2014-2015 DIU CDP Acculturation à la méthodologie des essais cliniques Les principales approches méthodologiques Dr Hendy Abdoul Unité de Recherche Clinique Paris Centre Hôpital Cochin 1 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 2 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 3 Définition et Objectifs Recherche en santé : ensemble des actions entreprises en vue d’améliorer et d’augmenter l’état des connaissances dans le domaine de la santé => répondre aux questions que se posent les patients ou les soignants : • est-ce que je suis malade ? • pourquoi suis-je malade ? • c’est fréquent comme maladie ? • c’est grave ? • quel traitement dois-je prendre ? • Comment dois-je le prendre ? 4 Définition et Objectifs Epidémiologie : étude de la répartition des états de santé et de leurs déterminants Utilise des méthodes permettant d’aboutir à des conclusions valables en évitant les erreurs systématiques (biais) et le facteur chance (groupe vs individu) Recherche clinique : recherche menée sur des patients (Klinos = le lit) 5 Exemple : observation simple vs étude épidémiologique Observation simple : Ma tante a eu un cancer du sein mais pas ma voisine qui a le même âge Tante Voisine Fume Ne fume pas Pilule contraceptive Stérilet Pas d’enfants 5 enfants < 1 verre d’alcool /j > 1 verre d’alcool /j Coca light Coca Non obèse Obèse 6 Exemple : observation simple vs étude épidémiologique Etude épidémiologique : Comparaison de 1000 femmes avec cancer du sein et de 1000 femmes sans cancer du sein Cancer du sein Pas de cancer du sein Fumeuse 35% 45% Pilule contraceptive 60% 45% Nullipare 20% 10% > 1 verre d’alcool /j 40% 20% Coca light 62% 58% Obèse 18% 10% 7 Exemple : observation simple vs étude épidémiologique Etude épidémiologique : Comparaison de 1000 femmes avec cancer du sein et de 1000 femmes sans cancer du sein tante Cancer du sein Pas de cancer du sein Fumeur oui 35% 45% Pilule contraceptive Oui 60% 45% Nullipare Oui 20% 10% > 1 verre d’alcool /j non 40% 20% Coca light oui 62% 58% Obèse non 18% 10% 8 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 9 Classification selon méthodologie employée L'investigateur impose t-il une exposition à un traitement par exemple OUI NON Etudes expérimentales Etudes observationnelles Randomisation? Existence d'un groupe contrôle (comparateur)? OUI NON OUI NON Essai contrôlé randomisé Essai non randomisé ou études quasiexpérimentales Etudes analytiques ou étiologiques Etudes descriptives Etudes transversales Etudes de cohortes Etudes cas témoins 10 Etudes descriptives • Principe : mesurer la fréquence d’un phénomène (maladie, douleur, sonde urinaire mal positionnée, hématome post prélèvement…) • Objectifs 1. Connaître l’ampleur d’un phénomène : prévalence, incidence 2. Surveiller l’apparition d’un phénomène (grippe, infection nosocomiale, résistance bactérienne) 3. Démarche d’amélioration de la qualité, d’évaluation des pratiques 4. Générer des hypothèses : fréquence différente du phénomène selon les situations ? • Méthodes utilisées – étude transversale – étude de cohorte (incidence) 11 1) Connaître l’ampleur d’un phénomène 12 1) Connaître l’ampleur d’un phénomène VIH en 2006 Prévalence Incidence 13 Mesures recueillies • Etude transversale Nombre de malades à un moment donné Prévalence = Nombre total de sujets au même moment • Etude de cohorte (notion de suivi dans le temps) Nombre de nouveaux cas pendant une période Incidence = Nombre total de sujets à risque au début de la période 14 Lien prévalence - incidence • Prévalence = Incidence * durée de la maladie (Si l’incidence est faible ) Nouveaux cas Malades Décès ou Guérison • La prévalence peut augmenter si : – Augmentation de l’incidence (plus de nouveaux malades) – Augmentation de la durée de la maladie • durée de survie plus longue, moins de décès • guérison plus tardive 15 2) Surveiller l’apparition d’un phénomène 16 2) Surveiller l’apparition d’un phénomène Réseau sentinelle : surveillance de la grippe 17 3) Amélioration de la qualité, évaluation des pratiques 18 3) Amélioration de la qualité, évaluation des pratiques • Evaluation des concentrations des principes actifs dans une seringue électrique – Enquête réalisée par la pharmacie – Un jour donné – Vérification des concentrations de toutes les seringues électriques posées dans un service • Prise en charge en fin de vie par les équipes soignantes : que pourrait-on faire de moins, que devrait-on faire de plus ? – Enquête sur un échantillon de dossiers de patients décédés et hospitalisés depuis plus d’une semaine – Relevé de tous les actes réalisés et cotation de leur pertinence 19 4) Générer des hypothèses 20 4) Générer des hypothèses • Douleur lors d’une prélèvement sanguin aux urgences pédiatriques – Pendant une semaine enquête auprès de tous les enfants (ou parents) ayant eu un prélèvement sanguin: – EVA moyenne chez tous: 4/10 – EVA moyenne chez les enfants ayant eu une hypnose : 5/10 » L’hypnose ne marche pas ? » Les enfants qui ont eu une hypnose était les plus douloureux initialement ? Ceux les plus à risque de douleur ? Les plus jeunes ? 21 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 22 Classification selon méthodologie employée L'investigateur impose t-il une exposition à un traitement par exemple OUI NON Etudes expérimentales Etudes observationnelles Randomisation? Existence d'un groupe contrôle (comparateur)? OUI NON OUI NON Essai contrôlé randomisé Essai non randomisé ou études quasiexpérimentales Etudes analytiques ou étiologiques Etudes descriptives Etudes transversales Etudes de cohortes Etudes cas témoins 23 Étude analytique (ou étiologique) • Principe : Comparer des groupes de sujets pour mettre en évidence et/ou mesurer une association entre une exposition et une maladie • 3 types d’étude – Transversale – Cas-témoin – Cohorte • Typologie selon – le moment où les sujets sont inclus – la façon dont ils sont sélectionnés – le moment où les données sont recueillies 24 1- Étude transversale 25 1- Étude transversale • Principe – Echantillonnage exhaustif ou représentatif du groupe à qui l’on veut généraliser les résultats. Pas de sélection des sujets en fonction de leur statut vis-à-vis de l’exposition ou de la maladie – Tirage au sort au sein de la population cible pour constituer un échantillon représentatif (~sondage) – Toutes les données sont recueillies à un même moment chez un individu. – Mesure de la maladie (le problème) et de l’exposition (la cause potentielle) au même moment passé présent futur temps E = exposition M= maladie Étude transversale E/M 26 1- Étude transversale Exemple Question : Quels sont les facteurs de risque d’escarres chez les patients alités ? • Échantillon : tous les patients hospitalisés un jour donné à Bichat • Mesure de la « Maladie » : présence ou absence d’escarre, constaté le jour de l’enquête par un enquêteur examinant chaque patient • Mesure de l’« Exposition » : enquête auprès du patient pour savoir s’il a été mobilisé ou non aujourd’hui. ? ? 