La proximité d’un environnement favorable à la transmission (ex. présence de gîtes larvaires pour le cas du paludisme) modifie l’exposition aux maladies transmissibles. Lors d’essais cliniques, cette hétérogénéité spatiale de l’exposition pourrait influer sur les résultats si elle n’est pas prise en compte dans la randomisation ou dans l’analyse. L’objectif de ce travail était de quantifier l’impact de l’hétérogénéité spatiale et de comparer ses méthodes d’analyse.

Huit scénarios ont été simulés (50 échantillons, 1000 individus) avec des paramètres issus de la littérature : localisation suivant un processus de Poisson inhomogène, risque de base (0,37) ; effet âge (RR=0,8) ; effet sexe nul. La différence a porté sur l’effet traitement faible ou fort (RR=0,8 ; 0,25) ; la densité de gîtes faible ou forte (0,25 ; 0,75) et l’effet gîte faible ou fort (RR=1,2 ; 3). La randomisation entre sujets « traités » et « témoins » a permis la simulation de l’essai. L’impact de l’hétérogénéité spatiale de l’exposition a été quantifié par la mesure du biais et de l’erreur quadratique moyenne (MSE) sur l’estimation de l’effet du traitement lors de l’analyse par un modèle de Cox non spatial. L’hétérogénéité spatiale a été modélisée suivant trois méthodes : modèle additif généralisé (GAM) avec des fonctions splines bivariées ; modèle d’équations aux dérivées partielles stochastiques (SPDE) ; modèle de Poisson. Les modèles SPDE et Poisson (fonction de Matèrn) ont utilisé la méthode bayésienne (INLA).

Deux grandes catégories de scénarios ont été identifiées lors de l’analyse de l’efficacité du traitement. Faible densité des gîtes (0,25) avec effet faible (RR=1,2) : le biais et le MSE du Cox étaient faibles. La modélisation spatiale a apporté peu d’amélioration. Le SPDE tendait à sous-estimer les forts effets du traitement. Forte densité des gîtes (0,75) avec effet fort (RR=3) : le biais et le MSE du Cox étaient élevés et similaires à ceux du GAM. La modélisation spatiale avec SPDE et Poisson a permis d’améliorer le biais et le MSE mais ils étaient plus faibles et moins variant pour le Poisson.

Sur la base des scénarios simulés, ces résultats ont montré, que dans un essai clinique, la randomisation classique n’éliminait pas complètement l’impact de l’hétérogénéité spatiale. Il donc est nécessaire de le prendre en compte dans la modélisation pour les maladies liées à une exposition hétérogène.