Ajuster statistiquement : pourquoi et comment ?
Dans une étude observationnelle, les personnes exposées et non exposées sont rarement identiques.
Elles peuvent différer par :
- âge ;
- sexe ;
- gravité initiale ;
- comportements ;
- niveau socio-économique ;
- autres traitements.
Si ces différences influencent aussi le résultat étudié, elles peuvent créer de la confusion.
L’ajustement statistique cherche à réduire ce problème.
Mais son objectif n’est pas :
« rendre les groupes identiques sur toutes les variables possibles ».
Il est plutôt :
« rendre la comparaison suffisamment équitable sur les causes communes pertinentes de l’exposition et du résultat ».
Pourquoi ajuster ?
Supposons qu’on étudie l’effet d’un traitement sur la mortalité.
Les patients traités sont en moyenne plus âgés.
On observe :
- mortalité traités : 15 % ;
- mortalité non-traités : 8 %.
Une comparaison brute suggère que le traitement est dangereux.
Mais si l’âge augmente :
- la probabilité d’être traité ;
- le risque de décès,
une partie de la différence vient de l’âge.
L’ajustement cherche à comparer des patients davantage similaires sur ce facteur.
Comparaison brute et comparaison ajustée
On peut distinguer :
effet brut : comparaison directe entre les groupes ;
effet ajusté : comparaison après prise en compte de certaines variables.
Par exemple :
RR brut = 1,50
puis après ajustement sur l’âge et la gravité :
RR ajusté = 0,85.
L’interprétation change radicalement.
Cela suggère que les patients traités étaient initialement plus à risque.
Mais l’ajustement ne révèle pas automatiquement la vérité
Le chiffre ajusté dépend :
- des variables choisies ;
- de leur qualité de mesure ;
- du modèle ;
- des hypothèses causales.
Un résultat « ajusté » n’est donc pas automatiquement causal.
La première étape n’est pas statistique
Avant de construire un modèle, il faut répondre à une question :
quelles variables doivent être ajustées ?
Cette décision doit idéalement venir :
- du raisonnement causal ;
- de la littérature ;
- de la chronologie ;
- des DAG.
Elle ne devrait pas être dictée uniquement par la p-value des covariables.
Une règle importante
Si une variable est une cause commune de l’exposition et du résultat :
X ← Z → Y
elle est candidate à l’ajustement.
Si elle est un médiateur :
X → M → Y
on ne doit généralement pas l’ajuster lorsqu’on cherche l’effet total.
Si elle est un collider :
X → C ← Y
l’ajuster peut créer un biais.
L’ajustement dépend donc de la structure causale.
Stratification
La méthode la plus intuitive est la stratification.
Supposons que l’âge confonde la relation entre traitement et décès.
On peut comparer le traitement séparément chez :
- 40–59 ans ;
- 60–79 ans ;
- ≥80 ans.
Dans chaque strate, les individus sont plus comparables sur l’âge.
Exemple
Mortalité fictive :
| Âge | Traités | Non-traités |
|---|---|---|
| 40–59 ans | 2 % | 3 % |
| 60–79 ans | 8 % | 10 % |
| ≥80 ans | 20 % | 25 % |
Dans chaque groupe d’âge, les traités ont une mortalité plus faible.
Mais si les traités sont beaucoup plus nombreux parmi les personnes âgées, la mortalité brute globale peut malgré tout être plus élevée.
La stratification révèle la structure cachée.
Limite de la stratification
Avec une seule variable, la méthode est simple.
Mais supposons qu’on veuille stratifier sur :
- 5 catégories d’âge ;
- 2 sexes ;
- 4 niveaux de gravité ;
- 3 catégories de tabagisme.
Cela produit :
5 × 2 × 4 × 3 = 120 strates.
Les effectifs deviennent rapidement trop faibles.
C’est la malédiction de la dimension.
Standardisation
La standardisation permet de comparer des populations comme si elles possédaient une même distribution de certaines caractéristiques.
Elle est particulièrement utilisée pour l’âge.
On peut calculer :
« quel serait le taux de mortalité de ces deux populations si elles avaient la même structure d’âge ? »
Cela facilite les comparaisons.
