biais de sélection et biais D’Information dans la recherche clinique

résumé

la validité interne d’une étude épidémiologique peut être affectée par une erreur aléatoire et une erreur systématique. L’erreur aléatoire reflète un problème de précision dans l’évaluation d’une relation exposition-maladie donnée et peut être réduite en augmentant la taille de l’échantillon., D’autre part, l’erreur ou le biais systématique reflète un problème de validité de l’étude et découle de toute erreur résultant des méthodes utilisées par le chercheur lors du recrutement de personnes pour l’étude, de facteurs affectant la participation à l’étude (biais de sélection) ou de distorsions systématiques lors de la collecte d’informations sur les expositions et Un autre facteur important qui peut affecter la validité interne d’une étude clinique est la confusion. Dans cet article, nous nous concentrons sur deux catégories de biais: le biais de sélection et de biais d’information., La confusion sera décrite dans un prochain article de cette série.

© 2010 S. Karger AG, Basel

Introduction

dans la conception ou l’interprétation d’une étude clinique, un chercheur a deux préoccupations: la validité externe et interne de l’étude. Dans la perspective moderne proposée par Rothman , la validité externe inclut la généralisation scientifique et statistique., La généralisation scientifique est la caractéristique d’une étude épidémiologique par laquelle elle peut générer une hypothèse biologique cohérente, potentiellement causale, applicable à un ensemble plus général de circonstances cliniques ou épidémiologiques que la population spécifique étudiée . La généralisation statistique est fondamentale dans l’échantillonnage d’enquête dans lequel l’échantillon résultant doit être statistiquement représentatif de la population source (ou cible)., La principale différence entre les deux caractéristiques de la validité externe est que la généralisation scientifique repose sur la représentativité biologique plutôt que sur la représentativité statistique de l’échantillon.

la validité interne, c’est-à-dire la caractéristique d’une étude clinique de produire des résultats valides, peut être affectée par des erreurs aléatoires et systématiques (biais). L’erreur aléatoire est due au hasard et peut être minimisée en augmentant la taille de l’échantillon ou en diminuant la variation des mesures (réduction de l’erreur de mesure)., Le biais désigne toute erreur résultant des méthodes utilisées par le chercheur pour recruter des personnes pour l’étude, de facteurs affectant la participation à l’étude (biais de sélection) ou de distorsions systématiques lors de la collecte d’informations sur les expositions et les maladies (biais d’information). Plus généralement, le biais est tout écart dans la collecte, l’analyse, l’interprétation et la publication des données conduisant à des conclusions qui sous-estiment ou surestiment systématiquement la relation réelle entre une exposition donnée et une maladie spécifique ou tout autre résultat ., Le biais ne peut pas être minimisé en augmentant la taille de l’échantillon. La plupart des violations de la validité interne peuvent être attribuées à un biais de sélection, à un biais d’information ou à une confusion. Dans cet article, nous nous concentrons sur quelques exemples de biais de sélection et de biais d’information.

biais de sélection

Un biais de sélection provient de toute erreur dans la sélection des participants à l’étude et / ou de facteurs affectant la participation à l’étude., Par conséquent, la relation entre l’exposition et la maladie diffère entre les personnes incluses dans l’étude et celles potentiellement admissibles à l’étude (y compris les non-participants ou les non-répondeurs). Dans cette perspective, en particulier pour la recherche étiologique, la validité interne est une condition préalable à la validité externe. Étant donné que la relation exposition-maladie chez les non-participants est généralement inconnue, le biais de sélection ne peut être qu’une hypothèse., Dans cet article, nous considérons 5 types de biais de sélection: le biais de non-réponse (exemple 1), le biais incidence-prévalence (exemples 2 et 3), le biais perte-suivi (exemple 4), le biais de confusion par indication (exemple 5) et le biais volontaire (exemple 6).

