologiste senior/Centre MURAZ
16.12.2022 December 16, 2022
 Définition et classification

•Biais = erreur systématique dans la sélection, la mesure, l’analyse et

l’interprétation des données entraînant une interprétation erronée des
résultats de l’étude.
• 3 familles:
– Biais de sélection: conduit à une sélection de ‘mauvais sujets’ pour l’étude
– Biais de mesure: conduit à une ‘mauvaise collecte’ des données sur l’exposition
ou la maladie
– Biais de confusion: conduit à une ‘mauvaise interprétation’ des données; non
consensus des épidémio pour le désigner comme biais!
December 16, 2022
UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022
 Biais de sélection

• Affectent la représentativité de la population d’étude, càd l’extrapolabilité

des résultats (validité interne)
• La (non) participation à l’étude est influencée par des facteurs associés à
l'exposition ou à la maladie
• Y a t-il eu des exclusions? (d’ou l’intérêt du flow chart)
• Qui sont les exclus ou les perdus de vue?
• Peut se voir aussi dans les analyses de sous-groupes non planifiées

December 16, 2022

UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022
Biais de mesure ou d’information

•Ils peuvent survenir lors de la collecte des données et porter sur

l’exposition ou la maladie;
•Dans les études de cohorte, les exposés doivent être réellement
exposés et les non exposés pas du tout en contact avec le facteur
d’exposition.
•La méthode diagnostique de la maladie doit être standardisée chez les
exposés comme chez les non exposés.
•Il peut en résulter des erreurs de classification (misclassification) qui
peuvent être différentielles on non;

December 16, 2022

UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022
 Biais de mesure (ou d’information)
Biais de mémorisation
Ex: Enquête cas témoin étudiant le risque de malformations fœtales et
l’utilisation de médicament pendant la grossesse
Les cas auront tendance à se rappeler plus facilement leurs prises
médicamenteuses antérieures (biais différentiel)

Biais de suivi – Biais de détection

Différence de surveillance dans les groupes d’exposition
Ex: Si les femmes exposées aux THS sont mieux suivies que les non exposées
(pop. gé.), il est plus facile de détecter une pathologie (thrombose veineuse)
chez les exposées (biais différentiel)

Biais de classement dépendant de l’observance

Ex: Exposition à un medicament définie par la prescription ou la dispensation
et non par l’administration réelle : des sujets présentés « exposés » risquent
de ne pas l’être en réalité. December 16, 2022
UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022
Biais de confusion (facteur)

• Appelation non consensuelle biais vraiment??

• Facteur lié à la fois à l’exposition et à la maladie en affectant cette
association (la masquant, l’exagérant ou la modulant)
• Ex: étude de l’association entre le tabagisme et l’IDM qui est
confondue par l’alcoolisme.
• Pour être un facteur de confusion le facteur ne doit pas être dans
le schéma causal
E M

C
December 16, 2022
UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022
Les autres types de biais

• Hawthorne effect= effet de l’observateur; la presence d’un tiers

(notamment chercheurs) amènent les participants à modifier leur
comportement et à conduire à des données d’interpretation erronnée.
• Healthy user effect=biais du sujet sain est un biais d’échantillonnage
car les sujets “vraiment malades” ne se retrouvent pas parmi les
ouvriers du jour!
• Cohort effect= effet de cohorte lié à la date (âge) et à la période
(environnement) de naissance entrainant une différence de risque
‘générationnelle’ en matière de santé (maladie)
• Le biais de causalité reverse: proche de la théorie de l’oeuf et de la
poule qui est le premier? (mortalité néonatale précoce et AE??)
December 16, 2022
UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022
Biais dans les études de cohorte

•La grosse difficulté dans les études de cohorte prospective ce sont les
perdus de vue. Les perdus de vue doivent faire l’objet d’une analyse
particulière.
•Il peut arriver que les sujets perdus de vue le soient du fait d’un facteur
particulier lié à l’exposition ou à la maladie étudiée. Dans ce cas ils
peuvent menacer la validité interne même de l’étude selon l’importance
du problème (>=10%).

December 16, 2022

UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022
Biais dans les études cas-témoins

•Dans les études cas témoins, on doit s’assurer que les malades sont
effectivement malades et les témoins absolument non malades ;
•L’interrogatoire doit être standard chez les cas et chez les témoins ;
•Dans la mesure du possible, l’interrogatoire sur le facteur d’exposition doit
se faire en aveugle.
•Les enquêteurs ne doivent pas connaître le statut malade ou témoin des
sujets interrogés
- La tendance chez les enquêteurs est d’être satisfait lorsqu’un cas est exposé ou qu’un
témoin est non exposé.
•Les biais de mémoire sont fréquents dans les études cas témoins
- Les cas ont tendance à se souvenir des facteurs d’exposition alors que les témoins
vont prêter peu d’attention aux éventuelles expositions.
December 16, 2022
UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022
Démarche globale pour la prise en compte des biais

•Lors de la rédaction du protocole définir clairement et de façon simple

les critères de sélection/participation à l’étude;
•Majorer la taille de l’échantillon pour tenir compte des éventuels perdus
de vue (non consensuel)
•Standardiser toutes les méthodes de mesure/collecte de données
(confection du questionnaire)
•On doit bien réfléchir aux méthodes diagnostiques
•Supervision de terrain par les PI/formation-recyclage des enquêteurs
•On doit tenir compte des biais lors de la mise en œuvre du protocole
•Lors de l’analyse on doit également tenir compte des biais.

December 16, 2022

UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022
confusion dans la relation apparente entre consommation de café et cardiopathie
coronarienne parce qu’il est corrélé avec la consommation de café et qu’il constitue
un facteur de risque même pour les personnes qui ne boivent pas de café.

Comment tenir compte des facteurs de confusion

Il existe plusieurs méthodes pour tenir compte des facteurs de confusion, soit lors de
la conception de l’étude, soit lors de l’analyse des résultats.
Les méthodes habituelles au stade de la conception sont les suivantes :

randomisation
restriction de la population d’étude
appariement.

Au stade de l’analyse, deux méthodes permettent de tenir compte des facteurs de

confusion :

la stratification
la modélisation statistique

December 16, 2022

UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022
 Merci

December 16, 2022

UFR-SDS, D1-Med-UE2-S12, Ouaga 13-17 Déc 2022