Les facteurs de confusion non mesurés sont une source de biais dans les études observationnelles. Les méthodes de contrôle de ces facteurs peuvent intervenir au stade du design de l’étude et de l'analyse.

L'objectif de cette étude est de fournir une revue des méthodes disponibles et faciles à implémenter pour le contrôle des facteurs de confusion non mesurés. Trois designs autocontrôlés permettant de maitriser ces facteurs de confusion, le « case-crossover » (CCO), le « case-time control » (CTC) et les « self-controlled case series » (SCCS), seront listés avec leurs conditions d'application, leurs avantages et inconvénients et des illustrations. Trois méthodes de prise en compte des facteurs de confusion lors des analyses – E-value, analyse de falsification avec témoin négatif pour l'outcome (NCO), analyse par Variables Instrumentales (IV) - seront illustrées par des exemples, une application dans une étude observationnelle sur la vaccination grippale et une application sur les traitements d'ischémie des membres inférieurs.

Le CCO, les CTC et les SCCS utilisent les sujets comme leur propre témoin et permettent de contrôler les facteurs de confusions qui ne dépendent pas du temps (facteurs génétiques, catégorie socio-professionnelle…). Différentes solutions peuvent être envisagées lorsque des conditions de validité ne sont pas remplis, comme le design CTC qui permet de contrôler une probabilité d'exposition dépendante du temps. Les analyses par IV et NCO vont utiliser des variables supplémentaires pour valider la robustesse des résultats, un outcome de falsification (NCO) ou une variable substitut du traitement (IV). La méthode des E-values est utilisable sur des données agrégées pour discuter de l'influence potentielle des facteurs de confusion non mesurés sur les résultats.

Ces designs et méthodes, bien que nécessitant une connaissance approfondie des problématiques, sont aisément implémentables puisque les logiciels statistiques usuels les proposent désormais dans leurs packages d'analyse. Ils peuvent être une alternative aux designs de cohorte et aux analyses avec ajustement pour traiter la problématique des facteurs de confusion non mesurés.

Facteurs de confusion non mesurés ; E-value ; Variables Instrumentales ; Negative Control Outcome ; Design auto-contrôlés

Les auteurs déclarent ne pas avoir de liens d'intérêts.