emulation d’essais cliniques a partir de donn ees
TRANSCRIPT
Emulation d’essais cliniquesa partir de donnees observationnelles: promesses et
enjeux methodologiques
Clemence Leyrat1,2
Camille Maringe1, Sara Benitez Majano1, Matthew Smith1, Aimilia Exarchakou1,Bernard Rachet1, Aurelien Belot1
1Cancer Survival Group, London School of Hygiene and Tropical Medicine, UK2Department of Medical Statistics, London School of Hygiene and Tropical Medicine, UK
Projet finance par Cancer Research UK (grant number C7923/A18525)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 1 41
Structure
ContexteContexte cliniqueChallengesEssais emules
Objectifs
MethodesDonneesClonage et censurePoidsModele d’analyse
ResultatsEquilibreSurvie a un an
Discussion
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 2 41
Contexte
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 3 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Contexte clinique
Cancer du poumon non a petites cellules (NSCLC):
I Cancer du poumon le plus courant (≈85%)
I Premiere cause de deces par cancer au RU
Chirurgie: traitement recommande pour les NSCLCdiagnostiques a un stade precoce
Age moyen des patients au diagnostic ≈73 ans. MAIS:
I probabilite d’etre traite par chirurgie decroit avec l’age1
I les patients ages sont souvent exclus des essais cliniques
⇒ Pas d’evidence disponible quant au benefice de lachirurgie sur la survie des patients ages atteints de NSCLC
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 4 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Contexte clinique
Cancer du poumon non a petites cellules (NSCLC):
I Cancer du poumon le plus courant (≈85%)
I Premiere cause de deces par cancer au RU
Chirurgie: traitement recommande pour les NSCLCdiagnostiques a un stade precoce
Age moyen des patients au diagnostic ≈73 ans. MAIS:
I probabilite d’etre traite par chirurgie decroit avec l’age1
I les patients ages sont souvent exclus des essais cliniques
⇒ Pas d’evidence disponible quant au benefice de lachirurgie sur la survie des patients ages atteints de NSCLC
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 4 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Contexte clinique
Cancer du poumon non a petites cellules (NSCLC):
I Cancer du poumon le plus courant (≈85%)
I Premiere cause de deces par cancer au RU
Chirurgie: traitement recommande pour les NSCLCdiagnostiques a un stade precoce
Age moyen des patients au diagnostic ≈73 ans. MAIS:
I probabilite d’etre traite par chirurgie decroit avec l’age1
I les patients ages sont souvent exclus des essais cliniques
⇒ Pas d’evidence disponible quant au benefice de lachirurgie sur la survie des patients ages atteints de NSCLC
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 4 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Contexte clinique
Cancer du poumon non a petites cellules (NSCLC):
I Cancer du poumon le plus courant (≈85%)
I Premiere cause de deces par cancer au RU
Chirurgie: traitement recommande pour les NSCLCdiagnostiques a un stade precoce
Age moyen des patients au diagnostic ≈73 ans. MAIS:
I probabilite d’etre traite par chirurgie decroit avec l’age1
I les patients ages sont souvent exclus des essais cliniques
⇒ Pas d’evidence disponible quant au benefice de lachirurgie sur la survie des patients ages atteints de NSCLC
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 4 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Essais randomises
Essais randomises (RCTs): gold-standard en ce qui concernel’inference causale
Pas toujours realisables:
I Problemes ethiques
I Difficulte pour planifier des essais pragmatiques
I Couts
Comment peut-on estimer l’effet de la chirurgie sur la surviedes patients ages atteints d’un cancer du poumon?
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 5 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Essais randomises
Essais randomises (RCTs): gold-standard en ce qui concernel’inference causale
Pas toujours realisables:
I Problemes ethiques
I Difficulte pour planifier des essais pragmatiques
I Couts
Comment peut-on estimer l’effet de la chirurgie sur la surviedes patients ages atteints d’un cancer du poumon?
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 5 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Essais randomises
Essais randomises (RCTs): gold-standard en ce qui concernel’inference causale
Pas toujours realisables:
I Problemes ethiques
I Difficulte pour planifier des essais pragmatiques
I Couts
Comment peut-on estimer l’effet de la chirurgie sur la surviedes patients ages atteints d’un cancer du poumon?
