Lire l`article complet

Correspondances en Onco-hématologie - Vol. IV - n° 1 - janvier-février-mars 2009
8
méthodologie
A
u cours du suivi d’un patient en onco-
hématologie, il est habituel de collecter
des données longitudinales, comme des
mesures de numération sanguine, de maladie
résiduelle ou encore des indices de qualité de vie.
Ces données font généralement partie des critères
de jugement secondaires ou sont collectées de
manière rétrospective. Chaque série temporelle
est donc rarement complète. C’est pourquoi elle
doit faire l’objet d’un traitement statistique par-
ticulier afi n de limiter les biais.
DIFFÉRENTS TYPES DE DONNÉES
MANQUANTES
Les données manquantes en biologie sont répar-
ties en deux types : elles peuvent être manquantes
de manière intermittente (mesures manquantes à
l’évaluation t, mais disponibles à l’évaluation t+1)
ou de manière défi nitive (mesures manquantes
au-delà de l’évaluation t).
Trois principaux mécanismes de données man-
quantes sont à distinguer : complètement aléa-
toire (MCAR [missing completely at random]),
aléatoire (MAR [missing at random]) et non
aléatoire (MNAR [missing not at random]). Si
les données à l’instant t sont manquantes pour
des raisons indépendantes de l’état de santé du
patient (par exemple, lorsque l’équipe médicale
oublie de faire une mesure ou lorsque le patient
déménage), leur mécanisme est MCAR ou MAR.
Le cas particulier de la censure, où le patient n’a
pas encore atteint le temps d’évaluation, est éga-
lement considéré comme aléatoire. À l’inverse,
dans les études où le patient peut souffrir d’une
toxicité du traitement ou subir une rechute de la
maladie, un mécanisme de données manquantes
non aléatoire doit être envisagé. Dans ce cas,
si la mesure à l’instant t est liée à la toxicité ou à
l’effi cacité du traitement, la mesure des patients
ne faisant pas leur analyse peut être moins bonne
que pour ceux la faisant effectivement (par exem-
ple, mesure du taux d’hémoglobine).
MÉTHODES POUR LA PRISE EN COMPTE
DES DONNÉES MANQUANTES
Analyse univariée ✔
Une première stratégie consiste à n’utiliser que
les données complètes disponibles (complete-
case analysis). C’est la méthode la plus simple,
mais aussi la moins effi cace : non seulement elle
diminue l’effectif et la puissance statistique, mais
surtout elle sélectionne la population. Pour être
non biaisée, cette approche ne peut être appli-
quée que lorsque les données manquantes sont
complètement aléatoires (MCAR). Une variante
consiste à utiliser toutes les données disponibles
(available-case analysis) : par exemple, estimer
une différence entre chaque point de mesure
séparément (e.g. t2 versus t0 puis t3 versus t0,
etc.). L’effectif des données observées varie alors
selon les points de mesure.
Une deuxième stratégie consiste à compléter les
données manquantes, afi n de pouvoir pratiquer
l’analyse sur un jeu complet. De nombreuses
méthodes d’imputation ont été développées,
qui sont très utilisées en raison de leur relative
simplicité mais restent très conservatrices (i.e.
peu de chance de montrer des différences signi-
fi catives). La plus simple consiste à remplacer la
donnée manquante par la dernière observation
disponible (LVCF [last value carried forward]). Cela
revient à considérer que la mesure est constante
au cours du temps. C’est peu fréquent, mais,
dans certains cas, cette approche est plus utile
Théorie et pratique
des essais thérapeutiques
en onco-hématologie
Épisode 8
Theory and practice of clinical trials - Episode 8
N. Mounier*
* Département d’onco-hématologie,
hôpital de l’Archet, Nice.

