Exercices de biostatistique P1 2005-2006

1
Évaluation des performances de la procédure d’Oort pour mesurer l’effet « response shift »
au niveau du domaine / Focus sur la planification du nombre de sujets nécessaire dans le
cadre de la mesure de la Qualité de Vie liée à la santé
Proposition de stage de Master 2 Recherche de Biostatistique
Laboratoire : Inserm UMR U1246 SPHERE (Ex EA4275) « methodS in Patient-centered
outcomes and HEalth REsearch ». Direction : Pr Véronique Sébille, Pr Bruno Giraudeau.
Adresse : Université de Nantes, IRS2, 22, Boulevard Bénoni-Goullin, 44200 Nantes.
Encadrant principal : Antoine Vanier, MD, PhD. Chercheur temps-plein.
Contact : [e-mail], http://www.sphere-nantes.fr
Durée souhaitable : 6 Mois
Rémunération : Selon le minimum légal en vigueur au moment de la période du stage
__________________
Contexte scientifique : Les données rapportées par les patients (Patient-Reported Outcomes,
PRO) sont de plus en plus utilisées comme critères de jugement en recherche clinique, comme
indicateurs épidémiologiques, ou en pratique clinique [1]. Ces instruments, généralement sous
forme de questionnaires auto-administrés permettent la mesure de concepts subjectifs tels que
la Qualité de Vie (QdV), la fatigue, l’anxiété, le bien être ressenti ; concepts nécessaires pour
appréhender l’expérience des patients face à l’évolution de leur état de santé. L’interprétation
d’une variation de score d’un PRO au cours du temps peut toutefois s’avérer complexe, en
effet cette variation n’est pas forcément due uniquement à l’impact d’un évènement de santé
(apparition d’une pathologie, début d’une nouvelle thérapie), mais peut être aussi liée à un
changement d’interprétation du concept mesuré au cours du temps [2]. Ce phénomène est
maintenant connu sous le nom de « response shift » et peut prendre 3 formes : la recalibration
d’un concept (par exemple un patient évaluant des douleurs chroniques à 7/10 sur une EVA
changera sa mesure à 5/10 après expérimentation d’une douleur aigüe nouvelle malgré une
même intensité douloureuse), la repriorisation (un sujet corrélant fortement sa qualité de vie
au fonctionnement physique l’associera plus au fonctionnement social après survenue d’un
accident entrainant un handicap) et la reconceptualisation (la définition même du concept
change) [3,4]. Le « response shift » est ainsi un effet qui peut, entre autres, être la résultante
de l’adaptation d’un patient face au vécu d’une maladie chronique. Aussi, ces dernières
années des méthodes ont été développées pour distinguer l’effet d’un évènement de santé sur
le concept mesuré de l’effet « response shift ». Une des méthodes les plus populaires est la
procédure d’Oort, reposant sur les modèles à équations structurelles (SEM) [5,6]. Cette
méthode, reposant sur la modélisation des données PRO, est par définition probabiliste. Peu
est connu quant aux performances statistiques de cette méthode (erreur de type-1 ; puissance,
capacité à détecter le response shift réellement présent). A ce jour, la seule étude de
simulation pilote connue réalisée pour évaluer la procédure a été publiée par le laboratoire en
2015 [7]. Si les résultats ont validé certains choix méthodologiques, l’étude n’était toutefois
pas d’envergure suffisante pour évaluer la procédure dans des conditions proches de la
structure d’instruments de mesure couramment utilisés pour la mesure de QdV, et elle ne
permettait pas de dégager des recommandations pratiques quant à la planification d’une étude
visant à correctement détecter l’effet « response shift ».

2
Objectif : L’objectif de l’étude est de réaliser une évaluation des performances de la
procédure d’Oort par étude de simulation de Monte-Carlo avec une attention particulière sur :
l/ la simulation de structures d’instruments correspondant à des questionnaires de QdV
d’utilisation courante (Ex : SF-36) ; 2/ la simulation de conditions permettant de produire des
recommandations pratiques (nombre de sujets nécessaire pour détecter l’effet avec une
puissance suffisante) ; 3/ l’analyse du biais de mesure.
Tâches à réaliser : L’étudiant stagiaire devra s’approprier le contexte théorique autour du
phénomène du response shift, comprendre et savoir appliquer la procédure d’Oort sur un jeu
de données ponctuelle, proposer un plan de simulation, simuler les données, programmer
l’automatisation de la procédure pour être appliquée sur les données simulées (grand nombre
de jeux de données), analyser les résultats de simulation et valoriser les résultats par une
publication dans une revue internationale.
Profil souhaité : Etudiant en Master 2 ou niveau équivalent dans une formation universitaire
ou école d’ingénieur formant aux biostatistiques ayant envie de se confronter à un problème
de méthodologie statistique (évaluation de procédure statistique). Sur le plan théorique : des
connaissances en psychométrie (mesure des phénomènes subjectifs en santé et psychologie)
seraient un plus. Sur le plan méthodologique : des connaissances sur les modèles à équations
structurelles (SEM) et particulièrement sur l’analyse factorielle confirmatoire (CFA) seraient
appréciées. Sur le plan technique : une appétence pour la programmation avancée dans un
environnement statistique (a fortiori en R) est recommandée (l’étude nécessitera la
programmation de l’automatisation d’un algorithme).
Présentation du laboratoire de recherche : L’Inserm UMR U1246 SPHERE est une équipe
de recherche basée sur l’Université de Nantes et de Tours (le stage aura lieu exclusivement
sur le site de Nantes). Cette équipe de recherche pluridisciplinaire se consacre au
développement méthodologique principalement autour des outcomes centrés sur les patients
et plus généralement en recherche en santé. Le projet scientifique actuel est cadré par 3 axes
(cf site internet). Le stage actuel correspond à l’axe 1 « mesure de la perception et de
l’expérience du patient ». L’étudiant stagiaire collaborera avec les membres de l’équipe
particulièrement concernés par cet axe, qui ont tous une expérience de recherche sur la
problématique de la détection de l’effet du response shift (l’équipe est responsable de
plusieurs publications de niveau international sur ce sujet). L’étudiant aura à disposition un
bureau avec un poste de travail personnel.
Quelques références bibliographiques :
[1] Fayers PM, Machin D. Quality of life: the assessment, analysis, and interpretation of patient-
reported outcomes. 2nd ed. Chichester ; Hoboken, NJ: J. Wiley; 2007.
[2] Barclay-Goddard R, Epstein JD, Mayo NE. Response shift: a brief overview and proposed
research priorities. Qual Life Res 2009;18:335–46.
[3] Sprangers MAG, Schwartz CE. Integrating response shift into health-related quality of life
research: a theoretical model. Soc Sci Med 1999;48:1507–1515.
[4] Rapkin BD, Schwartz CE. Toward a theoretical model of quality-of-life appraisal: Implications of
findings from studies of response shift. Health Qual Life Outcomes 2004;2:14.
[5] Oort FJ. Using structural equation modeling to detect response shifts and true change. Qual Life
Res 2005;14:587–598.
[6] Oort FJ, Visser MRM, Sprangers MAG. An application of structural equation modeling to detect
response shifts and true change in quality of life data from cancer patients undergoing invasive
surgery. Qual Life Res 2005;14:599–609.
[7] Vanier A, Sébille V, Blanchin M, Guilleux A, Hardouin J-B. Overall performance of Oort’s
procedure for response shift detection at item level: a pilot simulation study. Qual Life Res
2015;24:1799–807.