27 Malade Non malade Exposés Non-exposés Non mobilisés Mobilisés total 10 (9%) 20 (22%) 30 Pas escarres 100 70 170 total 110 90 200 Escarres 22% des patients qui sont mobilisés ont des escarres, versus 9% des patients qui ne sont pas mobilisés Conclusion ? 28 1- Étude transversale • Avantages – – – – Faible coût Résultats rapides Pas de problème de perdus de vue Bien adaptée dans un objectif de description, de mesure de la prévalence • Inconvénients – Pas de mesure de l’incidence – Temporalité exposition / maladie non établie (crème hydratante/eczéma) – Génération d’hypothèses seulement mais ne peut pas établir de lien et doit être confirmée par des études de cohorte ou idéalement expérimentales 29 2- Étude cas-témoins 30 2- Étude cas-témoins • Principe – Sélection des sujets en fonction de leur statut vis-à-vis de la maladie • Sélection d’un groupe de « malades » • Sélection d’un groupe de « non malades » (témoin) – Toutes les données sont recueillies à un même moment chez un individu mais certaines données concernent des expositions passées passé présent futur temps E E = exposition M= maladie Étude cas témoins M 31 Cas Exposition au facteur d ’exposition Oui Échantillon de malades Non TEMPS Population à risque Oui RECHERCHE Non Échantillon de non malades Témoins Étude cas-témoins (toujours rétrospective) 32 2- Étude cas-témoins Définition et sélection des cas • Définition précise de la maladie impérative Ex: infection nosocomiale. Toutes ? Celles à germes résistants ? Ex: Infection urinaire. Toutes ? Sur sonde ? Ex: escarres. Tous ? Talon uniquement ? Quel stade : érythème, désépidermisation, ulcération, nécrose ? • Critères d’éligibilité • Population générale ou population hospitalisée • Tous les cas éligibles sur une période de temps bien définie ou tirage au sort • Restrictions générales : âge, sexe, lieu d’habitation, service d’hospitalisation, origine géographique 33 2- Étude cas-témoins Définition et sélection des témoins • Non atteints par la maladie étudiée • Mêmes restrictions générales et issus si possible de la même population que les cas • Caractéristiques similaires doivent ressembler au maximum aux cas, sauf sur la présence de la maladie • Sélection des témoins indépendante de l’existence ou non d’une exposition 34 2- Étude cas-témoins Définition et sélection des témoins Appariement • Prendre en compte des facteurs de confusion potentiels pour limiter les biais • Réduire les différences entre cas et témoins et ainsi augmenter la puissance de l’étude • Facteurs d’appariement habituels : sexe, tranche d’âge, lieu de résidence, … • Attention à la faisabilité si trop de facteurs d’appariement 35 2- Étude cas-témoins Définition et sélection des témoins Biais de sélection • Biais qui survient quand le critère de sélection des cas et des témoins n’est pas indépendant de l’exposition (la fréquence de l’exposition chez les témoins est différente entre l’échantillon et la population cible) • Attention au biais de sélection si taux de réponse peu élevé ou très différent entre cas et témoins – Relation exposition maladie observée chez les participants à l’étude est différente de celle des individus qui auraient pu être sélectionnés mais ont refusé de participer 36 2- Étude cas-témoins Définition et sélection des témoins Exemples de sélection de témoins introduisant un biais Etude du lien entre AINS et cancer du colon Cas Témoins Exposition Biais Hospitalisés pour cancer du colon Hospitalisées dans le service de rhumatologie AINS (forte exposition chez les témoins) Sous estimation de l’effet des AINS Hospitalisés pour cancer du colon Hospitalisés dans le service de gastroentérologie AINS (faible exposition chez les témoins) Sur estimation de l’effet des AINS 37 2- Étude cas-témoins Exemple Pour chaque patient présentant une escarre on sélectionne un patient de la même tranche d’âge, du même service, mais sans escarre Exposition : interroger le patient (ou l’équipe soignante) pour savoir s’il a été mobilisé au cours des 15 jours précédents ? 38 2- Étude cas-témoins Avantages • • • • Résultats rapides Coût faible Pas de perdus de vue Permet l’étude de maladies dont les périodes de latence sont longues • Bien adapté aux maladies rares • Permet d’étudier plusieurs expositions potentielles pour une seule maladie 39 2- Étude cas-témoins Inconvénients • Ne permet pas l’étude de plus d’une maladie à la fois • Ne permettent pas d’évaluer les expositions rares • Ne permettent pas un calcul des taux d’incidence de la maladie – Estimation du risque par OR (bonne estimation du risque relatif si la prévalence de la maladie chez les exposés et non exposés est faible <5%) • La relation chronologique entre exposition et maladie peut être difficile à établir • Moins bonne qualité des données d’exposition (recueil rétrospectif) • Difficultés du choix de témoins • Les risques de biais sont important particulièrement ceux de sélection et de mémoire 40 2- Étude cas-témoins Biais d’observation • Erreur systématique lors du recueil d’information (exposition) chez les sujets retenus pour l’étude – La connaissance de la maladie peut modifier le rendu de l’information par le sujet, l’interprétation par l’enquêteur – Subjectivité • Seuil à partir duquel un individu est considéré comme exposé (nombre de boites d’AINS, durée de traitement AINS, prise au moins une fois des AINS, etc…) Il vaut mieux recueillir l’information sur l’exposition avant l’apparition de la maladie (par ex dans le dossier médical au cours du suivi), plutôt que par interrogatoire rétrospectivement, une fois que la maladie est diagnostiquée 41 2- Étude cas-témoins Biais de mémoire • Forme particulière de biais d’observation dans les études rétrospectives • Les individus qui ont été malades, ont tendance à rechercher plus intensément les causes possibles de la maladie • Le recueil de l’exposition différera en fonction de leur statut malade ou non malade • Exemple : expositions médicamenteuse et environnementale pendant la grossesse et risque de malformation néonatale les mères d’enfants porteurs de malformation à la naissance vont plus se souvenir d’avoir pris tel médicament ou été exposée à tel polluant, que les mères d’enfants sains à la naissance 42 2- Étude cas-témoins