Les 3 biais les plus tombés aux EDN en LCA

Les biais, c'est le sujet préféré des profs de LCA aux EDN. Pourquoi ? Parce que c'est concret, testable en QCM, et discriminant. Un étudiant qui maîtrise les 3 types de biais principaux gagne des points sur quasiment chaque sujet depuis 2019.

Le problème, c'est que beaucoup d'étudiants connaissent les définitions par cœur mais ne savent pas les repérer dans un article réel. C'est la différence entre savoir et appliquer. Voici comment passer de l'un à l'autre.

1. Biais de sélection — les groupes ne sont pas comparables

C'est le biais le plus fréquemment interrogé aux EDN. Le principe est simple : si les deux groupes qu'on compare diffèrent sur autre chose que le traitement testé, alors toute différence de résultat peut venir de cette asymétrie, pas du traitement.

Les signaux dans un article :

• Pas de randomisation (ou randomisation mal décrite) — sans randomisation, rien ne garantit que les groupes sont comparables
• Tableau 1 déséquilibré — c'est le premier truc à regarder. Si l'âge moyen, le sexe-ratio, les comorbidités diffèrent significativement entre les groupes, c'est le signal d'alarme
• Perdus de vue asymétriques — si 30% des patients du groupe traitement abandonnent contre 5% du placebo, les groupes en fin d'étude ne sont plus comparables (biais d'attrition, un sous-type du biais de sélection)
• Critères d'inclusion qui favorisent un bras — plus subtil, mais si les critères sélectionnent des patients qui répondent mieux au traitement, le résultat est biaisé

Ce que le correcteur attend : que tu nommes le biais ("biais de sélection lié à...") ET que tu expliques dans quelle direction il biaise le résultat. Est-ce qu'il surestime ou sous-estime l'effet du traitement ? C'est la deuxième partie que la plupart des étudiants oublient.

Exemple concret : un essai compare un nouveau médicament antihypertenseur au placebo. Pas de randomisation. Le groupe traitement a un âge moyen de 55 ans, le groupe contrôle 68 ans. Si le traitement "marche mieux", c'est peut-être juste parce que les patients sont plus jeunes et répondent mieux — biais de sélection qui surestime l'efficacité.

2. Biais de classement — la mesure est faussée

Ici le problème n'est pas dans la constitution des groupes mais dans la façon dont on mesure l'exposition ou le critère de jugement. On se trompe dans la classification des patients (exposé vs non-exposé, malade vs non-malade).

Les deux sous-types les plus tombés aux EDN :

Biais de mémorisation (recall bias) — spécifique aux études cas-témoins. Les malades (cas) se souviennent mieux de leurs expositions passées que les témoins sains, parce qu'ils ont cherché une explication à leur maladie. Résultat : on surestime l'association entre exposition et maladie.

Biais de mesure / d'évaluation — quand l'évaluateur du critère de jugement n'est pas en aveugle (il sait quel groupe reçoit le traitement). Inconsciemment, il peut évaluer plus favorablement le groupe traitement. C'est pour ça que le double aveugle existe.

Signaux dans l'article :

• Absence de double aveugle (ou simple aveugle seulement)
• Critère de jugement subjectif (échelle de douleur, qualité de vie) évalué par un observateur non aveuglé
• Auto-questionnaire rétrospectif pour mesurer l'exposition (surtout en cas-témoins)
• Pas de comité d'adjudication indépendant pour les critères cliniques

3. Biais de confusion — un facteur tiers fausse tout

Un troisième larron est associé à la fois à l'exposition ET à la maladie, créant une association fantôme (ou masquant une vraie association). C'est le plus vicieux parce qu'il peut complètement inverser une conclusion.

Les 3 conditions d'un facteur de confusion (à connaître par cœur) :

1. Associé à l'exposition (E)
2. Associé à la maladie (M) indépendamment de E
3. N'est PAS un intermédiaire sur le chemin causal E → M

Comment le repérer dans un article :

• Pas d'analyse multivariée (pas d'ajustement) — résultat brut uniquement
• Facteur de confusion connu non mentionné dans le modèle (âge, tabac, IMC, sexe — selon le contexte clinique)
• Grosse différence entre le résultat brut et le résultat ajusté (>10%) — ça signifie qu'un facteur confondait la relation

La question classique aux EDN : "Proposez un facteur de confusion et justifiez." Tu dois proposer un facteur, puis montrer qu'il remplit les 3 conditions. Par exemple : "Le tabagisme est un facteur de confusion possible car il est associé à la consommation de café (E), associé au cancer du poumon (M) indépendamment du café, et n'est pas sur le chemin causal café → cancer."

Réflexe en 4 temps devant un QCM sur les biais

1. Quel type d'étude ? — ECR → sélection (randomisation ?). Cas-témoins → mémorisation. Cohorte → perdus de vue.
2. Quelles mesures de prévention sont décrites ? — randomisation, aveugle, ajustement, comité d'adjudication...
3. Lesquelles manquent ? — c'est là que se cache le biais
4. Dans quel sens ça biaise ? — surestime ou sous-estime l'association ?

S'entraîner

Les biais sont dans quasiment chaque annale LCA depuis 2019. Fais les QCM LCA annales gratuites et note à chaque fois quel type de biais est interrogé. Tu verras que les patterns se répètent.

La plateforme LCA a des exercices dédiés sur les biais dans le Thème 1 (conception d'étude et biais) avec des cas cliniques concrets.