Estimation de la Fonction d`Incidence Cumulée dans le Cadre des
Transcription
Estimation de la Fonction d`Incidence Cumulée dans le Cadre des
Estimation de la Fonction d’Incidence Cumulée dans le Cadre des Études à Risques Compétitifs ~~~ Extension au Domaine de la Survie Attendue Roch Giorgi [email protected] LERTIM, Faculté de Médecine, Université de la Méditerranée, Marseille, France http://cybertim.timone.unive-mrs.fr Exemple Illustratif : Adultes Asthmatiques z (1) Asthme Maladie inflammatoire chronique des voies aériennes Caractérisée par une hyperactivité bronchique, une bronchoconstriction et un œdème bronchique Entraîne un trouble ventilatoire réversible z z Patients asthmatiques sont traités (entre autre) par des corticostéroïdes inhalés (action anti-inflammatoire) Ce traitement à long-terme augmente le risque d’ostéoporose et de fractures © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 2 Exemple Illustratif : Adultes Asthmatiques (2) (Melton LJ et al. Osteoporos Int, 2004) z Étude réalisée à la Mayo Clinic Étude de population parmi les habitants de Rochester (Minnesota, USA) Objectif Estimer le risque à long terme de fractures dans une population non sélectionnée de patients âgés de 35 ans et plus au moment du diagnostic d’asthme © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 3 Caractéristiques des Patients z N = 226 (1964 – 1983) z Âge médian au diagnostic : 53,9 ans (35 – 95 ans) z 46 % hommes / 54 % femmes z 4 022 personnes-années (médiane = 18,8 ans) z 100 personnes ont totalisé 211 différentes fractures © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 4 Risque de Fracture : Probabilité Cumulée Observée Probabilité cumulée observée = 1 – Survie sans fracture (Kaplan-Meier) 63% Probabilité Cumulée (%) Risque Observé de Fracture Temps (années) depuis le Diagnostic d’Asthme © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 5 Risque de Fracture : Probabilité Cumulée Attendue z Intérêt z Avoir une base de comparaison Principe Taux d’incidence de fracture dans la population locale sont connus Par âge (classes de 5 ans) Par périodes (1990 – 1920 – 1940 – 1960 – 1980 – 2000) Par sexe Risque attendu de fracture pour la cohorte étudiée On applique la structure des taux d’incidence de fracture dans la population locale A la cohorte de patients asthmatiques en fonction de leur âge, sexe et leur durée de suivi (personnes-années) © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 6 Survie Attendue z z Utilisation de tables contenant les taux instantanés de mortalité issus de la population générale Ederer I (Natl Cancer Inst Monogr, 1961) z Ederer II z Survie attendue jusqu’en t pour un âge initial a pondérée par la proportion de personnes présentes au début de l’observation dans la classe d’âge correspondante (Natl Cancer Inst, 1959) Intègre la notion de durée de suivi Hakulinen (Biometrics, 1982) Intègre la notion de temps potentiel de suivi Individus censuré Ù temps de suivi observé Individus décédé Ù temps de suivi non décédé © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 7 Risque de Fracture : Probabilité Cumulée Observée / Attendue Probabilité Cumulée (%) Risque Observé de Fracture Risque Attendu de Fracture Temps (années) depuis le Diagnostic d’Asthme © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 8 Oui Mais … z 39 sujets sont décédés sans avoir présenté une fracture z Décès sans fracture est un risque compétitif z Dans le cadre de la survie observée z Estimation de la fonction d’incidence cumulée Æ Probabilité que les fractures seraient réellement observées Dans le cadre de la survie attendue ? © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 9 Incidence Cumulée Observée (IC) λ1 ( t ) (1) Cause 1 Temps 0 λK ( t ) Cause K ⎛ K t ⎞ S ( t ) = exp ⎜ −∑ ∫ λk ( u ) du ⎟ ⎝ k =1 0 ⎠ © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 10 Incidence Cumulée Observée (IC) (2) (Kalbfleisch JD, Prentice RL. Wiley, 1980) z T > 0 : temps d’apparition du premier événement S : fonction de survie ( P (T > t ) ) P ( t < T < t + ∆t / T > t ) ∆t ) λ : taux instantané ( ∆lim t →0 K : cause de l’événement associé z IC observée pour la cause k z z z ICk ( t ) = ∫ λk ( s ) S ( s − ) ds t 0 λk ( s ) : taux instantané spécifique de l’événement k t S ( t ) = exp −∑ k ∫ λk ( s ) ds : probabilité de survie globale 0 ( ) © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 11 Incidence Cumulée Attendue ICik ( t ) = ∫ λik ( s ) Si ( s − ) ds t 0 z i : paramètre individuel (âge, sexe et autre facteurs potentiels) ∑ λ (s) = et n i =1 λi ( s ) wi ( s ) ∑ n i =1 wi ( s ) wi ( s ) : poids représentant la probabilité que le sujet i soit toujours à risque au temps s © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 12 Choix pour z wi ( s ) (1) Processus de censure indépendant des facteurs utilisés pour apparier les groupe étudié à la population de référence : Ederer I : wi ( s ) = Si ( s ) 1 t 1 ICEk ( t ) = ∫ λik ( s ) Si ( s − ) ds = ∑ i ICik ( s ) n 0 n © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 13 Choix pour z wi ( s ) (2) Quand le processus d’inclusion n’est pas indépendant des taux de la population : Hakulinen : wi ( s ) = Si ( s ) Ci ( s ) ICHk λ (s) S (s)C (s) ∑ S ( s ) ds (t ) = ∫ ∑ S (s)C (s) t i ik i i H 0 i i i © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 14 Simulations z z z z z z z (1) k = 1, 2 Taux attendus : λk ( t ) = a k + bk t Temps de survie générés à partir de la fonction inverse des taux spécifiques cumulés Temps de censure : générés de la même manière Temps individuel observé : Ti = min (T1i , T2i , Ci ) Censures indépendantes ou dépendantes des valeurs des coefficients ak et bk 200 échantillons aléatoires indépendants de taille n=200 © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 15 Simulations Censures indépendantes (2) Censures dépendantes Incidence Cumulée Attendue (%) des facteurs utilisés pour apparier les données simulées aux taux spécifiques de référence Vraie Ederer type Hakulinen type Temps © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée Vraie Ederer type Hakulinen type Temps 16 Exemple : Adultes Asthmatiques Incidence Cumulée (%) 54% Fracture 41% 32% 43% Observée Attendue (Hakulinen type) Attendue (Hakulinen type) 26% 18% Observée Décès Temps (années) depuis le Diagnostic d’Asthme © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 17 Remarques & Conclusions z Quelle est la survie attendue si nous assumons que pour chaque sujets le suivi est complet ? z (1) Estimateur d’Ederer Est-ce que la probabilité de survie observée est différente de celle qui est attendue ? Estimateur d’Ederer : si les censures ne dépendent pas des facteurs utilisés pour apparier le groupe étudié à la population de référence Estimateur d’Hakulinen : prend en compte l’hétérogénéité potentielle dans le processus de censure, n’est pas influencé par la mortalité observée © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 18 Remarques & Conclusions z z z (2) Incidence cumulée donne une représentation intuitive du risque d’apparition d’un événement en présence d’un événement compétitif IC attendue est un complément utile à l’IC observée pour analyser des données de survie en présence d’événements compétitifs Possible impact en terme de santé publique Une fois le risque de décès pris en compte, le risque étudié peut ne pas être différent de celui attendu dans la population générale © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 19 Remarques & Conclusions z (3) Nécessité de disposer de Tables de mortalité de la population de référence Tables d’incidence pour le(s) événement(s) autre(s) que le décès dans la population de référence z Autres exemples Risque de fracture chez des patients ayant eu une ischémie cérébrale Ostéoporose secondaire à l’immobilisation imposée par une hémiplégie, une hémiparesie, prédisposition aux chutes Risque de fracture chez des patients ayant un myélome multiple Augmentation de l’activité ostéoclastique, ostéoporose diffuse, lyse osseuse localisée © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 20 Remarques & Conclusions z z z (4) Courbes d’IC observée vs IC attendue Besoins d’une comparaison basée sur une statistique Adaptations possibles Statistique du type du Log-rank k-sample tests (Gray RJ, Ann Stat, 1988) Test statistic (Pepe MS, JASA, 1991) Statistique du type Kolmogorov-Smirnov © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée (Lin DY, Stat Med, 1997) 21 Merci Collaborateurs Terry Therneau Division of Biostatistics, Department of Health Sciences Research, Mayo Clinic, Rochester , USA Joseph Melton Division of Epidemiology, Department of Health Sciences Research, Mayo Clinic, Rochester , USA References z z z z z z z z Melton LJ, Patel A, Achenbach SJ, Oberg AL, Yunginger JW. Long-Term Fracture Risk Following Adult-Onset Asthma: a Population-Based Study. Osteoporos Int 2004;15:311-16. Kalbfleisch JD, Prentice RL. The Statistical Analysis of Failure Time Data. Wiley: New York, 1980. Ederer F, Heise H. The effect of eliminating deaths from cancer in general population survival rates, methodological note 11, End Result Evaluation Section, National Cancer Institute, 1959. Ederer F, Axtell LM, Cutler SJ. The Relative Survival Rate: a Statistical Methodology. Natl Cancer Inst Monogr 1961;6:101-21. Hakulinen T. Cancer Survival Corrected for Heterogeneity in Patient Withdrawal. Biometrics 1982;38:933-42. Gray RJ. A Class of k-Sample Tests for Comparing Incidence of a Competing Risk. Ann Stat 1988;16:114154. Pepe MS. Inference for Event with Dependent Risks in Multiple Endpoint Studies. JASA 1991;86:770-78. Lin DY. Non-Parametric Inference for Cumulative Incidence Function in Competing Risks Studies. Stat Med 1997;16:901-10. © Roch Giorgi, LERTIM, Faculté de Médecine, Université de la Méditerranée 22