Une importante partie des activités réalisées dans le cadre du développement de vaccins a pour but d'assurer la maintenance de la qualité des vaccins enregistrés malgré les nombreuses modifications dans la chaine de production. L'impact des changements doit pouvoir être évalué sur base de paramètres techniques qui sont utilisés comme indicateurs de l'impact clinique. D'où la nécessité de développer des outils statistiques permettant une analyse multivariée complexe adaptée aux activités liées au cycle de vie des vaccins afin de déterminer si les résultats d'une étude clinique, utilisant une formulation récente d'un vaccin, sont en ligne avec les données historiques ou sont aberrantes. L'objectif de cette recherche est de comparer trois méthodes de détection d'étude aberrante dans une méta-analyse d'un point de vue théorique, via une étude de simulation ainsi que via leur application sur des données réelles.

Dans le cadre d'une méta-analyse d'essais cliniques de vaccins, un modèle mixte est ajusté aux données pour prédire la moyenne géométrique du titre d'anticorps dans le sang des individus vaccinés. Sur la base d'une revue de la littérature, nous avons sélectionné trois méthodes prometteuses pour détecter si une nouvelle étude présente une moyenne géométrique aberrante par rapport aux autres: (1) le modèle de variation de la variance aberrante (VSOM), (2) la méthode des résidus externes standardisés (RES) et (3) le modèle de mélange robuste (RMM).

Sur 500 bases de données simulées, la méthode RES présente une erreur de type I de 4,6% et une puissance de 100%, la méthode VSOM une erreur de type I de 4% et une puissance de 99,4% alors que la méthode RMM présente une erreur de type I de 0,6% et une puissance de 99,6%. Sur les données réelles, les deux premières méthodes identifient les mêmes études comme étant aberrantes tandis que la troisième en détectent quelques unes supplémentaires.

La méthode RES est plus simple, plus rapide à mettre en œuvre et s'est montrée plus précise dans le contexte de nos données simulées (distribution normale). Les méthodes RMM et VSOM nécessitent l'estimation de paramètres de variance supplémentaires et sont plus fastidieuses à mettre en oeuvre. La méthode RMM ne semble pas appropriée au contexte car elle est poussée à sa limite de détection d'une seule étude aberrante par opposition à un groupe d'études aberrantes. A noter que ces trois méthodes sont implémentées sur des données agrégées ce qui engendre une perte d'informations par rapport aux données individuelles des patients disponibles. Dans la suite de ce travail, nous aimerions donc étendre les méthodes RES et VSOM aux méta-analyses en données individuelles.

Mots clés étude aberrante ; meta-analyse ; résidus externes ; VSOM

Déclaration de liens d'intérêts Les auteurs n'ont pas précisé leurs éventuels liens d'intérêts