Annals of Internal Medecine, 17 novembre 2009, vol. 151Bibliographie du 01 décembre 2009

Cancer du sein (US): 193 370 cas, 40170 décès en 2009

Dépistage: Mammographie: 50 – 69 ans

Controverse: politique optimale?Age: début / finPériodicitéBalance bénéfices - inconvénients

Evaluer la stratégie de dépistage du cancer du sein aux USA:BénéficesInconvénientsConsommation de ressources

Extension des résultats d’essais randomisés:Population déjà viséeGroupes d’âge: résultats moins concluants

6 modèles de cancer du sein (CS): Paramètres communs:o Incidenceo Caractéristiques intrinsèques de la

mammographieo Algorithme de ttt et ses effetso Autres causes de décès

Variables spécifiques à chaque modèle:o Période de détection précliniqueo Période d’extensiono Stades de la maladie et distribution chez femmes

dépistées VS non-dépistées

Sources:

20 stratégies de dépistage: annuel ou biennal

Cohorte:Femmes: nées en 1960Suivi: 25 ans jusqu’à fin de vieType « âge-période »: effet de l’âge sur

l’incidence à une périodeDétection= mammographie

Stade préclinique ou petite tumeurRéduction de la mortalité

Adhésion (dépistage+ttt)= 100%

Bénéfices: Réduction de la mortalité (%)« Survie » (années)

InconvénientsMammographies: Faux-positifsBiopsies inutilesSurdiagnostic

« Base-case analysis »: classement des stratégies les + efficacesChaque modèle: efficace / dominée6 modèles: dominée en tout / efficace / limiteFrontière d’efficacité: + grand gain en santé

par mammographie supplémentaire « Sensitivity analysis »: variation du

classement liée aux variablesSe mammographie en fonction de l’âgeTtt: + adjuvant hormonal ou non o 100% cohorteo Selon le modèle de ttt actuel

Absence de dépistage après 40 ans:Risque de développer un CS: 12-15%Probabilité de décès lié au CS: 3%

Réduction de la mortalité:par rapport à l’absence de dépistage

(3%)Fonction nb de mammographies

8 stratégies « efficaces »: non dominéesoBiennales: 7/8 ▪ Début à 50 ans: 5/7▪ Extension › 69 ans: efficacité similaire

Survie: Stratégie biennale: 6/8 Début à 40 ans: 50% des modèles

% réduction de mortalité maintenue: Annuelle Biennale: 81% (67-99%)

Extension de l’âge de début ou de fin du dépistageRéduction mortalité: fin › début

o Fin 79 ans (vs 69 ans): 8% A, 7% Bo Début 40 ans (vs 50 ans): 3% A+B

Survie: début › fin (3/6 modèles )o Début 40 ans: 33 ans (11-58)o Fin 79 ans: 24 ans (18-38)

Taux de mammographies FP: augmenté (×2)Début à 40 ansStratégie annuelle

Biopsies inutiles: 7%, annuel › biennal Surdiagnostic

Age (5/6 modèles), surtout les + âgéesCIS › cancer invasif, surtout les + jeunesExtension: au-delà 69 ans › à partir 40 ansAnnuel › biennal (›50%)

Concordance avec les essais réalisés et la physiopathologie connue

Puissance: modélisationNombre de patientes, suivi prolongéValidation « croisée »

Manque de données: Chez ›74 ans (Δg en excès)Physiopathologie (CIS, période préclinique, … )

Evaluation bénéfices-inconvénients: Cohorte: ≠ reflet individuelHypothèse: 100% d’adhésionSous-groupes à risque non considérés: mutation

BRCA 1 ou 2 / état de santé / femmes noires Absence d’évaluation:

Morbidité de la chirurgieAltération de la qualité de vie: FP, surΔg, vivre avec

le Δg de cancerStratégies mixtesCoûts

Cohorte de 1960: extrapolation future?

Efficacité du dépistage: biennal › annuel

Ages optimaux de début / de fin:Objectifs du dépistageoRéduire la mortalité: extension date de finoAugmenter la survie: extension date de début

RessourcesValeurs données aux essais précédentsBalance bénéfices-inconvénientsConsidérations pour l’efficacité (FP, Δg

en excès) et l’équité

Effects of Mammography Screening Under Different Screening Schedules: Model Estimates of Potential Benefits and Harms

Annals of Internal Medecine, 17 novembre 2009, vol. 151

Auteurs: Jeanne S. Mandelblatt, MD, MPH; Kathleen A. Cronin, PhD; Stephanie Bailey, PhD; Donald A. Berry, PhD; Harry J. de Koning, MD, PhD; Gerrit Draisma, PhD; Hui Huang, MS; Sandra J. Lee, DSc; Mark Munsell, MS; Sylvia K. Plevritis, PhD; Peter Ravdin, MD, PhD; Clyde B. Schechter, MD, MA; Bronislava Sigal, PhD; Michael A. Stoto, PhD; Natasha K. Stout, PhD; Nicolien T. van Ravesteyn, MSc; John Venier, MS; Marvin Zelen, PhD; and Eric J. Feuer, PhD; for the Breast Cancer Working Group of the Cancer Intervention and Surveillance Modeling Network (CISNET)*