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
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
§ Comparaison des logiques sous-jacentes aux 2 approches
24.2 Analyse quantitative du biais
26 Contrôle du risque alpha global
Analyse de sensibilité pour justifier de l’absence de biais (ou, plus exactement, du respect des hypothèses faites par l’analyse) |
Il est certain que l’analyse de sensibilité respecte l’hypothèse étudiée donc si elle donne un résultat similaire à l’analyse princeps cela amène à conclure que cette analyse princeps respecte aussi cette hypothèse |
Analyse quantitative de biais |
Compte tenu du contexte de l’étude et en cas d’absence d’effet du traitement, quelle serait la taille de l’écart à l’hypothèse sous-jacente, nécessaire pour expliquer le résultat obtenu. Un tel écart à l’hypothèse de l’analyse est-il possible ? S’il est raisonnablement possible de conclure qu’un tel écart à l’hypothèse faite par l’étude/analyse sur le biais étudié est peu plausible, cela pourra amener la conclusion que le résultat ne provient pas d’un tel biais |
Par exemple, ces études font l’hypothèse de l’absence de biais de classification de l’outcome, donc l’hypothèse d’absence d’erreur de classification asymétrique du critère de jugement. Pour explorer la vérification de cette hypothèse dans le cadre de l’étude, la logique de l’analyse de sensibilité est de montrer qu’en utilisant une définition alternative du critère de jugement, pour laquelle il est certain qu’il n’y a pas d’erreur de classification, l’estimation de l’effet du traitement reste inchangée. Cette approche fait à son tour une hypothèse forte : il n’y a pas d’erreur de classification avec la nouvelle définition du critère de jugement. Une autre limite réside dans la difficulté de faire une conclusion objective à l’absence de changement de résultat.
Pour le même objectif, l’analyse quantitative de biais pourra procéder en faisant l’hypothèse qu’il existe bien une erreur de classification asymétrique et en calculant pour différente valeur de cette erreur (en termes de sensibilité et de spécificité ou simplement en termes de taux de faux positifs et faux négatif) la taille de l’effet traitement que cela pourrait produire sous l’hypothèse nulle d’absence d’effet du traitement. La principale difficulté réside au niveau de l’appréciation de la plausibilité de la taille de l’erreur de classification qui invalide les résultats obtenus.
