Les modèles de guérison sont utilisés dans les études de population pour estimer la survie nette et sa valeur asymptotique correspondant à la proportion de guéris. La survie nette est la survie que l’on observerait si la maladie étudiée (par exemple le cancer) était la seule cause possible de décès. Son estimation suppose que la mortalité observée résulte de deux forces de mortalité : l’une due au cancer (mortalité en excès) et l’autre due aux autres causes de décès (mortalité attendue). Dans ce cadre populationnel, la mortalité attendue des patients est supposée égale à la mortalité observée des individus de mêmes caractéristiques de la population générale. Cependant, cette hypothèse peut ne pas être vérifiée.

Proposer un modèle de guérison de non-mélange corrigeant les tables de mortalité de la population générale lorsqu’elles ne correspondent pas aux valeurs de la mortalité attribuable aux autres causes de décès.

Boussari et al. (M1) ont précédemment proposé un modèle de guérison de non-mélange qui permet d’estimer directement le délai de guérison comme le délai à partir duquel la mortalité en excès devient nulle. Dans ce travail, nous relâchons l’hypothèse de comparabilité entre la mortalité attendue des patients atteints de cancer et la mortalité observée dans la population générale. Pour tenir compte de ce biais de non-comparabilité, nous proposons deux modèles en supposant que la mortalité attendue est celle de la population générale multipliée par un paramètre constant (M2) ou un terme de fragilité (M3). Nous avons évalué les performances des modèles M1, M2, M3 dans une étude de simulation mimant des données réelles. Les scénarios de simulation ont été construits en faisant varier la proportion de guéris (faible, moyenne et élevée), le délai de guérison (précoce, tardif), la taille de l’échantillon, le processus de censure ainsi que l’ampleur de l’effet de non-comparabilité (nul, modéré, sévère) et sa variabilité (nulle, modérée, large). Ces trois modèles ont aussi été appliqués aux données du cancer du côlon des registres français du cancer (FRANCIM).

Dans l’étude de simulation, les trois modèles avaient des performances similaires lorsque l’hypothèse de comparabilité était vérifiée. En présence d’un effet de non-comparabilité modéré ou sévère à variabilité nulle, les deux modèles de guérison corrigeant la mortalité attendue avaient des performances similaires, meilleures que celles du modèle de Boussari pour lequel des biais significatifs étaient observés. Lorsque la variabilité de l’effet était modérée ou large, le modèle avec une fragilité individuelle avait de meilleures performances que le modèle corrigeant la mortalité attendue par un paramètre constant. Dans l’application, le modèle avec fragilité était le plus parcimonieux {AIC (M3 : 143 334 ; M2 : 144 480 ; M1 : 145 930)} et l’effet de non-comparabilité était significatif avec les deux nouveaux modèles (M3 : 2,32 [2,07 ; 2,57]) avec une variance à 2,47 ; M2 : 1,82 [1,77 ; 1,86]. La proportion de guéris estimée était plus importante avec les deux nouveaux modèles (M3 : 82,63 %, M2 : 81,31 % ; M1 : 64,15 %) avec des délais de guérison dans la classe de référence (c.-à-d. [65 ; 75[ans) différents ({M3 : 11,58 [10,06 ; 13,10] ; M2 : 4,66 [4,24 ; 5,08] ; M1 : 12,20 [11,23 ; 13,17]} ans).

Nous recommandons les modèles proposés pour l’estimation de la survie nette et du délai de guérison. Un package R mettant en œuvre ces modèles sera bientôt disponible.