2
152 Biostatistiques pour le clinicien
des cancers très étendus du rectum, il est observé 16 décès et que
l’analyse a inclus huit covariables, les résultats risquent de ne pas
être généralisables [7]. Il n’aurait été correct pour 16 événements, de
n’inclure qu’une, voire deux covariables dans le modèle. Dans une
étude cas-témoin, on analysera de même la variable par groupe de
10 cas supplémentaires.
Les autres malfaçons sont les utilisations inadaptées d’un modèle
multi factoriel. Ainsi, dans le modèle de Cox, comme nous l’avons
indiqué, il doit y avoir un risque instantané constant de la survenue
d’événements que l’on cherche à expliquer : c’est l’hypothèse dite
des « hasards proportionnels ». Cela signifie que, si la variable
expliquée est la survenue d’une récidive de la maladie, la probabilité de survenue d’une récidive doit être la même à chaque
instant. Dans les études cliniques, cette hypothèse est généralement
admise, mais très rarement vérifiée. Par exemple, si l’on inclut
dans une survie la mortalité post opératoire, la probabilité de décès
après une intervention chirurgicale importante comportant un
risque non négligeable, sera plus élevée en post opératoire immédiat
qu’ultérieurement.
Autre exemple, une régression linéaire est parfois une mauvaise représentation de la réalité. La droite de régression produite sera alors un
mauvais modèle prédictif.
Une autre malfaçon est l’inclusion dans le modèle de covariables liées
entre elles. Par exemple ictère et hyperbilirubinémie ou encore une
lympho cytose CD4, exprimée à la fois en pourcentage et en valeur
absolue.
Les autres utilités des analyses multifactorielles
Les comparaisons : là où un essai randomisé n’est pas possible.
Nous avons vu que l’essai randomisé était la méthode qui permettait,
dans une comparaison, de se donner le plus de chances, de comparer,
au sein de l’ensemble de la population étudiée, deux sous-groupes
similaires.
Il est cependant des questions qu’il n’est pas possible de résoudre,
pour des raisons techniques ou éthiques à l’aide d’un essai randomisé.
L’analyse multifactorielle représente alors la méthode qui se rapproche
le plus d’un essai randomisé, bien que l’abord méthodologique soit
complètement différent. Nous en donnerons un exemple dans la
cinquième partie consacrée au traitement.
152 Biostatistiques pour le clinicien
des cancers très étendus du rectum, il est observé 16 décès et que
l’analyse a inclus huit covariables, les résultats risquent de ne pas
être généralisables [7]. Il n’aurait été correct pour 16 événements, de
n’inclure qu’une, voire deux covariables dans le modèle. Dans une
étude cas-témoin, on analysera de même la variable par groupe de
10 cas supplémentaires.
Les autres malfaçons sont les utilisations inadaptées d’un modèle
multi factoriel. Ainsi, dans le modèle de Cox, comme nous l’avons
indiqué, il doit y avoir un risque instantané constant de la survenue
d’événements que l’on cherche à expliquer : c’est l’hypothèse dite
des « hasards proportionnels ». Cela signifie que, si la variable
expliquée est la survenue d’une récidive de la maladie, la probabilité de survenue d’une récidive doit être la même à chaque
instant. Dans les études cliniques, cette hypothèse est généralement
admise, mais très rarement vérifiée. Par exemple, si l’on inclut
dans une survie la mortalité post opératoire, la probabilité de décès
après une intervention chirurgicale importante comportant un
risque non négligeable, sera plus élevée en post opératoire immédiat
qu’ultérieurement.
Autre exemple, une régression linéaire est parfois une mauvaise représentation de la réalité. La droite de régression produite sera alors un
mauvais modèle prédictif.
Une autre malfaçon est l’inclusion dans le modèle de covariables liées
entre elles. Par exemple ictère et hyperbilirubinémie ou encore une
lympho cytose CD4, exprimée à la fois en pourcentage et en valeur
absolue.
Les autres utilités des analyses multifactorielles
Les comparaisons : là où un essai randomisé n’est pas possible.
Nous avons vu que l’essai randomisé était la méthode qui permettait,
dans une comparaison, de se donner le plus de chances, de comparer,
au sein de l’ensemble de la population étudiée, deux sous-groupes
similaires.
Il est cependant des questions qu’il n’est pas possible de résoudre,
pour des raisons techniques ou éthiques à l’aide d’un essai randomisé.
L’analyse multifactorielle représente alors la méthode qui se rapproche
le plus d’un essai randomisé, bien que l’abord méthodologique soit
complètement différent. Nous en donnerons un exemple dans la
cinquième partie consacrée au traitement.