Sujet de thèse de doctorat en Biostatistique Date : 18/02/2015 METHODES POUR EVALUER DES CRITERES DE SUBSTITUTION DANS LA PREDICTION DE LA SURVIE DES PATIENTS ET EVALUATION DE L’EFFET DES NOUVEAUX TRAITEMENTS EN ONCOLOGIE Equipe d’accueil Centre de Recherche INSERM U897 – Equipe Biostatistique ISPED – Université Bordeaux Segalen 146, rue Léo Saignat 33076 Bordeaux Cedex http://www.isped.u-bordeaux.fr/ Contexte de travail Dans les essais cliniques sur le cancer, le critère de jugement clinique le plus fréquemment utilisé pour évaluer l'effet de nouveaux traitements est la survie globale. Cependant, ce critère de jugement nécessite d’inclure un grand nombre de patients et de les suivre suffisamment longtemps pour mettre en évidence une différence significative de l’effet d’un traitement. L’utilisation d’un autre critère observable, tel que la progression du cancer, permettrait donc de raccourcir la durée de l'essai clinique tout en apportant des conclusions plus tôt sur le critère d’intérêt principal Prentice a initialement proposé que pour qu’un critère de substitution soit validé, il faut qu’il prédise le critère de jugement principal, puis le traitement doit avoir un effet significatif à la fois sur le critère de substitution et sur le critère principal, enfin le l’effet du traitement sur le critère de substitution doit capturer tout l’effet traitement sur le critère de jugement principal (Prentice, 1989). Cette dernière condition a été démontrée comme irréaliste, et par conséquent d‘autres définitions ont été proposées. Bien que les critères de validation soient encore un sujet de recherche intense, le consensus actuel serait de baser la validation sur une approche de « corrélation » à deux niveaux (Buyse, SMMR 2008). Au premier niveau, individuel, le critère candidat doit être associé au critère principal, telle que la survie, sans faire référence à des effets traitements. D’autre part, l’effet du traitement sur le critère de substitution doit être étroitement corrélé à l’effet du traitement sur le critère principal. Cet aspect de la substitution est généralement évalué au niveau essai puisque cela concerne un groupe de patients d’un essai clinique. Récemment, plusieurs travaux ont été proposés pour valider des critères de substitution (tels que la réponse au traitement, la survie sans événement, les temps de progression ou de récidives) dans l’analyse de données de méta-analyses ou d’études multicentriques (Burzykowski, Molenberghs, & Buyse, 2005; Burzykowski, Molenberghs, Buyse, Geys, & Renard, 2001; Buyse et al., 2007; Michiels et al., 2009). La validation de critères de substitution a fait l’objet de plusieurs publications mais les méthodes ne sont toujours pas satisfaisantes notamment en terme d’identifiabilité dans des schémas de méta-analyse (Li, Taylor, Elliott, & Sargent, 2011). Par exemple, dans les cancers oto-rhino-laryngologiques, ont été évalué le temps jusqu’à la rechute locorégionale ou la survie sans évènement (critères candidats), évalués à plus court terme, comme critères de substitution de la survie globale dans l’estimation de l’effet de la radiothérapie et de la chimiothérapie (Michiels Lancet Oncol 2009). L’approche des corrélations est employée pour estimer au niveau individuel, l’association entre les distributions des critères candidats et de la survie globale et au niveau des essais, l’association entre les effets du traitement sur les critères candidats et sur la survie globale. Malheureusement, l’approche « state of the art » n’a pas pu être appliquée à cause de problèmes de convergence de l’algorithme. Pour cette raison nous avons dû simplifier le modèle appliqué ce qui laisse un doute sur la conclusion que la survie sans événement apparaît comme un critère de substitution convenable de la survie globale dans les essais des cancers oto-rhino-laryngologiques. Ce problème de non-convergence arrive souvent ce qui illustre le besoin de développer une nouvelle méthodologie de validation des critères de substitution D’autre part dans les analyses de recherche médicale sur le cancer il est souvent impossible, non éthique ou trop couteux d’observer le critère principale pour tous les patients d’un essai. De ce fait des données incomplètes, censurées ou manquantes vont conduire à une perte de précision dans l’estimation des paramètres d’intérêt. Lorsque l’on utilise une variable auxiliaire (telle que les temps de récidive du cancer), qui est fortement associée au critère principal (tel que le décès), il est naturel de s’attendre à un gain d’efficacité, se traduisant par une amélioration de la précision de l’effet traitement et de la puissance statistique associée à l’effet du traitement sur le critère de jugement principal. Objectifs de la thèse Notre objectif est de proposer de nouvelles méthodes de validation d’un critère de substitution pour la survie globale après un premier cancer. D’autre part nous souhaitons utiliser l’information sur les récidives recueillie dans les premières années de l'étude pour améliorer la précision de l’effet du traitement sur le critère principal. Globalement nous souhaitons utiliser une information intermédiaire (les temps de récidives) à la fois comme un critère de substitution pour le vrai critère principal mais aussi comme une information auxiliaire pour améliorer l’efficacité de l’effet du traitement sur le critère principal (le décès). Compétences requises Rigueur, autonomie et sens de l’organisation Bonnes aptitudes de rédaction et de communication Capacité à s’adapter à l’environnement