[kc_row use_container= »yes » row_style= »classic » _id= »543454″ css_custom= »{`kc-css`:{`any`:{`box`:{`margin|`:`40px inherit inherit inherit`,`padding|`:`0px inherit inherit inherit`}}}} » cols_gap= »{`kc-css`:{}} » column_align= »center » force= »__empty__ » video_bg_url= »__empty__ » video_mute= »__empty__ » parallax_image= »__empty__ » curve_style= »__empty__ »][kc_column width= »12/12″ video_mute= »no » _id= »132805″ video_bg_url= »__empty__ »][kc_column_text _id= »751335″ css_custom= »{`kc-css`:{}} »]
Le centre : un possible facteur de confusion
Les pratiques cliniques et/ou le profil des patients selon les centres sont souvent hétérogènes. On peut donc suspecter des variables non-observées et différemment représentées entre les centres (niveau socio-économique des patients, pollution environnementale, etc.). Parmi ces variables, certaines peuvent constituer des facteurs de confusion. Prendre en compte l'effet centre tend donc à ajuster les résultats sur ces facteurs de confusion.
Prendre en compte un effet centre
- Dans les modèles multivariés (approche conditionnelle), un ajustement sur le centre comme variable explicative peut être réalisé (effet fixe). On peut aussi inclure le centre comme un effet aléatoire.
- Toujours dans le contexte conditionnel, mais dans le cas particulier d'un modèle de Cox, une stratification de la fonction de risque de base sur le centre peut être réalisée.
- Dans le contexte d'un effet marginal, le centre peut être inclus directement dans le score de propension, autrement dit comme variable explicative du modèle logistique prédisant la probabilité d'exposition.
[/kc_column_text][/kc_column][/kc_row]