Biais de mémoire Pour limiter ces biais Questionnaire et interviews standardisés Conditions de recueil comparables En aveugle du statut cas ou témoin En aveugle de l’hypothèse de l’étude 43 2- Étude cas-témoins Biais de classement • Erreur dans le classement de la maladie ou de l’exposition – Erreur inévitable – Erreur de mesure de l’exposition ou de la maladie – Conséquences variables selon que l’erreur de classement d’un paramètre est indépendante de l’autre paramètre c’est à dire si la proportion des erreurs de classement portant sur l’exposition ou sur la maladie est la même dans les groupes comparés • Exemples : – Tensiomètre mal étalonné : mesure erronée de la pression artérielle, indépendamment du statut cas ou témoin – Les mères d’enfants porteurs de malformation à la naissance vont plus se souvenir d’avoir pris tel médicament ou été exposée à tel polluant, que les mères d’enfants sains à la naissance : biais qui dépend du statut cas ou témoin 44 2- Étude cas-témoins Facteurs de confusion • Facteur (caractéristique) qui est associé à la fois à l’exposition et à la maladie. • Sa présence déforme la réalité de l’association entre l’exposition et la maladie. Cela est du à une distribution différente du tiers facteur entre les cas et les témoins • Un facteur de confusion est une variable qui doit être : – associée à l’exposition – associée à la maladie indépendamment de l’exposition 45 2- Étude cas-témoins Facteurs de confusion café tabac Cancer du poumon 46 Dénutrition exposition Facteur de confusion Immobilisation maladie Escarres 46 2- Étude cas-témoins Facteurs de confusion Prise en compte des facteurs de confusion • Avant le début de l’étude – Restriction lors de la sélection des cas et des témoins – Appariement – Randomisation • Après le début de l’étude – Restriction lors de l’analyse – Stratification – Ajustement dans une analyse multivariée 47 Etudes cas/témoins versus étude de cohorte E = exposition M= maladie passé présent Cohorte prospective E E futur M Étude cas témoins M 48 3- Étude de cohorte 49 3- Étude de cohorte • Principe – Sélection des sujets • Echantillonnage représentatif de la population • Sélection d’un groupe « d’exposés » et d’un groupe de « non exposés » – Les données d’exposition sont recueillies à l’inclusion – Les données concernant l’apparition de l’évènement d’intérêt (maladie) sont recueillies au cours du suivi de l’individu – Recueil des données à des moments différents pour un même individu passé présent futur temps Étude de cohorte E E = exposition M= maladie M 50 3- Étude de cohorte Evénement Exposition Oui Absent Exposée Population Échantillon Non TEMPS Non Exposé Présent Oui Non 51 3- Étude de cohorte Sélection de la population exposée • Définition précise de la notion d’exposition – Expositions courantes (ex : tabac) peuvent être retrouvées dans de nombreuses populations – Expositions rares relatives à une profession particulière ou à des facteurs environnementaux dans des lieux géographiques particuliers • Ouvriers de certaines professions • Malades ayant subi un traitement médical particulier (ex : radiothérapie pour la spondylarthrite ankylosante) • Choix fréquent de groupes d’après la facilité qu’ils offrent au recueil de l’information – Médecins, infirmières,enseignants / Travailleurs / Étudiants / Résidents de certaines communautés – Avantage logistique pour le chercheur • Ex: disponibilité d’adresses (mises à jour) 52 3- Étude de cohorte Sélection de la population non exposée • Sélection d’un groupe de référence de sujets non exposés (groupe témoin) : absence d’exposition au facteur • Forte similitude avec le groupe exposé sur les caractéristiques ayant un lien avec la maladie (âge, sexe, catégorie socio-professionnelle, …) • Les non exposés doivent être représentatifs de la population d’où sont issus les exposés (issus de la même population) référence interne Tabac Cohorte médecins anglais (Doll et Hill) Exposition oui Malade (cancer poumon) Exposition non Non Malades 53 3- Étude de cohorte Sélection de la population non exposée • Référence externe – Pour les études de cohorte comportant un groupe soumis à une exposition spéciale (professionnelle ou environnementale) il est souvent impossible de trouver une fraction de la population pouvant être considérée comme non exposée • La comparaison par exemple à la population générale nécessite : – Que les données sur l’évènement soient disponibles (mortalité,…) – Que seule une partie de la population générale soit exposée au FDR étudié, parfois appariement nécessaire (tabac, alcool,…) 54 3- Étude de cohorte Exemples • • • • Cohorte de Framingham (ville du Massachussets) Framingham’s Hearth Study 5100 personnes suivies pendant plus de 30 ans Choix de la ville, non pas en raison d’expositions particulières, mais parce qu’on pouvait suivre les malades durant plusieurs années – Population stable – Hôpital unique utilisé par la majorité de la population – Liste de population mise à jour • Possibilité de choisir un groupe de référence interne 55 3- Étude de cohorte Exemples • Tous les nouveaux patients hospitalisés en gériatrie au cours des 3 prochains mois • Recueil quotidien des mesures préventives anti-escarre pour chaque patient (dont la mobilisation) par un enquêteur dédié • Examen systématique des patients à 1 mois pour regarder s’ils ont des escarres ? 56 3- Étude de cohorte Limites • Durée longue de l’étude • Plus coûteux que les études cas-témoin (temps, savoir faire) • Suivi long des malades (principal biais : lié aux perdus de vue) – Moyens utilisés pour diminuer le nombre de perdus de vue : Liste des proches, annuaires, registres divers 57 3- Étude de cohorte Perdus de vue • Principale source de biais • Si important (30 à 40 %) doute sur la validité des résultats • Risque le plus important : que ces perdus de vue soient liés à l’exposition, à la maladie ou au deux – Estimation biaisée, si l’importance des « perdus de vue » dépend de l’exposition ou de la maladie • Éventuellement on peut calculer l’association exposition-maladie en prenant les situations les plus extrêmes d’exposition et de maladie – Hypothèse 1 : tous les perdus de vue ont développé la maladie – Hypothèse 2 : aucun des perdus de vue n’a développé la maladie 58 3- Étude de cohorte Biais de sélection • Biais de sélection moins important que dans les études cas-témoins – • Sauf si référence externe Recueil prospectif, exposition appréhendée avant la survenue de la maladie meilleure qualité des données risque de biais de classement de l’exposition peu probable 59 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 60 Notion de causalité Un lien n’implique pas une notion de causalité (ex : cannabis et schizophrénie) ? Devant une association statistiquement significative entre une exposition et une maladie, quelles questions faut-il se poser ? Y a-t-il un biais? Y a-t-il un ou des facteurs de confusion? Est-ce lié à la chance? 