Prise en compte des hypothèses de causalité dans l'analyse d'une évolution et l'analyse de la médiation
Institution:
Toulouse 3Disciplines:
Directors:
Abstract EN:
The work reported in this manuscript is based on a structural causal model described by Pearl as the combination of features of the potential outcome framework of Rubin, path analysis and structural equation modelling, and nonparametric structural models which can be represented by directed acyclic graphs (DAGs). We considered change from baseline analyses and mediation analyses within this structural causal model. When estimating the causal effect of an exposure of interest (E) on change from baseline, a linear regression of change on E, adjusted or unadjusted for the baseline outcome level, is usually computed. DAGs and path analysis were used to represent the design of the study, regression to the mean phenomena and the natural evolution of the outcome over time, in order to guide the statistical analysis in different situations: (i) randomized studies; (ii) confounding between the exposure and the outcome; (iii) when the observed baseline value influences the exposure; (iv) when the exposure starts before the beginning of the study. Regarding mediation analyses, we assessed the performances of different methods to estimate a controlled direct effect between an exposure X and an outcome Y, in the presence of intermediate confounding of the mediator-outcome relationship: simple adjustment for the mediator M, inverse probability of treatment weighting, the sequential g-estimator and g-computation. Estimations have been computed in several simulated data sets as well as real data from a cohort study.
Abstract FR:
Les travaux présentés dans ce manuscrit reposent sur un modèle structurel causal décrit par Pearl, combinant le cadre théorique des potential outcomes, les analyses du chemin et modèles d'équations structurelles, et les modèles structurels non paramétriques associés aux graphes acycliques dirigés (DAG). Dans ce modèle causal, nous nous sommes intéressés à l'analyse d'une évolution et à l'analyse de la médiation. L'estimation de l'effet causal d'une exposition (E) sur l'évolution d'un critère de jugement entre le début et la fin d'une étude se fait généralement par un modèle linéaire de l'évolution en fonction de E, ajusté ou non sur la valeur initiale du critère de jugement. Les DAG et l'analyse du chemin ont été utilisés pour représenter le schéma d'étude, les phénomènes de régression à la moyenne et l'évolution naturelle du critère de jugement dans le temps, afin de guider l'analyse dans différentes situations : (1) essais randomisés ; (2) présence de confusion entre E et le critère de jugement ; (3) valeur initiale du critère de jugement influencée par E ; (4) exposition E commençant avant le début de l'étude. Concernant l'analyse de la médiation, les performances de différentes méthodes utilisées pour calculer un effet direct contrôlé entre une exposition initiale X et un critère de jugement Y ont été évaluées dans différents scenarios simulés ainsi que dans une cohorte réelle, en présence de facteurs de confusion intermédiaires entre la variable de médiation M et le critère de jugement Y (eux-mêmes influencés par l'exposition X) : simple ajustement sur la variable de médiation M, méthode de pondération inverse, méthode séquentielle, méthode de g-computation.