Prise en compte des données manquantes potentiellement informatives dans l’analyse longitudinale de la qualité de vie relative à la santé sur les données de l’essai clinique PRODIGE5/ACCORD 17 - 07/05/18
Résumé |
Introduction |
La qualité de vie relative à la santé (QdV) est de plus en plus utilisée comme critère de jugement dans les essais cliniques en oncologie. En Europe, la QdV est évaluée par l’auto-questionnaire EORTC QLQ-C30. Il est cependant fréquent que des questionnaires soient manquants. Les données manquantes (DM) peuvent être monotones ou intermittentes. Elles sont dites MCAR lorsque le mécanisme est indépendant de la QdV, MAR lorsqu’il dépend uniquement de la QdV observée et MNAR lorsqu’il dépend de la QdV non observée. Une des problématiques dans l’analyse longitudinale de la QdV est la prise en compte des DM monotones liées à une sortie d’étude (DO, « drop-out ») et donc potentiellement informatives (c.-à-d., MNAR). L’objectif de ce travail est d’explorer et de comparer deux approches sur les données de QdV de l’essai clinique PRODIGE5/ACCORD 17, mené sur 267 patients traités par FOLFOX ou fluoro-uracil-cisplatin (FC) pour un cancer de l’œsophage localement avancé.
Méthodes |
Des modèles linéaires mixtes (LMM) ont d’abord été utilisés pour l’analyse de la QdV sur les données disponibles, en ignorant le mécanisme de données manquantes (c.-à-d., sous l’hypothèse MAR). En effet, les méthodes basées sur la vraisemblance comme les LMM produisent des résultats non biaisés et induisent seulement une perte de puissance statistique lorsque l’hypothèse MAR est vérifiée. En revanche, dans le cas MNAR, il est indispensable de modéliser la densité conjointe du score de QdV et du processus de DO. Nous avons utilisé un « pattern mixture model » (PMM) et un « selection model » (SM), les deux décompositions possibles de la densité conjointe. Dans l’approche SM, nous modélisons les données complètes (observées et manquantes) de QdV et le processus de DO conditionnellement aux données complètes. Dans l’approche PMM, nous considérons différents profils de DM. La densité conjointe des données est alors un mélange des densités de QdV conditionnellement au profil, pondérées par la probabilité d’appartenir à chaque profil.
Résultats |
La QdV a été évaluée au cours de six visites : inclusion, fin de radiothérapie, semaines 10 et 15, mois 6 et 12. À l’inclusion, dans le bras FOLFOX (resp. FC), 119/134 (89 %) (resp. 20/133 (90 %)) patients ont répondu au questionnaire. À 12 mois, la compliance décroît à 48/101 (48 %) et 44/99 (44 %), respectivement. Des LMM ont été utilisés pour l’analyse de la QdV sous l’hypothèse MAR. Pour l’approche SM, un modèle logistique multinomial a été utilisé pour modéliser le processus de DO conditionnellement aux données de QdV. Pour l’approche PMM, des LMM décrivent la QdV conditionnellement au profil de DM. Nous avons défini six profils correspondant aux temps de DO. La probabilité d’appartenir à chacun des profils est donc estimée par la proportion de patients ayant des données disponibles jusqu’aux visites 1, 2, 3, 4, 5 et 6, respectivement : 11,5 %, 10,0 %, 14,6 %, 11,5 %, 15,4 %, 36,9 % (bras FOLFOX) ; 12,2 %, 11,4 %, 8,1 %, 14,6 %, 17,9 %, 35,8 % (bras FC).
Conclusion |
Faire l’hypothèse que les DM sont MAR peut conduire à une analyse biaisée de la QdV. Les SM et les PMM permettent de considérer des DM de type MNAR mais imposent aussi certaines hypothèses sur le DO afin de garantir l’identifiabilité des modèles. Notre travail permet d’illustrer ces modèles et la comparaison des résultats permet de discuter de la validité des hypothèses. Relever et connaître la cause des DM pourraient guider sur le choix des hypothèses et la stratégie d’analyse.
Le texte complet de cet article est disponible en PDF.Mots clés : Qualité de vie relative à la santé, Essai clinique, Données longitudinales, Données manquantes, Drop-out
Plan
Vol 66 - N° S3
P. S129 - mai 2018 Retour au numéroBienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Déjà abonné à cette revue ?