Biais de Non-Réponse

Exemple 1

Un biais de non-réponse se produit lorsque la non-participation (non-réponse) est liée à l’exposition et, indépendamment de l’exposition, de la maladie/du résultat., Si la non-réponse est uniquement lié à l’exposition, et non à la maladie, ce qui affecte la distribution de l’exposition dans l’étude, mais pas l’effet observé, par exemple, le risque relatif, et donc il n’affecte pas la validité interne de l’étude. Dans une étude hypothétique portant sur la relation entre le tabagisme et le risque de dysfonction rénale à 10 ans, nous considérons deux scénarios: le premier est le scénario idéal( accord universel pour participer à l’étude); le second est une situation dans laquelle 20% des fumeurs souffrant d’hypertension sévère (c.-à-d., les fumeurs présentant un risque accru de dysfonctionnement rénal) ne répondent pas.

deuxième scénario. Vingt pour cent des fumeurs souffrant d’hypertension sévère (c.-à-d. les personnes présentant un risque accru de dysfonctionnement rénal) n’acceptent pas de participer à l’étude (tableau 2)., Dans ce scénario, le taux de non-réponse est lié au statut tabagique et au risque de maladie (en fait, indépendamment du tabagisme, les personnes souffrant d’hypertension sévère sont plus susceptibles d’avoir un dysfonctionnement rénal). Le RR est: RR = 0,075 / 0,050 = 1,5. Ce RR sous-estime le vrai RR de la maladie car le numérateur n’inclut pas les cas de dysfonctionnement rénal pouvant survenir chez les non-participants (20% des fumeurs souffrant d’hypertension sévère, c’est-à-dire une population à haut risque de maladie rénale)., Bien que dans cet exemple, la non-réponse entraîne une sous-estimation du RR réel, ce type de biais peut également générer une surestimation du RR, selon la direction du biais.

biais Incidence-prévalence

biais de sélection particulièrement fréquent dans les études transversales est le biais incidence-prévalence (également appelé biais de Neyman ou biais de survie)., Ce biais se produit lorsque l’estimation du risque d’une maladie est faite en utilisant des données recueillies à un moment donné dans une série de survivants plutôt que d’être basée sur des données recueillies pendant une période de temps (exemple 2) ou lorsque la sélection biaisée des cas produit une fréquence d’exposition faussée (exemple 3).

exemple 2 (fig. 1)

nous considérons une étude de cohorte hypothétique comprenant 56 individus: 28 exposés et 28 non exposés à un facteur de risque donné. L’étude vise à étudier la relation entre l’exposition au facteur de risque et le risque de maladie., La cohorte est suivie pendant 4 ans. Pendant cette période, la maladie d’intérêt survient chez 5 individus du groupe exposé et chez 5 individus du groupe non exposé. Par conséquent, le RR de la maladie (exposé vs non exposé) Est de 1. Nous considérons ce chiffre (RR = 1) comme le vrai RR. Au cours des 2 premières années, il y a un décès dans le groupe exposé et un autre décès dans le groupe non exposé (fig. 1). Si nous effectuons une enquête après 2 ans, le ratio de prévalence de la maladie entre les personnes exposées et non exposées est de 0,5 , une valeur qui s’écarte du vrai RR (c.-à-d. 1)., Pour cette raison, nous devrions nous estimer l’incidence de la maladie en termes de fréquence (c’est à dire de nouveaux cas survenant dans un échantillon dans un intervalle de temps donné) plutôt qu’en termes de prévalence (cas compté à un moment donné dans le temps) .

Exemple 3

Dans une étude cas-témoins, Tsai et coll. a étudié l’association entre les facteurs liés au mode de vie et les probabilités d’insuffisance rénale terminale (IRT) à Taiwan., Parmi les facteurs de risque potentiels, ces auteurs ont considéré l’association entre les suppléments de multivitamines et L’IRT (tableau 3). Dans cette étude, le rapport de cotes (ou) de l’utilisation de suppléments multivitaminés est calculé par la formule standard: ou = (16/184)/(67/133) = 0.087/0.504 = 0.17. Un ou de 0,17 signifie que les chances d’exposition aux suppléments de multivitamines étaient 83% plus faibles chez les personnes atteintes D’IRT que chez celles sans cette complication., Dans cette étude, la sélection des cas et des témoins et l’évaluation de l’utilisation de multivitamines ont été supposées être impartiales, et nous considérons que ce ou est le vrai ou.,

dans un scénario hypothétique où la sélection des cas, mais pas celle des témoins, est biaisée (l’investigateur, influencé par les connaissances antérieures de l’état d’exposition, peut recueillir cas principalement chez les personnes connues pour être des utilisateurs de multivitamines), la fréquence des cas peut être plus élevée (tableau 4). Le ou dans cette situation est: ou = (32/168)/(67/133) = 0.190/0.504 = 0.38., Dans ce scénario, le processus de sélection biaisé des cas produit une modification importante de L’estimation de la RO (0,38 contre 0,17). Pour éviter ce problème, le processus de sélection des cas et des témoins devrait être identique et indépendant de l’état d’exposition (c.-à-d. que l’investigateur devrait être aveugle à l’état d’exposition).,

