Epidemiologische und statistische Interaktions-modelle und Folgen für die Regressionsanalyse

Les diverses possibilités de définir dans des études épidémiologiques l'interaction survenant entre deux ou plusieurs expositions ainsi que de faire la différence entre l'interaction additive et multiplicative prêtent à confusion en ce qui concerne le fondement de telles définitions. Les modèles de régression statistiques employés dans l'analyse de fréquences d'événement impliquent une définition, sans qu'il y ait interaction définition qui n'est pas toujours appropriée dans le contexte des données en question ni désirée dans le cadre du thème posé. A l'aide d'une analyse de données, les auteurs visent à illustrer que la structure d'interaction multiplicative habituellement présumée pour des données additives mène à un biais considérable dans les valeurs estimées, à défaut d'un modèle intégrant tous les termes d'interaction significatifs et nonsignificatifs. Les auteurs emploient des procédures numériques pour illustrer le biais asymptotique («biais d'interaction») qui survient dans l'emploi d'analyses de régression logistique, à l'exemple de deux et de trois variables d'exposition dichotomes. Les auteurs démontrent que de différents modèles épidémiologiques causals provoquent des définitions d'interaction qui contredisent souvent ceux des modèles statistiques Il est donc évident que la définition d'interactions exige de tenir compte des différences entre les ratios, les risques et les odds une fois que les risques dépassent une certaine limite. Copyright Birkhäuser Verlag 1998