Bienvenue sur le site du GDR « Statistiques et santé » !

Les brèves…

Journées GDR, SFB : appel à communications (2017-04-19 16:42:07)

L’appel à communications est disponible, vous pouvez le consulter ici. Date limite : le 9 juin 2017. Merci par avance de vos propositions !

Transmissions des maladies infectieuses

Beaucoup d’études épidémiologiques recueillent des données relatives à un suivi de sujets dans le temps. En effet, les phénomènes biologiques évoluent dans le temps comme tous les phénomènes physiques, et la causalité est étroitement liée au temps. Les modèles développés pour traiter ces données peuvent avoir une interprétation causale plus ou moins poussée. Dans la plupart des études épidémiologiques classiques, on se contente de parler de facteurs de risques : ce sont des facteurs qui pourraient avoir un rôle causal sans que l’on connaisse les détails du mécanisme. Dans les études d’observation, on ne peut que rarement être sûr de ce caractère causal ; dans les essais randomisés on peut parler de causalité avec plus d’assurance. Enfin on peut développer des modèles fondés sur la connaissance de mécanismes biologiques : on connaît par exemple les lois de diffusion de molécules dans le corps et cette connaissance est utilisée dans les modèles pharmacocinétiques ; on connaît pour certaines maladies les virus responsables et l’on peut modéliser l’interaction de ces virus et du système immunitaire de l’hôte. Les modèles dynamiques lorsqu’ils sont bien construits
permettent d’approcher les relations causales.

Un second volet de ce thème concerne la prise en compte dans les modèles de régression pour des données de survie multivariées du caractère évolutif des paramètres au cours du temps. Les développements récents portent sur l’estimation des effets de facteurs pronostiques dépendants du temps et l’inclusion de covariables, dites dynamiques, incluant les événements passés.

Les auteurs : Pascal Crepey

Analyse médico-économique

Devant la nécessité de rationaliser et d’optimiser les ressources allouées au système de santé, l’évaluation clinique n’est plus l’unique critère d’évaluation permettant d’orienter les décideurs. Dans le contexte des maladies chroniques, il est donc devenu indispensable d’évaluer l’efficacité d’un parcours de soins ou d’une action de santé mais aussi son efficience, à savoir le rapport entre les moyens engagés (les coûts) et les résultats obtenus (l’efficacité). Pour cela, des développements méthodologiques sont nécessaires pour répondre à la particularité du contexte des maladies chroniques.

Le recueil des données de coûts peut s’avérer complexe. En effet, le patient va être suivi en ville, à l’hôpital, faisant appel à différentes nomenclatures et sources de financement, ce qui complexifie le circuit des données. De plus, le recueil des données et le choix des variables permettant de faire une valorisation rigoureuse constitue en soi une méthodologie, puisqu’en fonction du point de vue de l’étude ainsi que son horizon temporel, il faut recueillir l’ensemble des consommations de soins représentatifs de la prise en charge du patient. Un arbitrage est à réaliser
entre l’exhaustivité et la faisabilité du recueil. À cela, s’ajoute de la même façon que pour les données cliniques, la problématique de la censure. En effet, les patients sont suivis au long cours dans le cadre de maladie chronique et les données relatives à la consommation de soins sont souvent censurées dans ce contexte. Cette censure doit être prise en compte dans l’estimation des coûts et nécessite donc le développement de méthodologies spécifiques.

L’estimation fiable d’outil d’aide à la décision. Cet outil d’aide à la décision — le ratio différentiel coût-efficacité — comprend le critère d’efficacité et le critère de coût. La notion d’incertitude doit être considérée lors de son estimation. Des méthodologies adaptées d’analyses de sensibilité existent et peuvent être adaptées en fonction de la problématique. De plus, avec la chronicisation des maladies telles que le cancer, la question de la qualité de vie devient incontournable. La qualité de vie doit être recueillie en temps réel et au fil de l’eau pour être exploitable. Le critère de décision a donc été adapté pour prendre en considération ces aspects. La
notion de QALY (Quality Ajusted Life Year) est un outil intéressant dans ce cadre dans la mesure où elle combine des estimations de la quantité et de la qualité de vie. Cependant, de nombreux problèmes méthodologiques liés au calcul des QALYs ont été soulevés auxquels il n’a pas encore été apportés de réponses satisfaisantes : l’hétérogénéité des mesures de qualité de vie qui peut mener à des décisions contradictoires selon la mesure retenue, la correspondance entre les mesures
de qualité de vie clinique et celles compatibles avec l’estimation des QALYs (études de « mapping »), la prise en compte de l’adaptation à des problèmes chroniques (problématique du « response shift »). La littérature est florissante à ce sujet et de nombreux sujets de recherche en découlent.

