Chapitre
Biais, validité et niveaux de preuve
Biais, validité et niveaux de preuve
Avant de retenir un résultat, il faut répondre à deux questions : est-ce que l’effet observé peut s’expliquer par le hasard, et surtout est-ce qu’il n’est pas fabriqué par un biais ? Ce chapitre donne la grille de lecture qui permet de juger la crédibilité d’une étude, sa transposabilité, puis le poids réel de sa preuve.
- Distinguer erreur aléatoire et biais systématique, et relier cette distinction à la précision, à la puissance et à la validité interne.
- Identifier un biais dans un article, le classer (sélection, classement, confusion), dire s’il est différentiel ou non, et discuter son sens plausible.
- Repérer les principaux moyens de prévention/contrôle des biais selon le contexte : randomisation et assignation secrète, double aveugle, standardisation des mesures, analyse en intention de traiter, ajustement, appariement, stratification.
- Évaluer séparément la validité interne puis la validité externe d’une étude.
Notion de biais, hasard et validité interne
Séparer le bruit de la déformation
La validité interne mesure à quel point les résultats reflètent un effet réel et non un artefact : pour la juger, commence par séparer le bruit de la déformation.
Le hasard correspond aux variations d’échantillonnage : d’un tirage à l’autre, l’estimation bouge.
Le biais est autre chose : une erreur systématique qui déforme l’estimation dans un sens donné.
En QCM, le réflexe utile est donc simple : un résultat peut être imprécis parce qu’il manque de puissance, ou faux parce que la méthode l’a décalé. La suite du chapitre détaille surtout cette deuxième situation : quels biais chercher, comment les nommer et quelles conséquences ils ont sur la validité.
Le hasard rend flou, le biais décale
L’erreur aléatoire agit dans tous les sens et devient particulièrement visible quand l’échantillon est petit.
L’estimation saute alors davantage d’un échantillon à l’autre, les IC 95 % sont plus larges et la puissance peut manquer : le résultat est surtout instable.
Si l’effectif augmente, cette fluctuation d’échantillonnage diminue et la mesure devient plus précise.
Mais retiens le message central : augmenter l’effectif réduit surtout le bruit, pas la déformation. Une balance mal étalonnée ne devient pas juste parce que tu la lis sur mille patients au lieu de cent ; de la même manière, une étude très grande peut produire une estimation très précise et pourtant systématiquement fausse si sa méthode est biaisée.
Définition : biais, fluctuation d’échantillonnage et validité interne
Trois mots doivent être séparés sans hésitation.
Un biais est une erreur systématique qui déforme l’estimation dans un sens donné ; il ne correspond donc pas à une simple dispersion autour de la vérité.
La fluctuation d’échantillonnage désigne au contraire la variabilité aléatoire observée quand on tire plusieurs échantillons issus d’une même population.
La validité interne renvoie enfin à la qualité méthodologique et à la fiabilité des résultats au sein même de l’étude : la vraie question est alors de savoir si le résultat est crédible dans le cadre précis où il a été obtenu.
Premium
Lire la suite de ce chapitre
Vous avez lu le début de ce chapitre. Il reste 7 sections dans ce chapitre, plus la fiche réflexe — le tout inclus dans Premium.
- Les 10 chapitres en entier, pas à pas
- Une fiche réflexe à la fin de chaque chapitre
- La fiche réflexe d'examen : 8 réflexes + arbre de décision
- Schémas, diagrammes de raisonnement et tableaux
- Pièges classiques décortiqués (exemple · piège · méthode)
- Mises à jour incluses, sans frais
Paiement unique · Sans renouvellement automatique · Relu par 2 PU de pneumologie et de santé publique