John Libbey Eurotext

Innovations & Thérapeutiques en Oncologie

MENU

Analyser et communiquer les critères de survie dans les essais randomisés Volume 4, numéro 4, Juillet-Août 2018

Auteurs
1 Hospices civils de Lyon
Service d’oncologie médicale
165, chemin du Grand-Revoyet
69310 Pierre-Bénite
France
2 Hospices civils de Lyon
Service de biostatistique et bio-informatique
69003 Lyon
France
3 Université de Lyon
69000 Lyon
France
4 Université Lyon 1
69100 Villeurbanne
France
5 CNRS, UMR 5558
Laboratoire de biométrie et biologie évolutive
Équipe biostatistique-santé
69100 Villeurbanne
France
6 Neurobiology Research Unit
Rigshospitalet
Copenhague
Danemark
7 University of Copenhagen
Department of Public Health
Section of Biostatistics
Copenhague
Danemark
* Tirés à part
  • Mots-clés : analyse de survie, analyse statistique, essais cliniques
  • DOI : 10.1684/ito.2018.0133
  • Page(s) : 175-84
  • Année de parution : 2018

Les critères de survie sont les critères de jugement principaux les plus utilisés dans les essais randomisés en oncologie. Leur utilisation pour le design, l’analyse et la communication des résultats est relativement uniformisée et repose sur le calcul des probabilités de survie selon la méthode de Kaplan-Meier, l’évaluation de la différence de survie entre les groupes de traitement en estimant le hazard ratio, puis la réalisation d’un test du log-rank afin de tester statistiquement les différences de survie observées.

L’objectif de cet article est d’aider les cliniciens à comprendre les limites principales de chacune des méthodes classiques, et de présenter les principales méthodes alternatives. Effectivement, l’effet d’un traitement sur un critère de survie est certainement mieux décrit en utilisant plusieurs mesures de cet effet.

Les critères de jugement alternatifs qui seront décrits incluent la survie spécifique, l’incidence cumulée et la survie nette. Différentes mesures de l’effet d’un traitement seront abordées incluant la différence entre les moyennes de survie restreintes ou non restreintes, le win ratio, et le bénéfice net. Enfin, plusieurs alternatives au test du log-rank seront décrites.

Nous encourageons les statisticiens, les méthodologistes et les investigateurs à inclure plusieurs mesures de l’effet des traitements dans les rapports d’essais randomisés, en prenant en compte le fait que différentes situations cliniques peuvent nécessiter le recours à différentes mesures.