61 Éléments en faveur de la causalité • • • • • • Relation temporelle logique Convergence des études épidémiologiques Association forte (RR et OR élevés) Existence d’un gradient effet-dose Exposition suspectée est spécifique de la maladie Association causale plausible car cohérente avec les données de la littérature et l’expérience clinique • Réduction de l’incidence de la maladie si diminution de l’exposition 62 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 63 Quelle est la question (objectif) ? • Évaluation de l’efficacité (ou de la tolérance) d’un traitement médicamenteux ou non, d’une intervention, d’une stratégie de prise en charge – Domaine de l’évaluation thérapeutique • Relation de causalité entre l’intervention thérapeutique (l’exposition) et l’amélioration (critère de jugement) 64 Interventions évaluées • Intervention médicamenteuse : – Médicaments – Mode d’administration d’un médicament – Dispositifs médicaux 65 Interventions évaluées • Intervention médicamenteuse : – Médicaments – Mode d’administration d’un médicament – Dispositifs médicaux • Intervention non médicamenteuse – Technique de chirurgie – Conseils hygiénodiététiques • Régime • Exercices physiques – – – – – Acupuncture Technique de rééducation Positionnement du patient Stratégie de prise en charge de la douleur Technique de prélèvement 66 Critères de jugement (1) • Critère qui va permettre de juger l’efficacité d’un traitement – Efficacité du traitement de fond de la polyarthrite rhumatoïde • Douleur, déformation articulaire, fonction articulaire, qualité de vie – Efficacité d’un antihypertenseur • Pression artérielle • Maladies cardiovasculaires (infarctus du myocarde, accident vasculaire cérébral etc) • Décès par maladie cardiovasculaire • Décès 67 Critères de jugement (2) • Critère principal et critères secondaires • Théoriquement critère principal unique 68 Qualités requises pour un critère de jugement • Pertinence clinique (par rapport à l’objectif) – Doit répondre à la question posée – Quel type de critères de jugement doit être mesuré pour répondre à la question du rapport bénéfice/risque ? – Quels critères de jugement sont décisifs pour les patients et les médecins pour décider de la prise en charge ? 69 Qualités requises pour un critère de jugement • Pertinence clinique • Fiabilité et reproductibilité – Évaluation en insu de l’intervention reçue – Standardisation du recueil du critère de jugement • Questionnaires à questions fermées, standardisation de l’examen clinique • Entraînement de l’évaluateur, sélection d’évaluateurs expérimentés • Centralisation des examens: acquisition et lecture centralisée des radiographies, lecture des échographies cardiaques préenregistrées – Evaluation de la reproductibilité (coefficients CCI, Kappa) – Ex: thrombose veineuse profonde évaluée sur phlébographie • Si 2 radiologues indépendants : mauvaise reproductibilité • Si standardisation de la lecture : détermination de critères d’évaluation, entraînement préalable reproductibilité améliorée 70 Qualités requises pour un critère de jugement • Pertinence clinique • Fiabilité et reproductibilité • Simple et disponible chez tous les patients 71 Qualités requises pour un critère de jugement • • • • Pertinence clinique Fiabilité et reproductibilité Simple et disponible chez tous les patients Reconnu et validé par d’autres études – Recommandations des critères de jugement à collecter dans les essais randomisés dans des domaines particuliers (maladies rhumatoïdes : OMERACT) 72 Evaluation, mesure du critère de jugement • Visites spontanées – Infarctus du myocarde • Visites programmées – Recherche d’évènements par interrogatoire et examen systématique – Mesure du critère de jugement (douleur, pression artérielle) • Evaluateur – Formation, entraînement, expérience – Thérapeute ou non 73 Différents types de critères • Evènements cliniques – Décès, Infarctus du myocarde • Décisions thérapeutiques/indications – – – – Durée d’hospitalisation Décision de transfusion Début d’antibiothérapie Indication à une prothèse de hanche • Symptômes rapportés par le patient – Douleur • Examens complémentaires – Biologie – Imagerie : critères structuraux (épaisseur intima-media, réponse tumorale radiologique) 74 Critères de jugement intermédiaires Critères de substitution ou « Surrogate markers » Délai variable Temps Intervention Critère de jugement intermédiaire Critère de jugement clinique 75 Critères de jugement intermédiaires Critères de substitution ou « Surrogate markers » • Rappel : pertinence clinique. Les critères de jugement retenus doivent théoriquement être des critères ayant un sens pour le malade (allongement de la survie,..) • En pratique, fréquemment on utilise des critères de jugement intermédiaires 76 Critères de jugement intermédiaires Critères de substitution ou « Surrogate markers » Critère de jugement intermédiaire HTA Pression artérielle Critère réellement pertinent Décès Décès par AVC Ostéoporose Densité osseuse Tassements vertébraux Diabète Glycémie à jeun Décès, IDM, amputations 77 Critères de jugement intermédiaires Critères de substitution ou « Surrogate markers » Pourquoi utiliser de tels critères ? • Nombre d’évènements cliniques faibles survenant après une longue durée de suivi incompatible avec la nécessité de faire bénéficier les malades des innovations thérapeutiques le plus précocement possible 78 Critères de jugement intermédiaires Critères de substitution ou « Surrogate markers » Avantage des critères de substitutions • Diminution de l’effectif nécessaire (nombre de sujets à inclure) • Diminution de la durée de l’étude (semaines ou mois versus années) – Exemples : Diabète • 100 patients, 3 à 12 mois de suivi, critère de jugement glycémie • Plusieurs milliers de malades, 4 à 5 ans de suivi, critère de jugement mortalité 79 Critères de jugement intermédiaires Critères de substitution ou « Surrogate markers » Inconvénients des critères de substitutions • Evaluation incomplète, inadéquate, parfois trompeuse de l’efficacité Cholestérolémie Mortalité Fibrates Statines 80 Critères de jugement intermédiaires Critères de substitution ou « Surrogate markers » Efficacité d'un traitement anti-ostéoporotique Fluor Bisphosphonates Raloxifène Effet sur la DMO Effet sur le risque de fractures ou 0 81 Critères composites • Définition – Association de plusieurs critères de jugements – Exemples • décès ou infarctus du myocarde ou accident vasculaire cérébral • Complications thrombo-emboliques ou hémorragiques 82 Avantages des critères composites • Peut augmenter la puissance d’un essai pour un même effectif (augmente le nb d’évènements) • Aide les investigateurs à choisir le critère de jugement et à gérer le problème des comparaisons multiples Freemantle, JAMA, 2003 83 Critères composites Recommandations • • • Si critère principal est un critère composite, il faut l’utiliser comme tel Les composants du critère composite doivent être définis individuellement comme des critères secondaires, et rapportés dans l’essai Les auteurs et les journaux doivent s’assurer que le critère composite est rapporté clairement et évite de suggérer que les composants de critère sont améliorés individuellement Freemantle, JAMA, 2003 84 Critères composites Recommandations • Les différents composants du critère composite doivent être d’importance similaire pour les malades • Les évènements composants ce critère composite doivent survenir avec une fréquence approximativement similaire • Les différents évènements doivent partagent le même processus biologique (même physiopathologie sous-jacente) • Les estimations des effets traitements doivent être similaires 85 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales (études de type « avant-après ») Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 86 Classification selon méthodologie employée L'investigateur impose t-il une exposition à un traitement par exemple OUI NON Etudes expérimentales Etudes observationnelles Randomisation? Existence d'un groupe contrôle (comparateur)? OUI NON OUI NON Essai contrôlé randomisé Essai non randomisé ou études quasiexpérimentales Etudes analytiques ou étiologiques Etudes descriptives Etudes transversales Etudes de cohortes Etudes cas témoins 87 Principe INTERVENTION Population cible Échantillon = population d’étude Evaluation du critère de jugement AVANT Evaluation du critère de jugement APRES comparaison 88 Exemple 1 Mobilisation des patients + massages des zones de contact x3/jour % patients avec escarres 50% Effet traitement ? (% de guérison supplémentaire attribué au traitement) 20% temps Avant Après intervention 89 Exemple 2 Injections intradiscales de dextrose chez les patients lombalgiques chroniques Miller, Pain physician 2006 90 Évaluation avant - après Facteurs pouvant expliquer la réponse à un traitement 1. Histoire naturelle de la maladie : en l’absence de traitement, la maladie peut • • • • s’améliorer disparaître se stabiliser progresser • Exemples: – maladies aigues (grippe), – maladies chroniques qui évoluent par poussée 91 Évaluation avant - après Facteurs pouvant expliquer la réponse à un traitement 2. Effet Hawthorne : amélioration de la maladie liée à des modifications du comportement d’un patient, du fait qu’il participe à une étude (attention particulière attention accordée au malade) 92 Évaluation avant - après Facteurs pouvant expliquer la réponse à un traitement 3. Effet placebo : tout effet thérapeutique « non spécifique » associé à l’administration d’un placebo – Placebo : substance « inerte » dénuée d’activité pharmacologique mais perçue par le malade comme un médicament 93 Évaluation avant - après Facteurs pouvant expliquer la réponse à un traitement 4. Caractéristiques des patients : niveau de gravité des pathologies, comorbidités associées (dénutrition) 5. Traitements concomitants : traitements reçus en dehors du traitement à l’étude 6. Erreur de mesure : on peut se tromper en faisant une mesure 94 Évaluation avant - après Facteurs pouvant expliquer la réponse à un traitement 7. Effet réel de l’intervention : pour évaluer l’effet réel de l’intervention, il faut contrôler les autres facteurs Les études avant-après : pas de contrôle de ces facteurs conclusions erronées (biaisées) 95 Évaluation avant - après % patients avec escarres Effet traitement 1 2 3 4 5 6 intervention temps Avant Après 96 Évaluer = Comparer 97 Importance de comparer l’amélioration avec 1 groupe contrôle (ou témoin) qui n’a pas reçu le produit Contrôler les facteurs d’amélioration de la maladie autre que l’effet du traitement 98 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 99 Structure des essais cliniques R.H. Fletcher, Epidémiologie clinique, Ed Pradel, p140 Groupe expérimental Evaluation du critère de jugement Exposée Population TEMPS Échantillon Non Exposé Groupe contrôle comparaison Evaluation du critère de jugement Sélection population 100 Les biais possibles dans les essais contrôlés randomisés 101 Biais de sélection • Les caractéristiques des groupes ne sont pas réparties de façon uniforme entre les 2 groupes d’intervention (les 2 groupes ne sont pas comparables initialement) • La différence de taux de guérison entre le groupe traité et le groupe témoin ne peut être attribuée au seul effet de l’intervention, que si les deux groupes ne diffèrent que par leur intervention 102 Biais de sélection • Exemples : – Les niveaux de motivation des équipes sont différents dans les différents centres et les centres qui pratiquent l’intervention sont les plus motivés – Le taux de patients dénutris dans les 2 groupes n’est pas comparable 103 Biais de sélection • Problème dans les études observationnelles et les études non randomisées (quasi-expérimentales) Constitution intentionnelle des 2 groupes Groupes intervention et contrôle sont non comparables 104 Biais de sélection • Comment faire pour assurer la comparabilité initiale des groupes? 105 Biais de sélection • Randomisation: – Répartition aléatoire du traitement (de l’intervention), par tirage au sort les patients d’un groupe ont la même probabilité d’avoir une caractéristique donnée que ceux de l’autre groupe Garantit la comparabilité initiale des 2 groupes, et l’équilibre des caractéristiques (connues et inconnues) des patients dans les 2 groupes (d’autant plus que le nombre de sujets par groupe est grand) – Sans randomisation on peut essayer de constituer des groupes comparables, mais seulement pour les caractéristiques connues 106 Randomisation Intervention expérimentale (mobilisation, massages) Intervention contrôle homme femme dénutrition CHU EHPAD 107 Randomisation • Historique : – 1er essai randomisé : utilisation de la streptomycine dans la tuberculose pulmonaire – La randomisation a été considérée comme le moyen d’éviter aux cliniciens d’avoir à choisir les patients qui allaient bénéficier de la streptomycine en période de pénurie 108 Randomisation • Clause d’ambivalance – chaque