Etudes & Biais

  • RSS
  • Accueil
  • A propos
  • Lecture critique
  • Plainte vs EMA
  • Liens
  • Contact

La vérole et le bar-tabac

Posted on 19 avril 2015 by Alexis in Article 3 Comments
  • Home
  • Article
  • La vérole et le bar-tabac

J’ai entendu cette phrase, « on peut avoir la vérole et un bar-tabac », pour la première fois quand j’étais externe. Puis, j’ai appris que si, à l’extérieur de l’hôpital, on peut effectivement avoir la vérole et un bar-tabac, en pratique, sous certaines conditions, on a plus souvent les deux quand on est à l’hôpital.

Propriétaires de bar-tabac, cette phrase est à prendre à un degré supérieur à 1. Elle signifie juste qu’un patient peut avoir deux pathologies sans qu’il n’y ait aucune relation entre les deux. Ce n’est pas parce que vous avez un bar-tabac que vous avez la vérole et ce n’est pas parce que vous avez la vérole que vous avez décidé d’acheter un bar-tabac ou qu’on va vous en offrir un. Il n’y a pas non plus de cause commune favorisant la vérole et l’achat d’un bar-tabac.

Néanmoins, je n’ai pas de référence à citer sur ce sujet.

La démonstration théorique de l’augmentation de la fréquence des associations de pathologies chez des patients hospitalisés date de 1938. La publication de la démonstration date de 1946. Elle est disponible là.

C’est le biais de Berkson.

Berkson prend l’exemple de 3 pathologies : le diabète, la cholécystite et les troubles de la réfraction

A priori, en 1938, on n’hospitalise pas pour les troubles de la réfraction, par contre les deux autres pathologies « favorisent » l’hospitalisation. Berkson se sert des troubles de la réfraction comme groupe contrôle et considère qu’il n’y a pas d’association entre ces 3 pathologies dans la population générale. Il affecte à chaque pathologie une fréquence dans la population générale et un pourcentage d’hospitalisation. Un patient ayant deux pathologies a une probabilité d’être hospitalisé égale à 1-txt’ où t et t’ sont les probabilités de ne pas être hospitalisé pour chaque pathologie.

Tous les calculs sont bien explicités dans l’article.

Les calculs aboutissent à une plus forte représentation des cholécystites chez les diabétiques et chez les patients atteints de troubles de la réfraction. Alors que, bien sûr, que ce n’est pas le cas dans la population générale, les pathologies étant par définition considérées non « liées ».

Même si les probabilités d’hospitalisation sont identiques pour les différentes pathologies, les associations sont plus élevées dans la population hospitalisée par rapport à celles observées dans la population générale.

Berkson considère que la probabilité d’hospitalisation est identique si un patient a une ou deux pathologies. C’est probablement faux, mais comme Berkson le dit, cela minimise la concentration à l’hôpital des patients à pathologies multiples et ses résultats sont donc valides.

Un des derniers commentaires de Berkson élargit l’impact potentiel de ce biais. Il fait remarquer que l’augmentation des associations peut aussi s’observer avec un caractère non pathologique comme la couleur des yeux. Il doit donc pouvoir aussi s’observer avec la prise d’un médicament quelconque.

En 1938 et même en 1946, Cornfield n’avait pas encore démontré l’intérêt des odds-ratios. Donc Berkson n’en parle pas.

C’est un peu dommage car l’odds-ratio peut varier dans les deux sens.

Pour vous permettre de vous faire une idée sur l’impact d’une mesure de sélection (ici hospitalisation) sur les associations de pathologies, je vous ai préparé un petit fichier excel. Vous pouvez modifier les cellules en jaune.

Icône
Vérole et bar tabac 13.39 KB
Télécharger

Il y a deux fils de calcul : sur la partie gauche, les diabétiques et les cholécystites ne peuvent pas avoir la pathologie C. Dans la partie à droite, ils le peuvent mais dans les deux cas, ceux qui ont la pathologie C ne peuvent avoir ni diabète ni cholécystite. Cela change les pourcentages d’hospitalisation (calculés selon la formule de la publication de Berkson)

En conclusion, vous pouvez obtenir l’odds-ratio que vous voulez selon les chiffres que vous mettez dans les cases en jaune.

Conclusion 1 : Vous avez donc plus de chance de voir un vérolé propriétaire de bar-tabac parmi les patients hospitalisé qu’à l’extérieur de l’hôpital. Dans la population hospitalisés, le pourcentage de vérolés est plus élevé chez les propriétaires de bar-tabac que dans la population générale (ainsi que le pourcentage de propriétaires de bar-tabac chez les vérolés). Les pourcentages horizontaux et verticaux chez les hospitalisés sont supérieurs à ceux dans la population générale. Mais l’odds-ratio, dans le tableau du bas, peut être peut être inférieur à 1 (il peut aussi être supérieur à 1).

Conclusion 2 : ce n’est pas pour autant une preuve de l’existence d’une association entre les deux

Conclusion 3 : Vous voyez que c’est facile de faire une étude pourrie.

Conclusion 4 : je me demande si une des études sur la dompéridone n’était pas faite chez des patients hospitalisés.

 

 

 

 

Share

3 comments on “La vérole et le bar-tabac”

  1. Dominique Dupagne dit :
    20 avril 2015 à 9:17

    C’est marrant, j’ai toujours cru que cette expression était plutôt à rapprocher du « un train peu en cacher un autre », soit « Si ton malade a la maladie X, il en a peut-être une autre à côté de laquelle il ne faudrait pas passer ». Mais en y réfléchissant, je pense que tu as raison.

