Chapitre 8 — Introduction à la santé publique · Topic 2 : Épidémiologie · Leçon 2.4
Une étude épidémiologique est toujours menacée par des erreurs systématiques qui faussent son résultat : les biais et les facteurs de confusion. Ces erreurs ne se corrigent pas en augmentant la taille de l’échantillon : elles s’anticipent au moment du design ou se contrôlent à l’analyse. Cette leçon présente les trois grandes familles de biais, les facteurs de confusion et les critères de Bradford Hill qui guident le passage de l’association à la causalité.
🎯 Objectifs pédagogiques
À la fin de cette leçon, tu sauras :
- définir la validité interne d’une étude ;
- identifier les trois grandes familles de biais (sélection, information, confusion) ;
- reconnaître un facteur de confusion et citer les moyens de le neutraliser ;
- distinguer biais, hasard et causalité inversée ;
- citer et appliquer les critères de Bradford Hill.
🧭 Plan de la leçon
- Validité interne, hasard et biais
- Biais de sélection
- Biais d’information (ou de mesure)
- Facteurs de confusion
- Causalité inversée et biais écologique
- Critères de Bradford Hill
1. Validité interne, hasard et biais
La validité interne d’une étude désigne le degré de confiance qu’on peut accorder à ses résultats dans la population étudiée. Elle est menacée par trois types d’erreurs :
| Type d’erreur | Nature | Effet d’un plus grand échantillon |
|---|---|---|
| Hasard | Fluctuation d’échantillonnage aléatoire | Diminue (IC 95 % se rétrécit) |
| Biais | Erreur systématique dans le recueil ou l’analyse | N’a aucun effet |
| Confusion | Effet d’une variable tierce | N’a aucun effet |
Augmenter la taille de l’échantillon ne corrige que l’erreur due au hasard. Un biais dans le recrutement ou dans la mesure produit exactement la même erreur qu’on inclue 100 ou 100 000 sujets. La lutte contre les biais se joue en amont, dans le design de l’étude.
On distingue trois grandes familles de biais : biais de sélection, biais d’information, facteurs de confusion. Elles se combattent différemment.
2. Biais de sélection
Un biais de sélection apparaît quand l’échantillon étudié n’est pas représentatif de la population cible, ou quand les groupes comparés ont été recrutés selon des critères différents.
| Sous-type | Mécanisme |
|---|---|
| Biais de recrutement | Volontaires non représentatifs (souvent plus jeunes, plus éduqués, plus soucieux de leur santé) |
| Biais de survie | On n’observe que ceux qui ont survécu à l’exposition ; les décédés « précocement » manquent aux effectifs |
| Biais de perdus de vue | Les sujets qui quittent l’étude diffèrent systématiquement de ceux qui restent (plus malades, moins observants…) |
| Biais de non-répondants | Les personnes qui refusent l’enquête présentent souvent un profil particulier |
Prévention : définir a priori une population cible, tirer au sort les sujets si possible, comparer les caractéristiques de base entre groupes, analyser en intention de traiter (dans un ECR).
3. Biais d’information (ou de mesure)
Un biais d’information apparaît quand la mesure de l’exposition ou de la maladie est erronée ou différentielle entre les groupes comparés.
| Sous-type | Mécanisme et exemple |
|---|---|
| Biais de mémoire | Dans un cas-témoins, les malades cherchent plus activement à expliquer leur maladie et se souviennent mieux de leurs expositions que les témoins |
| Biais de classement | Erreur de mesure : non différentiel (au hasard, atténue le RR vers 1) ou différentiel (dépend du groupe, peut créer une fausse association) |
| Biais de l’observateur / enquêteur | L’enquêteur qui connaît le statut du sujet interroge différemment les malades et les témoins |
| Biais de désirabilité sociale | Le sujet sous-déclare une exposition socialement mal perçue (alcool, drogues, comportements sexuels) |
Prévention : standardiser les questionnaires et les instruments de mesure, procéder en double aveugle, valider l’exposition sur une source objective (dossier médical, registre, biomarqueur) plutôt que sur la déclaration du sujet.
4. Facteurs de confusion
Un facteur de confusion est une variable qui remplit trois conditions :
- elle est associée à l’exposition étudiée ;
- elle est un facteur de risque de la maladie, indépendamment de l’exposition ;
- elle ne se situe pas sur le chemin causal entre l’exposition et la maladie.
Exemple classique. On étudie la relation entre consommation de café et cancer du poumon. On observe un RR élevé… en réalité, le tabac est associé à la consommation de café ET cause le cancer du poumon : c’est un facteur de confusion. Ajusté sur le tabagisme, le RR retombe à 1.
Autres facteurs de confusion fréquents : l’âge (associé à presque tout), le sexe, le niveau socio-économique, l’indice de masse corporelle, la consommation d’alcool. Toute étude sérieuse liste et contrôle ces variables.
| Moyen de contrôle | Quand ? | Comment ? |
|---|---|---|
| Randomisation | Design (ECR) | Attribution aléatoire → groupes comparables sur tout |
| Restriction | Design | N’inclure qu’un sous-groupe (ex. non-fumeurs uniquement) |
| Appariement | Design (surtout cas-témoins) | Chaque cas est associé à un ou plusieurs témoins de même âge/sexe/… |
| Stratification | Analyse | Calculer le RR séparément dans chaque strate (jeunes, âgés…) |
| Analyse multivariée | Analyse | Modèle statistique (régression logistique, Cox) ajusté sur les confondants |
5. Causalité inversée et biais écologique
Deux erreurs de raisonnement complètent la liste :
- La causalité inversée : c’est la maladie qui cause l’exposition, pas l’inverse. Exemple : dans une étude transversale, on observe que les personnes déprimées consomment davantage de somnifères ; le somnifère ne cause pas la dépression, il est prescrit à cause d’elle. Seule une étude prospective avec chronologie claire permet d’écarter cette erreur.