biais perte-suivi

exemple 4

Une Perte-un biais de suivi se produit dans les études de cohorte prospectives. Avec ce type de biais, la véritable relation entre l’exposition et la maladie ne sera faussée que si les pertes au cours du suivi sont sélectives (non aléatoires) en ce qui concerne l’exposition et le résultat., Nous considérons une étude de cohorte hypothétique examinant la relation entre l’activité physique et le risque d’hypertension à 10 ans. Encore une fois, nous imaginons deux situations (fig. 2): le premier est le scénario idéal; la seconde est une situation dans laquelle une personne ayant une faible activité physique et l’obésité (qui est une personne à haut risque de l’hypertension) est perdus de vue. Dans le scénario idéal, le RR de 10 ans d’hypertension dans le groupe de faible activité physique par rapport à celui avec une activité physique légère à modérée est de 2,0., Dans le deuxième scénario, puisque la perte de suivi des personnes ayant une faible activité physique est également affectée par l’obésité (c’est-à-dire une condition comorbide prédisposant à l’hypertension indépendamment de l’activité physique), le RR résultant (de 1) est ouvertement sous-estimé.

Confusion par Indication

exemple 5

La Confusion par indication est un type de biais généré lorsque l’indication à traiter est un facteur de confusion pour la relation traitement-résultat. Ce biais se produit dans les études observationnelles d’efficacité du traitement, c’est-à-dire les études dans lesquelles l’attribution de patients à un traitement spécifique dépend d’une décision arbitraire de l’investigateur plutôt que du hasard comme dans les essais cliniques randomisés . En conséquence, les deux bras d’étude (actif vs., placebo) ne sont pas comparables pour les facteurs pronostiques pertinents à l’inclusion. Ici, nous considérons 2 études hypothétiques étudiant l’effet d’une nouvelle classe de statines sur le taux d’incidence de l’infarctus du myocarde chez les patients atteints d’hypercholestérolémie: la première est un essai clinique randomisé, et la seconde comprend des patients qui ne sont pas attribués au hasard au bras actif (c’est-à-dire qu’ils reçoivent un traitement sur Dans l’essai clinique randomisé, le risque d’infarctus du myocarde est de 0,70, c’est-à-dire, les patients recevant la nouvelle statine présentent un taux de risque d’infarctus du myocarde inférieur de 30% à celui des patients recevant le placebo. Dans l’étude observationnelle, les résultats sont surprenants car le risque d’infarctus du myocarde (bras actif vs placebo) est de 1,10, c’est-à-dire que les patients sous traitement par la nouvelle statine ont un risque d’infarctus du myocarde supérieur de 10% à celui des patients sous placebo., En effet, dans l’étude observationnelle, le chercheur traite plus fréquemment les patients dont le pronostic est plus compromis à l’inclusion avec la nouvelle statine (un médicament qu’il considère comme plus efficace que les traitements précédents), générant ainsi un biais dû à l’absence de comparabilité entre les deux groupes d’étude.

biais volontaire

exemple 6

un biais volontaire (ou biais d’auto-sélection) se produit lorsque les personnes qui se portent volontaires pour une étude diffèrent dans leurs caractéristiques cliniques pertinentes de celles qui ne le font pas., L’auto-sélection est une menace pour la validité interne de l’étude, si elle est liée à l’exposition et, indépendamment de l’exposition, de la maladie/du résultat. Dans une étude prospective, observationnelle, dans la population générale, Ganguli et al. a évalué les implications pronostiques du biais volontaire en comparant le taux de mortalité chez 1 366 personnes recrutées dans le cadre d’efforts intensifs d’inscription et chez 315 volontaires qui ont accepté de participer à l’étude après un seul envoi., Au moment de l’inscription, les volontaires étaient plus souvent des femmes, avec un score d’études supérieures et de tests cognitifs et moins susceptibles d’utiliser le service de santé par rapport aux non-volontaires. Au cours du suivi de 6 à 8 ans, le taux de mortalité était beaucoup plus faible chez les volontaires que chez les autres individus. Les auteurs ont conclu que les études relatives à la santé avec des populations composées en partie ou en totalité de volontaires devraient tenir compte d’un biais potentiel de volontaires lors de l’analyse et de l’interprétation des données., Un biais volontaire ne peut pas se produire dans les études randomisées dans lesquelles les sujets ne sont randomisés qu’après avoir accepté de participer .