patient doit pouvoir recevoir le traitement prévu dans chacun des bras de l’étude – Pas de contre-indication à l’une au l’autre des interventions planifiées 109 Randomisation • Générer la liste de randomisation – Méthodes adéquates (tables, informatisée) – Méthodes inadéquates: attitude décisionnelle systématique • randomisation alternée ABABAB … • randomisation basée sur une caractéristique du malade (initiale du prénom, mois de naissance …) 110 Randomisation • Générer la liste de randomisation – Randomisation simple : on fixe les probabilités d’attribution de chacun des traitements (en général 0,5 pour chacun des deux), et on prépare une liste de randomisation 1 chance sur 2 d’être dans chaque bras – Avantage : imprévisibilité (+ grande objectivité) – Inconvénient : possibilité de déséquilibre entre les groupes, surtout si ce sont de petits effectifs (variabilité d’échantillonnage) 111 Randomisation • Générer la liste de randomisation – Randomisation par blocs : ex blocs de 4 – taille des blocs = multiple du nombre de bras – Avantage : limite les déséquilibres – Inconvénient : potentielle connaissance du prochain traitement (si essai en ouvert) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 A A B B A B A B B B A A B A B A 112 Randomisation • Générer la liste de randomisation – Randomisation par blocs – Ex : essai dans le cadre du myélome : autogreffe de moelle (AG) versus chimiothérapie (CT) – blocs de 4, centre 1 : malade 1 CT malade 2 AG malade 3 CT malade 4 : prochain malade prévisible AG (nécessairement) 113 Randomisation • Générer la liste de randomisation – Importance de respecter les principes : • Assignation secrète (clause d’ignorance) : celui qui recrute et inclue un malade dans un essai ne doit pas pouvoir prévoir quel traitement lui sera assigné (sinon risque de ne pas inclure le patient, biais de sélection) • Taille des blocs doit être inconnue des investigateurs et doit être la plus importante possible (elle peut être modifiée en cours d’essai) ou blocs de taille variable 114 Randomisation • Générer la liste de randomisation – Randomisation stratifiée – Permet de forcer la comparabilité des groupes sur 1 ou 2 critères supposés être fortement associés au pronostic (habituellement le centre, le sexe ou le stade de gravité de la maladie) 115 Randomisation • Générer la liste de randomisation – Randomisation stratifiée – Avant stratification : • Équilibre des traitements par bloc • Déséquilibre de gravité de la maladie entre les 2 bras Stade avancé de la maladie 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 A A B B A B A B B B A A B A B A Stade modéré de la maladie 116 Randomisation • Générer la liste de randomisation – Randomisation stratifiée – Après stratification : 1 2 3 4 5 6 7 8 A A B B A B A B 1 2 3 4 5 6 7 8 B B A A B A B A Stade avancé de la maladie Stade modéré de la maladie 117 Randomisation • Générer la liste de randomisation – Recommandations – Larges essais (> plusieurs centaines de malades) multicentrique • Stratification par centre • Stratification sur autres facteurs est inutile car le nombre de malades est important – Essais de taille limitée • Stratification par centre • Si peu de facteurs pronostics importants stratification • Si trop de facteurs pronostics importants schéma adaptatif (minimisation) 118 Randomisation • Respecter un délai le plus court possible entre la randomisation et le moment réel d’attribution du traitement ou de l’intervention R évènement Délai le plus court possible décès retrait de consentement non confirmation de diagnostic A B 119 Randomisation • Respecter l’assignation secrète (clause d’ambivalance) – Le médecin qui inclut ne doit pas connaître la prochaine intervention assignée par la liste de randomisation • Risque de ne pas inclure le patient si la prochaine intervention ne lui parait pas appropriée 120 Randomisation • Respecter l’assignation secrète (clause d’ambivalance) – Méthodes adéquates • • • • Randomisation centralisée Liste par blocs de taille aléatoire Enveloppe opaque et scellée Médicaments préparés par la pharmacie – Méthodes inadéquates • Administrer chacun des traitements alternativement à un patient sur deux (alternance) • Donner le traitement A aux sujets nés les années paires et les traitements B aux sujets nés les années impaires (utilisation de l'année de naissance) • Enveloppe non opaque et scellée 121 Randomisation • Vérifier la comparabilité initiale des groupes – descriptif de la population incluse par bras de traitement (tableau 1) Facteurs pronostiques connus également répartis entre les deux groupes – La randomisation ne donne pas toujours des groupes comparables (petits effectifs) • Méthodes d’amélioration : – Stratification (avant rando) – Ajustement (après rando) : correction a posteriori des résultats de l'étude (mais ne prend pas en compte les facteurs pronostiques inconnus) 122 Randomisation et tirage au sort • Attention dans le domaine de l’évaluation thérapeutique, la randomisation n’est pas un moyen de sélectionner un échantillon représentatif (notion de validité externe, généralisabilité des résultats) – Ex: pour déterminer la prévalence de l’hypertension artérielle, on va la mesurer dans un échantillon représentatif de la population française et cet échantillon sera tiré au sort. C’est le patient qui est tiré au sort dans la population • La randomisation est un moyen utilisé pour éviter les biais de sélection et permettre la comparaison de 2 groupes strictement identiques pour des facteurs connus et inconnus. La seule différence entre les 2 groupe est liés à l’administration du traitement. C’est le traitement attribué qui est tiré au sort. 123 Biais de sélection Biais possible Population cible Échantillon : patients inclus Biais de sélection Randomisation Groupe intervention : reçoit le traitement Groupe contrôle : ne reçoit pas le traitement Mesure du critère de jugement Mesure du critère de jugement Analyse statistique Analyse statistique 124 Biais de performance / mesure 125 Biais de performance / mesure • Biais de performance : – différence systématique entre les groupes lors de l’administration des soins autres que l’intervention à l’étude • • • • • réalisation de l’intervention intensité du suivi prescription et utilisation de co-interventions, co-prescriptions compliance au traitement respect du protocole d’étude – Exemple : • Prescription plus fréquente de matelas anti-escarres dans le groupe intervention 126 Biais de performance / mesure • Biais de performance • Biais de mesure : – Différence systématique lors de l’évaluation des critères de jugement – Appréciation du critère d’efficacité du traitement – Évaluation des effets indésirables – Exemple : • Evaluation des escarres par l’infirmière qui mobilise ou le kiné qui dispense les massages différences de suivi ou de mesure entre les groupes : ils ne sont plus comparables 127 Biais de performance / mesure • Comment faire pour maintenir la comparabilité initiale des groupes? 