Qu’est-ce qu’une cause en épidémiologie ?
En langage courant, on demande souvent :
« Quelle est la cause de cette maladie ? »
Cette formulation suggère qu’un événement possède une cause unique, clairement identifiable.
En épidémiologie, la situation est généralement beaucoup plus complexe.
Une maladie peut dépendre simultanément :
- de facteurs biologiques ;
- de comportements ;
- d’expositions environnementales ;
- de facteurs sociaux ;
- de susceptibilités individuelles ;
- du hasard.
La causalité est donc souvent multifactorielle et probabiliste.
Une cause n’est pas forcément suffisante
Supposons que le tabagisme augmente fortement le risque de cancer du poumon.
Cela ne signifie pas :
tabac → cancer chez tous les fumeurs.
Beaucoup de fumeurs ne développeront jamais de cancer du poumon.
Le tabac constitue donc une cause importante sans être, à lui seul, une cause suffisante.
Une cause n’est pas forcément nécessaire
Inversement, des personnes n’ayant jamais fumé peuvent développer un cancer du poumon.
Le tabagisme n’est donc pas une cause nécessaire de tous les cancers du poumon.
D’autres mécanismes peuvent conduire au même résultat.
Une cause peut être très importante sans être présente dans tous les cas.
Cause nécessaire
Une cause nécessaire est une condition sans laquelle l’événement ne peut pas survenir.
Si X est nécessaire à Y :
absence de X → impossibilité de Y.
Certaines maladies infectieuses exigent par exemple la présence d’un agent pathogène spécifique.
Mais même dans ce cas, la présence de l’agent ne suffit généralement pas à produire la maladie.
Cause suffisante
Une cause suffisante est un ensemble de conditions qui, lorsqu’elles sont réunies, produit l’événement.
En épidémiologie, une cause suffisante est souvent composée de plusieurs éléments.
On peut imaginer :
A + B + C + D → maladie.
Chaque élément contribue au mécanisme, mais aucun n’est nécessairement suffisant seul.
Le modèle des causes composantes
Kenneth Rothman a popularisé une représentation appelée modèle des causes suffisantes et composantes.
Une cause suffisante peut être représentée comme un « gâteau causal » composé de plusieurs parts.
Par exemple :
Cause suffisante 1 : A + B + C + D
Cause suffisante 2 : A + E + F + G
Cause suffisante 3 : H + I + J
La maladie peut donc apparaître par plusieurs chemins causaux différents.
Une cause composante
Dans ce modèle, chaque élément comme A ou B constitue une cause composante.
Elle contribue à un mécanisme suffisant.
A n’a pas besoin de produire la maladie seule.
Il suffit qu’elle participe à au moins un ensemble causal conduisant au résultat.
Exemple simplifié : infarctus
Un infarctus peut résulter d’une combinaison de facteurs comme :
- tabagisme ;
- hypertension ;
- dyslipidémie ;
- âge ;
- prédisposition ;
- processus inflammatoires ;
- événement déclencheur.
Il n’existe pas nécessairement une combinaison unique.
Deux personnes peuvent subir le même événement clinique par des chemins causaux partiellement différents.
Plusieurs chemins vers une même maladie
C’est l’une des idées centrales de l’épidémiologie.
Une maladie est souvent mieux représentée par :
plusieurs mécanismes possibles convergeant vers un même résultat
que par :
une cause unique → une maladie.
Cette conception explique pourquoi supprimer un facteur de risque ne supprime pas nécessairement tous les cas.
Prévention et causalité multifactorielle
Supposons qu’une maladie puisse être produite par trois mécanismes différents.
Une exposition X intervient seulement dans deux de ces trois mécanismes.
Supprimer X empêchera les cas dépendant de ces mécanismes, mais pas ceux dus au troisième.
L’incidence diminue sans nécessairement atteindre zéro.
C’est exactement ce que l’on observe avec de nombreux facteurs de prévention.
Une cause peut être très importante sans expliquer tous les cas
Supposons qu’un facteur double le risque d’une maladie.
Cela peut représenter un impact majeur à l’échelle de la population.
Mais il n’est pas nécessaire qu’il soit présent dans tous les cas.
La question pertinente n’est donc pas :
« cette cause est-elle présente chez chaque malade ? »
mais plutôt :
« modifier cette exposition modifierait-il la fréquence de la maladie ? »
La conception contrefactuelle
Une manière moderne de définir un effet causal consiste à poser une question contrefactuelle.
