Comparaisons à un groupe contrôle externe

1 Introduction

2 TL ; DR - Guide d’évaluation des comparaisons à un groupe contrôle externe

3 Les études de comparaison externe, de quoi s’agit-il ?

4 Pour quels usages

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

11 Rédaction du protocole

12 Démarche hypothético déductive

13 L’inférence causale et les hypothèses sous-jacentes

14 Le biais de confusion

15 Les techniques d’analyses statistiques

16 Le diagnostic d’absence de biais de confusion résiduel

17 Les biais de sélection

18 Identifications des patients dans la source de données

19 Biais liés aux données

20 La qualité des 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

25 Calcul d’effectif

§ Conséquences des analyses ajustées

§ Déséquilibres d’effectifs

§ Rareté des patients contrôles indépendamment de la fréquence de la maladie

§ Importance du calcul d’effectifs

§ Calcul d’effectif et choix de la source de données

§ Que faire en cas de nombre de sujets disponibles insuffisants

26 Contrôle du risque alpha global

27 Pertinence clinique

28 Méta-épidémiologie et étude de cas

29 Synopsis - les critères d’acceptabilité des études de comparaisons externes pour la modification des stratégies thérapeutiques

Références

30 Annexes

PDF

§ Conséquences des analyses ajustées

Le calcul d’effectif ne peut être qu’approximatif, car il est impossible de prendre en compte les conséquences de l’analyse ajustée en termes de puissance de la comparaison statistique. L’ajustement impacte la puissance en fonction des relations complexes existant entre les covariables, le traitement et le critère de jugement. Ces relations et leurs conséquences en termes de puissance sont impossibles à anticiper. En pratique, il est indispensable de majorer le nombre de sujets donnés par le calcul, de façon arbitraire, pour compenser ce phénomène.

La situation la plus simple pour illustrer cette problématique est la pondération par IPW qui conduit à un effective sample size (ESS) réduit par rapport au nombre initial de sujets. L’ESS peut être assimilé aux nombres de sujets contribuant effectivement à la comparaison. Le fait que l’ESS soit inférieur à l’effectif initial montre la réduction de puissance induite par l’ajustement. Mais la valeur de l’ESS n’est pas anticipable avant de réaliser l’analyse et il est donc impossible de le prendre en compte dans le calcul d’effectif.