| Popis: |
Introduction La survenue possible d’evenements competitifs est frequente dans les etudes cliniques avec critere de jugement censure, en particulier en oncologie. Ainsi, dans les etudes evaluant le controle local de maladies oligo-metastatiques par la radiotherapie stereotaxique, l’evenement clinique d’interet est la rechute locale ; cependant, un patient peut presenter d’autres evenements (dits competitifs) avant la rechute locale : rechute a distance ou deces. La problematique des evenements competitifs est mal connue de la communaute medicale. De plus, la methodologie a adopter dans le cadre des essais cliniques en presence d’evenements competitifs fait l’objet de debats dans la litterature statistique. Notre travail a un triple objectif : sensibiliser les cliniciens a la notion d’evenements competitifs et a leur impact dans les estimations, evaluer la puissance de differentes approches en presence d’evenements competitifs, et etudier l’impact d’une eventuelle erreur de classement (mauvais diagnostic d’une rechute locale apres rechute a distance par exemple) sur les estimations selon la methodologie utilisee. Methodes Une etude de simulations d’essais cliniques randomises 1 :1 a ete realisee. Nous avons defini 32 scenarios cliniques principaux ou variaient la distribution des differents types d’evenements, l’effet du traitement sur chaque evenement, le nombre de sujets et la magnitude de l’erreur de classement. Pour chaque scenario, nous avons simule 4000 repetitions d’essais, avec pour chaque patient une suite eventuelle d’evenements simulee par un modele multi-etats (approche recommandee par Beyersmann et al.). Deux types d’approches ont ete evaluees : – analyse avec censure, avec estimation de l’incidence cumulee par 1–Kaplan-Meier pour decrire le critere de jugement dans chaque groupe et modele de Cox cause-specifique pour estimer l’effet du traitement evalue ; – analyse prenant en compte les evenements competitifs avec estimation de l’incidence cumulee par la methode de Kalbfleisch et Prentice et modele de Fine et Gray, respectivement. De plus, pour chaque type d’approche, nous avons considere soit l’ensemble des evenements successifs eventuels, soit le premier evenement seulement. Resultats La methode 1–Kaplan-Meier surestime l’incidence cumulee de l’evenement d’interet. Le modele de Cox cause-specifique et le modele de Fine et Gray estiment des quantites differentes. L’estimation de l’effet traitement dans le modele de Fine et Gray differe de l’effet direct du traitement et les estimations varient en fonction de la distribution des evenements competitifs et de l’effet du traitement sur les differentes composantes ; ceci peut conduire a la conclusion d’un apparent effet benefique du traitement evalue alors que ce traitement ne fait qu’augmenter le risque d’evenements competitifs. Le modele de Cox ne prenant en compte que la survenue du premier evenement fournit une estimation plus proche de l’effet direct du traitement que le modele de Cox prenant en compte toute la sequence d’evenements. Conclusion Il est preferable d’estimer l’incidence cumulee de l’evenement d’interet par la methode de Kalbfleisch et Prentice pour decrire le risque au cours du temps. Le modele de Cox ne s’interessant qu’au premier evenement semble estimer correctement l’effet propre du traitement, au prix d’une puissance moindre par rapport aux modeles a risques competitifs. Le modele de Fine et Gray peut conduire a des conclusions biaisees lorsque le traitement evalue a un effet sur les evenements competitifs. |
Full Text from ScienceDirect