Le score de propension ou mthode de la

Le score de propension (ou méthode de la probabilité prédite) D ’après : Rosenbaum et Rubin 1983. Biometrika 70, 1, 41 -55 Drake et Fisher, 1995. Int. J. Epidemiol. 24, 1, 183 -187 Austin, 2007. Stat. Med. 26, 3078 -3094 Austin, 2008. Stat. Med. 27, 2037 -2049 www. infectiologie. com/site/medias/JNI 06/CP/cp 1 -Alla. pdf 18/11/2008 C. Fermanian 1

§ Quand un essai thérapeutique contrôlé randomisé n'est pas perçu comme possible § -> étude observationnelle. § Les études d'observation ne permettent habituellement pas de conclure en termes de causalité, car une différence observée entre les patients traités et non traités (ou exposés et non exposés) peut être liée non pas au choix thérapeutique (ou au facteur d'exposition), mais aux raisons de ce choix (biais d'indication, ou plus largement biais de sélection). 18/11/2008 C. Fermanian 2

§ Historiquement, les études ayant analysé cette situation ont utilisé des modèles de régression pour estimer des effets traitement conditionnels (régression logistique « classique » ou modèles de Cox). 18/11/2008 C. Fermanian 3

§ L'analyse de propension consiste à tenir compte, dans l'analyse de la relation entre un traitement et son résultat, de la probabilité d'avoir été traité. § Si on tient compte de cette probabilité dans l'estimation de l'effet du traitement, on se met en situation 'quasi-expérimentale'. 18/11/2008 C. Fermanian 4

§ Etapes d'une analyse de propension: § 1) Identifier les variables pouvant avoir un lien avec la nature du traitement / de l'exposition (variables de confusion) § 2) Estimer la Pr conditionnelle d'être traité sachant la valeur de certaines covariables (= score de propension, SP) § 3) Etudier la relation entre le traitement et le résultat en appariant, ajustant et/ou stratifiant sur les variables de confusion, utilisées soit individuellement, soit combinées dans le SP. 18/11/2008 C. Fermanian 5

§ Proposition (Rosenbaum et Rubin, 1983) : Si la variable de résultat Y 0 est indépendante de l’accès au traitement T conditionnellement aux observables X, alors elle est également indépendante de T conditionnellement au score de propension P(X) = Pr (T = 1| X) : Y 0 T | X Y 0 T | P(X) § En raison de cette propriété, il suffit d’apparier les individus sur leur score de propension, lequel constitue un résumé unidimensionnel de l’ensemble de ces variables § L’individu non traité noté ĩ, qui est apparié avec l’individu traité i, est alors défini par P(xi) = P(xĩ ) 18/11/2008 C. Fermanian 6

Evolution du nombre de publications utilisant des analyses de SP: => Le besoin est réel. 18/11/2008 C. Fermanian 7

Exemple: endocardite infectieuse (d ’après Alla et al. , 2008 Ann. Cardiol. Angeiol. (Paris). 57(2): 98 -101) 1) identification des facteurs de confusion 18/11/2008 C. Fermanian 8

1) calcul du SP -> constitution de strates (chacune ayant sa propre distribution des facteurs de confusion) 18/11/2008 C. Fermanian 9

18/11/2008 C. Fermanian 10

Apports de la recherche empirique et théorique § Par rapport à la stratification, l ’appariement sur le SP élimine une plus grande proportion des différences de ligne de base entre traités et témoins. § Cependant l ’analyse des échantillons appariés sur le SP requiert des méthodes statistiques spécifiques (test t apparié et test des rangs signés de Wilcoxon, ou test de Mc. Nemar pour les données binaires) 18/11/2008 C. Fermanian 11

§ Revue de la littérature (47 articles sur la période 1996 -2003) sur l ’appariement sur le SP (Austin, 2008, Stat. Med. 27: 2037 -2049) -> seulement 2 des articles ont parlé des caractéristiques de ligne de base entre traités et témoins dans l ’échantillon apparié et utilisé des méthodes correctes pour quantifier le degré de déséquilibre. 18/11/2008 C. Fermanian 12

§ Treize articles sur 47 (28%) ont utilisé des méthodes statistiques adaptées aux données appariées lors de l ’estimation de l ’effet traitement. § Des erreurs courantes sont 1) l ’utilisation du test du log-rank pour comparer des courbes de survie de Kaplan-Meier dans l ’échantillon apparié, et 2) l ’utilisation de modèles de régression ou de tests pour échantillons indépendants. 18/11/2008 C. Fermanian 13

Comparaison SP / régression «classique» § Sur 43 études ayant utilisé simultanément les méthodes de SP et l’ajustement par régression « classique » pour estimer les effets traitement -> au total 59 effets traitement différents § En moyenne, les méthodes de SP ont mené à un OR ou un HR 6, 4 % plus proche de 1 que les méthodes conventionnelles. 18/11/2008 C. Fermanian 14

§ Dans 8 des associations (13, 6%), il a été observé une différence relative entre méthodes dépassant 25%. § Egalement chez 8 des associations, l’effet a été classé comme significatif par ajustement par régression, alors qu’il était NS en utilisant les méthodes basées sur le SP. 18/11/2008 C. Fermanian 15

Inconvénients de la méthode § On ne peut pas prétendre, le plus souvent, être exhaustif sur le choix des facteurs de confusion. § Le SP doit être estimé, usuellement à l’aide d’un modèle paramétrique. § Si on veut faire intervenir des variables pronostiques on doit utiliser un modèle qui contiendra par ailleurs le SP (luimême estimé). § La recherche concernant ce que le fait de travailler conditionnellement au SP induit comme biais dans les autres mesures de l ’effet traitement est encore embryonnaire. § Quid des sujets ne pouvant pas être appariés ? -> perte d ’information et de précision dans l ’estimation 18/11/2008 C. Fermanian 16

Comment utiliser à bon escient le SP ? § Réserver son emploi dans des conditions définies. § Définir précisément le design de l ’étude et les variables de confusion, identifier et mesurer les potentiels facteurs de confusion non mesurés. § Vérifier l ’équilibre entre les facteurs de confusion, car il reflète directement la force du score de propension. 18/11/2008 C. Fermanian 17