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 5 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Essais randomises
Essais randomises (RCTs): gold-standard en ce qui concernel’inference causale
Pas toujours realisables:
I Problemes ethiques
I Difficulte pour planifier des essais pragmatiques
I Couts
Comment peut-on estimer l’effet de la chirurgie sur la surviedes patients ages atteints d’un cancer du poumon?
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 5 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Donnees observationnelles
Etudes observationnelles: contiennent de larges quantites dedonnees disponibles pour etablir des liens de cause a effet
Challenge 1: confusion
Challenge 2: biais de temps-immortel
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 6 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Donnees observationnelles
Etudes observationnelles: contiennent de larges quantites dedonnees disponibles pour etablir des liens de cause a effet
Challenge 1: confusion
Challenge 2: biais de temps-immortel
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 6 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Donnees observationnelles
Etudes observationnelles: contiennent de larges quantites dedonnees disponibles pour etablir des liens de cause a effet
Challenge 1: confusion
Challenge 2: biais de temps-immortel
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 6 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Biais de temps immortel
Solutions potentielles:
I Modeles statistiques incluant le traitement comme variabledependantes du temps
I Landmark analysis
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 7 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Biais de temps immortel
Solutions potentielles:
I Modeles statistiques incluant le traitement comme variabledependantes du temps
I Landmark analysis
Ces deux approches reposent sur des hypotheses fortes en ter-mes de modelisation
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 7 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Essais emules
Framework propose pour l’emulation d’essais cliniques apartir de donnees observationnelles2
Implique la definition d’un essai cible (target trial), i.e.l’essai ideal que l’on souhaiterait conduire
Une analyse causale de donnees observationnelles peut ensuiteetre vue comme une tentative d’emulation de cet essai cible
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 8 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Essais emules
Framework propose pour l’emulation d’essais cliniques apartir de donnees observationnelles2
Implique la definition d’un essai cible (target trial), i.e.l’essai ideal que l’on souhaiterait conduire
Une analyse causale de donnees observationnelles peut ensuiteetre vue comme une tentative d’emulation de cet essai cible
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 8 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Essais emules
Framework propose pour l’emulation d’essais cliniques apartir de donnees observationnelles2
Implique la definition d’un essai cible (target trial), i.e.l’essai ideal que l’on souhaiterait conduire
Une analyse causale de donnees observationnelles peut ensuiteetre vue comme une tentative d’emulation de cet essai cible
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 8 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Essais emules
Framework propose pour l’emulation d’essais cliniques apartir de donnees observationnelles2
Implique la definition d’un essai cible (target trial), i.e.l’essai ideal que l’on souhaiterait conduire
Une analyse causale de donnees observationnelles peut ensuiteetre vue comme une tentative d’emulation de cet essai cible
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 8 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Emulation & temps immortel
Dans les etudes observationnelles, le biais de temps immortelapparait lorsque T0 et l’initiation du traitement necoıncident pas
Dans notre etude: temps median entre le diagnostic (T0) et lachirurgie= 29 jours [0;49]
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 9 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Emulation & temps immortel
Dans les etudes observationnelles, le biais de temps immortelapparait lorsque T0 et l’initiation du traitement necoıncident pas
Dans notre etude: temps median entre le diagnostic (T0) et lachirurgie= 29 jours [0;49]
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 9 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Emulation & temps immortel
Dans les etudes observationnelles, le biais de temps immortelapparait lorsque T0 et l’initiation du traitement necoıncident pas
Dans notre etude: temps median entre le diagnostic (T0) et lachirurgie= 29 jours [0;49]
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 9 41
Emulation & temps immortel
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 10 41
Avantages
Cette methode presente de nombreux avantages:
I tient compte de la presence de facteurs de confusion
I resout le probleme du temps immortel
I permet l’estimation de n’importe quelle mesure d’interetayant une interpretation causale
I est extremement transparente
I offre des methodes d’evaluation de la validite interne
I facilement comprehensible par les cliniciens
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 11 41
Hypotheses
Comme pour toute methode d’inference causale (e.g. scores depropension), cette approche repose sur 4 hypotheses:
I 1. absence de facteurs de confusion non mesures(conditional exchangeability): toutes les variables associees a lasurvie et a la deviation du protocole (i.e. traitement) sontmesurees
I 2. positivite: pour chaque patient, la probabilite de devier duprotocole est non nulle a tout temps t de la grace period pourles patients encore a risque au temps t
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 12 41
Hypotheses