d’une unité de recherche et à dialoguer avec les autres membres de l’équipe, ainsi qu’avec les investigateurs du programme de recherche, Maitrise de l’anglais scientifique Très bonnes connaissances en biostatistique (modélisation) Bonne connaissance de la programmation sous R Profil souhaité du candidat La thèse est ouverte aux candidats titulaires d’un master 2 en Biostatistique ou d’un diplôme jugé équivalent (ex : école d’ingénieur). Disponibilité du poste A partir de la rentrée universitaire 2015 Durée de la thèse 3 ans Directeur de thèse Virginie Rondeau Collaboration avec l’IGR (Stefan Michiels de l’Institut Gustave Roussy, Villejuif). Mode de financement Bourse doctorale Adresse email où envoyer la candidature [email protected] Tel 05 57 57 45 31 Plus d’informations http://www.isped.u-bordeaux.fr/ REFERENCES Burzykowski, T., Molenberghs, G., & Buyse, M. (2004). The validation of surrogate end points by using data from randomized clinical trials: a case-study in advanced colorectal cancer. Journal of the Royal Statistical Society: Series A (Statistics in Society), 167(1), 103–124. Burzykowski, T., Molenberghs, G., & Buyse, M. (2005). The evaluation of surrogate endpoints (p. 408). New York: Springer. Burzykowski, T., Molenberghs, G., Buyse, M., Geys, H., & Renard, D. (2001). Validation of surrogate end points in multiple randomized clinical trials with failure time end points. Applied Statistics, 50(4), 405–422. Blackwell Publishers. Buyse, M., Burzykowski, T., Carroll, K., Michiels, S., Sargent, D. J., Miller, L. L., Elfring, G. L., et al. (2007). Progression-free survival is a surrogate for survival in advanced colorectal cancer. Journal of Clinical Oncology, 25(33), 5218–5224. Cook, R. J., & Lawless, J. F. (2001). Some comments on e ciency gains from auxiliary information for right-censored data, 96, 191–202. Faucett, C. L., Schenker, N., & Taylor, J. M. G. (2002). Survival analysis using auxiliary variables via multiple imputation, with application to AIDS clinical trial data. Biometrics, 58(1), 37–47. Fleming, T. R., Prentice, R. L., Pepe, M. S., & Glidden, D. V. (1994). Surrogate and auxiliary endpoints in clinical trials, with potential applications in cancer and aids research. Statistics in medicine, 13(9), 955–968. Hsu, C., & Taylor, J. M. G. (2009). Nonparametric comparison of two survival functions with dependent censoring via nonparametric multiple imputation, (November 2008), 462– 475. Huang, X., & Liu, L. (2007). A joint frailty model for survival and gap times between recurrent events. Biometrics, 63(2), 389–397. Kalbfleisch, J. D., Schaubel, D. E., Ye, Y., & Gong, Q. (2013). An Estimating Function Approach to the Analysis of Recurrent and Terminal Events. Biometrics, 1–9. Li, Y., Taylor, J. M. G., Elliott, M. R., & Sargent, D. J. (2011). Causal assessment of surrogacy in a meta-analysis of colorectal cancer trials. Biostatistics (Oxford, England), 12(3), 478–92. Mauguen, A., Rachet, B., Mathoulin-Pélissier, S., MacGrogan, G., Laurent, A., & Rondeau, V. (2013). Dynamic prediction of risk of death using history of cancer recurrences in joint frailty models. Statistics in medicine, 32(30), 5366–80. Mazroui, Y., Mathoulin-Pélissier, S., Macgrogan, G., Brouste, V., & Rondeau, V. (2013). Multivariate frailty models for two types of recurrent events with a dependent terminal event : Application to breast cancer data. Biometrical Journal, 55(6), 886–884. Prentice, R. L. (1989). surrogate endpoints in clinical trials: definition and operational criteria. Statistics in medicine, 8, 431–440. Proust, C., & Jacqmin-Gadda, H. (2005). Estimation of linear mixed models with a mixture of distribution for the random effects. Computer methods and programs in biomedicine, 78(2), 165–73. doi:10.1016/j.cmpb.2004.12.004 Rondeau, V., & Gonzalez, J. R. (2005). frailtypack: A computer program for the analysis of correlated failure time data using penalized likelihood estimation. Computer Methods and Programs in Biomedicine, 80(2), 154–164. Elsevier. Rondeau, V., Mathoulin-Pelissier, S., Jacqmin-Gadda, H., Brouste, V., & Soubeyran, P. (2007). Joint frailty models for recurring events and death using maximum penalized likelihood estimation: application on cancer events. Biostatistics (Oxford, England), 8(4), 708–21. Rondeau, V., Mazroui, Y., & Gonzalez, J. R. (2012). FRAILTYPACK: An R package for the analysis of correlated data with frailty models using the penalized likelihood estimation. Journal Of Statistical Software, VV(II), 4–5. Rondeau, V., Michiels, S., Liquet, B., & Pignon, J. P. (2008). Investigating trial and treatment heterogeneity in an individual patient data meta-analysis of survival data by means of the penalized maximum likelihood approach. Statistics in medicine, 27(11), 1894–910. Rondeau, V., Pignon, J.-P., & Michiels, S. (2011). A joint model for the dependence between clustered times to tumour progression and deaths: A meta-analysis of chemotherapy in head and neck cancer. Statistical methods in medical research. Rotolo, F., Rondeau, V., & Legrand, C. (2013). Incorporation of nested frailties into semiparametric multi-state models Statistics in Medicine. Submitted. Rubin, D. B. (1978). Multiple imputation in sample surveys-a phenomenological Association, Bayesian approach to nonresponse. Journal of the American Statstical Association, 20, 20–28. Taylor, J. M. G., Park, Y., Ankerst, D. P., Proust-lima, C., Kestin, L., Bae, K., Pickles, T., et al. (2013). Real-Time Individual Predictions of Prostate Cancer Recurrence Using Joint Models.