Appariement cas vs temoin

Amis Statisticiens bonjour! (Et bonne année, pour changer!)

J'ai un petite question qui, j'espère trouvera sa réponse ici!

Dans une étude, je travaille sur le coût moyen d'individus atteint d'une maladie.
J'ai alors une cohorte de 103 individus Cas (qui a la maladie) et 606 individus Témoins (qui n'a pas la maladie) ==>609 individus.
Les patients témoins sont matchés (apparié) avec les patients cas sur le sexe et l'âge. En gros c'est un appariement en mode 1:6 (1 cas pour 6 témoins). Donc Chaque cas aura 6 individus qui auront le même âge et sexe.

Malheureusement, je dois enlever 2 individus cas à cause d'un suivis trop court.

Ma question est alors:
Dois je enlever les patients témoins appariés avec mes patients cas? (cad 12 individus en gros)

J'aurais tendance à dire qu'il faut mais ça fait toujours mal de se dire qu'on perd des données durement récupérées sur des individus

J'espère avoir été clair!

Bonne journée & Merci d'avance!

Si ce qui vous appeler "matcher" est juste lié au fait que les individus en question on le même age et le même sexe (et qu'à part ca il sont indépendants) alors vous n'êtes pas dans une structure de données appariées. Vous tomber alors dans une shéma d'ANOVA à trois facteurs, avec l'effet traitement, l'effet age, et l'effet sexe, et les interactions qui vont avec, si nécessaire.

Dans ce cas, en revanche, vous avez un sérieux problème lié au fait que vous n'avez pas le nombre de répétitions dans toutes les situations (je serais curieux de savoir d'où vient ce "mode 1:6", c'est vraiment bancale comme choix sur le plan statistique..) et les 2 individus avec un suivi trop court - et qui doivent être virés - risquent de ne pas arranger cela. L'ANOVA reste une méthode relativement robuste à l'écart à un shéma équilibré (avec le même nombre d'individus partout). Ca vaut le coup d'essayer..

HTH, Eric.

Normalement, dans une étude cas-témoin, on inclut d'abord le cas puis x témoins appariés sur le cas sur quelques critères. Donc si un cas est exclu de l'analyse, son/ses témoins appariés le sont aussi.

Le terme "appariement" doit être lu dans le sens "études épidémiologiques cas-témoin", qui a un sens différent de la notion des tests sur séries appariées et tests sur séries non appariées.

Humm, j'aurais du préciser que je me trouve dans une étude de type cas témoins oui!

Donc Si j'enlève mes 2 patients Cas, je dois enlever mes 12 patients témoins correspondant.
Mais est ce ça vaut vraiment le coup de perdre 12 sujets alors que j'ajusterais quand même sur l'age et le sexe dans mon modèle ensuite?


Pour Eric: Je parlais de la méthode d''appariement en épidémiologie qui est une méthode de sélection des individus à intégrer dans une étude afin d'enlever des possibles biais de confusions.
http://www.masterbs.univ-montp2.fr/images/ARC/R%20_SCHAUB_Etudes_epidemiologiques.pdf
Page 18 sur le PDF, 35 sur le poly

Le but de l'appariement sur l'age et le sexe est justement d'avoir deux populations (les cas et les témoins) ayant des caractéristiques similaires, au moins sur les critères d'appariement. C'est en clair une façon méthodologique de maitriser le biais lié à l'age et au sexe.

Donc
1- si tu vires des cas mais que tu gardes leurs témoins tu prends le risque de déséquilibrer les caractéristiques des deux populations. En clair tu détruis l'interet méthodologique de l'appariement

2- pourquoi ajuster quand même sur l'age et le sexe, sachant que tu as pris les précautions méthodologiques pour maitriser ces deux critères de confusion ? T'as peur de perdre ton pantalon et tu décides de mettre la ceinture + les bretelles ? tu n'as pas confiance dans la qualité des bretelles?

Lol, jolie métaphore ^^

Mais sinon, c'est surtout quand même temps, ça me permet d'étudier l'effet de l'âge et du sexe sur mon coût moyen.
Parce que même si on se doute que plus t'es vieux, plus tu coutes cher, c'est bien de savoir exactement combien et surtout combien par rapport à la maladie étudiée.
(Je suis clair?)

Même si je conçois que l'âge de mes témoins dépend de l'âge de mes cas. J'ai quand même un panel assez large d'âge.

En gros, faut que je revois surtout ce que l'on (enfin.. le commanditaire du projet) veut exactement et pourquoi il m'a passé des données appariées!

Normalement, ajuster une analyse sur l'age a pour bout de supprimer autant que possible l'effet du covariant "age" sur les résultats de l'analyse.

Si tu veux quantifier l'influence de l'age sur les couts, c'est autre chose.

Wé je ne vais pas les utiliser dans mon modèle du coup.
Ça briserait l'hypothèse d'indépendance de mes données et j'aurais des résultats foireux!


Donc pour résumer:
J'enlève mes témoins apparié aux cas: Pour avoir une belle étude cas témoins apparié
Et je n'utilise pas les covariables Age et sexe dans mon modèle pour étudier leurs effets;

Merci pour les réponses en tout cas!
C'est toujours agréable d'avoir des avis extérieurs et d'un autre milieu.

Bonne fin de journée!

Bonjour,
Complètement d'accord avec Cassoulet. Par contre, beaucoup moins avec Eric. Quand on fait de l'appariement (étude cas-temoin, score de propension), les données ne sont plus indépendantes, et il faut en tenir compte lors de l'analyse, sinon la variance est mal estimée.
Ayana