Cause, effet

Madame Hillow:

Vous posez une brève question qui soulève des problèmes très complexes. Depuis des centaines d'années, les philosophes n'ont cessé de s'interroger sur la nature de la causalité et la preuve de celle-ci.

La réponse, en bref, est non, les données provenant d'enquêtes démographiques transversales ne peuvent pas fournir des preuves solides de causalité. Vous mesurez les caractéristiques d'une population, et les populations sont soumises à des influences notoirement compliquées. Si vous trouvez un changement après la mise en œuvre d'un programme, il peut avoir, et cela l'est probablement, beaucoup d'autres choses qui auraient pu produire le changement observé ou inhibé le changement observé.

La preuve de la causalité peut être renforcée en ayant un groupe contrôle, où dans ce cas, une population contrôle aussi proche que possible de la population de l'intervention, mais qui ne reçoit pas l'intervention. Les populations contrôles sont utilisées au mieux pour mesurer les résultats d'intérêts au début de l'ìntervention et cela est fait dans les deux populations c'est à dire, celle du contrôle et celle de l'intervention. Ensuite, on mesure les mêmes résultats en utilisant la même méthodologie dans les populations de contrôle et de l'intervention à un certain moment après que l'intervention soit mise en œuvre. Si le changement est plus grand dans la population de l'intervention que dans la population contrôle, ce changement pourrait être dû, au moins en partie, à votre intervention.

Cependant, ceci est un résumé très simplifié d'une question complexe. Un meilleur résumé des larges  questions épistémologiques peut être trouvé ici: http://jech.bmj.com/content/56/2/119.full.

En outre, tout manuel d'introduction à l'épidémiologie discutera des critères pour démontrer la causalité dans les études épidémiologiques, et d'autres livres donnent d'excellents conseils sur l'utilisation d'études de la communauté pour évaluer les programmes de santé publique.

Madame Hillow:

Tant que vous ne disposez que de mesures de base et  de données de suivi des indicateurs, je ne pense pas que vous avez des preuves solides que tout changement dans les indicateurs est due à votre programme.

Est-il causal? En tenant compte des critères Bradford-Hill:

Bien entendu que les études d'intervention bien conçues et bien exécutées sont idéales pour nous aider à décider si les choses ont un lien causal ou non, il y a beaucoup de situations dans lesquelles cela est impossible / pratique / éthique. Par conséquent, il est important de faire au mieux avec les données d'observation. En plus des approches déjà mentionnées par les autres répondants, j'ai toujours trouvé utile de passer par les critères de Bradford Hill " pour déterminer si quelque chose est plus susceptible de causalité ou plus probablement non causalement associé:

Voir http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1291382/ pour un bon résumé (et la critique) qui traite plus en détail les points clés ci-dessous:

"1) Force de l'association
- Une forte association est plus susceptible d'avoir une composante de causalité qu'il le serait avec une association modeste

2) Cohérence
- Une relation est observée à plusieurs reprises

3) Spécificité
- Un facteur influence spécifiquement un résultat particulier ou une population

4) Temporalité
Le facteur doit précéder le résultat il est supposé affecter

5) gradient biologique
Le résultat augmente de façon monotone avec l'augmentation de la dose d'exposition ou selon une fonction prédit par une théorie de fond

6) plausibilité
L'association observée peut être expliquée de manière plausible en expliquant le problème fondamental (par exemple biologiques)

7) Cohérence
Une conclusion de causalité ne devrait pas fondamentalement contredire les connaissances fondamentales actuelles

8) Expérience
Le lien de causalité est plus probable si la preuve est basée sur des expériences aléatoires

9) Analogie
Pour les expositions et les résultats analogues un effet a déjà été montré

J' espére vous avoir aider.