biais D’Information

un biais d’information se produit pendant la collecte de données. Le type de biais d’information le plus important est le biais de classification erronée. Un biais de classification erronée est présent lorsque la détection de l’état d’exposition (biais d’identification de l’exposition) et/ou l’évaluation de la maladie (biais d’identification de la maladie) est biaisée, c’est-à-dire que les personnes exposées/malades sont classées comme non exposées/non malades et vice versa., Dans la pratique clinique, une source courante de classification erronée découle de l’inexactitude de certains tests diagnostiques. La classification erronée peut être non différentielle ou différentielle.

classification erronée Non différentielle

exemple 7

en recherche clinique, l’exactitude de toute relation exposition-maladie dépend de la performance du test diagnostique utilisé pour évaluer l’exposition ou pour établir la maladie. Ici, nous nous concentrons sur la classification erronée de l’exposition., En cas d’erreur de classification non différentielle, la performance du test de diagnostic (c’est-à-dire la capacité du test à classer correctement les individus comme réellement exposés/non exposés à un facteur de risque donné) est la même dans les cas et chez les témoins. En cas d’erreur de classification différentielle, la performance du test de diagnostic pour l’identification de l’exposition diffère entre les cas et les témoins.

nous considérons une étude cas-témoins ] examinant l’association entre le SIDA et la candidose œsophagienne., Dans le premier scénario (scénario idéal), la présence de candidose œsophagienne a été vérifiée par l’étalon-or (biopsie) et dans le second scénario par un questionnaire d’auto-déclaration, une méthode qui peut générer des erreurs de classification non différentielles (tableau 5). Le ou de la candidose œsophagienne entre les cas et les témoins est calculé comme le rapport entre les deux cotes: ou = (20/480)/(5/995) = 0.042/0.005 = 8.4. Étant donné que la candidose œsophagienne a été évaluée par l’étalon-or (biopsie) et que nous supposons qu’il n’y a pas de biais de sélection, nous considérons 8.4 comme le vrai ou.,

Pour élucider la distorsion de la OU de l’estimation attribuable à l’utilisation du questionnaire, nous considérons le tableau 6 dans lequel les individus sont attribués sur la base d’un questionnaire d’auto-déclaration. Dans ce cas, la ou de la candidose œsophagienne évaluée par le questionnaire est: ou = (86/414)/(161/839) = 0.21/0.19 = 1.1., En raison du fait que le questionnaire d’auto-déclaration est une méthode inexacte pour identifier les personnes touchées par la candidose œsophagienne, le résultat ou est biaisé. Avec deux catégories d’exposition (Présence/absence de candidose œsophagienne) une mauvaise classification non différentielle affecte toujours le ou vers 1.,

erreur de classification différentielle

exemple 8

dans classification erronée la performance d’un test d’identification de l’exposition diffère selon les cas et les témoins. Nous considérons un nouveau scénario hypothétique dans lequel le questionnaire d’auto-déclaration pour identifier les personnes touchées par la candidose œsophagienne a une performance différente dans les cas et les témoins (tableau 7)., La ou de la candidose œsophagienne évaluée par le questionnaire d’auto-déclaration est: ou = (86/414)/(400/600) = 0.21/0.67 = 0.3. Ici, une mauvaise classification différentielle conduit à une sous-estimation de la force de l’association entre l’exposition et la maladie.,

en général, une erreur de classification différentielle peut augmenter ou diminuer la force des associations déclarées, selon la direction de la classification erronée., Les causes courantes de classification erronée sont: le biais de rappel (un biais qui résulte d’une mémoire imprécise des expositions passées); le biais de l’intervieweur (la tendance de l’intervieweur à obtenir des réponses qui appuient les idées préconçues); le biais de l’observateur (résultant de la connaissance de l’évaluateur des résultats de l’état de l’exposition) et le biais de dilution de la régression (un biais lié à la régression à la moyenne qui provient d’études longitudinales portant sur l’association entre les mesures de base d’une variable continue et le risque d’un résultat donné) ].,

Conclusions

le biais est un problème inévitable dans la recherche clinique et épidémiologique. Cependant, la sélection correcte du plan d’étude, le choix judicieux des procédures de collecte et de traitement des données et la définition correcte de l’exposition et de la maladie constituent des stratégies de prévention importantes pour minimiser les erreurs systématiques dans la recherche clinique.