Pour une personne donnée :
Que serait-il arrivé si elle avait été exposée ?
et
Que serait-il arrivé si elle ne l’avait pas été ?
L’effet causal correspond à la différence entre ces deux situations possibles.
Le problème est qu’on ne peut observer qu’une seule des deux.
Le problème fondamental de l’inférence causale
Supposons qu’une personne prenne un médicament et guérisse.
On observe :
traitement → guérison.
Mais on ne peut pas simultanément observer ce qui lui serait arrivé sans traitement.
Peut-être aurait-elle guéri quand même.
C’est pourquoi un seul individu ne suffit généralement pas à établir l’effet causal.
Comparaison de groupes
L’épidémiologie remplace ce contrefactuel individuel inaccessible par une comparaison collective.
On compare :
groupe exposé
à
groupe non exposé suffisamment comparable.
Si les groupes diffèrent principalement par l’exposition étudiée, leur différence de résultats peut approcher l’effet causal moyen.
Une cause modifie une probabilité
Beaucoup de causes épidémiologiques sont donc probabilistes.
Supposons :
- risque sans exposition : 5 % ;
- risque avec exposition : 15 %.
L’exposition ne produit pas automatiquement la maladie.
Elle augmente la probabilité de l’événement.
C’est suffisant pour parler d’un effet causal au niveau populationnel.
Une cause peut aussi diminuer une probabilité
Les facteurs protecteurs sont également causaux.
Par exemple :
vaccination → diminution du risque d’infection ou de forme grave.
La causalité ne signifie donc pas nécessairement « produire un dommage ».
Une intervention peut causalement prévenir un événement.
Causalité individuelle et probabilités
Si une personne exposée développe une maladie, il est souvent impossible de dire avec certitude :
« cette exposition a causé ce cas précis ».
On peut néanmoins savoir que l’exposition augmente causalement le risque dans une population.
Cette distinction entre causalité populationnelle et attribution individuelle est fondamentale.
Exemple du tabac
Supposons qu’un fumeur développe un cancer du poumon.
Nous savons que le tabagisme augmente fortement le risque.
Mais pour ce cas particulier, nous ne pouvons généralement pas observer le scénario :
la même personne, avec le même patrimoine génétique, le même environnement, mais n’ayant jamais fumé.
Il est donc difficile d’attribuer individuellement le cancer avec certitude.
Fraction attribuable
L’épidémiologie peut néanmoins estimer quelle proportion des cas dans une population est attribuable à une exposition, sous certaines hypothèses causales.
On parle de fraction attribuable.
Cela répond à une question comme :
« Combien de cas n’auraient probablement pas eu lieu si l’exposition avait été absente ? »
Cette notion est très importante en santé publique.
Une cause peut être éloignée dans la chaîne
Certaines causes agissent directement.
Par exemple :
virus → infection cellulaire.
D’autres sont beaucoup plus en amont :
conditions de logement → exposition accrue → infection.
Les deux peuvent être causalement importantes, mais à des niveaux différents.
Causes proximales et causes distales
On distingue parfois :
causes proximales : proches biologiquement de l’événement ;
causes distales : plus en amont, souvent sociales ou environnementales.
Par exemple :
pollution → inflammation → maladie respiratoire.
La pollution est relativement distale.
L’inflammation est un mécanisme plus proximal.
Les causes sociales
Le revenu, le logement, l’éducation ou les conditions de travail peuvent modifier :
- exposition aux risques ;
- accès aux soins ;
- comportements ;
- stress.
Ils peuvent donc être de véritables causes épidémiologiques, même s’ils ne constituent pas des mécanismes biologiques immédiats.
« Biologique » ne signifie pas « plus causal »
Il serait erroné de considérer une cause biologique comme plus réelle qu’une cause sociale.
Si modifier une condition sociale modifie le risque de maladie, cette condition participe bien à la causalité.
Les niveaux explicatifs sont différents mais compatibles.
Exemple
Supposons :
pauvreté → logement surpeuplé → exposition infectieuse → infection.
On peut étudier la causalité à plusieurs niveaux :
- agent infectieux ;
- contact ;
- logement ;
- conditions socio-économiques.
Il n’existe pas nécessairement un seul niveau « correct ».
Cause directe et cause indirecte
Une cause peut agir directement sur le résultat ou par l’intermédiaire d’un médiateur.
Par exemple :
activité physique → baisse de la pression artérielle → diminution du risque d’AVC.