Comme pour toute methode d’inference causale (e.g. scores depropension), cette approche repose sur 4 hypotheses:
I 1. absence de facteurs de confusion non mesures(conditional exchangeability): toutes les variables associees a lasurvie et a la deviation du protocole (i.e. traitement) sontmesurees
I 2. positivite: pour chaque patient, la probabilite de devier duprotocole est non nulle a tout temps t de la grace period pourles patients encore a risque au temps t
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 12 41
Hypotheses
Comme pour toute methode d’inference causale (e.g. scores depropension), cette approche repose sur 4 hypotheses:
I 1. absence de facteurs de confusion non mesures(conditional exchangeability): toutes les variables associees a lasurvie et a la deviation du protocole (i.e. traitement) sontmesurees
I 2. positivite: pour chaque patient, la probabilite de devier duprotocole est non nulle a tout temps t de la grace period pourles patients encore a risque au temps t
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 12 41
Hypotheses
I 3. consistence: le critere de jugement observe pour chaqueindividu selon le traitement recu (chirurgie ou non) est identiquea ce qui aurait ete observe si le traitement avait ete attribue aupatient.
I 4. Correcte modelisation: les modeles utilises pour estimer lespoids de censure sont correctement specifies (formefonctionnelle pour les variables continues, interactions.. )
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 13 41
Hypotheses
I 3. consistence: le critere de jugement observe pour chaqueindividu selon le traitement recu (chirurgie ou non) est identiquea ce qui aurait ete observe si le traitement avait ete attribue aupatient.
I 4. Correcte modelisation: les modeles utilises pour estimer lespoids de censure sont correctement specifies (formefonctionnelle pour les variables continues, interactions.. )
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 13 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Objectifs
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 14 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Objectives
Objectif: estimer l’effet causal de la chirurgie dans les 6mois apres le diagnostic sur la survie a 1 an des patients agesatteints d’un cancer du poumon, a l’aide d’un essai emule
Objectifs methodologiques:
I Comparer les performances de plusieurs methodes statistiquespour l’estimation des poids de censure
I Proposer une methode pour evaluer l’equilibre des groupesapres ponderation
I Comparer les estimations de survie obtenues aux resultats d’uneapproche naıve et de la g-computation a l’aide de modelesparametriques flexibles
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 15 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Objectives
Objectif: estimer l’effet causal de la chirurgie dans les 6mois apres le diagnostic sur la survie a 1 an des patients agesatteints d’un cancer du poumon, a l’aide d’un essai emule
Objectifs methodologiques:
I Comparer les performances de plusieurs methodes statistiquespour l’estimation des poids de censure
I Proposer une methode pour evaluer l’equilibre des groupesapres ponderation
I Comparer les estimations de survie obtenues aux resultats d’uneapproche naıve et de la g-computation a l’aide de modelesparametriques flexibles
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 15 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Methodes
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 16 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Donnees
Donnees: England Cancer registry (+Hospital Episode Statistics)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 17 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Question
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 18 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Criteres d’inclusion
Ces criteres assurent la validite de l’hypothese de positivite
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 19 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Traitement et outcome
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 20 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Estimande
Note: le HR n’a pas d’interpretation causale directe
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 21 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Resume
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 22 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Analyse
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 23 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Analyse
Comme dans un essai, pas de desequilibre des caracteristiquesa l’inclusion
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 24 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Censure
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 25 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Ponderation
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 26 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Clonage et censure
Trial arm 6= observed treatment
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 27 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Clonage et censure
Trial arm 6= observed treatment
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 27 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Clonage et censure
Trial arm 6= observed treatment
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 27 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Poids de censure
Modele 1: modele de poids
Poids estimes a chaque temps d’evenement incluant: age, sexe,defavorisation, stade, indice de capacites fonctionnelles, comorbidites,presentation en urgence
Comparaison de plusieurs methodes pour l’estimation des poids:
I Modele de Cox a risques proportionnels
I Modele de Cox flexible (GAM): smooth functions (penalizedsplines) pour les variables continues3
