Les erreurs de mesure de l'exposition peuvent avoir des impacts différents sur la relation exposition-maladie étudiée, selon la manière dont les erreurs sont réparties. Si une étude épidémiologique a été menée à l'aveugle (c'est-à-dire que des mesures ont été prises sans connaître la maladie ou l'état de santé des participants à l'étude), nous nous attendons à ce que l'erreur de mesure soit répartie uniformément entre les strates de la maladie ou de l'état de santé.
Le tableau 1 donne un exemple : supposons que nous recrutions une cohorte de personnes exposées au travail à un toxique, afin d'investiguer une maladie fréquente. Nous déterminons le statut d'exposition uniquement au recrutement (T0), et non à d'autres moments du suivi. Disons cependant qu'un certain nombre d'individus changent effectivement de statut d'exposition l'année suivante : au temps T1, 250 des 1,200 150 personnes exposées à l'origine ont cessé d'être exposées, tandis que 750 des XNUMX personnes non exposées à l'origine ont commencé à être exposées au toxique. Ainsi, à l'instant T1, 1,100 850 personnes sont exposées et XNUMX ne le sont pas. En conséquence, nous avons une « erreur de classification » de l'exposition, basée sur notre mesure initiale de l'état de l'exposition au temps T0. Ces individus sont ensuite retrouvés après 20 ans (au temps T2) et le risque cumulé de maladie est évalué. (L'hypothèse faite dans l'exemple est que seule une exposition de plus d'un an est préoccupante.)
Tableau 1. Cohorte hypothétique de 1950 individus (exposés et non exposés au travail), recrutés au temps T0 et dont le statut pathologique est déterminé au temps T2
|
Temps |
|||
|
T0 |
T1 |
T2 |
|
Travailleurs exposés 1200 250 abandonnent l'exposition 1100 (1200-250+150)
Cas de maladie au temps T2 = 220 parmi les travailleurs exposés
Travailleurs non exposés 750 150 commencent l'exposition 850 (750-150+250)
Cas de maladie au temps T2 = 85 chez les travailleurs non exposés
La vrai risque de la maladie au temps T2 est de 20% chez les travailleurs exposés (220/1100),
et 10 % chez les travailleurs non exposés (85/850) (risque relatif = 2.0).
Risque estimé à T2 de la maladie parmi les personnes classées comme exposées à T0:% 20
(c.-à-d. risque réel chez les personnes exposées) ´ 950 (c.-à-d. 1200-250)+ 10 %
(c'est-à-dire, risque réel chez les non-exposés) ´ 250 = (190+25)/1200 = 17.9 %
Risque estimé à T2 de la maladie parmi ceux classés comme non exposés à
T0: 20 % (c'est-à-dire le risque réel chez les personnes exposées) ´ 150 +10 %
(c'est-à-dire le risque réel chez les personnes non exposées) ´ 600 (c'est-à-dire 750-150) = (30+60)/750 = 12 %
Risque relatif estimé = 17.9 % / 12 % = 1.49
Les erreurs de classification dépendent, dans cet exemple, de la conception de l'étude et des caractéristiques de la population, plutôt que des limites techniques de la mesure de l'exposition. L'effet d'une mauvaise classification est tel que le « vrai » rapport de 2.0 entre le risque cumulé chez les personnes exposées et les personnes non exposées devient un rapport « observé » de 1.49 (tableau 1). Cette sous-estimation du rapport de risque découle d'un « brouillage » de la relation entre l'exposition et la maladie, qui se produit lorsque la classification erronée de l'exposition, comme dans ce cas, est uniformément répartie en fonction de la maladie ou de l'état de santé (c'est-à-dire que la mesure de l'exposition est pas influencé par le fait que la personne souffrait ou non de la maladie que nous étudions).
En revanche, une sous-estimation ou une surestimation de l'association d'intérêt peut se produire lorsque la classification erronée de l'exposition n'est pas uniformément répartie sur le résultat d'intérêt. Dans l'exemple, on peut avoir biais, et pas seulement un brouillage de la relation étiologique, si la classification de l'exposition dépend de la maladie ou de l'état de santé des travailleurs. Cela pourrait se produire, par exemple, si l'on décide de prélever des échantillons biologiques sur un groupe de travailleurs exposés et sur un groupe de travailleurs non exposés, afin d'identifier les changements précoces liés à l'exposition au travail. Les échantillons prélevés sur les travailleurs exposés pourraient alors être analysés de manière plus précise que les échantillons prélevés sur les travailleurs non exposés; la curiosité scientifique pourrait conduire le chercheur à mesurer des biomarqueurs supplémentaires parmi les personnes exposées (y compris, par exemple, des adduits à l'ADN dans les lymphocytes ou des marqueurs urinaires de dommages oxydatifs à l'ADN), en supposant que ces personnes sont scientifiquement "plus intéressantes". Il s'agit d'une attitude assez courante qui, cependant, pourrait conduire à de sérieux préjugés.