2 TL ; DR - Guide d’évaluation des comparaisons à un groupe contrôle externe
3 Les études de comparaison externe, de quoi s’agit-il ?
5 Les problématiques méthodologiques soulevées par les comparaisons externes
6 Les comparaisons externes sont des études observationnelles
7 Position des agences de régulation et de HTA
8 De la nécessité d’avoir des preuves de l’intérêt cliniques des nouveaux traitements
9 Les sources de données utilisables
10 Les problématiques liées à l’aspect rétrospectif de ces études
12 Démarche hypothético déductive
13 L’inférence causale et les hypothèses sous-jacentes
15 Les techniques d’analyses statistiques
16 Le diagnostic d’absence de biais de confusion résiduel
18 Identifications des patients dans la source de données
19.1.1 Biais de classification du critère de jugement
§ Erreur de classification dans les études monobras
19.1.2 Le biais de classification de l’exposition
19.1.3 Erreur de mesure sur les covariables
19.1.4 Précision des données afin d’assurer l’hypothèse de cohérence (consistency ) (STUVA) de l’inférence causale
21 Les outils d’évaluation du risque de biais
22 L’émulation d’un essai cible
23 Le benchmarking et les contrôles positifs
24 Analyses de sensibilité , analyses quantitatives du biais
26 Contrôle du risque alpha global
Le codage de la variable traitement doit être suffisamment précis pour éviter que deux modalités différentes de traitement soient codées de la même façon afin de satisfaire l’hypothèse fondamentale de cohérence de l’inférence causale qui est l’une des composantes de l’hypothèse STUVA (cf. section 13.1.2). Cette hypothèse implique que l’issue observée (l’outcome, valeur du critère de jugement) pour un individu sous le traitement qu’il reçoit correspond à son outcome potentiel avec ce traitement. Cela nécessite qu’il n’existe pas de multiples versions du traitement évalué associées chacune à un outcome potentiel différent. En effet, l’issue observée chez un patient, recevant apparemment le traitement A alors qu’en réalité il reçoit le traitement B, ne correspondra pas à son outcome potentiel avec le traitement A. Cela surviendrait si le codage de la variable traitement est insuffisamment précis pour distinguer ces versions différentes du traitement. Si la dose de la prescription est importante, les données doivent être suffisamment précises pour distinguer les doses prescrites.
Cela peut aussi survenir en cas d’erreur de classification de l’exposition dans le groupe contrôle. Par exemple dans un groupe contrôle non traité, si des patients en réalité traités sont inclus par erreur, leur issue observée ne correspondra pas à leur outcome potentiel sans traitement.
Avec un groupe contrôle traité, identifié à partir d’une base de données administrative de dispensation, des patients inclus dans ce groupe (considéré traité par le traitement contrôle) pourront en réalité être non traités (dispensation n’impliquant pas forcément la prise du traitement) et leur l’issue observée ne correspondra pas à leur outcome potentiel traité avec ce traitement.
La cible de l’inférence étant l’effet de l’assignement à un traitement (analyse en intention de traiter, cf. section 13.4) ces considérations sur les versions du traitement concernent uniquement le traitement initialement prescrit, et non pas les modifications de ce traitement (réduction de dose, arrêt prématuré, switch, etc.) survenant au cours du temps du fait des effets indésirables ou de l’évolution de l’état clinique du patient. L’outcome potentiel rattaché à un traitement intègre l’effet de ces adaptations inévitables et souhaitables, qui se reproduiront lors de l’utilisation en pratique du traitement (outcome potentiel avec le traitement tel qu’assigné, indépendamment des événements intercurrents et de leurs conséquences sur le critère de jugement). Il s’agit alors de l’estimand « policy treatment » (cf. section 13.4.2).
