Qu’est-ce qu’un biais ? Comment en tenir compte ?
Un biais est une erreur de raisonnement ou de procédure qui risque de fausser les résultats d’une étude clinique. L’erreur devient systématique et n’est pas lié au hasard ou à des imprécisions.
Les sources d’erreurs systématiques ou les biais, sont plus difficiles à maîtriser dans les études d’observation que dans les essais cliniques randomisés et cadrés, car dans ces derniers les critères d’inclusion et le suivi sont plus stricts.
Il faut s’assurer de l’absence de biais à toutes les étapes : protocole, réalisation de l’étude et analyse des résultats et décrire toutes les mesures prises pour éviter les sources potentielles de biais
Quelques exemples de principaux biais connus :
Biais de sélection
Les biais de sélection affectent la constitution de l’échantillon d’enquête, c’est à dire le processus par lequel les sujets sont choisis au sein de la population. Cela peut concerner les médecins et les patients de l’étude.
Médecins sélectionnés :
– médecins prescripteurs uniquement des cliniques privés qui ne représentent pas l’ensemble des médecins
– mauvaise répartition géographique
Patients sélectionnés : choisir les patients qui « conviennent », ne pas inclure les patients le plus à risque ou ne prendre que les patients à risque…
Biais d’enquêteur ou de subjectivité
Un enquêteur cherchera avec plus d’acuité une exposition passée chez un cas, s’il a connaissance du statut malade du sujet ; par exemple cherchez plus l’exposition au vaccin contre Hépatite B chez un patient atteint de SEP.
Biais de mémorisation
Un sujet malade, a plus tendance à rechercher dans son passé une exposition antérieure à un facteur de risque connu qu’une personne en bonne santé. Par exemple cancer de poumon et exposition à amiante.
Biais de confusion
Un facteur de confusion est un facteur lié à la fois à l’exposition et à la maladie étudiées. Par exemple :
Une association entre alcool et cancer du poumon a toutes les chances d’être due au fait que, les personnes qui boivent ont plus tendance à fumer que les personnes qui ne boivent pas. La relation trouvée entre la consommation d’alcool et la survenue d’un cancer du poumon serait en fait expliquée par la consommation tabagique, qui jouerait ici le rôle de facteur de confusion de la relation apparente alcool-cancer.
En pratique, pour garantir la robustesse des études, il faut limiter les biais au moment de la conception des études et lors de leur suivi.
Il est pour cela recommandé d’utiliser des méthodes statistiques, comme les modélisations et les techniques d’ajustement pour en tenir compte dans les analyses.
Y a-t-il des points de vigilance particuliers dans les études observationnelles ?
Dans les essais observationnels, lorsqu’une différence entre les groupes est mise en évidence, se pose la question de savoir si vous pouvez désigner le traitement comme étant la cause de la différence observée ou si cette différence est plutôt liée aux caractéristiques des patients. Il faut donc tenir compte de la différence des caractéristiques des patients. Par exemple en appariant les patients sur des caractéristiques importantes avant de comparer les groupes ou en ajustant le modèle de comparaison sur ces caractéristiques pour se rapprocher le plus à des groupes comparables comme dans une étude randomisée.
Par exemple si on constate plus de mortalité dans un groupe il faut vérifier l’âge, la durée de la maladie, les maladies concomitantes, ….
Conclusion
Les biais rendent l’interprétation des résultats difficile, ils sont des erreurs systématiques dans la conception ou le suivi des études. Il faut essayer de les limiter et d’utiliser des méthodes pour en tenir compte.
Références bibliographiques :
- Renforcement du reporting des études observationnelles en épidémiologie Expansion éducative STROBE (STROBE) ; Melissa K. Sharp https://bookdown.org/melissaksharp/STROBE_eduexpansion/methods-bias-9.html
- Les biais : centre de ressource en évaluation https://www.eval.fr/les-biais/