1. Rothman KJ: épidémiologie. introduction. New York, Oxford University Press, 2002, pp 20-21.
2. Dernière J (ed): Un Dictionnaire d’Épidémiologie, ed 3., Oxford, Oxford University Press, 1988.
3. Tripepi G, Jager KJ, Dekker FW, Zoccali C: mesure de l’effet dans la recherche épidémiologique. Néphron Clin Pract 2010;115:c91–c93.
   Ressources Externes

   • Crossref (DOI)
   • Pubmed/Medline (NLM)
   • ISI Web of Science

4. Noordzij M, Dekker FW, Zoccali C, Jager KJ: Mesures de la fréquence de la maladie: la prévalence et de l’incidence. Néphron Clin Pract 2010; 115:c17–c20.,
   Ressources Externes

   • Pubmed/Medline (NLM)
   • Crossref (DOI)

5. Tsai SY, Tseng, HF, Tan HF, Chien YS, Chang CC: insuffisance rénale au stade terminal de la maladie à Taïwan: une étude cas-témoins. J Epidemiol 2009; 19:169-176.
   Ressources Externes

   • Pubmed/Medline (NLM)
   • Crossref (DOI)
   • ISI Web of Science

6. Lect VS, Zoccali C, Dekker FW, Jager KJ: L’essai contrôlé randomisé. Néphron Clin Pract 2009;113:c337–c342.,
   Ressources Externes

   • Pubmed/Medline (NLM)
   • Crossref (DOI)
   • ISI Web of Science

7. Ganguli M, Lutle MOI, Reynolds MD, Dodge HH: Aléatoire et sélection des volontaires pour une étude communautaire sur. J Gerontol A Biol Sci Med Sci 1998; 53: M39-M46.,
   Ressources Externes

   • Pubmed/Medline (NLM)
   • Chemical Abstracts Service (CAS)
   • ISI Web of Science

8. Hernan MA, Hernandez-Diaz S, les Merles JM: UNE approche structurelle des biais de sélection. Épidémiologie 2004;14:615-625.,
   ressources externes

   • Crossref (DOI)

9. HESSOL NA, Schwarcz S, Ameli N, Oliver G, Greenblatt RM: exactitude des auto-déclarations du syndrome d’immunodéficience acquise et des affections liées au syndrome d’immunodéficience acquise chez les femmes. Am J Epidemiol 2001; 153: 1128-1133.
10. Tripepi G, Jager KJ, Dekker FW, Zoccali C: biais dans la recherche clinique. Rein Int 2008; 73: 148-153.,
    ressources externes

    • Pubmed/Medline (NLM)
    • Crossref (DOI)
    • Chemical Abstracts Service (CAS)
    • ISI Web of Science

contacts de L’auteur

détails de L’Article/Publication

Copyright / Dosage du médicament/avertissement

Copyright: Tous droits réservés. Aucune partie de cette publication ne peut être traduite dans d’autres langues, reproduite ou utilisée sous quelque forme ou par quelque moyen que ce soit, électronique ou mécanique, y compris la photocopie, l’enregistrement, la microcopie, ou par tout système de stockage et de récupération d’informations, sans l’autorisation écrite de l’éditeur.,
Dosage du médicament: les auteurs et l’éditeur ont déployé tous les efforts pour s’assurer que la sélection du médicament et la posologie énoncées dans ce texte sont en accord avec les recommandations et la pratique en vigueur au moment de la publication. Toutefois, compte tenu de la recherche en cours, des changements apportés à la réglementation gouvernementale et du flux constant d’information sur la pharmacothérapie et les réactions aux médicaments, le lecteur est invité à vérifier la notice de chaque médicament pour tout changement dans les indications et la posologie ainsi que pour les mises en garde et les précautions supplémentaires., Ceci est particulièrement important lorsque l’agent recommandé est un médicament nouveau et/ou rarement utilisé.
avertissement: les déclarations, opinions et données contenues dans cette publication sont uniquement celles des auteurs et contributeurs individuels et non des éditeurs et du(DES) éditeur (s). L’apparition de publicités ou/et de références de produits dans la publication ne constitue pas une garantie, une approbation ou une approbation des produits ou services annoncés ou de leur efficacité, qualité ou sécurité., L’éditeur et le(s) éditeur (s) déclinent toute responsabilité pour tout préjudice aux personnes ou aux biens résultant des idées, méthodes, instructions ou produits mentionnés dans le contenu ou les publicités.