Les auteurs : Yohann Foucher

Évolution des maladies chroniques

Les cohortes permettent le suivi de patients atteints de pathologies chroniques au cours du temps. Cette dimension temporelle permet l’analyse de temps d’apparition d’événements ou l’évolution de marqueurs au cours du temps. Ce type de base de données observationnelles est régulièrement associé à des travaux de recherches épidémiologiques ayant pour objectif de

  1. mieux comprendre l’étiologie et l’évolution de certaines pathologies chroniques, et
  2. proposer des outils pronostiques permettant une adaptation de la prise en charge.

Modélisation de l’histoire naturelle de la maladie

La richesse des données collectées dans les grandes cohortes en épidémiologie (mesures répétées des expositions et de marqueurs biologiques, cognitifs, d’imagerie ou de qualité de vie, collectes de divers événements cliniques et décès...) permet d’étudier finement l’histoire naturelle des pathologies chroniques en précisant
notamment les interrelations entre l’évolution de marqueurs et la progression clinique afin d’approcher les relations causales. Ceci nécessite le développement de modèles dynamiques multivariés prenant en compte la dimension temporelle des phénomènes étudiés et les multiples facettes de la maladie. Dans ce contexte, de nombreux travaux ont été réalisés récemment ou sont en cours sur les modèles multi-états, diverses extensions des modèles mixtes et les modèles conjoints pour les délais de survenue d’événements cliniques et l’évolution de marqueurs quantitatifs ou qualitatifs. Pour tendre vers une interprétation causale, il est de plus indispensable de prendre en compte les phénomènes de sélection liés à l’attrition de la cohorte, au décès ou à d’autres événements compétitifs et aux différentes formes de censure. Enfin, certaines mesures subjectives, comme la qualité de vie du patient, deviennent essentielles à prendre en compte pour évaluer le ressenti de la maladie par la patient et son processus d’adaptation à cet état de santé. Ces
dimensions peuvent en effet conditionner l’évolution de la maladie.

Évaluation des capacités pronostiques et stratégies de validation

En parallèle des approches étiologiques, les approches pronostiques s’attachent à prédire avec le minimum d’erreur l’évolution de la maladie. Ce pronostic peut être réalisé à partir d’un seul marqueur, mais aussi à partir d’un modèle combinant plusieurs variables explicatives et éventuellement leurs évolutions. Il est alors essentiel d’évaluer les capacités pronostiques de ces outils pour estimer la fiabilité de la prise de décision clinique correspondante. Comme en médecine diagnostique, la capacité prédictive d’un marqueur est souvent évaluée en utilisant un index de concordance (C-index). Le C-index de Harrell et l’aire sous la courbe ROC dépendante du temps sont les plus répandus. Néanmoins, comme dans la partie modélisation, ces indicateurs nécessitent de nombreuses adaptations pour prendre en compte une censure informative, des événements compétitifs ou la dimension dynamique lorsque toute l’évolution passée d’un marqueur est prise en compte pour prédire l’événement d’intérêt. D’autres indicateurs peuvent aussi être utilisés (comme la part de variance expliquée, R2) et de nouveaux travaux sont régulièrement publiés. Pour éviter une surestimation de la valeur de ces indicateurs, cette évaluation doit être réalisée à partir d’une cohorte de patients n’ayant pas participé à la construction du modèle. Cependant, dans le cas de cohorte de faible taille, il est souvent impossible de diviser l’échantillon pour l’apprentissage et la validation. Ainsi, une partie de la recherche dans ce domaine est composée de travaux présentant des algorithmes de ré-échantillonnage (bootstrap, validation croisée, 0.632, 0.632+, permutations, etc.)

Les auteurs : Hélène Jacqmin-Gadda , Yohann Foucher

Conception : équipe web du GDR « Statistiques et Santé » — Nous contacter — Site conçu avec SPIP, 2013 — Plan du site