L’activité physique possède alors un effet indirect via la pression.
Elle peut éventuellement agir par d’autres mécanismes en parallèle.
Cause totale
L’effet total d’une exposition comprend toutes les voies causales reliant l’exposition au résultat.
Dans l’exemple précédent, l’effet total de l’activité physique sur les AVC peut passer par :
- pression ;
- poids ;
- métabolisme ;
- inflammation.
Si l’on ajuste sur tous ces médiateurs, on risque de supprimer une partie de l’effet que l’on souhaite mesurer.
Cause directe
Un effet direct correspond à une partie de l’effet qui ne passe pas par certains médiateurs définis.
La distinction est utile mais dépend de la question.
Il n’existe pas une unique notion de « l’effet » indépendamment de ce qu’on souhaite estimer.
Causes conjointes
Deux facteurs peuvent agir ensemble.
Supposons que :
- exposition A augmente légèrement le risque ;
- exposition B augmente légèrement le risque ;
- A et B combinées augmentent énormément le risque.
Il peut exister une interaction causale.
Leur effet conjoint n’est pas simplement la somme de leurs effets séparés.
Exemple tabac et amiante
Le tabagisme et l’exposition à l’amiante constituent un exemple classique de facteurs pouvant interagir dans le risque de cancer du poumon.
Le risque associé à leur combinaison peut être bien plus important que celui associé à chacun séparément selon l’échelle étudiée.
Cela montre qu’une cause peut dépendre du contexte causal dans lequel elle agit.
Une cause peut n’avoir d’effet que chez certaines personnes
Supposons qu’un médicament provoque un effet indésirable uniquement chez les porteurs d’un variant génétique particulier.
Le médicament reste une cause.
Mais son effet dépend d’une autre condition.
On parle alors d’hétérogénéité de l’effet ou d’interaction.
Susceptibilité
Les individus n’ont pas tous la même susceptibilité.
Elle peut dépendre :
- âge ;
- génétique ;
- immunité ;
- maladies préexistantes ;
- expositions antérieures.
Une exposition identique peut donc produire des conséquences très différentes.
Le hasard biologique
Même lorsque les grandes causes sont connues, une part d’incertitude subsiste.
Des processus cellulaires comportent une composante stochastique.
Deux personnes apparemment très similaires peuvent donc connaître des trajectoires différentes.
La causalité probabiliste laisse une place au hasard sans rendre les causes inutiles.
« Hasard » ne signifie pas « sans cause »
En sciences, dire qu’un événement possède une composante aléatoire signifie souvent que l’on ne peut pas prédire précisément quel individu connaîtra l’événement.
Cela ne signifie pas que les probabilités ne dépendent d’aucune cause.
Une exposition peut modifier fortement ces probabilités.
Cause déclenchante et terrain
On distingue parfois intuitivement :
terrain et déclencheur.
Par exemple, une personne peut posséder une vulnérabilité biologique, puis un événement environnemental déclenche le processus.
Ces catégories peuvent être utiles mais elles ne sont pas toujours nettement séparables.
Les deux participent à une chaîne causale.
Causes suffisantes multiples
Supposons une maladie pouvant apparaître par trois mécanismes :
A + B + C
A + D + E
F + G + H.
A intervient dans deux mécanismes, mais pas le troisième.
Supprimer A réduira beaucoup de cas mais ne les supprimera pas tous.
Cette représentation permet de comprendre pourquoi une cause importante peut ne pas être universelle.
Cause nécessaire commune
Supposons maintenant :
A + B + C
A + D + E
A + F + G.
A apparaît dans toutes les causes suffisantes.
A constitue alors une cause nécessaire dans ce modèle.
Sans A, aucun cas ne peut apparaître.
Maladies infectieuses
Pour certaines maladies infectieuses, la présence d’un agent spécifique peut être nécessaire.
Mais l’agent seul n’est pas forcément suffisant.
Il faut aussi :
- exposition suffisante ;
- porte d’entrée ;
- hôte susceptible ;
- absence d’immunité efficace.
La maladie résulte donc malgré tout d’un ensemble de conditions.
Koch et la causalité infectieuse
Les postulats historiques de Koch ont joué un rôle majeur pour relier des agents microbiens à des maladies.
Mais la microbiologie moderne a montré de nombreuses situations plus complexes :
- porteurs asymptomatiques ;
- agents difficiles à cultiver ;
- maladies multifactorielles.
