S'abonner

Pharmacological and residual effects in randomized placebo-controlled trials. A structural causal modelling approach - 04/05/19

Doi : 10.1016/j.respe.2019.01.123 
Michel Mouchart a, , André Bouckaert a, Guillaume Wunsch b
a Institut de Statistique, Biostatistique et Sciences Actuarielles, UCLouvain 
b Demography, UCLouvain 

Corresponding author. Tel.: +3210450377Tel.: +3210450377
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Saturday 04 May 2019
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Abstract

Background

Distinguishing between pharmacological and residual effects, this paper considers the problem of causal assessment in the case of a particular model, namely a Sure Outcome of Random Events (SORE) model developed for the analysis of data from a randomized placebo-controlled double-blind trial of a drug.

Method

This model takes into account two kinds of observable effects, a therapeutic effect and a side-effect. For each observable effect, two latent factors are considered, i.e. a pharmacological (or explained) factor and a residual (or unexplained) one.

Results

The model presents a plausible mechanism generating the observed and latent outcomes, recursively decomposed into an ordered sequence of sub-mechanisms.

Conclusions

The characteristics of this model leads to a novel assessment of causality that evaluates the effect of latent variables and of the bias resulting from ignoring the structural features of the data generating process. This approach is illustrated by a numerical example, along with a case study based on a secondary analysis of real data.

Le texte complet de cet article est disponible en PDF.

Résumé

Position du problème

Distinguant les effets pharmacologique et résiduel, cet article considère le problème de l’attribution causale dans le cas d’un modèle particulier, à savoir le modèle Sure Outcome of Random Events (SORE), construit pour analyser les données d’essais randomisés contrôlés en double-aveugle, d’un médicament versus placebo.

Méthode

Le modèle considère deux types d’effets observables, un effet thérapeutique et un effet secondaire. Pour chaque effet observable, deux facteurs latents sont pris en compte: un facteur pharmacologique (ou expliqué) et un facteur résiduel (ou non-expliqué).

Résultat

Le modèle propose un mécanisme plausible générant les effets observés et latents, recourant à une décomposition récursive d’une séquence ordonnée de sous-mécanismes.

Conclusion

Les caractéristiques de ce modèle conduisent à une attribution causale innovante et permettent d’évaluer l’effet des variables latentes ainsi que le biais resultant d’avoir ignoré la structure du processus générateur des données. Cette approche est illustrée par un exemple numérique, ainsi que par une étude de cas basée sur une analyse secondaire de données réelles.

Le texte complet de cet article est disponible en PDF.

Keywords : Causal assessment, Causal modelling, Structural modelling, Directed acyclic graph, Randomized placebo-controlled trials, Latent variables

Mots clés : Attribution causale, Modélisation causale, Modèle structurel, Graphe acyclique orienté, Essai avec placebo randomisé, Variables latentes


Plan


© 2019  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue 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 ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.