Bernard BEGAUD - ARME-Pharmacovigilance

Par exemple, si dans une étude cas-témoins ayant pour but
d'évaluer l'association entre la prise d'un médicament et la
survenue d'une atteinte hépatique, les cas sont sélectionnés dans un
service d'hépatologie spécialisé dans les atteintes hépatiques
médicamenteuses ; la probabilité d'exposition des cas à un
médicament risque d'être anormalement élevée, ce qui pourra faire
conclure à une association plus forte qu'elle ne l'est en réalité.
L'effet serait inverse si c'étaient les atteintes hépatiques de cause
inconnue qui étaient préférentiellement hospitalisées. Les médica-
ments réputés hépatotoxiques risqueraient d'être sous-représentés
dans cet échantillon de cas hospitaliers.
voir : biais de sélection, cas-témoin.
Biais de causalité inversée (reverse causality bias, aggregation bias,
ecological bias, ecological fallacy, cart versus horse bias)
biais consistant à conclure à tort à une relation causale de type
A—> B alors que la relation, si elle existe, serait de type B—> A.
Le biais de causalité inversée est à craindre lorsque les données ne
permettent pas une analyse précise de la chronologie des
événements ; c'est notamment le cas des études menées à partir de
données agrégées.
voir : données agrégées, étude transversale.
Biais de confusion (confounding bias)
erreur systématique découlant du fait qu'un paramètre secondaire
(appelé facteur de confusion, confounding factor ou variable
confondante, confounding variable) est lié à la fois à l'exposition et
à l'événement étudiés ce qui peut expliquer, en tout ou en partie,
leur association retrouvée par une étude épidémiologique :
F
E M
20