Séminaire HCL - Résoudre les problèmes de causalité inverse grâce à l'inférence causale

Antoine GAVOILLE
LBBE - HCL
Lorsque l'on étudie l'effet d'une exposition sur un outcome, mais que l'outcome a lui-même un effet sur l'exposition, un problème de biais de causalité inverse apparaît. L'association que l'on mesure entre l'exposition et l'outcome sera alors un mélange de l'effet de l'exposition sur l'outcome (effet d'intérêt) et de l'effet de l'outcome sur l'exposition (effet de causalité inverse). Le biais d'indication est un exemple de biais de causalité inverse : si l'on veut étudier l'effet d'un traitement sur un outcome futur de la maladie, mais que la prescription du traitement dépend du niveau de ce même outcome au moment de la prescription, les groupes de patients traités et non traités ne seront pas comparables et l'efficacité du traitement ne pourra pas être étudiée sur des données observationnelles. Dans cette situation, l'inférence causale appliquée à l'analyse de données longitudinales permet de corriger ce biais, comme nous l'illustrerons à travers un exemple sur données réelles à propos de l'étude de l'effet causal de la grossesse sur le handicap neurologique dans la sclérose en plaques.