Aller au contenu principal

RISQUES COMPETITIFS ET CANCER

Risques compétitifs et cancer : tests d'adéquation et estimations sans biais des effets lorsque le modèle de régression est mal spécifié

L’objectif de ce projet est de proposer des tests d’adéquation et des méthodes d’estimation de l’effet de covariables sur la fonction d’incidence cumulative d’un évènement d’intérêt dans le cadre d’un modèle de régression de Fine et Gray valides en cas de non respect des hypothèses du modèle ou de censure informative.

Période du projet :
-
Membre(s) SESSTIM du projet :
Commanditaires :

Institut National du Cancer (INCa) dans le cadre de l'appel à projets 2011 Projets libres de recherche en sciences humaines et sociales, épidémiologie et santé publique.

Partenaires :

Institut Paoli Calmettes, Marseille (Coordination du projet) , Université de Waterloo, Ontario , Institut Claudius Regaud, Toulouse , Centre Oscar Lambret, Lille.

Thèmes :
Problématique:

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.

Méthode :

Des simulations permettront d’étudier les conséquences d’un écart aux hypothèses des modèles selon différents scénarii ainsi que les performances des méthodes proposées et de modèles concurrents. L’analyse de données d’études cliniques en cancérologie permettra d’apprécier le biais des résultats d’analyse reportés dans la littérature et d'améliorer les recommandations en matière d'analyse des risques compétitifs.

Perspectives :

La première étape de ce projet a reposé sur une revue et une analyse approfondie de la littérature biostatistique dans le domaine. Le développement théorique pour les équations d'estimation en fonction d'hypothèses non proportionnelles et de censure informative suit son court. Un programme sous R sera développé et validé dans la partie finale de ce projet.