Les critères historiques doivent donc être compris dans leur contexte.
Une cause peut être éliminée sans éliminer toute la maladie
Supposons qu’une infection possède plusieurs modes de transmission.
Une intervention supprime presque totalement un mode particulier.
Le nombre de cas diminue mais ne tombe pas à zéro.
Cela ne prouve pas que l’intervention était inefficace.
Elle a supprimé seulement une partie des chemins causaux.
Prévention populationnelle
Cette logique est fondamentale pour la prévention.
Une intervention peut avoir un effet causal réel même si :
- elle ne protège pas tout le monde ;
- certains cas surviennent malgré elle ;
- certains non-exposés tombent malades.
L’évaluation porte sur la différence de risque, pas sur une protection absolue.
L’erreur du contre-exemple individuel
Un raisonnement fréquent est :
« Mon grand-père fumait et n’a jamais eu de cancer, donc le tabac n’est pas une cause. »
C’est faux parce qu’une cause probabiliste n’a pas besoin de produire l’effet chez tous les individus exposés.
Un seul survivant ne réfute pas une augmentation de risque populationnelle.
L’erreur inverse
De même :
« cette personne n’a jamais fumé et a eu un cancer du poumon, donc le tabac ne cause pas ce cancer. »
Cela confond :
cause importante
et
cause nécessaire.
Une maladie peut avoir plusieurs chemins causaux.
Cause et facteur de risque
Les termes facteur de risque et cause ne sont pas strictement synonymes.
Un facteur de risque est une caractéristique associée à une augmentation de risque.
Il peut être :
- causal ;
- simplement prédictif ;
- marqueur d’une autre cause.
L’inférence causale cherche précisément à déterminer lesquels sont réellement modifiables de manière utile.
Exemple de marqueur
Les cheveux blancs sont associés à la mortalité.
Ils constituent un marqueur d’âge.
Mais les teindre ne réduit pas la mortalité.
Un facteur associé au risque n’est donc pas automatiquement une cible causale.
Une cause doit être définie par rapport à une intervention conceptuelle
Une approche moderne demande parfois :
« Que signifie modifier cette exposition ? »
Pour le tabagisme, l’intervention est relativement claire :
fumer / ne pas fumer.
Pour une variable comme :
niveau socio-économique,
la notion d’intervention est plus complexe.
Il faut préciser quel aspect on pourrait modifier :
- revenu ;
- logement ;
- accès aux soins ;
- éducation.
Causalité bien définie
Une question causale devient plus claire lorsqu’on spécifie précisément :
- population ;
- exposition ;
- comparateur ;
- période ;
- résultat.
Par exemple :
« Quel serait l’effet sur la mortalité à dix ans d’arrêter de fumer aujourd’hui plutôt que de continuer, chez des fumeurs de 50 ans ? »
C’est beaucoup plus précis que :
« le tabac cause-t-il la mortalité ? »
La cause dépend aussi de la question
Supposons qu’un patient décède après une infection.
On peut demander :
Quelle est la cause biologique immédiate ?
ou :
Quelle exposition a permis l’infection ?
ou :
Quelle politique aurait pu éviter l’exposition ?
Chaque question vise un niveau causal différent.
Les réponses peuvent toutes être légitimes.
Causes et responsabilités
Il faut distinguer causalité scientifique et responsabilité morale ou juridique.
Si une action contribue causalement à un événement, cela ne suffit pas à déterminer :
- faute ;
- intention ;
- responsabilité.
Ces notions nécessitent des critères normatifs supplémentaires.
L’épidémiologie peut informer le raisonnement mais ne tranche pas seule les questions morales.
Causes et décisions
En santé publique, on s’intéresse particulièrement aux causes modifiables.
L’âge est causalement lié à de nombreux risques mais n’est pas une intervention disponible.
Le tabagisme, certaines expositions professionnelles ou la vaccination sont davantage modifiables.
Une cause peut donc être scientifiquement importante sans être directement utilisable comme levier d’action.
Causalité et prédiction
Une variable non causale peut prédire efficacement.
Inversement, une cause réelle peut être un prédicteur individuel médiocre.
L’objectif détermine donc les variables recherchées.
Pour prédire :
quelles informations annoncent le résultat ?
Pour intervenir :
quelles modifications changent le résultat ?
La cause comme différence entre deux mondes possibles
Le raisonnement contrefactuel peut être résumé ainsi :
Monde A : exposition présente.
