LES BIAIS EN RECHERCHE CLINIQUE

Un biais en recherche clinique est une erreur systémique qui se glisse lors d’une étude ou d’une d’enquête. Lors d’un essai comparatif, il y en plusieurs types. Je citerai dans cet article trois majeurs qui peuvent être réduits par des méthodes statistiques. Les Biais de sélection, les Biais d’évaluation et le Manque de puissance et de précision d’une étude. Mais quelles sont les origines de ces biais ? Pour comprendre ; nous commencerons par le commencement, la variabilité biologique.

Qu’est-ce qu’est la variabilité biologique ?

Tout d’abord, la variabilité biologique est une particularité en recherche dans le domaine de la santé. Elle a un impact très important sur les données, sur les résultats de l’analyse statistique et donc sur les conclusions d’une étude.

Il est incontestable de dire qu’une expérience en biologie donne rarement les mêmes résultats. En effet, plusieurs facteurs peuvent entrer en jeu pour déclencher une variabilité que nous appellerons la variabilité totale. Cette dernière est due à la variabilité biologique en plus de la variabilité méthodologique.

Variabilité Totale = Variabilité Biologique + Variabilité Métrologique.

La variabilité biologique est elle-même composée d’une variabilité intra-individuelle et d’une variabilité interindividuelle.

Variabilité Biologique = variabilité intra-individuelle + variabilité inter-individuelle

Un exemple concret de de la variabilité intra-individuelle s’observe lors de la mesure de la performance d’un athlète qui n’est pas capable des mêmes performances à chaque essai, mais qui se différencie bien des autres athlètes à cause de la variabilité inter-individuelle.

Il est bien évident que la variabilité intra-individuelle est moins importante que la variabilité inter-individuelle. Tout simplement parce que des mesures faites sur un même sujet fluctuent moins que celles réalisées chez deux sujets différents. Tous les facteurs tel que la taille, le poids, l’âge, …etc. pouvant affecter les mesures sont stables chez un même individus mais sont différents d’un individu à un autre.

C’est pour cette raison qu’ils existent des tests statistiques adaptés pour chaque type d’étude. Test de Student en apparié pour données appariées et d’autre pour l’analyse des données indépendantes ou groupes parallèles.

Variabilité Métrologique = Variabilité Expérimentale + Variabilité instrumentale

La variabilité métrologique elle se compose en variabilité expérimentale qui est introduite par les conditions de l’expérience et de la variabilité instrumentale.

Un exemple de la variabilité expérimentale est celui de la mesure de la pression artérielle. Cette dernière peut varier sur un individu donné suivant les conditions de cette mesure. C’est pour cette raison que les spécialistes recommandent de la mesurer en mettant le patient dans des conditions de calme maximales et allongé. Cette recommandation vise à minimiser la variabilité due aux conditions expérimentales.

Quant à la variabilité instrumentale elle est due aux appareils de mesure. La précision des appareils de mesure varie d’un instrument à un autre. C’est une donnée propre à chaque appareil, et elle fournit par le constructeur.

Par exemple il est recommandé d’utiliser la même balance pour avoir les mêmes grandeurs de mesure.

biais en recherche clinique

Les différents types de biais en recherche clinique

Il existe beaucoup de Biais en recherche. Nous dénombrerons ici trois types principaux. Les biais de sélection, d’évaluation et le Biais du à un Manque de puissance et de précision d’une étude.

Biais de sélection

Un biais est introduit lorsque les sujets sélectionnés et inclus dans une étude ne constituent pas un groupe représentatif de la population ciblée. Ou lorsque par exemple il y a une mauvaise constitution d’un groupe par rapport à un autre. Les deux groupes ne sont plus comparables. Par conséquent, La différence entre les groupes peut être due à autre chose qu’au simple effet du traitement.

Biais d’information ou d’observation ou de classement

Ce Biais est classique en étude clinique comparative traitement versus contrôle ou placebo. Des erreurs d’évaluation ou de collecte des informations sont commises systématiquement par l’équipe investigatrice.  En effet l’investigateur qui connait le traitement attribué au patient (trt ou placebo) aura systématiquement une évaluation biaisée.

Manque de puissance et de précision d’une étude

C’est le cas des études avec un faible effectif. La quantité de données de l’échantillon n’est pas suffisamment grande pour monter une différence significative. Pour plus d’information voir notre article Puissance et Taille d’échantillon.

Biostatistique et biais en recherche clinique

En effet, en Biostatistique, certaines méthodes permettent de prendre en compte et réduire ces erreurs introduites systématiquement. Nous parlons bien d’une réduction et non d’une suppression. Car et justement à cause de la variabilité biologique, nous ne pouvons pas supprimer tous les potentiels Biais introduits lors de la recherche dans le domaine du vivant. Nous citons quelques exemples ci-dessous.

Tests statistiques en apparié et en parallèle

Pour réduire la variabilité individuelle, il existe des tests statistiques adaptés aux types de données à analyser. Par exemple, il existe deux types de Test T de Student,  un pour données appariées et un autre pour données indépendantes. En effet la différence entre les deux tests réside au niveau de la variance des séries de données. Il en est de même pour d’autres tests statistiques. Des Modèles Linéaires Généralisés et Modèle Mixtes existent pour prendre en compte les effets fixes et aléatoires des variables à analyser.

Randomisation ou Tirage au sort – Le Hazard

Au même titre que le Sondage, la randomisation, ou le tirage au sort (stratifié, en grappe, …etc) peut réduire les biais de sélection.

Evaluation en aveugle

Pour réduire ce biais, des évaluations en simple et double aveugle peuvent réduire les Biais d’évaluation. Dans ce type d’étude à l’aveugle, il est possible que ni le patient, ni l’investigateur ou l’évaluateur n’ont la connaissance du traitement attribué à chaque patient. Leur évaluation sera moins influencée par leurs aprioris.

Calcul du Nombre de Sujets Nécessaires ou Taille d’échantillon

Un calcul du Nombre de Sujet Nécessaire à l’étude ou Sample size en anglais permet de définir le nombre de patients suffisants et ainsi assurer une puissance suffisante à l’étude. Les données à analyser et les résultats seront suffisants pour donner des conclusions probantes.