128 Biais de performance / mesure • Insu : – tentative de ne pas informer les différents participants à une étude, du type d’intervention reçue par les patients afin d’éviter des modifications systématiques de leur comportement pouvant biaiser les résultats de l’étude – Le malade (simple aveugle), l’équipe soignante et l’évaluateur (double aveugle) doivent être tenus dans l’ignorance du traitement reçu, dans la mesure du possible – L’insu assure la meilleure égalité possible du suivi, indépendamment des effets des traitements 129 Biais de performance / mesure • Placebo : – substance ou intervention « inerte » dénuée d’activité pharmacologique mais perçue par le malade comme ayant un effet 130 Biais de performance / mesure • Placebo de traitement médicamenteux : – Similarité des caractéristiques physiques du traitement actif et du placebo (ou du traitement de référence) • Comprimé : même aspect, couleur, consistance, forme, goût (penser à masquer le goût) 131 Biais de performance / mesure • Placebo de traitement médicamenteux : • Injection ou perfusion : sérum physiologique, poche+tubulure masquée 132 Biais de performance / mesure • Remarque : placebo / traitement de référence – Pour des raisons éthiques, dans certaines pathologies, il n’est pas acceptable de comparer une intervention à un placebo – Dans ce cas le bras contrôle reçoit une intervention de référence = meilleur traitement disponible actuellement – Intervention expérimentale et intervention contrôle doivent être indiscernables pour assurer l’insu 133 Biais de performance / mesure • Placebo de traitement non médicamenteux : – Massages – Education thérapeutique • Insu pas toujours possible… • Tenter de simuler une intervention placebo (le patient doit avoir l’impression qu’on s’est autant occupé de lui dans les 2 groupes) Massages différents des points d’appui • Mesure objective +++ et par un évaluateur indépendant 134 Biais de performance / mesure • Appréciation identique du critère de jugement dans les 2 groupes – en insu de l’intervention reçue (évaluateur indépendant de l’équipe soignante) – standardiser conditions et techniques de mesure • Exemple : – Photos des lésions (escarres) et interprétation par un évaluateur unique indépendant – Technique de mesure de laboratoire standardisée (automate) – Formation à la prise de tension artérielle 135 Biais de performance / mesure • Influence du type de critère de jugement (critère qui mesure l’efficacité de l’intervention): – Critères « durs » ou « objectifs » : d’autant plus que l’insu n’est pas respecté ou n’est pas possible • Décès • Dosage biologique – Critères « mous » ou « subjectifs » • Symptômes déclarés par le patient (ex : douleur) • Connaissances du patient sur sa maladie • Satisfaction de l’éducation reçue 136 Biais de performance / mesure Biais possible menaçant la validité interne de l’étude Population cible Échantillon : patients inclus Biais de sélection Randomisation Groupe intervention : reçois le traitement Groupe contrôle : ne reçois pas le traitement Biais de performance Biais de mesure Insu (placebo) Mesure du critère de jugement Mesure du critère de jugement Insu (mesure) Critère objectif Analyse statistique Analyse statistique 137 Biais d’attrition • Biais d’attrition: – Différence systématique survenant au moment de l’analyse du critère de jugement, quand des patients randomisés sont écartés de l’analyse statistique • Ex : analyse uniquement des patients de sexe féminin (les hommes ne sont pas pris en compte) • Ex : analyse éliminant les patients qui ne reviennent pas à la dernière visite les groupes ne sont plus comparables au moment de l’analyse 138 Biais d’attrition • Comment faire pour maintenir la comparabilité initiale des groupes? 139 Biais d’attrition • Analyse en Intention de traiter (ITT) : – Analyse du critère de jugement de tous les patients randomisés – Analyse des patients dans leur bras de randomisation – Que faire des patients qui n’ont pas reçu l’intervention allouée ? 140 Biais d’attrition Randomisation Tt alloué Tt reçu Massage (n=100) Massage (n = 90) Contrôle (n = 10) Contrôle (n=100) Contrôle (n=100) Analyse correcte 141 Biais d’attrition Randomisation Tt alloué Tt reçu Massage (n=100) Massage (n = 90) Contrôle (n = 10) Contrôle (n=100) Contrôle (n=100) Analyse incorrecte 142 Biais d’attrition Randomisation Tt alloué Tt reçu Massage (n=100) Massage (n = 90) Contrôle (n = 10) Contrôle (n=100) Contrôle (n=100) Analyse incorrecte 143 Biais d’attrition Si exclusion des patients qui n’ont pas respecté le protocole : - pas de maintien du bénéfice de la randomisation - les résultats sont biaisés Erreur majeure Biais d’attrition Raisons d’arrêt du traitement, ou d’arrêt de suivi = en rapport avec le pronostic 144 Biais d’attrition • Comment faire ? – Si arrêt du traitement : suivre le patient jusqu’à la fin de l’étude pour mesurer le critère de jugement – Si perdu de vue : essayer de retrouver le patient, obtenir une mesure du critère de jugement – Chaque patient inclus dans l'essai doit être pris en compte dans les conclusions 145 Biais d’attrition Biais possible menaçant la validité interne de l’étude Population cible Échantillon : patients inclus Biais de sélection Randomisation Groupe intervention : reçois le traitement Groupe contrôle : ne reçois pas le traitement Biais de performance Biais de détection Insu (placebo) Mesure du critère de jugement Mesure du critère de jugement Insu (mesure) Standardisation Biais d’attrition Analyse statistique Analyse statistique ITT 146 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 147 Validité interne 148 Validité interne • Validité interne : à quel point les résultats d’une étude sont corrects pour la population étudiée – Dépend de la méthodologie d’étude utilisée – Menacée par les biais • Biais de sélection • Biais de performance • Biais d’attrition 149 Validité externe 150 Validité externe • La validité externe permet de juger de l’applicabilité des résultats, de la généralisabilité des résultats – Les résultats de l’essai sont-ils applicables dans mon centre ? – Les résultats de l’essai sont-ils applicables à mes malades ? 