1 / 86

La méta-analyse des essais thérapeutiques

Service de Biostatistiques Service de Pharmacologie Clinique - EA 643. La méta-analyse des essais thérapeutiques. Michel Cucherat mcu@upcl.univ-lyon1.fr. www.spc.univ-lyon1.fr/user/mcu/polycops. But et principes. Problématique : multiplicité de l'information. Essai 1. Essai 5. Essai 3.

Download Presentation

La méta-analyse des essais thérapeutiques

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Service de Biostatistiques Service de Pharmacologie Clinique - EA 643 La méta-analyse des essais thérapeutiques Michel Cucherat mcu@upcl.univ-lyon1.fr www.spc.univ-lyon1.fr/user/mcu/polycops

  2. But et principes

  3. Problématique : multiplicité de l'information Essai 1 Essai 5 Essai 3 Essai 2 Essai 4 Conclusion pour la pratique Synthèse Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  4. Problèmes liés à la synthèse de l'information • Existence d'un risque d'erreur statistique au niveau des essais • Sélection des essais • Pollution par les études biaisées • Conséquence de la non publication de certains travaux • Sens d'un résultat global, agrégatif Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  5. Exemple introductif Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  6. Résultats concluants - non concluants • Essais concluants • différence significative • en faveur de l'effet du traitement • mais risque alpha • Essais non concluants • différence non significative • ne donnent pas d'argument en faveur de l'effet du traitement • deux origines • absence d’effet du traitement • manque de puissance Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  7. Au total ? • Résultats apparemment discordants • 1 résultats significatifs • 5 résultats non significatifs • Il est possible de faire deux conclusions opposées • au total, ces résultats sont en faveur de l'efficacité du traitement • au total, ces résultats ne sont pas en faveur de l'efficacité du traitement Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  8. Conclusion en faveur de l'efficacité • S'appuie sur les résultats significatifs • un seul, mais essai parmi les deux plus grands • Les résultats non significatifs • sont expliqués par un manque de puissance Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  9. Conclusion en défaveur de l'efficacité • La majorité des essais sont non significatifs • Un seul essai est significatif • rejeté en argumentant le risque alpha • probabilité de 5% que le résultat soit dû au hasard • Non prise en compte du manque de puissance des essais non significatifs Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  10. Solution - 1 Existence d'un risque d'erreur statistique au niveau des résultats des essai Calcul d'un effet traitement commun à partir des données de chaque essai Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  11. Problèmes liés à la synthèse de l'information • Existence d'un risque d'erreur statistique au niveau des essais • Sélection des essais • Pollution par les études biaisées • Conséquence de la non publication de certains travaux • Sens d'un résultat global, agrégatif Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  12. Synthèse de résultats d'essais thérapeutiques • Méta-analyse • méthodologie rigoureuse : reproductible • méthode statistique : quantification de l'effet traitement • Revue de la littérature • pas de méthode, subjectif • correspond parfois à une simple opinion argumentée • discursif Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  13. Fréquence de citation en fonction des résultats • Hypocholestérolémiants, Ravnskov, BMJ 1992 • Nombre de citations par an • résultats favorable (n=14) 40 • résultats non favorables (n=10) 7.4 • résultats favorable dans une grande revue (n=8) 61 Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  14. Fréquence de citation en fonction des résultats (2) • 2 essais publié dans le JAMA • Fréquence de citation dans les années suivant la publication 1er 2ème 3éme 4éme • LRC, favorable 109 121 202 180 • Miettinen, non favorable 6 5 3 Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  15. Solution - 2 Sélection arbitraire des essais en fonction de leurs résultats Prise en compte de tous les essais quelle que soit la nature de leur résultat Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  16. Problèmes liés à la synthèse de l'information • Existence d'un risque d'erreur statistique au niveau des essais • Sélection des essais • Pollution par les études biaisées • Conséquence de la non publication de certains travaux • Sens d'un résultat global, agrégatif Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  17. MA = GIGO Garbage in Garbage out Méta-analyse essais biaisés méta-analyse biaisée Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  18. GIGO conséquence 1 • La méta-analyse n'est pas une méthode magique • elle n'améliore pas la qualité des études qu'elle regroupe • p.e. : La méta-analyse d'études d'observation a la valeur des études d'observation Études potentiellement biaisées MA potentiellement biaisée Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  19. GIGO conséquence 2 • Une ou des études biaisées biaisent le résultat de la méta-analyse • Effet tampon de la MA: résultat de la MA moins biaisé que celui des essais biaisés • détection par les outils de recherche de l'hétérogénéité • Décision prise en fonction de la MA est moins erronée que celle prise uniquement en fonction de/des essais biaisés Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  20. Solution - 3 La prise en compte d'essais biaisés qui faussent le résultat de la synthèse Sélection des essais dont la qualité méthodologique garantit suffisamment l'absence de biais Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  21. Problèmes liés à la synthèse de l'information • Existence d'un risque d'erreur statistique au niveau des essais • Sélection des essais • Pollution par les études biaisées • Conséquence de la non publication de certains travaux • Sens d'un résultat global, agrégatif Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  22. Biais de publication Les essais positifs sont plus facilement publiés que les négatifs Différence significative Différencenon-significative Publication Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  23. Biais de publication • Un essai peut être positif à tort (risque alpha) • Exemple d'un traitement sans efficacité • Risque alpha = 5% Essais réalisés Essais publiés E. positifs 5 5 E. négatifs 95 0 Méta-analyse positive Méta-analyse négative ! Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  24. Biais de publication (2) • Influence de la significativité des résultats sur la publication Easterbrook et al., Lancet 1991 285 études soumises au comité d'éthique d'Oxford Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  25. Biais de publicationévaluation • Évaluation de l'influence de la signification des résultats sur l'acceptation d'un manuscrit Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  26. Solution - 4 Biais de publication lié à la non publication des résultats négatifs Recherche exhaustive des essais publiées et non publiés Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  27. Problèmes liés à la synthèse de l'information • Existence d'un risque d'erreur statistique au niveau des essais • Sélection des essais • Pollution par les études biaisées • Conséquence de la non publication de certains travaux • Sens d'un résultat global, agrégatif Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  28. Difficultés • Danger = regrouper des informations différentes • patients différents • traitements différents • des critères différents • des essais de qualité différente • mélanger des pommes et des oranges • La synthèse de l’information a-t-elle un sens ? • Solution : question précise Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  29. Opposition pragmatique - explicatif Pragmatique Explicatif Critères larges Critères précis Effet de la baisse ducholestérol Effet des statines Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  30. Solution - 5 Sens d'un résultat global Formulation d'une question Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  31. Solutions apportées par la MA • Synthèse • répondant à une question précise • Exhaustive • arguments en faveur et en défaveur de l'hypothèse • Quantifiée • prise en compte des problèmes statistiques • meilleure estimation possible de la taille de l'effet étant donnée la totalité de l’information disponible • Basée sur des résultats non biaisés • Reproductible : méthodologie Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  32. Apports de la méta-analyse par rapport à un seul essai • Synthèse de l'information • Réduction de la quantité d'information • Clarification des situations contradictoires • Peser les arguments en faveur ou en défaveur de l'effet du traitement • Meilleure précision dans l'estimation de la taille de l'effet • Gain en puissance • Représentativité accrue Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  33. Les mesures de l'effet traitement

