Les études se concentrent souvent sur l'association entre deux variables, par exemple entre un facteur de risque et une maladie. Cependant, la réalité est généralement complexe et de nombreuses autres variables peuvent influencer cette association. Parfois, la présence d'une troisième variable peut soit exagérer l'association entre les deux variables étudiées, soit masquer une véritable association sous-jacente. C'est ce qu'on appelle la confusion et c'est le cauchemar de tout chercheur. Dans ce module, vous apprendrez plusieurs méthodes pour détecter les facteurs de confusion dans une étude, afin de vous préparer à y faire face. À la fin du module, vous serez en mesure d'appliquer ces méthodes à des données réelles et de conclure à l'existence d'une confusion.

Ce module est consacré à la gestion des facteurs de confusion. Les facteurs de confusion peuvent être traités soit au stade de la conception, avant la collecte des données, soit au stade de l'analyse. Vous apprendrez les principales approches pour traiter les facteurs de confusion et vous verrez des exemples pratiques sur la façon de le faire dans vos propres études. Nous aborderons également brièvement les graphes acycliques dirigés, qui constituent un nouveau moyen de détecter les biais et les facteurs de confusion et de les contrôler.

Il s'agit du dernier module du cours. Nous commençons par discuter de ce qui se passe lorsque l'effet d'une exposition sur un résultat diffère selon les niveaux d'une autre variable. C'est ce qu'on appelle la modification de l'effet. Nous discuterons de la manière d'aborder la modification de l'effet et nous mettrons en évidence la distinction entre la confusion et la modification de l'effet. Nous terminerons le cours en revisitant l'inférence causale en épidémiologie, en discutant de la manière dont nous pouvons passer en revue toutes les explications potentielles d'une association avant de décider si elle est de nature causale.