9
Correspondances en Onco-hématologie - Vol. IV - n° 1 - janvier-février-mars 2009
Théorie et pratique des essais thérapeutiques en onco-hématologie
que la précédente. En particulier, si la mesure
des patients ayant une donnée manquante à un
instant t est mauvaise, et que leur mesure pré-
cédente (t–1) était déjà basse, reporter la valeur
de la dernière observation constitue un moindre
biais comparativement à une analyse limitée aux
cas complets. Une autre méthode d’imputation
simple consiste à remplacer la donnée manquante
par la moyenne des données observées chez tous
les patients, ou dans un sous-groupe de patients
ayant des caractéristiques proches, ou bien par
la moyenne des données antérieures du patient
(horizontal imputation). Outre la sous-estimation
de la variance, la principale limite de cette appro-
che est qu’elle nécessite des données MCAR pour
être non biaisée.
Des méthodes plus complexes ont été dévelop-
pées pour limiter le problème de la sous-esti-
mation de la variance. Une approche consiste à
imputer les réponses manquantes à partir d’un
modèle de régression tenant compte des don-
nées cliniques (indice d’activité, maladie, toxicité
des traitements) et des données précédentes
(regression imputation). Elle sous-estime encore
la variabilité des observations, mais réduit les
biais. Ce modèle peut également être utilisé de
manière non paramétrique, en classant les don-
nées à chaque point de mesure et en attribuant le
classement le plus bas aux données manquantes
dues à une progression de la maladie ou à une
toxicité. Une alternative consiste à assigner le
plus mauvais classement à toutes les données
manquantes, l’hypothèse sous-jacente étant que
la mesure est moins bonne pour les données man-
quantes non aléatoires que pour les données
observées.
Les différences entre les groupes sont ensuite
testées au point t choisi avec un test non paramé-
trique comme, par exemple, le test de Wilcoxon.
En pratique, si les données manquantes sont peu
nombreuses et équilibrées entre les groupes à
comparer, les résultats varient peu selon les
méthodes. En revanche, en cas de déséquilibre
ou de forte proportion de données manquantes,
le choix du test est diffi cile.
Analyse de sensibilité ✔
Les méthodes d’imputation peuvent être optimi-
sées par des approches plus lourdes en termes
de calcul. Au lieu d’une seule valeur, plusieurs
valeurs (m) sont calculées afi n de refl éter les m
distributions possibles (multiple imputation), soit
en utilisant les méthodes décrites plus haut, soit
en sélectionnant au hasard une valeur parmi les
données des patients avec données complètes
(hot deck imputation). Ensuite, l’analyse est faite
sur chacun des m jeux de données obtenus, et
combinée afin d’obtenir une variance moins
biaisée que celle estimée par imputation simple.
Le principal avantage de cette approche est de per-
mettre la réalisation d’analyses de sensibilité en
modifi ant le choix des distributions. On voit alors
si la conclusion reste la même quelles que soient
les conditions initiales (par exemple, lorsque le
pourcentage de données manquantes varie).
Analyse multivariée ✔
Le problème des données manquantes a éga-
lement un impact sur les méthodes d’analyse
multivariée. Les techniques du type analyse de
variance (ANOVA) pour mesures répétées néces-
sitent des données complètes, ce qui limite leur
utilisation aux situations où la morbidité est
faible, la compliance haute et le mécanisme de
données manquantes aléatoire. Si les données
ne sont pas complètes, l’analyse est restreinte
à des sous-groupes potentiellement non repré-
sentatifs.
Données manquantes de type MCAR et MAR ✔
Les méthodes fondées sur la maximisation de la
vraisemblance sont plus sophistiquées que celles
décrites jusqu’ici, mais permettent d’obtenir des
estimations fi ables non plus seulement dans les
cas de données MCAR, mais aussi avec données
manquantes de type MAR.
Pour les données quantitatives normales, la
nécessité d’utiliser un jeu de données complètes
peut être allégée en utilisant des modèles à effets
mixtes.
Le modèle général à effets mixtes s’écrit :
Yi = Xiβ + Zibi + εi
où Yi est le vecteur réponse de dimension ni pour
le sujet i, ni est le nombre de mesures pour le
sujet i, n est le nombre total de sujets 1 ≤ i ≤ n, Xi
et Zi sont des matrices structurées de dimension
(ni x p) et (ni x q), β est le vecteur de dimension p
des paramètres des effets fi xes, b
i
≈ n(0, D) est
le vecteur de dimension q des paramètres des
effets aléatoires, et εi ≈ n(0, Σi) est le vecteur
de dimension n
i
des composantes résiduelles ;
b1… bn et ε1… εn sont par hypothèse indépen-
dants. L’effet aléatoire permet de tenir compte
de l’hétéro généité entre individus.
Si l’hypothèse de données MAR est valide, les
méthodes fondées sur la maximisation de la
vraisemblance permettent de ne pas exclure les
patients présentant des données incomplètes.

Correspondances en Onco-hématologie - Vol. IV - n° 1 - janvier-février-mars 2009
10
10
méthodologie
De plus, ces méthodes permettent de prendre en
compte les mesures irrégulières et les covariables
dépendant du temps et de tester les changements
au cours du temps.
Données manquantes de type MNAR ✔
Cependant, dans la plupart des cas, l’absence de
mesure est due à la maladie du patient. On entre
alors dans le cadre des données manquantes de
mécanisme non aléatoire (MNAR). Peu de travaux
ont été conduits sur les données catégorielles
de type MNAR. En revanche, le cas des données
quantitatives normales de type MNAR commence
à être mieux connu.
Deux méthodes, encore expérimentales, cher-
chent à modéliser de manière conjointe la mesure
et le mécanisme de données manquantes. Il s’agit
des modèles de type sélection et des modèles de
type mélange de profi ls.
L’idée des modèles de type sélection est de
modéliser directement la manière dont le méca-
nisme de données manquantes intervient. Une
distribution sous-jacente est modélisée pour les
données longi tudinales (par exemple, au moyen
d’un modèle mixte), et le mécanisme de données
manquantes est modélisé en fonction de ces
mesures longitudinales (par exemple, au moyen
d’un modèle de Cox, vu aux chapitres 5 et 6).
La méthode générale des modèles de type
mélange de profi ls consiste à stratifi er les patients
en fonction de leur temps de survenue de don-
nées manquantes (par exemple, strate 1 : données
manquantes à partir de t2 ; strate 2 : données
manquantes à partir de t3, etc.). Puis les para-
mètres du modèle (par exemple, modèle mixte)
sont estimés pour chaque strate. L’avantage des
modèles de type mélange de profi ls est de ne pas
nécessiter une spécifi cation complète du méca-
nisme de données manquantes, notamment pas
de modèle à préciser. En revanche, les diffi cultés
d’estimation sont importantes en raison des nom-
breuses possibilités de séquences de données
manquantes conduisant à un faible effectif pour
chaque strate. ■
POUR EN SAVOIR PLUS…
• Diggle PJ, Heagerty P, Liang KY et al. Analysis of longi-
tudinal data. Oxford University Press, 2002.
10
20
30
40
50
60
70
80
90
100
0
Cas complet Imputation Imputation/régression
1-3 4+ 1-3 4+ 1-3 4+
Indice de qualité de vie
Figure. Effet des méthodes d’imputation sur l’estimation de la qualité de vie (QDV).
Soit une chimiothérapie dont la dose est fonction du score pronostique (1-3 ou 4-5) :
selon les méthodes, les variations de QDV peuvent être de sens opposé.