I Survival forest: (Machine learning) ensemble de survival treespour l’estimation non parametrique de la fonction de survie 4
Chaque modele est estime par bras en utilisant les donneespartitionnees a chaque temps d’evenement
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 28 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Poids de censure
Modele 1: modele de poids
Poids estimes a chaque temps d’evenement incluant: age, sexe,defavorisation, stade, indice de capacites fonctionnelles, comorbidites,presentation en urgence
Comparaison de plusieurs methodes pour l’estimation des poids:
I Modele de Cox a risques proportionnels
I Modele de Cox flexible (GAM): smooth functions (penalizedsplines) pour les variables continues3
I Survival forest: (Machine learning) ensemble de survival treespour l’estimation non parametrique de la fonction de survie 4
Chaque modele est estime par bras en utilisant les donneespartitionnees a chaque temps d’evenement
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 28 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Modele d’analyse
Modele 2: modele d’analyse
Comparaison des courbes de survie
Sur le jeu de donnees initial:
I Approche naıve: Kaplan-Meier (non-pondere)
I G-computation a partir d’un ”flexible hazard regression model”(B-splines)4
Sur le jeu de donnees clone:I Kaplan-Meier non pondere
I Kaplan-Meier pondere (avec les 3 types de poids)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 29 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Modele d’analyse
Modele 2: modele d’analyse
Comparaison des courbes de survie
Sur le jeu de donnees initial:
I Approche naıve: Kaplan-Meier (non-pondere)
I G-computation a partir d’un ”flexible hazard regression model”(B-splines)4
Sur le jeu de donnees clone:I Kaplan-Meier non pondere
I Kaplan-Meier pondere (avec les 3 types de poids)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 29 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Modele d’analyse
Modele 2: modele d’analyse
Comparaison des courbes de survie
Sur le jeu de donnees initial:
I Approche naıve: Kaplan-Meier (non-pondere)
I G-computation a partir d’un ”flexible hazard regression model”(B-splines)4
Sur le jeu de donnees clone:I Kaplan-Meier non pondere
I Kaplan-Meier pondere (avec les 3 types de poids)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 29 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Resultats
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 30 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Caracteristiques individuelles
Caracteristiques des groupes de traitement (traitement observe)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 31 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Equilibre a 6 mois
Standardised difference at 6 months (%)
●
●
●
●
●
●
●
●
●
●
●
−70 −50 −30 −10 10 30 50 70
Age
Sex
EP
Stage
Deprivation
Perf status=0
Perf status=1
Perf status=2
Comorbidities=0
Comorbidities=1
Comorbidities=2●
UnweightedCoxGAMRF
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 32 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Equilibre au cours du temps
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
Age at diagnosis
Time from diagnosis (months)
Sta
ndar
dise
d di
ffere
nce
(%)
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
0 3 6 9 12
−60
−40
−20
0
20
40 ●
●
UnweightedWeighted (GAM)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 33 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Equilibre au cours du temps
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
Age at diagnosis
Time from diagnosis (months)
Sta
ndar
dise
d di
ffere
nce
(%)
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
0 3 6 9 12
−60
−40
−20
0
20
40 ●
●
UnweightedWeighted (GAM)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 33 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Survie a un an
Time from diagnosis (months)
Sur
viva
l pro
babi
lity
0 3 6 9 12
0.6
0.7
0.8
0.9
1
NaiveG−computationEmulation
No surgery
Surgery
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 34 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Survie a un an
Time from diagnosis (months)
Sur
viva
l pro
babi
lity
0 3 6 9 12
0.6
0.7
0.8
0.9
1
NaiveG−computationEmulation
No surgery
Surgery
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 34 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Survie a un an
Time from diagnosis (months)
Sur
viva
l pro
babi
lity
0 3 6 9 12
0.6
0.7
0.8
0.9
1
NaiveG−computationEmulation
No surgery
Surgery
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 34 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Impact du type de poids
Time from diagnosis (months)
Sur
viva
l pro
babi
lity
0 3 6 9 12
0.6
0.7
0.8
0.9
1
NaiveE_naiveE_CoxE_GAM
No surgery
Surgery
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 35 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Impact du type de poids
Time from diagnosis (months)
Sur
viva
l pro
babi
lity
0 3 6 9 12
0.6
0.7
0.8
0.9
1
NaiveE_naiveE_CoxE_GAM
No surgery
Surgery
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 35 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Impact du type de poids
Time from diagnosis (months)
Sur
viva
l pro
babi
lity
0 3 6 9 12
0.6
0.7
0.8
0.9
1
NaiveE_naiveE_CoxE_GAM
No surgery
Surgery
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 35 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Impact du type de poids
Time from diagnosis (months)
Sur
viva
l pro
babi
lity
0 3 6 9 12
0.6
0.7
0.8
0.9
1
NaiveE_naiveE_CoxE_GAM
No surgery
Surgery
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 35 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Estimations
Method n Difference in1 year Survival (%)
Naıve (unadjusted) 2309 22.4 [18.1;26.9]G-computation* 2309 13.7 [10.2;18.0]Emulation** 4618
Unweighted 17.4 [14.6; 20.1]IPCW-Cox weights 10.9 [7.9; 15.3]IPCW-GAM weights 10.4 -IPCW-SF weights 10.7 ?