Standardisation directe
La méthode directe applique les taux spécifiques de chaque population à une même population standard.
Elle produit un taux standardisé.
Ce taux est souvent fictif au sens où il ne correspond pas directement à la mortalité réellement observée dans une population particulière.
Il sert de mesure comparative.
Pourquoi la standardisation fonctionne
Elle élimine l’effet mécanique des différences de composition sur le facteur standardisé.
Si deux pays possèdent des populations d’âges très différents, leur mortalité brute est difficile à comparer.
La standardisation permet de demander :
« que se passerait-il si leur structure d’âge était identique ? »
C’est déjà une forme de raisonnement contrefactuel.
Régression statistique
La méthode la plus utilisée est probablement la régression multivariée.
On construit un modèle où le résultat dépend de :
- l’exposition ;
- plusieurs covariables.
Par exemple :
Mortalité = traitement + âge + sexe + gravité + tabagisme.
Le coefficient du traitement cherche alors à estimer son association avec le résultat à valeurs comparables des autres variables du modèle.
Régression linéaire
Pour un résultat continu, on peut utiliser une régression linéaire.
Par exemple :
pression artérielle = traitement + âge + sexe.
Le coefficient du traitement peut être interprété comme une différence moyenne ajustée, sous les hypothèses du modèle.
Régression logistique
Pour un résultat binaire :
- malade / non malade ;
- décès / survie,
on utilise souvent une régression logistique.
Elle produit fréquemment un odds ratio ajusté.
Il faut cependant se rappeler qu’un odds ratio n’est pas toujours équivalent à un risque relatif, surtout lorsque l’événement est fréquent.
Modèle de Cox
Pour les événements survenant au cours du temps, on utilise souvent le modèle de Cox.
Il produit notamment des hazard ratios.
Cette méthode permet de prendre en compte :
- temps de suivi ;
- censures.
Mais elle repose elle aussi sur des hypothèses, notamment la proportionnalité des risques dans sa forme classique.
Le coefficient ajusté dépend du modèle
Le résultat n’existe pas indépendamment de la spécification choisie.
Il dépend notamment de :
- variables incluses ;
- interactions ;
- formes fonctionnelles ;
- catégories ;
- transformations.
Deux modèles raisonnables peuvent produire des estimations différentes.
C’est pourquoi les analyses de sensibilité sont importantes.
Ajustement sur une variable continue
Supposons que l’âge soit un confondeur.
On pourrait l’ajouter comme variable continue :
âge = 20, 21, 22…
Mais cela impose parfois une certaine relation entre âge et résultat.
Si le risque augmente de manière non linéaire avec l’âge, une relation linéaire simple peut être inadéquate.
Catégoriser l’âge
Une autre possibilité est :
- <50 ;
- 50–69 ;
- ≥70.
C’est simple mais cela perd de l’information et crée des frontières artificielles.
Une personne de 69 ans devient statistiquement plus proche d’une personne de 50 ans que d’une personne de 70 ans.
Splines
Les splines permettent de modéliser des relations continues de manière flexible.
Par exemple, on peut laisser le risque de mortalité augmenter progressivement avec l’âge sans imposer :
- une droite ;
- des seuils arbitraires.
Cela améliore souvent l’ajustement des variables continues.
Ajuster correctement suppose de modéliser correctement
Si l’on ajuste sur une variable mais que son effet est mal représenté, une confusion résiduelle peut persister.
Par exemple :
âge réel → relation fortement courbe avec mortalité
mais modèle :
relation linéaire simple.
L’ajustement peut être incomplet.
Interaction
Supposons que l’effet du traitement varie avec l’âge.
Un modèle sans interaction estime essentiellement un effet moyen.
On peut ajouter :
traitement × âge
pour permettre à l’effet de varier.
Ajustement et modification de l’effet sont donc liés mais distincts.
Appariement
Une autre stratégie consiste à construire des groupes comparables avant l’analyse.
Pour chaque patient traité, on cherche un non-traité similaire sur :
- âge ;
- sexe ;
- gravité.
On obtient des paires appariées ou des groupes appariés.
Appariement exact
On peut exiger des correspondances exactes.
