Etudes & Biais

  • RSS
  • Accueil
  • A propos
  • Lecture critique
  • Plainte vs EMA
  • Liens
  • Contact

Critères combinés

Posted on 28 mars 2013 by Alexis in Article No Comments
  • Home
  • Article
  • Critères combinés
COMBINES1

 

Supposons que je réalise une étude clinique randomisée en double aveugle où tous les patients sont suivis pendant la durée totale de l’essai. Donc une étude parfaite.

Mon critère principal est basé sur un pourcentage de survenue d’un événement. J’ai deux possibilités :

  • Je veux obtenir une différence significative
  • Je ne veux pas obtenir une différence significative

Je regarde alors le tableau ci-dessus. Tous les calculs sont réalisés avec 100 patients dans chaque groupe.

Dans la partie bleue, j’ai fait varier les pourcentages obtenus dans les deux groupes en ajoutant un pourcentage fixe de chaque côté : +5%. La différence entre les deux pourcentages est donc constante ; par définition, le nombre de patients à traiter pour éviter un événement aussi.

Dans la partie rose, j’ai fait varier les pourcentages obtenus dans les deux groupes en les multipliant par une valeur fixe de chaque côté : x1.5. Le pourcentage de variation reste donc constant mais la différence entre les deux pourcentages augmente.

En regardant les colonnes « α », je m’aperçois que la significativité statistique est obtenue pour les petites valeurs de P1 et P2 par rapport à celles obtenues par addition d’une constante. Par contre, si je peux affecter mes pourcentages P1 et P2 d’un facteur multiplicatif, alors plus ce facteur est important, plus j’ai de chance d’obtenir une significativité. Cela revient à additionner des pourcentages avec le même rapport.

Si je souhaite obtenir une significativité, j’ai donc 2 possibilités :

  • Augmenter mes pourcentages selon un facteur multiplicatif
  • Diminuer mes pourcentages selon un facteur additif

Je ferai l’inverse si je ne souhaite pas obtenir de significativité (par exemple lors de l’évaluation de la tolérance d’un produit lors d’une enquête épidémiologique)

Pour modifier les pourcentages, je peux disposer des éléments suivants :

  • Les critères de sélection des patients
  • Le critère d’évaluation
  • La durée de suivi

Ensuite pour évaluer l’évolution d’un critère d’efficacité en fonction de la durée de suivi ou des types de patients, il faut analyser les études épidémiologiques et les données brutes des études déjà réalisées dans le domaine.

Un des systèmes les plus simple est le critère combiné.

Par exemple : décès de cause vasculaire + infarctus du myocarde + AVC.

Si mon produit a un petit effet sur chaque élément de mon critère combiné, je me retrouve dans la situation rose du tableau.

Voici un exemple de critère combiné sur le tableau 2 de N Engl J Med 2001;345:494-502. Le critère principal est la somme d’événements graves (décès de cause vasculaire + infarctus du myocarde + AVC) mais l’effet le plus notable semble être sur ce qui n’est pas un décès ou un AVC.

J’ai repris le tableau 2 ci dessous et ai fait un chi2 pour chaque ligne. La significativité est au dessus de 3.84 (1.960 au carré). Certains nombres sont probablement un peu faux car les données disponibles ne permettent pas de savoir si certains patients ont eu deux événements (on peut avoir la vérole et un bar-tabac comme le dit l’adage bien connu) ou si la base est identique.

 

VERUM

PLACEBO

6259

6303

Chi2

First primary outcome (FPO)

582

719

15.04

Second primary outcome

1035

1187

11.37

Décès CV

318

345

0.97

Infarctus du myocarde

324

419

12.21

IdM avec Q

116

193

19.12

IdM sans Q

216

242

1.35

STROKE

75

87

0.82

Refractory Ischemia

544

587

1.48

Hospitalisation

85

126

7.81

après hospitalisation

459

461

0.00

Décès non CV

41

45

0.16

FPO+Décès non CV

623

764

15.02

Décès totaux

359

390

1.14

FPO-Décès CV – Stroke

189

287

20.26

Décès CV + stroke

393

432

1.69

 

Les informations disponibles sur la figure 4 de ce même article sont potentiellement d’une aide précieuse pour définir les critères d’inclusions dans les futurs essais. Dommage  que ces informations ne soient disponibles que pour le critère combiné.  Elles permettent de cibler des patients pour lesquels l’efficacité semble meilleure donc réduire le coût de l’essai ou favoriser l’obtention d’une différence ou pas.