Monde B : exposition absente.
Toutes choses pertinentes étant comparables, si la fréquence de la maladie diffère entre ces deux mondes, l’exposition possède un effet causal.
Comme nous ne pouvons pas observer simultanément les deux mondes, les plans d’étude cherchent à les reproduire indirectement.
Pourquoi les facteurs de confusion sont si importants
Supposons que les deux mondes diffèrent non seulement sur l’exposition mais aussi sur :
- âge ;
- santé initiale ;
- comportements.
La différence de résultat ne peut plus être attribuée uniquement à l’exposition.
Les facteurs de confusion empêchent donc de construire correctement le contrefactuel.
La fiche suivante leur sera consacrée.
Causes et modèles
Un modèle causal est une simplification.
Il ne représente jamais toutes les causes de chaque événement.
On choisit les variables pertinentes pour la question.
Par exemple, un modèle sur :
tabac → cancer
n’a pas besoin de représenter chaque mutation cellulaire intermédiaire pour être utile à une politique de prévention.
Plusieurs niveaux d’explication peuvent être vrais simultanément
Une maladie peut être expliquée par :
- mutation moléculaire ;
- exposition chimique ;
- profession ;
- réglementation insuffisante.
Ces explications ne sont pas nécessairement concurrentes.
Elles décrivent différentes étapes ou niveaux de la même chaîne causale.
Réductionnisme causal
Chercher uniquement la cause biologique la plus proche peut masquer les conditions qui ont rendu cette cause possible.
À l’inverse, rester uniquement au niveau social peut ignorer le mécanisme biologique.
L’épidémiologie gagne souvent à relier les niveaux plutôt qu’à les opposer.
L’idée de « cause unique » est souvent trompeuse
Lorsqu’une maladie apparaît, demander :
« était-ce X ou Y ? »
peut être une mauvaise formulation.
La réponse peut être :
X et Y ont tous deux contribué, avec d’autres facteurs.
Dans un système multifactoriel, plusieurs causes peuvent être authentiques simultanément.
Exemple de décès cardiovasculaire
Un événement peut dépendre de :
- âge ;
- tabac ;
- hypertension ;
- diabète ;
- génétique ;
- inflammation ;
- événement aigu.
Demander lequel est « la vraie cause » peut n’avoir aucun sens unique.
Certains facteurs sont plus proximaux, d’autres plus modifiables, mais plusieurs appartiennent au processus causal.
Une leçon d’esprit critique
Lorsqu’on entend :
« X ne peut pas être une cause puisque beaucoup de personnes exposées ne tombent pas malades »,
il faut reconnaître une confusion entre cause et cause suffisante.
Lorsqu’on entend :
« X ne peut pas être une cause puisque certains malades n’ont jamais été exposés »,
il s’agit d’une confusion entre cause et cause nécessaire.
Dans de nombreuses maladies, une cause est simplement un facteur dont la présence ou l’absence modifie la probabilité du résultat dans certaines conditions.
À retenir
En épidémiologie, une cause est rarement un événement unique produisant automatiquement une maladie.
La causalité est souvent :
multifactorielle, probabiliste et dépendante du contexte.
Une cause peut être :
- nécessaire sans être suffisante ;
- suffisante seulement en combinaison avec d’autres facteurs ;
- composante d’un mécanisme causal parmi plusieurs.
Un facteur peut être causal même si :
- certains exposés ne tombent jamais malades ;
- certains non-exposés développent la maladie.
La question causale fondamentale est contrefactuelle :
« Comment le risque changerait-il si l’exposition était différente, toutes choses pertinentes comparables ? »
Cette conception permet de sortir d’une vision simpliste de la « cause unique » et de comprendre pourquoi l’épidémiologie cherche surtout à identifier les facteurs dont la modification changerait réellement la fréquence des événements de santé.
Pour aller plus loin
Kenneth J. Rothman — travaux sur le modèle des causes suffisantes et composantes. Une représentation devenue classique de la causalité multifactorielle en épidémiologie.
Miguel Hernán et James Robins — Causal Inference: What If. Une référence majeure sur la conception contrefactuelle des effets causaux.
Judea Pearl — Causality et The Book of Why. Des ouvrages importants pour comprendre la différence entre observation, intervention et mécanisme causal.
Austin Bradford Hill — « The Environment and Disease: Association or Causation? » Un texte historique majeur sur le passage de l’association statistique au raisonnement causal.