Par exemple :
- même sexe ;
- même catégorie d’âge ;
- même stade de maladie.
Mais plus on impose de critères, plus il devient difficile de trouver des témoins compatibles.
Appariement approximatif
On peut accepter une proximité :
âge ±2 ans
ou utiliser une distance statistique sur plusieurs variables.
L’objectif est toujours de rapprocher les distributions des groupes.
Le score de propension
Le propensity score, ou score de propension, est la probabilité estimée de recevoir le traitement compte tenu des caractéristiques observées.
On calcule par exemple :
P(traitement | âge, sexe, gravité, comorbidités).
Deux personnes ayant un score proche ont, selon le modèle, une probabilité similaire d’être traitées.
Pourquoi réduire plusieurs variables à un score ?
Supposons que l’on dispose de dix confondeurs.
Comparer exactement les individus sur les dix dimensions peut être difficile.
Le score de propension résume ces caractéristiques en une probabilité unique.
On peut ensuite utiliser ce score pour :
- apparier ;
- stratifier ;
- pondérer.
Propensity score matching
On associe un patient traité à un patient non traité ayant un score proche.
On cherche ensuite à vérifier si les groupes sont effectivement équilibrés sur les covariables observées.
Le but n’est pas simplement d’obtenir un score proche, mais de construire une population comparable.
Vérifier l’équilibre
Après appariement ou pondération, on doit examiner les distributions des variables.
Par exemple :
- âge moyen ;
- gravité ;
- comorbidités.
On utilise souvent des différences standardisées plutôt que seulement des tests de significativité.
Pourquoi les p-values d’équilibre sont peu utiles
Avec un immense échantillon, une différence minuscule peut être significative.
Avec un petit échantillon, une grande différence peut ne pas l’être.
L’objectif n’est pas de tester si les groupes sont « statistiquement différents ».
Il est d’évaluer l’ampleur du déséquilibre.
Le score de propension ne crée pas une vraie randomisation
Une expression fréquente est :
« après propensity score, les groupes sont comme randomisés ».
C’est excessif.
Ils sont équilibrés uniquement sur :
les variables observées et correctement incluses dans le modèle.
Un confondeur non mesuré peut toujours persister.
Propensity score et mauvaises variables
Si l’on inclut :
- médiateurs ;
- colliders,
le score peut lui-même devenir problématique.
La liste des variables doit donc toujours être guidée causalement.
Variables instrumentales et score de propension
Une variable qui prédit fortement le traitement mais pas directement le résultat peut améliorer la prédiction du score sans améliorer le contrôle de la confusion.
Dans certaines situations, elle peut même augmenter la variance ou amplifier certains biais.
Une meilleure prédiction du traitement n’est pas automatiquement un meilleur modèle causal.
Pondération par probabilité inverse
On peut aussi utiliser le score de propension pour créer des poids.
Une personne ayant reçu un traitement très improbable compte davantage.
L’objectif est de créer une pseudo-population dans laquelle les caractéristiques initiales sont moins associées au traitement.
Intuition
Supposons qu’une femme très âgée et très malade ait seulement 10 % de probabilité de ne pas recevoir le traitement.
Si elle est malgré tout non traitée, elle représente un profil rare dans le groupe non traité.
On peut lui attribuer davantage de poids pour équilibrer ce type de profil entre groupes.
IPTW
La méthode est souvent appelée Inverse Probability of Treatment Weighting, ou IPTW.
Dans sa forme simple :
pour les traités :
poids = 1 / P(traitement)
pour les non-traités :
poids = 1 / P(non-traitement).
Il existe différentes variantes et poids stabilisés.
Pseudo-population
Après pondération correcte, on cherche à obtenir une population dans laquelle :
traitement ⟂ confondeurs mesurés.
Autrement dit, le traitement devient moins dépendant des caractéristiques initiales, un peu comme après randomisation.
Mais encore une fois, uniquement pour les facteurs correctement mesurés.
Poids extrêmes
Supposons qu’un individu reçoive un traitement dont la probabilité estimée était :
0,01.
Son poids peut devenir énorme.
Quelques individus peuvent alors dominer l’analyse.