- Le biais écologique (déjà vu en Leçon 2.3) : transposer à l’individu une corrélation observée entre populations. Deux pays peuvent avoir en moyenne beaucoup de consommation de vin et peu d’infarctus (le « paradoxe français »), sans que ce soit les grands consommateurs qui soient les mieux protégés.
6. Critères de Bradford Hill
Une association statistique, même solide, ne suffit pas à prouver la causalité. En 1965, l’épidémiologiste britannique Sir Austin Bradford Hill a proposé une liste de neuf critères pour aider au raisonnement causal en épidémiologie, encore utilisés aujourd’hui :
| Critère | Idée |
|---|---|
| Force de l’association | Plus le RR ou l’OR est grand, moins un biais résiduel peut l’expliquer |
| Constance (cohérence) | Résultat retrouvé dans plusieurs études, populations, contextes |
| Spécificité | L’exposition cause préférentiellement cette maladie (critère faible aujourd’hui) |
| Temporalité | L’exposition précède la maladie — critère indispensable |
| Gradient dose-effet | Plus d’exposition = plus de maladie (linéaire ou monotone) |
| Plausibilité biologique | Un mécanisme physiopathologique est concevable |
| Cohérence | Accord avec l’ensemble des connaissances (biologiques, cliniques, historiques) |
| Expérience | Une intervention modifiant l’exposition modifie la maladie (arrêt du tabac → baisse du risque) |
| Analogie | Un lien similaire est déjà connu pour une exposition proche |
Les critères de Bradford Hill ne sont ni nécessaires ni suffisants pris isolément. La temporalité est la seule condition nécessaire : sans elle, aucune causalité n’est possible. Les autres critères se combinent pour construire un faisceau d’arguments ; ils ne se cochent pas à la façon d’une check-list mécanique.
Complément hors cours. C’est en s’appuyant sur ces critères (RR massif, gradient dose-effet, réversibilité à l’arrêt, plausibilité biologique via les carcinogènes du tabac, cohérence à travers les études) que la causalité tabac → cancer du poumon a été admise sans qu’aucun essai randomisé n’ait jamais été mené — ce qui aurait été impossible pour des raisons éthiques évidentes.
🧠 À retenir absolument
- Trois sources d’erreur : hasard (corrigé par la taille), biais et confusion (corrigés par le design).
- Biais de sélection : recrutement, survie, perdus de vue, non-répondants.
- Biais d’information : mémoire, classement, observateur, désirabilité sociale.
- Facteur de confusion = associé à l’exposition + facteur de risque de la maladie + hors chemin causal.
- Contrôles : randomisation, restriction, appariement, stratification, analyse multivariée.
- Causalité inversée et biais écologique : deux pièges de raisonnement à connaître.
- Bradford Hill (1965) : 9 critères ; temporalité = seule condition nécessaire.
❓ Questions fréquentes
Peut-on éliminer complètement les biais ?
Non. Toute étude comporte des biais résiduels. L’objectif est de les identifier, d’en limiter l’ampleur par le design et de discuter honnêtement leur impact possible sur les résultats. Une bonne publication épidémiologique liste explicitement les biais suspectés et leurs conséquences.
Quelle différence entre biais et facteur de confusion ?
Un biais est une erreur systématique dans la mesure ou le recueil des données. Un facteur de confusion est une variable réelle qui brouille la relation entre exposition et maladie. On combat les biais par le design et la mesure ; on combat la confusion par l’ajustement statistique ou la randomisation.
Un biais de classement non différentiel est-il grave ?
Il atténue l’association observée vers 1 (« biais vers l’hypothèse nulle ») : on risque de manquer une association réelle. Un biais différentiel est plus dangereux : il peut créer une fausse association ou en amplifier une vraie de façon imprévisible.
Pourquoi la temporalité est-elle le seul critère « indispensable » de Bradford Hill ?
Parce qu’une cause précède toujours son effet : c’est un principe logique. Si l’exposition survient après la maladie, aucun autre critère ne peut sauver la causalité. Les autres critères renforcent le faisceau mais ne sont ni nécessaires ni suffisants à eux seuls.
L’analyse multivariée corrige-t-elle tous les facteurs de confusion ?
Non. Elle ne peut ajuster que sur des variables mesurées. Un confondant non recueilli ou mal mesuré n’est pas contrôlé (« résidual confounding »). Seule la randomisation permet d’espérer neutraliser aussi les confondants inconnus, en équilibrant les groupes sur l’ensemble de leurs caractéristiques.
🚀 Pour aller plus loin
Pour situer ces outils dans la pratique de la santé publique :
Contenu pédagogique original — Réussir SVT. Synthèse rédigée avec assistance IA. L’équipe Réussir SVT.