Dessinez vos hypothèses avant vos conclusions : graphiques pour l’inférence causale

Miguel A. Hernán, Département d’épidémiologie, Harvard School of Public Health et

Robert Platt, Université McGill

SSC 2010 Annual Meeting

Le 23 mai 2010

Québec, QC

Les graphes acycliques orientés (directed acyclic graphs, DAGs) que l’on dit causaux peuvent être utilisés pour résumer, clarifier et communiquer des hypothèses quantitatives à propos de la structure causale d’un problème. L’utilisation des DAGs causaux est une approche simple et naturelle d’inférence causale sur des données d’observation. C’est aussi une approche rigoureuse qui mène à des résultats mathématiques équivalents à ceux de la théorie contrefactuelle. En conséquence, les DAGs causaux sont de plus en plus utilisés en épidémiologie, tant en enseignement qu’en recherche.

Dans la première partie de cet atelier, une vue d’ensemble non technique de la théorie des DAGs causaux, de leur relation avec la théorie contrefactuelle et de leurs applications en inférence causale sera donnée. L’atelier va décrire comment les DAGs causaux peuvent être utilisés pour proposer une classification systématique des biais dans les études d’observation et les études randomisées.

Dans la deuxième partie de cet atelier, des applications pratiques de la théorie des DAGs causaux à des exemples tirés de divers domaines de recherche en épidémiologie, incluant le cancer, l’issue de grossesse et le VIH/sida, seront présentés. Le biais introduit par l’utilisation de méthodes statistiques conventionnelles pour l’analyse d’études longitudinales avec des expositions variables dans le temps sera aussi décrit.