Comparaisons à un groupe contrôle externe

L’inférence causale est une approche théorique, mathématique [112] [113] [114] qui a permis de déterminer les conditions que devait vérifier une association statistique pour avoir la valeur de relation causale. Cette approche permet aussi de clarifier la notion de question causale et d’estimand causal qui permettent de comprendre quelle analyse est nécessaire pour répondre à quelle question.

En pratique, dans une étude observationnelle, l’inférence causale vise à estimer, autant que possible, l’effet causal d’un traitement malgré l’absence de randomisation

Ainsi, pour permettre une conclusion causale, quatre hypothèses fondamentales doivent être vérifiées :

L’hypothèse de positivité
L’hypothèse de non-interférence
L’hypothèse de cohérence (consistancy )
L’hypothèse d’échangeabilité

L’inférence causale (conclure à un effet causal) nécessite donc la validité de ces quatre hypothèses appelées conditions d’identifiabilité (identifiability conditions ).

L’inférence causale montre aussi que toutes méthodes d’estimation d’une différence entre les groupes n’estiment pas forcément un effet causal du traitement. De plus les termes "effet du traitement" ou "effet causal" sont extrêmement ambigus, car il est possible de définir plusieurs effets traitements (effets causaux). Tout dépend de la question causale dont on part [115] .

Ainsi cette réflexion théorique [41] montrer l’importance fondamentale :

De bien définir l’effet traitement causal que l’on cherche (on parle de question causale )
D’en déduire la quantité, l’estimand qui correspond à cette question causale, c’est-à-dire l’estimand causal .
D’utiliser une méthode statistique qui estime bien l’estimand causal (estimand statistique c’est-à-dire ce que mesure la méthode d’estimation est bien l’estimand causal auquel on s’intéresse)
De vérifier que les données utilisées vérifient bien les hypothèses de l’inférence causale (on parle d’identification de l’estimand causal par les données) et les hypothèses de la méthode statistique utilisée pour l’estimation

Figure 2 – Estimand causal, estimand statistique et estimation (supplément de la réf [41] )

Une simple comparaison avant-après n’est pas une comparaison contrefactuelle acceptable [77] . Il est donc impossible de conclure à un effet causal à partir d’une simple étude monobras même si le critère est un changement avant après qui donne l’impression que le patient est son propre témoin et que le raisonnement contrefactuel est respecté (cf. section 9.4).