    Reply
    • Alexis dit :
      20 avril 2015 à 9:38

      C’est la beauté des expressions auxquelles on peut attribuer une signification variable. Je t’avoue que mon hypothèse sur cette expression collant bien au biais de Berkson, je n’ai pas cherché plus loin. Dans tous les cas, il faut appliquer nos deux hypothèses en médecine, donc selon le principe de finalité, elles sont toutes les deux exactes!
      Merci de ton commentaire

      Reply
  2. Daniel Pérez dit :
    20 novembre 2018 à 4:10

    Bonjour,

    J’ai aussi entendu cet adage en étant externe à Paris. Il signifiait alors que, si l’on peut dans la vie avoir une vérole et un bureau de tabac, par contre, il faut éviter de chercher à relier les signes de maladie observés à plus d’une pathologie. Il faut chercher la maladie qui regroupera le plus possible de signes, au lieu d’attribuer tel signe à une, tel signe à une autre etc.
    C’est la version médicale du rasoir d’Occam.
    Voilà.

    Reply

Leave a Reply Cancel reply

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Search

Commentaires récents

  • Alexis dans Lecture critique (3) : Analyse de la population incluse et ajustements.
  • FRG dans Lecture critique (3) : Analyse de la population incluse et ajustements.
  • Daniel Pérez dans La vérole et le bar-tabac
  • Azaïs dans Je viens de télécharger les analyses de la FDA sur Tecfidera ®
  • Alexis dans Chic ! Avec l’intelligence artificielle, on va avoir plein d’études biaisées.

Articles récents

  • Chic ! Avec l’intelligence artificielle, on va avoir plein d’études biaisées.

    3 avril 2018
  • Deux ans sans publication mais pour la bonne cause

    13 mars 2018
  • Quand il y a un « trou » (dans les données), c’est qu’y a un loup ! (Martine et Alexis)

    19 juin 2015
  • J’adore supputer, ce sera donc un peu moins sérieux… quoi que…

    21 mai 2015
  • Deux autres petits trucs qui rendent les odds-ratios un peu « odd ».

    14 mai 2015
  • Bon la dompéridone on n’y croit pas trop…et qu’est ce qui la différencie du mediator ?

    1 mai 2015
  • La vérole et le bar-tabac

    19 avril 2015
  • Domperidone

    14 avril 2015
  • Propensity scores, ou comment transformer une étude de suivi en un essai randomisé.

    3 avril 2015
  • The Will Rogers phenomenon, et petite digression sur le dépistage

    9 février 2015
  • Tiens, la National Academy Press publie un document sur les données des essais cliniques

    5 février 2015
  • Le monitoring nouveau des essais cliniques est sorti. Bonne ou mauvaise nouvelle pour les fraudeurs (et pour ceux qui les recherchent) ?

    30 janvier 2015
  • Faire une étude sur cohorte positive, fastoche !

    27 janvier 2015
  • Fraude et essai clinique biaisé. La détection des fraudes permet-elle d’exclure les essais cliniques biaisés ?

    6 janvier 2015
  • Les méta-analyses ne seraient-elles pas réellement intéressantes quand elles sont non-valides en raison d’une hétérogénéité ?

    5 décembre 2014
  • Lecture critique (12) Analyse des essais cliniques randomisés en double aveugle destinés à mettre en évidence une supériorité: récapitulatif

    20 novembre 2014
  • Finalement, il ne s’est rien passé à l’EMA ce jeudi 2 octobre.

    7 octobre 2014
  • Si on commence à critiquer les avis de l’EMA …

    28 février 2014
  • Les courbes de survie

    18 février 2014
  • Réponse de l’EMA à mon mail du 20 Novembre 2013 … et ma réponse

    9 février 2014
  • 20 novembre 2013 – 21 janvier 2014 : nouvelle plainte contre l’EMA

    21 janvier 2014
  • La FDA, ses analyses sélectives et l’Alemtuzumab

    6 janvier 2014
  • NNT

    18 décembre 2013
  • Incidence et Prévalence

    13 décembre 2013
  • Risque de sclérose en plaques avec les vaccins (ou autre produit)

    27 novembre 2013
  • Suite des relations avec l’EMA

    20 novembre 2013
  • A la recherche du bon critère d’évaluation

    18 octobre 2013
  • Evénements indésirables rares et loi de Poisson (ou loi binomiale)

    11 octobre 2013
  • Policy 0070 on publication and access to clinical-trial data

    3 septembre 2013
  • Lecture critique (11) : biais ou risque de biais,

    30 août 2013
  • Ô temps, suspends ton vol ! … de données valides

    16 juillet 2013
  • Individual Patient Data (IPD) : une nécessaire mise à disposition de la communité scientifique

    11 juillet 2013
  • P…. d’effet placebo !

    2 juillet 2013
  • Règles CONSORT pour les essais tronqués

    27 juin 2013
  • Lecture critique (10) : Les analyses de sous-groupes

    26 juin 2013
  • Alltrials pour les biais de publication… et les autres biais?

    19 juin 2013
  • Lecture critique (9) : L’aveugle dans les essais cliniques.

    10 juin 2013
  • Analyse critique (8) : La cohérence externe

    5 juin 2013
  • Je viens de télécharger les analyses de la FDA sur Tecfidera ®

    18 mai 2013
  • La puissance

    12 mai 2013

(c) 2013 Etudes & Biais -