Biais Neyman : Définition & Exemples

Le biais de Neyman (également connu sous le nom de biais de prévalence-incidence ) est un type de biais qui peut survenir dans les études de recherche dans lesquelles des individus extrêmement malades ou en très bonne santé sont exclus des résultats finaux de l’étude, ce qui peut conduire à des résultats biaisés.

Ce biais peut affecter les résultats d’une étude de deux manières :

1. Si des individus extrêmement malades sont exclus de l’étude parce qu’ils sont décédés, la maladie semblera alors moins grave.

2. Si des individus en très bonne santé sont exclus de l’étude parce qu’ils se sont rétablis et ont été renvoyés chez eux, la maladie semblera alors plus grave.

Exemples de biais Neyman

Voici deux exemples de biais Neyman se produisant dans différents scénarios :

Exemple 1 : Individus malades exclus d’une étude.

Supposons qu’un groupe de chercheurs d’un hôpital souhaite étudier la gravité d’une certaine souche de grippe. Ils sélectionnent au hasard un échantillon de 40 personnes de la région qui contractent cette souche de grippe et surveillent leurs résultats.

Dans ce scénario, les personnes qui contractent un cas de grippe particulièrement grave et qui en meurent seront exclues de l’étude. Cela signifie que seules les personnes présentant des cas bénins seront incluses dans l’étude, ce qui rendra la grippe moins grave.

Exemple 2 : individus en bonne santé exclus d’une étude.

Supposons qu’un groupe de chercheurs d’un hôpital souhaite étudier la gravité d’un certain rhume saisonnier. Ils sélectionnent au hasard un échantillon de 30 personnes de la région qui contractent le rhume et surveillent leurs conséquences.

Dans ce scénario, les personnes qui ont déjà contracté le rhume et se sont rétablies ne seront pas incluses dans l’étude, ce qui signifie que seules les personnes présentant des cas plus graves et qui ne se sont pas rétablies seront incluses dans l’étude. Cela pourrait rendre le rhume plus intense.

Dans quels types d’études le biais Neyman apparaît-il ?

Le biais de Neyman se produit le plus souvent dans les études dans lesquelles il s’écoule une longue période entre les individus contractant une certaine maladie et leur inclusion dans une étude simplement parce que cela leur donne plus de temps pour (1) se rétablir et ne pas être inclus dans l’étude ou ( 2) mourir et ne pas être inclus dans l’étude.

Les études cas-témoins sont les plus sensibles à ce type de biais, mais cela peut également se produire dans les études de cohorte et les études transversales.

Comment prévenir les préjugés de Neyman

Il existe deux manières d’éviter les pièges du biais Neyman :

1. Utilisez les cas incidents plutôt que les cas prévalents.

Un cas incident est un cas nouvellement diagnostiqué d’une maladie. Un cas prévalent est un cas existant d’une maladie, dans lequel un individu en souffre généralement depuis plus longtemps et présente donc une version plus avancée et plus grave de la maladie. En utilisant des cas incidents, il est moins probable que des individus soient exclus de l’étude à un moment donné puisqu’il s’agit d’un nouveau cas.

2. Utilisez des études de suivi.

Une autre façon d’éviter le biais de Neyman consiste à recourir à une étude de suivi dans laquelle les chercheurs effectuent un suivi auprès des individus et examinent leur situation une fois l’étude terminée. Cela peut être particulièrement utile pour surveiller les individus qui ont quitté une étude parce qu’ils se sont rétablis de la maladie, ce qui permet aux chercheurs de mieux comprendre les effets à long terme d’une maladie.

Ressources additionnelles

Qu’est-ce que le biais de sous-dénombrement ?
Qu’est-ce que le biais de référencement ?
Qu’est-ce que le biais de non-réponse ?
Qu’est-ce que la diffusion du traitement ?