Comparaisons à un groupe contrôle externe

1 Introduction

2 TL ; DR - Guide d’évaluation des comparaisons à un groupe contrôle externe

3 Les études de comparaison externe, de quoi s’agit-il ?

4 Pour quels usages

5 Les problématiques méthodologiques soulevées par les comparaisons externes

6 Les comparaisons externes sont des études observationnelles

6.1 Le manque de fiabilité des études observationnelles

6.2 Des études montrant des associations, mais ne permettant pas de conclure à la causalité

6.3 Différences avec les études de pharmacoépidémiologie

7 Position des agences de régulation et de HTA

8 De la nécessité d’avoir des preuves de l’intérêt cliniques des nouveaux traitements

9 Les sources de données utilisables

10 Les problématiques liées à l’aspect rétrospectif de ces études

11 Rédaction du protocole

12 Démarche hypothético déductive

13 L’inférence causale et les hypothèses sous-jacentes

14 Le biais de confusion

15 Les techniques d’analyses statistiques

16 Le diagnostic d’absence de biais de confusion résiduel

17 Les biais de sélection

18 Identifications des patients dans la source de données

19 Biais liés aux données

20 La qualité des données

21 Les outils d’évaluation du risque de biais

22 L’émulation d’un essai cible

23 Le benchmarking et les contrôles positifs

24 Analyses de sensibilité , analyses quantitatives du biais

25 Calcul d’effectif

26 Contrôle du risque alpha global

27 Pertinence clinique

28 Méta-épidémiologie et étude de cas

29 Synopsis - les critères d’acceptabilité des études de comparaisons externes pour la modification des stratégies thérapeutiques

Références

30 Annexes

PDF

6.2 Des études montrant des associations, mais ne permettant pas de conclure à la causalité

Devant ces constats, les revues biomédicales exigent que les études observationnelles soient rapportées en évitant tout langage de causalité et en mentionnant explicitement qu’elles n’ont mis en évidence que des associations, « association ne faisant pas causalité » [40] . Cette impossibilité est régulièrement rappelée dans les publications de ce type de travaux : « results are likely to be affected by counfounding bias and should be interpreted with caution » ; “… However, because observational studies are prone to confounding and selection bias, causality cannot be affirmed.” ; “Because claim databases can be vulnerable to selection and confounding bias, these results are statistical associations but not causal.”.

Récemment, cependant certaines revues ont entrepris une réflexion sur la possibilité d’aller au-delà de la mise en évidence d’associations et de conclure à la causalité devant le développement des techniques d’inférence causale [41] .