C’est un signal de manque de positivité ou de mauvais chevauchement.
Chevauchement
Pour comparer deux stratégies, il faut que les profils des groupes se chevauchent suffisamment.
Si :
- tous les patients graves sont traités ;
- aucun patient grave n’est non-traité,
on manque d’un véritable comparateur.
Aucune formule ne peut créer des observations inexistantes.
Trimming et restriction
On peut parfois exclure les individus situés dans des zones sans chevauchement.
Par exemple, retirer les personnes dont la probabilité de traitement est quasiment :
- 0 ;
- ou 1.
L’effet estimé concerne alors une population plus restreinte.
Cela peut améliorer la validité interne mais modifier la question étudiée.
Standardisation moderne
Une autre approche consiste à utiliser un modèle de résultat pour prédire :
ce qui se passerait si chaque personne était traitée
puis :
ce qui se passerait si chaque personne ne l’était pas.
On moyenne ensuite ces prédictions.
C’est une forme moderne de standardisation, souvent appelée g-computation dans certains cadres.
G-formula
La g-formule généralise l’idée de standardisation à des situations causales plus complexes.
Elle permet conceptuellement d’estimer :
risque sous stratégie A
et
risque sous stratégie B
après prise en compte des confondeurs mesurés.
Elle s’inscrit directement dans le cadre contrefactuel.
Doubly robust methods
Certaines méthodes combinent :
- modèle de traitement ;
- modèle de résultat.
On les appelle parfois doublement robustes.
Sous certaines conditions, l’estimation peut rester cohérente si l’un des deux modèles est correctement spécifié.
Cela offre une protection supplémentaire, mais pas contre toutes les erreurs.
Double robust ne signifie pas « deux fois plus vrai »
Si :
- les deux modèles sont mauvais ;
- un confondeur essentiel manque ;
le résultat peut rester biaisé.
Le terme décrit une propriété mathématique précise, pas une garantie générale de causalité.
Matching, weighting ou regression ?
Il n’existe pas une méthode universellement supérieure.
La bonne stratégie dépend :
- de la question ;
- des données ;
- du chevauchement ;
- du nombre de confondeurs ;
- du type de résultat.
Plusieurs méthodes peuvent être utilisées comme analyses de sensibilité.
Ajustement au design ou à l’analyse
Certaines méthodes essaient d’équilibrer les groupes avant d’examiner le résultat, par exemple :
- appariement ;
- pondération.
Cela peut être conceptuellement intéressant car cela sépare davantage :
construction de la comparaison
et
estimation de l’effet.
La logique se rapproche du design d’un essai.
La régression seule peut masquer le manque de comparaison
Supposons que les groupes n’aient presque aucun chevauchement.
Une régression peut quand même produire un coefficient ajusté.
Mais celui-ci repose fortement sur l’extrapolation du modèle.
La valeur numérique ne révèle pas automatiquement que certaines comparaisons n’existent pas dans les données.
Visualiser les distributions
Avant l’ajustement, il est utile de regarder :
- distributions des scores de propension ;
- âge ;
- gravité ;
- autres variables.
Si les deux groupes occupent des régions totalement différentes, il faut être très prudent.
L’ajustement ne corrige pas les erreurs de mesure
Supposons que le tabagisme soit un confondeur mais qu’il soit mal enregistré.
Même un modèle statistique parfait ne pourra pas éliminer complètement cette confusion.
On obtiendra de la confusion résiduelle.
Exemple
Variable disponible :
fumeur / non-fumeur.
Mais le risque dépend aussi de :
- quantité ;
- durée ;
- ancienneté de l’arrêt.
Deux personnes classées « fumeurs » peuvent avoir des expositions extrêmement différentes.
L’ajustement est partiel.
L’ajustement ne corrige pas les variables absentes
Si l’état général du patient influence :
- choix du traitement ;
- mortalité
mais n’est jamais mesuré, il peut rester un confondeur majeur.
On parle de confusion non mesurée.
C’est une limite fondamentale des études observationnelles.
Le problème des bases administratives
Les grandes bases médico-administratives peuvent contenir :
- âge ;
- diagnostics ;
- médicaments ;
- hospitalisations.
