biais

un biais de sélection peut se produire lorsque la sélection de sujets dans une étude ou leur probabilité d’être retenus dans l’étude conduit à un résultat différent de ce que vous auriez obtenu si vous aviez inscrit l’ensemble de la population cible. Si l’on inscrivait l’ensemble de la population et recueillait des données précises sur l’exposition et les résultats, on pourrait alors calculer la véritable mesure de l’association. Nous n’inscrivons généralement pas toute la population; nous prélevons plutôt des échantillons., Cependant, si l’on échantillonne la population de manière équitable, l’échantillonnage des quatre cellules étant juste et représentatif de la distribution de l’exposition et des résultats dans la population globale, on peut obtenir une estimation précise de l’association vraie (en supposant un échantillon suffisamment grand, de sorte que l’erreur aléatoire est minime et en supposant qu’il n’y a pas Conceptuellement, cela pourrait être visualisé par des louches de taille égale (échantillonnage) pour chacune des quatre cellules.,

le tableau de contingence comporte des colonnes (malades et non malades) et des lignes (exposés et non exposés. Dans cette illustration, les 4 catégories exposition / maladie comportent des poches de taille égale pour transmettre l’idée d’un échantillonnage impartial.,-malade

Exposé
Non exposés

Cependant, si l’échantillonnage n’est pas représentatif de l’exposition des résultats des distributions dans l’ensemble de la population, alors que les mesures d’association seront biaisées, et cela est considéré comme un biais de sélection., Par conséquent, un biais de sélection peut se produire lorsque la sélection de sujets dans une étude ou leur probabilité d’être retenus dans une étude de cohorte mène à un résultat différent de ce que vous auriez obtenu si vous aviez inscrit l’ensemble de la population cible. Un exemple de ceci pourrait être représenté par le tableau ci-dessous, dans lequel les procédures d’inscription ont donné lieu à un échantillonnage disproportionné de sujets malades qui ont été exposés.

cette table de contingence a une poche plus grande dans la cellule tablulant le nombre de sujets exposés avec la maladie., Cela indique qu’il y avait une tendance à sur-échantillonner cette catégorie, par exemple, une étude cas-témoins dans laquelle les cas étaient plus susceptibles d’être sélectionnés s’ils avaient été exposés.,/tr>

Exposed
Non-exposed

There are several mechanisms that can produce this unwanted effect:

1. Selection of a comparison group (« controls ») that is not representative of the population that produced the cases in a case-control study., (Biais de sélection du témoin)
2. perte différentielle au suivi dans une étude de cohorte, de sorte que la probabilité d’être perdu au suivi est liée à l’état des résultats et à l’état de l’exposition., (Perte de biais de suivi)
3. refus, non-réponse ou accord de participation liés à l’exposition et à la maladie (biais D’auto-sélection)
4. utilisation de la population générale comme groupe de comparaison pour une étude de cohorte professionnelle (« effet du travailleur en santé »)
5. aiguillage différentiel ou diagnostic des sujets

biais de sélection dans les études cas-témoins

dans une étude cas-témoin, le biais de sélection se produit lorsque les sujets du groupe « témoin » ne sont pas vraiment représentatif de la population qui a produit les cas., N’oubliez pas que dans une étude cas-témoins, les témoins sont utilisés pour estimer la distribution de l’exposition (c.-à-d. la proportion ayant l’exposition) dans la population à partir de laquelle les cas sont survenus. La distribution de l’exposition dans les cas est ensuite comparée à la distribution de l’exposition dans les contrôles afin de calculer le rapport de cotes comme mesure d’association.,th>

Diseased

Non-diseased

Total

Exposed

7

1,000

1,007

Non-exposed

6

5,634

5,640

Given the entire population, we could compute the risk ratio = 6.,53. Cependant, on mène souvent une étude cas-témoin lorsque le résultat est rare comme celui-ci, car il est beaucoup plus efficace. Par conséquent, afin d’estimer le rapport de risque, nous pourrions utiliser la distribution relative de l’exposition dans un échantillon de la population, à condition que ces contrôles soient sélectionnés par des procédures de sorte que l’échantillon fournisse une estimation précise de la distribution de l’exposition dans la population globale.

Si un échantillon témoin a été sélectionné de manière appropriée, c.-à-d., de telle sorte qu’il soit représentatif de l’état d’exposition dans la population, les résultats cas-témoins pourraient ressembler au tableau ci-dessous.,

Cas

Commandes

Exposé

7

10

Non exposés

6

56

Notez que l’échantillon de contrôles ne représente que 1% de l’ensemble de la population, mais l’exposition de la distribution dans les contrôles (10/56) est représentatif de l’état de l’exposition dans l’ensemble de la population (de 1 007/5,640)., Par conséquent, le rapport de cotes = 6,53 donne un rapport d’estimation impartial du rapport de risque.

en revanche, supposons que dans la même étude hypothétique, les témoins étaient un peu plus susceptibles d’être choisis s’ils avaient l’exposition étudiée.,chose comme ceci:

	Cas	Commandes
Exposé	7	16
Non exposés	6	50

Ici, nous avons le même nombre de contrôles, mais les enquêteurs ont utilisé des procédures de sélection qui étaient un peu plus susceptibles de sélectionner des contrôles qui avaient l’exposition., Par conséquent, l’estimation de l’effet, le rapport de cotes, était biaisée (OR = 3,65).

conceptuellement, le biais ici pourrait être représenté par le tableau ci-dessous dans lequel la grande poche indique que les sujets non malades ayant été exposés ont été sur-échantillonnés.

dans ce tableau, la plus grande tendance à inscrire des témoins non malades qui avaient été exposés est représentée par une poche plus grande dans cette cellule.,seased

Controls
Exposed
Non-exposed

Depending on which category is over or under-sampled, this type of bias can result in either an underestimate or an overestimate of the true association.,

exemple:

Une étude cas-témoins hypothétique a été menée pour déterminer si un statut socioéconomique plus faible (l’exposition) est associé à un risque plus élevé de cancer du col de l’utérus (le résultat). Les  » cas  » se composaient de 250 femmes atteintes d’un cancer du col utérin qui ont été dirigées vers le Massachusetts General Hospital pour un traitement contre le cancer du col utérin. Ils ont été référés de tout l’état. On a posé aux cas une série de questions relatives au statut socio-économique (revenu du ménage, emploi, éducation, etc.)., Les enquêteurs ont identifié les sujets témoins en faisant du porte–à-porte dans la communauté autour de MGH de 9h00 à 17h00. De nombreux résidents ne sont pas à la maison, mais ils persistent et finissent par inscrire suffisamment de contrôles. Le problème est que les contrôles ont été sélectionnés par un mécanisme différent des cas (voisinage immédiat pour les contrôles par rapport à l’ensemble de l’État pour les cas), et le mécanisme de recrutement porte-à-porte peut avoir eu tendance à sélectionner des personnes de statut socioéconomique différent, car les femmes qui étaient à la maison étaient peut-être, En d’autres termes, les témoins étaient plus susceptibles d’être inscrits (sélectionnés) s’ils avaient l’exposition d’intérêt (statut socioéconomique inférieur).

le critère « serait »

les épidémiologistes utilisent parfois le critère « serait » pour vérifier la possibilité d’un biais de sélection; ils demandent » si un témoin avait eu la maladie, aurait-il été susceptible d’être inscrit comme cas?, »Si la réponse est « oui », alors le biais de sélection est différent

biais D’auto-sélection

le biais de sélection peut être introduit dans les études cas-témoins avec de faibles taux de réponse ou de participation si la probabilité de répondre ou de participer est liée à la fois à l’exposition et au résultat.

le tableau 10-4 du texte D’Aschengrau et de Seage montre un scénario avec des taux de participation différentiels dans lequel les sujets malades qui avaient été exposés avaient un taux de participation de 80%, alors que les trois autres catégories avaient des taux de participation de 60%., Cela pourrait être représenté comme suit:

dans ce tableau de contingence, une plus grande participation des sujets ayant eu l’exposition et le résultat d’intérêt est représentée par la poche plus grande dans cette cellule.,s

Diseased	Non-diseased
Exposed
Non-exposed

Question: Can self-selection bias occur in prospective cohort studies?, Réfléchissez à votre réponse avant de regarder la réponse ci-dessous.

réponse

surveillance différentielle, orientation ou diagnostic des sujets

Aschengrau et Seage donnent un exemple dans lequel les chercheurs ont mené une étude cas-témoins pour déterminer si l’utilisation de contraceptifs oraux augmentait le risque de thromboembolie. Le groupe de cas était composé de femmes qui avaient été admises à l’hôpital pour une thromboembolie veineuse. Les témoins étaient des femmes du même âge qui avaient été hospitalisées pour des problèmes non liés dans les mêmes hôpitaux., Les entretiens ont révélé que 70% des cas utilisaient des contraceptifs oraux, mais seulement 20% des témoins les utilisaient. Le rapport de cotes était de 10,2, mais rétrospectivement, c’était une surestimation. Il y a eu des rapports suggérant une telle association. Par conséquent, les fournisseurs de soins de santé étaient vigilants à l’égard de leurs patientes sous contraceptifs oraux et étaient plus susceptibles de les admettre à l’hôpital si elles développaient une thrombose veineuse ou des signes ou symptômes suspects de thromboembolie. En conséquence, l’étude avait tendance à sur-échantillonner les femmes qui avaient à la fois l’exposition et le résultat d’intérêt.,

sur-échantillonnage des femmes avec l’exposition et le résultat est représenté par une poche plus grande pour cette catégorie.,/tr>

Exposé
Non exposés

Aschengrau et Seage suggèrent que ce biais de sélection pourrait avoir été réduit par plus restrictive critères de sélection des cas, de telle sorte que seules les femmes qui ont clairement besoin d’hospitalisation seraient inscrits dans le groupe de cas.,

retour haut de page | page précédente | page suivante