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
14.1 Particularité des facteurs de confusion dans les comparaisons externes
14.1.1 Modificateurs de l’effet du traitement
14.2 La détermination des facteurs de confusion
14.2.1 Réseaux de causalité
14.2.2 Revue systématique des facteurs pronostiques
14.3 Les méthodes statistiques
14.4 Les ajustements à éviter car contreproductifs
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
26 Contrôle du risque alpha global
Des techniques ont été développées pour formaliser la recherche des facteurs de confusion dans les études observationnelles classiques comme les réseaux de causalité (Figure 6) [120] [121] [122] . Il s’agit d’approches graphiques (intégrant éventuellement des relations quantitatives) qui représentent les interrelations existantes entre les variables, le traitement et le critère de jugement, dans le but d’aider à l’identification des variables à prendre en compte dans l’ajustement (sufficient set of covariates ). Ces réseaux ou graphiques de causalité sont souvent représentés sous la forme de graphique acyclique dirigé (directed acyclic graph DAG ) [123] [124] [125] ou de SWIGs [126] .
Ces graphiques sont établis à partir des relations entre variables rapportées dans la littérature (principalement pour les facteurs de risque/facteur pronostique du critère de jugement) et de la connaissance concernant les critères de choix des traitements qui auraient prévalu dans la pratique captée par les données. L’élaboration de ces graphiques nécessite un travail collaboratif entre des épidémiologistes, statisticien, des cliniciens et des personnes connaissant bien la base de données.
La réalisation des graphiques de causalité (DAG) pour déterminer la liste des facteurs de confusion est maintenant mentionnée dans la plupart des recommandations abouties concernant les études observationnelles [48] [64] .
Figure 6 – Exemple de graphique de causalité établi par un DAG utilisé dans une étude observationnelle pour déterminer la liste des facteurs de confusion et le « sufficient set of covariates » [127] .
Il convient de noter que ces graphiques type DAG sont des outils pour déterminer les facteurs de confusion et non pas une simple représentation graphique des variables d’ajustement qui auraient été choisis de manière plus ou moins arbitraire.
Compte tenu de l’aspect particulier des facteurs de confusion dans les comparaisons externes où finalement il n’y a pas eu de choix par les médecins dans la vraie vie entre les traitements comparés, le diagramme de causalité est un peu particulier. Les facteurs associés avec le critère de jugement seront facteur de confusion lorsqu’ils sont aussi associés avec la population dans laquelle a été échantillonné le groupe traité qui est différent de la population de laquelle provient le groupe contrôle externe. En effet les patients du groupe traités proviennent d’une certaine population dans laquelle a été échantillonnée l’étude monobras et les patients contrôles proviennent d’une autre population qui a été captée dans la source de données utilisée pour faire le groupe contrôle externe. Il est possible que les facteurs associés avec le critère de jugement ne soient pas distribués de la même manière dans ces deux populations d’origine des groupes (échantillons).
