Etudes & Biais

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

Faire une étude sur cohorte positive, fastoche !

Posted on 27 janvier 2015 by Alexis in Article No Comments
  • Home
  • Article
  • Faire une étude sur cohorte positive, fastoche !

(Cet article précise celui sur les biais liés au temps)

Exemple :

évaluons l’impact de la prise  d’un sirop de grenadine sur la mortalité des patients diabétiques.

Par chance, nous disposons d’une cohorte de patients diabétiques qui ont noté s’ils prenaient du sirop de grenadine ou non. C’est une grosse cohorte, plus de 50 000 patients.

Comparons donc les patients ayant pris du sirop de grenadine et ceux n’en ayant jamais pris sur le taux de mortalité.

Par chance, les caractéristiques initiales des patients dans les deux groupes sont identiques (initial : au moment de leur première entrée dans la base de données de la cohorte). Tous les ajustements sur l’âge, le sexe, la gravité du diabète et les comorbidités ont été réalisés et ne modifient pas le résultat.

Surprise, les patients ayant pris du sirop de grenadine vivent plus longtemps que ceux qui n’en ont jamais pris !

Une telle découverte mérite publication. Son titre sera: le sirop de grenadine diminue la mortalité chez les diabétiques.

Si vous êtes étonnés que le sirop de grenadine puisse avoir un tel effet, sachez que j’aurais pu obtenir le même résultat avec le gâteau au chocolat, aux amandes ou le fait d’être monté dans une voiture jaune.

Le biais de cette étude est facile à comprendre : pour boire un sirop de grenadine, manger un gâteau au chocolat, aux amandes ou monter dans une voiture jaune, il faut être vivant.

Les patients qui ont bu le sirop de grenadine ne sont donc pas morts avant de le boire et tous ceux qui meurent avant de boire un sirop de grenadine sont dans le groupe contrôle. Si on prend en compte dans le groupe des « cas » la période entre l’entrée dans la cohorte et la prise de grenadine, on offre aux « cas » une période d’immortalité au cours de laquelle aucun décès ne peut survenir.

Un petit schéma pour expliquer le problème

 

MIB

 

Sur le même principe, ceux qui prennent plusieurs fois du sirop de grenadine peuvent survivre plus longtemps que ceux qui n’en prennent qu’une fois. Ce qui permet de valider un des critères de Hill pour suggérer une causalité…

Ce biais est le biais d’immortalité ou immortal time bias en anglais.

Le biais d’immortalité, tel que décrit ci-dessus, sous-estime toujours le risque (ici de décès) dans le groupe exposé.

Il y a plein d’exemples dans la littérature. S. Suissa en colligeait une vingtaine en 2007 . Le « drug exposure » correspond à mon sirop de grenadine.

 

exemples suissa 2007

Comme vous pouvez le constater sur le tableau ci-dessus, Suissa décrit deux cas de biais d’immortalité. Le premier -misclassified immortal bias- est celui décrit ci dessus.

Le second biais décrit dans l’article est l’ « excluded immortal bias ». Il survient lors de la comparaison de deux cohortes débutant à des moments différents.

Reprenons l’exemple du sirop de grenadine. Supposons maintenant que le protocole prévoie que les patients du groupe « cas » entrent dans le suivi quand ils ont pris le sirop de grenadine.

EIB

On compare donc deux cohortes débutant à des moments différents (flèches rouges). On exclut donc du calcul les « patients-durée » du groupe « cas » avant la prise du sirop. Ces patients-durée devraient être intégrés au groupe contrôle. Ce sont des patients « immortels » qui doivent être inclus dans le groupe contrôle.

En excluant des patients-durée non exposés qui ne vérifient pas le critère d’évaluation (décès), on augmente le risque de décès dans le groupe non exposé (le numérateur est identique -nombre de décès- mais le dénominateur est diminué par le biais puisqu’il n’inclut pas les patients-durée immortels.

A noter que l’entrée des deux groupes comparés à différents moments du suivi risque de créer deux groupes différents.

 

Certains développements de nouvelles indications pour ces médicaments sont basés sur ces études biaisées. Elles ne furent pas couronnées de succès…

 

Comment éviter ces biais?

Le principe proposé par Suissa consiste à réintégrer dans le groupe non-exposé/contrôle les patients-durée entre l’entrée dans la cohorte et la survenue de l’événement définissant l’exposition (la prise de sirop de grenadine) et de recalculer les hazard ratio avec ces nouvelles données de patients-durée.

Suissa propose aussi quelques règles pour aider les reviewers à détecter les biais d’immortalité

Si une étude de cohorte met en évidence un bénéfice important (HR <0.7), il faut obtenir des réponses aux questions suivantes : (on peut les poser quand même si le bénéfice est moindre..)

  • L’exposition au traitement est-elle déterminée pendant le suivi des patients?
  • Le début du suivi est-il différent pour les deux groupes constitués (traité et contrôle)?
  • Les groupes de traitement sont-ils déterminés de manière hiérarchique, d’abord le groupe traité puis le groupe contrôle?
  • Les patients étaient-ils exclus du suivi sur la base de l’instauration d’un traitement?
  • Les résultats sont-ils présentés en « nombre de patients » (et non en nombre de « patients-durée »)?
  • L’analyse est-elle basée sur des durées fixes

Bonne recherche des Immortels !

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 -