Mais elles peuvent manquer :
- fragilité ;
- comportement ;
- habitudes de vie ;
- décisions cliniques détaillées.
Une immense taille d’échantillon ne compense pas automatiquement ces lacunes.
Proxy de gravité
On peut parfois utiliser :
- nombre d’hospitalisations ;
- traitements antérieurs ;
- scores cliniques
comme proxy d’un état de santé.
Cela améliore l’ajustement mais ne garantit pas que toute la gravité soit correctement capturée.
L’ajustement ne corrige pas un mauvais groupe de départ
Supposons qu’un traitement soit prescrit uniquement aux patients d’un hôpital universitaire et que les contrôles proviennent d’un autre système de soins.
Les différences institutionnelles peuvent être profondes.
Même un modèle comportant de nombreuses covariables peut ne pas reconstruire une comparaison crédible.
Le design reste primordial.
L’ajustement ne corrige pas un temps zéro incorrect
Si le suivi des traités commence :
au moment du traitement
et celui des non-traités :
au diagnostic plusieurs mois plus tôt,
le biais temporel est intégré dans le design.
Ajouter âge, sexe et comorbidités dans une régression ne le répare pas.
L’ajustement ne corrige pas tout biais de sélection
Si l’étude inclut uniquement des personnes sélectionnées par un collider, l’association peut déjà être artificiellement créée.
Ajuster sur de nombreuses variables peut être insuffisant ou empirer le problème.
Le DAG permet d’identifier ce type de structure en amont.
Ajuster sur un médiateur
Supposons :
traitement → pression → AVC.
Si l’on cherche l’effet total du traitement, ajuster sur la pression post-traitement supprime une partie de cet effet.
Le résultat devient plus proche d’un effet direct.
Dire ensuite :
« après ajustement sur la pression, le traitement n’a plus d’effet »
serait trompeur si la pression est précisément son mécanisme.
Ajuster sur un collider
Supposons :
traitement → hospitalisation ← gravité latente.
Si l’on analyse uniquement les hospitalisés ou ajuste sur l’hospitalisation, traitement et gravité peuvent devenir artificiellement associés.
L’ajustement peut donc fabriquer un biais.
« Toutes choses égales par ailleurs »
La régression est souvent décrite comme comparant :
des personnes identiques sur toutes les autres variables.
C’est une simplification.
Le modèle estime une relation conditionnelle sous certaines hypothèses.
Il ne crée pas nécessairement de véritables individus identiques dans les données.
Si aucun patient comparable n’existe, le modèle peut extrapoler.
Le modèle statistique et le modèle causal sont différents
Le modèle statistique décrit :
comment les variables sont associées.
Le modèle causal indique :
quelles relations nous pensons être causales.
Une régression ne peut pas déterminer seule le second.
Les deux doivent être articulés.
Exemple de sélection automatique
Supposons que l’on dispose de 50 variables.
On utilise un algorithme qui conserve seulement celles ayant :
p < 0,05
avec la mortalité.
Cette méthode peut exclure un véritable confondeur faiblement associé dans cet échantillon.
Elle peut aussi inclure un collider fortement prédictif.
La capacité prédictive n’est pas la même chose que la pertinence causale.
Machine learning et ajustement
Les méthodes d’apprentissage automatique peuvent être très utiles pour modéliser :
- score de propension ;
- résultat ;
- relations non linéaires.
Elles peuvent réduire certains problèmes de mauvaise spécification.
Mais elles ne savent pas automatiquement quelles variables doivent être ajustées causalement.
Causal machine learning
Des méthodes modernes combinent :
- raisonnement causal ;
- machine learning.
Par exemple :
- targeted maximum likelihood estimation ;
- double machine learning.
L’objectif est d’utiliser des modèles flexibles sans abandonner la définition causale de la question.
La sophistication ne remplace pas l’identification
Une méthode extrêmement moderne peut produire une estimation très précise.
Mais si un facteur de confusion majeur manque, aucune complexité algorithmique ne peut le faire apparaître.
La première question reste :
« l’effet est-il identifiable avec ces données et ces hypothèses ? »
Analyse de sensibilité
Comme l’ajustement repose sur des hypothèses, il est important de tester la robustesse.
