6533b7dafe1ef96bd126ea2d

RESEARCH PRODUCT

Correction de la mortalité attendue avec une fragilité individuelle pour une meilleure estimation de la survie nette et du délai de guérison à partir d’un modèle de guérison de non-mélange

subject

description

Introduction Les modeles de guerison sont utilises dans les etudes de population pour estimer la survie nette et sa valeur asymptotique correspondant a la proportion de gueris. La survie nette est la survie que l’on observerait si la maladie etudiee (par exemple le cancer) etait la seule cause possible de deces. Son estimation suppose que la mortalite observee resulte de deux forces de mortalite : l’une due au cancer (mortalite en exces) et l’autre due aux autres causes de deces (mortalite attendue). Dans ce cadre populationnel, la mortalite attendue des patients est supposee egale a la mortalite observee des individus de memes caracteristiques de la population generale. Cependant, cette hypothese peut ne pas etre verifiee. Objectifs Proposer un modele de guerison de non-melange corrigeant les tables de mortalite de la population generale lorsqu’elles ne correspondent pas aux valeurs de la mortalite attribuable aux autres causes de deces. Methodes Boussari et al. (M1) ont precedemment propose un modele de guerison de non-melange qui permet d’estimer directement le delai de guerison comme le delai a partir duquel la mortalite en exces devient nulle. Dans ce travail, nous relâchons l’hypothese de comparabilite entre la mortalite attendue des patients atteints de cancer et la mortalite observee dans la population generale. Pour tenir compte de ce biais de non-comparabilite, nous proposons deux modeles en supposant que la mortalite attendue est celle de la population generale multipliee par un parametre constant (M2) ou un terme de fragilite (M3). Nous avons evalue les performances des modeles M1, M2, M3 dans une etude de simulation mimant des donnees reelles. Les scenarios de simulation ont ete construits en faisant varier la proportion de gueris (faible, moyenne et elevee), le delai de guerison (precoce, tardif), la taille de l’echantillon, le processus de censure ainsi que l’ampleur de l’effet de non-comparabilite (nul, modere, severe) et sa variabilite (nulle, moderee, large). Ces trois modeles ont aussi ete appliques aux donnees du cancer du colon des registres francais du cancer (FRANCIM). Resultats Dans l’etude de simulation, les trois modeles avaient des performances similaires lorsque l’hypothese de comparabilite etait verifiee. En presence d’un effet de non-comparabilite modere ou severe a variabilite nulle, les deux modeles de guerison corrigeant la mortalite attendue avaient des performances similaires, meilleures que celles du modele de Boussari pour lequel des biais significatifs etaient observes. Lorsque la variabilite de l’effet etait moderee ou large, le modele avec une fragilite individuelle avait de meilleures performances que le modele corrigeant la mortalite attendue par un parametre constant. Dans l’application, le modele avec fragilite etait le plus parcimonieux {AIC (M3 : 143 334 ; M2 : 144 480 ; M1 : 145 930)} et l’effet de non-comparabilite etait significatif avec les deux nouveaux modeles (M3 : 2,32 [2,07 ; 2,57]) avec une variance a 2,47 ; M2 : 1,82 [1,77 ; 1,86]. La proportion de gueris estimee etait plus importante avec les deux nouveaux modeles (M3 : 82,63 %, M2 : 81,31 % ; M1 : 64,15 %) avec des delais de guerison dans la classe de reference (c.-a-d. [65 ; 75[ans) differents ({M3 : 11,58 [10,06 ; 13,10] ; M2 : 4,66 [4,24 ; 5,08] ; M1 : 12,20 [11,23 ; 13,17]} ans). Conclusion Nous recommandons les modeles proposes pour l’estimation de la survie nette et du delai de guerison. Un package R mettant en œuvre ces modeles sera bientot disponible.