Évaluation de l’impact de l’erreur de classification d’une variable d’exposition binaire dans les études d’observation : une analyse probabiliste et automatisée

En recherche épidémiologique, l’objectif est souvent d’obtenir une mesure d’association qui estime l’effet d’une exposition sur un événement de santé. Cependant, les erreurs systématiques peuvent introduire des biais et menacer la validité de la mesure d'association obtenue. Une source fréquente de biais est l’erreur de classification de l’exposition. Bien que les résultats d'une étude épidémiologique soient généralement interprétés à la lumière de la possibilité d'une mauvaise classification de l'exposition, son impact est rarement quantifié. Dans une étude cas-témoins basée sur la population de Montréal, nous fournissons une application concrète d’une analyse quantitative du biais issu d’une mauvaise classification de l’exposition. En utilisant une analyse probabiliste de type Monte-Carlo, les erreurs systématiques et aléatoires ont été estimées pour l'association entre l’adiposité à l'enfance et le risque de cancer de l'ovaire. En comparaison aux estimations conventionnelles (c.-à-d. incluant l’erreur aléatoire seulement), il y avait suggestion d’une erreur de classification non différentielle ayant mené à une sous-estimation des résultats. Par cet exemple, nous visons à sensibiliser les chercheurs en santé aux avantages et aux limites de la quantification du biais provenant de l’erreur de classification.