On peut comparer :
- plusieurs ensembles raisonnables de covariables ;
- différentes formes fonctionnelles ;
- différentes définitions ;
- restriction aux zones de chevauchement.
Si les résultats restent proches, la confiance augmente.
Mais il ne faut pas choisir ensuite le modèle préféré
Une analyse de sensibilité ne doit pas devenir :
« testons dix modèles et publions celui qui donne le meilleur résultat ».
Il faut montrer les résultats pertinents et expliquer pourquoi certaines spécifications sont considérées comme principales.
Sinon, on retombe dans le p-hacking.
Contrôle négatif
Une méthode complémentaire consiste à étudier un résultat que l’exposition ne devrait pas causalement influencer.
Si une forte association apparaît malgré tout, cela peut révéler :
- confusion résiduelle ;
- biais de sélection ;
- autre problème.
Le contrôle négatif teste indirectement la qualité de l’ajustement.
Exemple conceptuel
Supposons qu’un médicament soit censé agir uniquement sur le risque cardiovasculaire.
Si, après ajustement, il paraît également réduire fortement des événements totalement sans rapport, on peut suspecter un healthy user bias ou une confusion résiduelle.
Quantifier la sensibilité à la confusion non mesurée
Des méthodes peuvent également demander :
« quelle force devrait avoir un confondeur non mesuré pour expliquer l’effet observé ? »
Cela ne supprime pas le confondeur.
Mais cela permet de juger si une explication alternative semble :
- facilement plausible ;
- ou nécessiter un facteur extrêmement puissant.
Ajustement et précision
Toutes les variables ajoutées au modèle ne servent pas uniquement à contrôler la confusion.
Certaines variables pronostiques peuvent améliorer la précision de l’estimation.
Mais il faut distinguer :
variable nécessaire pour l’identification causale
et
variable utile pour la précision statistique.
Les raisons de l’inclure ne sont pas les mêmes.
Ajuster dans un essai randomisé
Même dans un essai randomisé, on peut ajuster sur certaines caractéristiques initiales.
Par exemple :
- âge ;
- gravité de départ.
Cet ajustement peut améliorer la précision.
Mais la justification causale fondamentale vient déjà de la randomisation.
Il ne sert pas à réparer une confusion systématique créée par l’attribution du traitement.
Ajustement post-randomisation
En revanche, ajuster sur une variable apparue après la randomisation peut casser l’avantage causal initial.
Par exemple :
traitement → observance
puis ajustement sur l’observance.
Les personnes observantes et non observantes peuvent différer pour de nombreuses raisons.
La comparaison n’est plus directement randomisée.
Intention de traiter
C’est une raison pour laquelle l’analyse en intention de traiter conserve les participants dans leur groupe initial.
Elle protège l’équilibre créé par la randomisation.
L’estimation correspond à l’effet de l’assignation à la stratégie, même si certains participants n’adhèrent pas parfaitement.
Effet per protocole
Si l’on veut connaître l’effet de la prise effective du traitement, des méthodes supplémentaires sont nécessaires.
Une simple comparaison :
observants versus non-observants
peut être fortement confondue.
Les personnes observantes sont souvent différentes sur de nombreux comportements.
Ajustement et qualité des données
La meilleure stratégie statistique reste dépendante de :
- données correctes ;
- chronologie claire ;
- variables bien définies.
Ajuster sur 30 diagnostics administratifs ne vaut pas forcément mieux qu’une mesure clinique précise de la gravité.
La qualité compte davantage que la quantité de covariables.
Exemple complet
Supposons que l’on étudie l’effet d’un médicament A sur la mortalité.
Les utilisateurs de A sont :
- plus âgés ;
- plus malades ;
- plus souvent diabétiques.
Analyse brute
RR mortalité = 1,40.
Après ajustement sur âge, diabète et gravité
RR = 0,95.
Après restriction aux patients réellement éligibles à A et appariement sur score de propension
RR = 0,82.
Les résultats évoluent parce que les comparaisons deviennent différentes.
Il ne faut pas choisir mécaniquement la dernière valeur comme « la vérité ».
