RISQUES COMPETITIFS ET CANCER

Dans le domaine de la recherche clinique en cancérologie, les patients sont exposés à différentes causes d’échec et les risques encourus sont souvent compétitifs car l’échec d’une cause donnée prévient la survenue d’un échec d’autres causes. Par exemple les patients traités après chirurgie peuvent rechuter localement ou à distance, développer un second cancer ou décéder d’une cause non liée à la maladie. Dans le cade de la greffe de cellules hématopoïétiques, la rechute liée à la maladie et le décès lié à la toxicité des traitements sont les deux principales causes d’échec des protocoles.
Plusieurs méthodes ont été proposées pour résumer les données de survie en présence de risques compétitifs. La représentation graphique de courbes d’incidence cumulative d’une cause d’échec au cours du temps fait l’objet d’un large consensus dans la littérature car d’interprétation facile et aisée. Différentes approches ont été proposées pour estimer et comparer l’effet de covariables sur la fonction d’incidence cumulée (CIF) d’un évènement d’intérêt en présence de risques compétitifs. L’estimation de la fonction d’incidence cumulée (CIF) d’un évènement par l’estimateur de Prentice, la comparaison de courbes d’incidence cumulative par un test de Gray et le modèle de régression de Fine et Gray sont des méthodes de référence pour l’analyse des risques compétitifs notamment en cancérologie.
Un écart aux hypothèses d’un modèle conduit le plus souvent à des estimations biaisées voire des conclusions erronées. Contrairement aux estimations de l’effet de covariables sur la survie de patients par un modèle de régression de Cox, les limites du modèle de régression de Fine et Gray sont l’absence de tests d’adéquation permettant de tester un écart aux hypothèses du modèle, d’outils permettant d’affiner le modèle et de méthodes robustes d’estimation des effets de covariables en cas de non-respect des hypothèses ou de censure informative.