  34. Mesure de l'effet traitement • Quantification de la taille de l'effet du traitement • Quantité d'effet • mesurée par des indices d'efficacité • Indices (critères binaires / critères continus) • risque relatif • odds ratio • différence des risques • nombre de sujet nécessaire de traiter • "effect size" Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  35. Mesure de l'effet traitement : Critères binaires • Les plus utilisés • Fréquence de survenu (risque) d'un événement • dans de groupe contrôle R0 • dans le groupe traité R1 Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  36. Groupe traité -- -- -- Groupe contrôle -- -- -- Données nécessaires • Données résumées (tabulées) • pour chaque essais, une table 2x2 par critère Critère 1 Événement présent Événement absent effectif Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  37. Risque Relatif • RR = RT / RC Ev. Effectif Risque Grp T 45 180 45 / 180 = 0.25 Grp C 56 176 56 / 176 = 0.32 RR = 0.25 / 0.32 = 0.79 • Réduction Relative de Risque RRR = 1 - 0.79 = 21% Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  38. Risque relatif, interprétation • RR < 1 (RT < RC) • le traitement réduit la fréquence de l'événement • effet bénéfique • RR > 1 (RT > RC) • le traitement augmente la fréquence de l'événement • effet délétère • RR = 1 (RT = RC) • le traitement est sans effet Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  39. Odds ratio Ev. Effectif Risque Grp T 45 180 45 / 180 = 0.25 Grp C 56 176 56 / 176 = 0.32 OR = (0.25/(1-0.25) /( 0.32/(1-0.32)) = 0.71 • L'odds ratio est une approximation du risque relatif Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  40. 1.0 0.8 0.6 Odds-ratio 0.4 RR=0.8 0.2 0.0 0.00 0.25 0.50 0.75 1.00 Risque de base dans le groupe contrôle Relation entre RR et OR L’OR n’est proche du RR que si le risque de base est faible (<0.4) Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  41. Mesure de l'effet : Différence des risques • DR = RT - RC Ev. Effectif Risque Grp T 45 180 45 / 180 = 0.25 Grp C 56 176 56 / 176 = 0.32 DR = 0.25 - 0.32 = -0.07 = -7% • Absence d’effet DR = 0 Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  42. Mesure de l’effetNombre nécessaire de traiter NNT • NNT = Nb de patients nécessaire de traiter pour éviter UN événement • NNT = 1 / DR 1 / 0.07 = 14 • Intérêts • signification «clinique» • Limites • personnalise trop le bénéfice • calcul de l’intervalle de confiance Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  43. NNTerreurs d’interprétation • 14 sujets à traiter pour éviter 1 événements • sur 14 patients un seul bénéficie du traitement • NNT = Nombre moyen • tous les patients bénéficient un peu du traitement • en moyenne cela équivaut à un événement évité pour NNT patients traiter Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  44. Exercice d'application (1) • 4S : statine, prévention secondaire • n = 2223 + 2221 • 11,5% vs 8,2% • 4,9 ans • WOSCOPS : statine, prévention primaire • n = 3293 + 3302 • 4,1% vs 3,2% • 5,4 ans • ISIS 2 : fibrinolyse, IDM • n = 8595 + 8592 • 12,0% vs 9,2% • 5 sem. Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  45. Exercice d'application (2) RR DR NNT 4S 0.71 3.3% 30 WOSCOPS 0.78 0.9% 112 ISIS 2 0.77 2.8% 36 Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  46. Relation RR DR R0=50% R1=25% RR=0.5 DR=25% R0=1% R1=0.5% RR=0.5 DR=0.5% R0=10% R1=5% RR=0.5 DR=5% Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  47. Bénéfice absolu - relative • Bénéfice absolu • Différence de risque • Santé publique • Conséquence du traitement • Bénéfice relatif • Risque relatif • Explication • Efficacité du médicament Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  48. Pertinence clinique • pertinence clinique <> signification statistique • dépends du risque de base (naturel) • importance de l’intervalle de confiance • RR = 0.70 [0.42; 0.98] • RR = 0.70 [0.65; 0.75] Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

  49. Principe général

  50. Hypothèse de base • Effet observé dans un essai = part fixe commune à tous les essais + part spécifique à chaque essai • But de la méta-analyse : • estimer la part fixe commune • effet traitement commun, global • intervalle de confiance • test statistique Michel Cucherat - Service de Biostatistique et service de Pharmacologie Clinique - Lyon

More Related