En conclusion, méfiez vous des critères combinés. Surtout qu’ils peuvent se cacher partout. Si je vous parle des effets indésirables par système (gastro-intestinaux, neurologiques…) ne suis-je pas en train de vous parler d’un critère combiné ?

 

Share

Leave a Reply Cancel reply

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Search

Commentaires récents

  • Alexis dans Lecture critique (3) : Analyse de la population incluse et ajustements.
  • FRG dans Lecture critique (3) : Analyse de la population incluse et ajustements.
  • Daniel Pérez dans La vérole et le bar-tabac
  • Azaïs dans Je viens de télécharger les analyses de la FDA sur Tecfidera ®
  • Alexis dans Chic ! Avec l’intelligence artificielle, on va avoir plein d’études biaisées.

Articles récents

  • Chic ! Avec l’intelligence artificielle, on va avoir plein d’études biaisées.

    3 avril 2018
  • Deux ans sans publication mais pour la bonne cause

    13 mars 2018
  • Quand il y a un « trou » (dans les données), c’est qu’y a un loup ! (Martine et Alexis)

    19 juin 2015
  • J’adore supputer, ce sera donc un peu moins sérieux… quoi que…

    21 mai 2015
  • Deux autres petits trucs qui rendent les odds-ratios un peu « odd ».

    14 mai 2015
  • Bon la dompéridone on n’y croit pas trop…et qu’est ce qui la différencie du mediator ?

    1 mai 2015
  • La vérole et le bar-tabac

    19 avril 2015
  • Domperidone

    14 avril 2015
  • Propensity scores, ou comment transformer une étude de suivi en un essai randomisé.

    3 avril 2015
  • The Will Rogers phenomenon, et petite digression sur le dépistage

    9 février 2015
  • Tiens, la National Academy Press publie un document sur les données des essais cliniques

    5 février 2015
  • Le monitoring nouveau des essais cliniques est sorti. Bonne ou mauvaise nouvelle pour les fraudeurs (et pour ceux qui les recherchent) ?

    30 janvier 2015
  • Faire une étude sur cohorte positive, fastoche !

    27 janvier 2015
  • Fraude et essai clinique biaisé. La détection des fraudes permet-elle d’exclure les essais cliniques biaisés ?

    6 janvier 2015
  • Les méta-analyses ne seraient-elles pas réellement intéressantes quand elles sont non-valides en raison d’une hétérogénéité ?

    5 décembre 2014
  • Lecture critique (12) Analyse des essais cliniques randomisés en double aveugle destinés à mettre en évidence une supériorité: récapitulatif

    20 novembre 2014
  • Finalement, il ne s’est rien passé à l’EMA ce jeudi 2 octobre.

    7 octobre 2014
  • Si on commence à critiquer les avis de l’EMA …

    28 février 2014
  • Les courbes de survie

    18 février 2014
  • Réponse de l’EMA à mon mail du 20 Novembre 2013 … et ma réponse

    9 février 2014
  • 20 novembre 2013 – 21 janvier 2014 : nouvelle plainte contre l’EMA

    21 janvier 2014
  • La FDA, ses analyses sélectives et l’Alemtuzumab

    6 janvier 2014
  • NNT

    18 décembre 2013
  • Incidence et Prévalence

    13 décembre 2013
  • Risque de sclérose en plaques avec les vaccins (ou autre produit)

    27 novembre 2013
  • Suite des relations avec l’EMA

    20 novembre 2013
  • A la recherche du bon critère d’évaluation

    18 octobre 2013
  • Evénements indésirables rares et loi de Poisson (ou loi binomiale)

    11 octobre 2013
  • Policy 0070 on publication and access to clinical-trial data

    3 septembre 2013
  • Lecture critique (11) : biais ou risque de biais,

    30 août 2013
  • Ô temps, suspends ton vol ! … de données valides

    16 juillet 2013
  • Individual Patient Data (IPD) : une nécessaire mise à disposition de la communité scientifique

    11 juillet 2013
  • P…. d’effet placebo !

    2 juillet 2013
  • Règles CONSORT pour les essais tronqués

    27 juin 2013
  • Lecture critique (10) : Les analyses de sous-groupes

    26 juin 2013
  • Alltrials pour les biais de publication… et les autres biais?

    19 juin 2013
  • Lecture critique (9) : L’aveugle dans les essais cliniques.

    10 juin 2013
  • Analyse critique (8) : La cohérence externe

    5 juin 2013
  • Je viens de télécharger les analyses de la FDA sur Tecfidera ®

    18 mai 2013
  • La puissance

    12 mai 2013

(c) 2013 Etudes & Biais -