JLE

Médecine thérapeutique

MENU

Intérêt des méthodes d'analyse répétée des données pour la planification et l'analyse des essais thérapeutiques comparatifs Volume 7, numéro 9, Novembre 2001

Auteurs
Laboratoire de pharmacologie expérimentale et clinique, Faculté de médecine, Université de Rennes I, 35043 Rennes, France.

Les essais thérapeutiques comparatifs sont réalisés pour déterminer si un nouveau traitement possède une efficacité supérieure à celle d'un placebo ou d'un traitement de référence (formulation unilatérale) ou si deux traitements possèdent une efficacité différente (formulation bilatérale) dans une population donnée. L'efficacité est évaluée sur un critère de jugement médicalement pertinent. En termes statistiques, le problème revient à comparer deux distributions observées. Si théta représente la différence entre ces deux distributions, le problème peut s'exprimer par le test de l'hypothèse nulle H0 : théta = 0 contre l'hypothèse alternative H1 : théta > 0 (formulation unilatérale) ou H1 : théta != 0 (formulation bilatérale). Le test à utiliser dépend de la nature du critère de jugement : test t de Student pour un critère quantitatif, test de khi2 pour un critère qualitatif et test du log-rank pour un critère censuré. En pratique, l'approche de référence est celle de la méthode dite en une étape et le test statistique est réalisé après inclusion et évaluation d'un nombre de malades prédéterminé N (nombre de sujets nécessaire). Le nombre N est déterminé à la phase de planification pour détecter, dans un test réalisé au risque alpha, une différence cliniquement intéressante thétaR entre les deux traitements avec une probabilité 1-beta. Le risque alpha, ou risque de première espèce, est la probabilité de rejeter H0 alors que théta = 0 (H0 vraie), alors que le risque beta, ou risque de deuxième espèce, est la probabilité de ne pas rejeter H0 alors que théta = thétaR (H1 vraie). En pratique, cette méthode en une étape est quelquefois difficile à mettre en œuvre, notamment en raison des problèmes éthiques (impossibilité d'arrêter un essai même si les données montrent précocement une différence très claire entre les traitements) et économiques (N est quelquefois très élevé et incompatible avec les possibilités réelles du recrutement) qu'elle soulève. Pour résoudre ces difficultés, plusieurs méthodes statistiques, permettant la réalisation d'analyses répétées des données et incluant des règles d'arrêt précoce, ont été développées, notamment au cours des 20 dernières années.