Chapter 11 Analyse “en bloc”

On veut étudier la part médiée par l’ensemble des médiateurs identifiés (“en bloc”).

11.1 Classiquement

Les hommes ont une TAS en moyenne plus élevé à 44 ans. Cette différence diminue un peu lorsqu’on ajuste sur l’ensemble des médiateurs identifiés. Attention cette analyse a été réalisée sur cas complets (N = 361)

Attention : seuls les coefficients relatifs aux effets du sexe sont interprétables de façon causale (approximation de l’effet total et de l’effet direct). Interpréter les autres coefficients de façon causale seraient une variante de la “Table 2 fallacy”. On peut cependant les utiliser de façon exploratoire pour orienter la suite des analyses. Ici par exemple, on peut observer que le fait de ne pas faire du sport semble augmenter la TAS (à sexe et autres facteurs égaux), mais cela reste à vérifier en construisant un modèle spécifique.

11.2 CMAverse

exp1 <- cmest(
  data = base3,                    # base
  model = "gformula",             # approach, defaut is rb (regression-based)
                                  # if postc is not empty only gformula or msm
  estimation = "imputation",      # method of estimation. "imputation" is conterfactual estimation
  inference = "bootstrap",        # method for se and CI
  nboot = 100,                    # defaut is 200
  EMint = FALSE,                  # interaction exposure mediator
  
  multimp = TRUE,                 # imputation multiple des DM 
  m = 10,

  outcome = "t8_SBP",                 
  exposure = "t0_baby_sex", 
  mediator = c("t4_litteraciepbm",
                     "t4_numeraciepbm",
                     "t4_act_read",
                     "t4_O_level",
               
                     "t4_hadchildren",
                     "t4_married",
                     "t4_act_friend",
                     "t4_religious",
               
                     "t4_act_sport",
                     "t4_tabac_2cl",
                     "t4_drink_everyday"), 
  basec = c("t0_mother_scol_crt",
            "t0_fathers_csp_defav"),# confusion baseline
  #postc =                        # si confusion intermédiaire
  
  yreg = "linear",              # outcome regression model

  a = "Homme",                    # "active" value of exposure
  astar = "Femme",                # "control" value of exposure
  
  mreg = list("logistic",
              "logistic",
              "logistic",
              "logistic",
              
              "logistic",
              "logistic",
              "logistic",
              "logistic",
              
              "logistic",
              "logistic",
              "logistic"),          # regression model for each mediator
  mval = list("Non",
              "Non",
              "Oui",
              "Oui",
              
              "Oui",
              "Oui",
              "Oui",
              "Oui",
              
              "Oui",
              "Non",
              "Non")                 # ref for M
  ) ;    set.seed(28062022)

L’effet total du fait d’être une homme sur la TAS moyenne à 44 ans est ici de +10.65mmHg (95CI = [8.25 to 13.75]).

La part médiée par les médiateurs identifiés est de : -1.1% (95CI = [-33.17 to 17.43]). C’est à dire qu’on n’explique pas les différences de TAS par les médiateurs identifiés au début de l’age adulte.