Les modèles d’exposition sont des techniques statistiques mises en œuvre pour évaluer l’exposition à un facteur de risque en tenant compte des sources de sa variabilité. Ils permettent de prendre en compte ces variances d’exposition lors de l’étude et donc d’améliorer la pertinence des résultats (mesure du risque, relation dose à effets…) dont le lien de causalité.
Ne pas tenir compte de ces variances reviendrait à fausser les effets de l’exposition.
Selon le même aspect, les méthodes d’ajustement (la régression et la stratification) permettent de contrôler un facteur de confusion.
Le facteur de confusion est également un facteur (tiers facteur) qui fausse l’évaluation de la liaison entre l’exposition et la pathologie, le traitement et l’évolution d’une pathologie.
La variable de confusion peut avoir des effets complètement opposés : surestimer, sous-estimer ou masquer le risque mesuré.
  Méthode de régression : on cherche à connaître la relation de dépendance de la variable étudiée par rapport au facteur de confusion. La méthode de régression a pour but de décrire la manière dont ce facteur (cette variable explicative) influence les résultats, de tester l’existence de cette liaison et d’estimer une valeur de la variation (par exemple : fonction continue : pente de régression) induite par le facteur de confusion. Il est alors possible d’ajuster le résultat en fonction du facteur de confusion.
  Méthode de stratification : son principe consiste à scinder l’analyse en strates selon les classes de la variable suspectée prise comme tiers facteur. Le risque relatif (ou OR) sera calculé et étudié strate par strate. On analyse les résultats et on peut ainsi conclure.
Si les RR de chaque strate sont similaires entre eux et avec le RR brut (global), le facteur de confusion n’est pas démontré.
Si les RR sont différents, il s’agit d’un modérateur d’effets.
Si les RR sont similaires mais différents du RR brut, on est en présence d’un facteur de confusion. Un RR ajusté sera alors calculé.
Lorsque plusieurs facteurs de risques sont identifiés et présentent un RR (ou OR) élevé. Une analyse multivariée par régression logistique permet de mettre en exergue une éventuelle liaison entre certains de ces facteurs de confusion, en ajustant chacun de ces facteurs sur les autres.
Quel type de relation peut-on établir entre ces modèles et l’exposition ou dans d’autres circonstances avec leurs conséquences, c’est-à-dire le développement d’une maladie ?
Pour les modèles d’exposition, la relation est celle qui lie l’exposition et les différentes sources de variabilité de cette exposition : les effets fixes et ceux aléatoires selon un déterminant de classification (variance intergroupe, variance inter/intra-individuelle). Ces modèles permettent de mieux étudier les effets d’une exposition sur des groupes homogènes, de définir les seuils d’exposition…
Pour le facteur de confusion, ce dernier est lié à la survenue de la maladie indépendamment de l’exposition, de même, il est lié à l’exposition sans en être la conséquence. Il est, cependant, possible de contrôler ce facteur de confusion à l’aide des méthodes d’ajustement.