*Normal-based bootstrap confidence interval.
La difference de RMST est une autre mesure utile dans cecontexte
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 36 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Conclusions et perspectives
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 37 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Conclusions et perspectives
Illustration de l’application d’un essai emule pour etablirl’effet causal de la chirurgie chez les patients ages
Resultats similaires attendus avec l’utilisation de lag-computation (traitement dependant du temps) mais:
I Cette approache rend le design et l’analyse plustransparents
I L’equilibre des groupes peut etre etudie au cours du tempsa l’aide de methodes graphiques
Equilibre des covariables meilleurs avec un modele flexible despoids ou une survival forest (inference?)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 38 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Conclusions et perspectives
Illustration de l’application d’un essai emule pour etablirl’effet causal de la chirurgie chez les patients ages
Resultats similaires attendus avec l’utilisation de lag-computation (traitement dependant du temps) mais:
I Cette approache rend le design et l’analyse plustransparents
I L’equilibre des groupes peut etre etudie au cours du tempsa l’aide de methodes graphiques
Equilibre des covariables meilleurs avec un modele flexible despoids ou une survival forest (inference?)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 38 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Conclusions et perspectives
Illustration de l’application d’un essai emule pour etablirl’effet causal de la chirurgie chez les patients ages
Resultats similaires attendus avec l’utilisation de lag-computation (traitement dependant du temps) mais:
I Cette approache rend le design et l’analyse plustransparents
I L’equilibre des groupes peut etre etudie au cours du tempsa l’aide de methodes graphiques
Equilibre des covariables meilleurs avec un modele flexible despoids ou une survival forest (inference?)
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 38 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
Discussion
Futures recherches:
I Developpement de modeles ponderes flexibles
I Estimation de la variance des differentes mesures d’interet,tenant compte de l’incertitude dans l’estimation des poids et del’inflation de l’effectif (deces precoces)
I Etude des performances des survival forests dans ce contexte
I Covariate-balancing propensity score?
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 39 41
Contexte
Contexteclinique
Challenges
Essais emules
Objectifs
Methodes
Donnees
Clonage etcensure
Poids
Modeled’analyse
Resultats
Equilibre
Survie a un an
Discussion
References
1 Belot A et al. Association between age, deprivation and specific comorbidconditions and the receipt of major surgery in patients with non-small cell lungcancer in England: A population-based study. Epub ahead of print: 2018.doi:10.1136/ thoraxjnl-2017-211395
2 Hernan M and Robins J. Using Big Data to Emulate a Target Trial When aRandomized Trial Is Not Available. Am J Epidemiol. 2016 Apr 15; 183(8):758-764.
3 Wood S. Generalized Additive Models: An Introduction with R, SecondEdition. Chapman & Hall/CRC Texts in Statistical Science.
4 Charvat H et al. A multilevel excess hazard model to estimate net survival onhierarchical data allowing for non-linear and non-proportional effects ofcovariates. Stat Med 2016. doi: 10.1002/sim.6881
Emulation d’essais cliniques GDR Stats & Sante — 11 octobre 2019 40 41