151 Population à laquelle sera prescrite le nouveau médicament Population correspondant aux indications du produit Population acceptant Population potentielle de rentrer dans l’étude sélectionnée pour l’étude R +++ A ? ?? ??? B Sorties d’essais A’ B’ Analyse en intention de traiter Généralisation 152 Validité externe • Critères d’éligibilité (critères d’inclusion et non inclusion) – Les malades doivent • Être atteint de la maladie • Former un groupe bien défini • Respecter la clause d’ambivalence (essais randomisés) – Souvent hypersélection fondée sur des critères d’éligibilité très stricts • recrutement difficile mais donne toutes ses chances au produit de montrer son effet (s’il existe) – Risque : problème de généralisabilité ultérieure des résultats 153 Validité externe • Critères d’éligibilité • Mode de recrutement – Restreint • Identification des patients par les médecins – Large • Campagne de presse • Médecin généraliste 154 Validité externe • Critères d’éligibilité • Mode de recrutement • Centres – Nombre • Monocentrique • Multicentrique – Type de centre • CHU • CHG • Médecins libéraux 155 Validité externe • Critères d’éligibilité • Mode de recrutement • Centres • Prise en charge : – Description de l’intervention – Souvent standardisation de l’intervention 156 Validité externe • • • • Critères d’éligibilité Mode de recrutement Centres Prise en charge • Adhérence au traitement – Mise en place d’intervention pour améliorer l’adhérence 157 Validité externe • • • • • Critères d’éligibilité Mode de recrutement Centres Prise en charge Adhérence au traitement • Administration des co-interventions – Idéalement les patients devraient se passer de tout autre traitement que celui attribué par le sort et étudié – En pratique impossible : préciser les médicaments autorisés et interdits. Sont autorisés ceux qui n’interfèrent ni avec le produit testé, ni avec son évaluation – Ce qui importe : que les médicaments reçus soient identiques dans les deux groupes traités information très importante à recueillir 158 Validité externe • • • • • • Critères d’éligibilité Mode de recrutement Centres Prise en charge Adhérence au traitement Administration des co-interventions • Critère de jugement – Pertinent et valide 159 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 160 Généralités R.H. Fletcher, Epidémiologie clinique, Ed Pradel, p140 Groupe expérimental Soins + prévention d’escarres Exposée Population Échantillon R 17% TEMPS Non Exposé Sélection population Proportion d’escarres à 1 mois Groupe contrôle Massages de zones différentes Proportion d’escarre à 1 mois 31% Différence observée = 14 % 161 Généralités • Test statistique La différence observée existe-t-elle vraiment ? Il est peu probable p < 5% que la différence observée soit due au hasard Différence significative Test Il est probable que la différence observée p > 5% soit due au hasard Différence non significative 162 Généralités Décès de toute cause Décès cardiovasculaire Mort subite Infarctus Accident vasculaire cérébraux Chirurgie Pas de définition du critère principal Critère principal Décès de toute cause Critères secondaires Décès cardiovasculaire Mort subite Infarctus Accident vasculaire cérébraux Chirurgie Définition du critère principal 6 tests statistiques 1 test statistique Risque de conclure à tort à l’efficacité 30% Risque de conclure à tort à l’efficacité 5% 163 Généralités • Calcul du nombre de sujets réalisé sur le critère principal • Effectif d’un essai déterminé pour avoir une puissance suffisante pour le critère principal • Puissance souvent faible (et surtout non contrôlée) pour les critères secondaires, surtout si fréquence du critère secondaire faible ou si effet traitement pour le critère secondaire est faible 164 Plan • Introduction • Etudes observationnelles – Etudes descriptives – Etudes analytiques • Études transversales • Etudes cas/témoin • Etudes de cohorte – Notion de causalité • Etudes expérimentales – – – – – Etudes quasi-expérimentales Essais cliniques Validités interne et externe Statistiques Essais pragmatiques versus explicatifs 165 Différences essais pragmatiques versus essais explicatifs (1) Essai explicatif (efficacité) Essai pragmatique (efficience) Nature de la question posée Le traitement est-il efficace dans des conditions d’utilisation idéales (de réponse prévisible au traitement, d’administration du traitement, de compliance, de suivi) Le traitement est-il efficace dans les conditions usuelles d’utilisation ? Critères d’éligibilité des malades Très stricts, limités aux patients a priori bons répondeurs et compliants Tous les malades atteints de la maladie en cause Traitement / intervention Administré par les meilleures mains et suivi rapproché pour la dose et les effets secondaires (standardisation) Donné comme soin de routine 166 Différences essais pragmatiques versus essais explicatifs (2) Essai explicatif Intensité du suivi Compliance du malade Élevée, visites fréquentes Habituelle, pas différente des soins de routine Etroitement évaluée, avec stratégies pour améliorer la compliance Adhésion des Evaluée très médecins au précisément, avec protocole de l’étude feedback si adhésion incomplète Co-intervention Essai pragmatique Le plus souvent interdite et au moins précisément définie et enregistrée Non différente des soins usuels Non évaluée Autorisée (recueillir l’information) 167 Différences essais pragmatiques versus essais explicatifs (3) Conclusions issues de cet essai Bénéfice clairement supérieur au risque Essai explicatif Essai pragmatique Bénéfice clairement non supérieur au risque Ambigu : le traitement marche mais Le traitement doit être abandonné les malades et les cliniciens serontdans cette indication ils capables d’arriver au succès dans les conditions de routine ? Ce traitement doit être adopté et généralisé Ambigu : le traitement est-il inefficace car intrinsèquement inefficace ou parce que trop peu de malades ou de médecins suivent les recommandations et prennent leur traitement ? 168 Essais pragmatiques et essais explicatifs • Planification, conduite, analyse et interprétation d’un essai sont déterminées par la question à laquelle on veut répondre • Essais pragmatiques et explicatifs répondent à deux questions différentes sans échelle de valeur entre eux • continuum entre ces deux types d’essais 169 Essais pragmatiques et essais explicatifs • Impossible de faire un essai purement explicatif (par exemple les malades ne sont pas toujours compliants ou purement pragmatique (par exemple il y a toujours des critères d’inclusion) • Proposition de D. Sackett – Commencer par un essai explicatif, de taille limitée, rapide – Si cet essai est positif, continuer par un essai pragmatique plus large 170