Il faut déterminer quelle analyse construit le contrefactuel le plus crédible.
La bonne question n’est pas « combien de variables ? »
Une étude peut ajuster sur :
3 variables très pertinentes
et être meilleure qu’une étude ajustant sur :
50 variables choisies automatiquement.
La qualité de l’ajustement dépend de la structure causale, pas du nombre de lignes dans le tableau.
Transparence
Une étude devrait idéalement préciser :
- pourquoi chaque confondeur important a été choisi ;
- comment il a été mesuré ;
- quelle méthode d’ajustement a été utilisée ;
- si le chevauchement était suffisant ;
- quels résultats de sensibilité ont été obtenus.
Cela permet au lecteur d’évaluer la crédibilité causale.
Une checklist pratique
Face à une estimation « ajustée », demandez :
Quelles variables ont été ajustées ?
Pourquoi celles-ci ?
Ont-elles été mesurées avant l’exposition ?
Certaines sont-elles des médiateurs ou colliders ?
Des confondeurs importants manquent-ils ?
Les groupes se chevauchent-ils réellement ?
Les variables ont-elles été suffisamment bien mesurées ?
Le résultat est-il robuste à d’autres spécifications raisonnables ?
Le mot « ajusté » est le début de l’analyse critique, pas sa fin.
Ajustement et causalité
Sous des hypothèses appropriées, un ajustement correct peut permettre d’estimer un effet causal à partir de données observationnelles.
Mais ces hypothèses incluent notamment :
- absence de confusion non contrôlée importante ;
- bonne définition de l’exposition ;
- positivité ;
- bonne temporalité ;
- modèle suffisamment correct.
Elles doivent être défendues, pas supposées par défaut.
Une leçon d’esprit critique
Lorsqu’un article affirme :
« Après ajustement sur l’âge, le sexe et les comorbidités, l’association reste significative »,
ne traduisez pas automatiquement :
« la causalité est démontrée ».
Demandez plutôt :
L’ajustement a-t-il reconstruit une comparaison crédible ?
Les variables causales importantes étaient-elles disponibles ?
A-t-on évité les médiateurs et colliders ?
Existe-t-il un chevauchement réel entre les groupes ?
Le résultat dépend-il fortement du modèle ?
La sophistication statistique ne remplace jamais une bonne question causale.
À retenir
L’ajustement statistique cherche principalement à réduire la confusion en rendant comparables des groupes qui ne l’étaient pas spontanément.
Parmi les principales méthodes figurent :
- stratification ;
- standardisation ;
- régression ;
- appariement ;
- score de propension ;
- pondération par probabilité inverse ;
- g-formule et méthodes causales plus avancées.
Mais aucune méthode ne peut automatiquement corriger :
- un confondeur non mesuré ;
- une variable mal mesurée ;
- un mauvais temps zéro ;
- un biais de sélection structurel ;
- une absence de chevauchement.
Et surtout, ajuster sur davantage de variables n’est pas toujours préférable.
Le choix doit suivre le raisonnement causal :
bloquer les voies de confusion, préserver les voies causales d’intérêt et éviter d’ouvrir artificiellement des voies par conditionnement sur des colliders.
La règle fondamentale peut donc être résumée ainsi :
un bon ajustement n’est pas celui qui contrôle le plus de variables, mais celui qui construit le contrefactuel le plus crédible avec les données réellement disponibles.
Pour aller plus loin
Miguel Hernán et James Robins — Causal Inference: What If. Une référence majeure pour comprendre standardisation, pondération, g-formule, positivité et identification causale.
Kenneth J. Rothman, Sander Greenland et Timothy L. Lash — Modern Epidemiology. Une référence centrale sur la stratification, la régression et le contrôle de la confusion en épidémiologie.
Paul Rosenbaum et Donald Rubin — travaux fondateurs sur le score de propension. Ils ont formalisé l’utilisation de la probabilité de traitement pour équilibrer les groupes dans les études observationnelles.
Judea Pearl — Causality. Une référence fondamentale pour relier l’ajustement statistique à la structure des graphes causaux et aux critères permettant d’identifier les variables nécessaires.