docteur patrice nony service de pharmacologie … · •choix éventuel d’un ou de deux objectifs...
TRANSCRIPT
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Les plans expérimentaux
Docteur Patrice NONY
Service de Pharmacologie Clinique
UMR CNRS 5558
Hôpital Cardiologique, Lyon, FRANCE
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Objectifs
• Connaissances
• Comprendre l'approche systémique appliquée ici à l'expérimentique
• Connaître les questions à se poser avant l'élaboration d'une expérimentation
• Connaître les notions de base en métrologie
• Savoir préciser les prérequis pour un mesurage de qualité : fidélité, justesse, précision
• Comprendre la structure générale des plans expérimentaux : groupes parallèles, plans intra-individuels (croisé, carré latin), plans factoriels
• Connaître les avantages et limites théoriques de chacun des plans ci-dessus
• Savoir comparer les plans croisés et en groupes parallèles en terme de durée et de précision
• Savoir faire
• Savoir positionner le choix du plan d'expérience dans le contexte général de l'expérimentation envisagée
• Savoir argumenter le choix des techniques de mesure utilisées
• Savoir discuter a priori de la sélection des variables sur lesquelles portera l'analyse statistique
• Savoir choisir et justifier la durée des périodes de lavage dans un plan intra-individuel
• Savoir reconnaître graphiquement un phénomène de régression à la moyenne, un effet période, une interaction traitement-période dans un essai croisé
• Etre capable de simuler les coûts (en terme de durée et de précision) d'un plan croisé et d'un plan en groupes parallèles
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Principales étapes 1
• Définition du problème et des objectifs principaux
• Décomposition sous forme de questions
élémentaires
• Classification hiérarchique de ces questions
• Choix d’un objectif principal
• Choix éventuel d’un ou de deux objectifs
secondaires
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Principales étapes 2
• Recensement des informations existantes
– bibliographie
– brochure pour investigateur
– autres : connaissances théoriques, analogies ...
• Ces informations permettent-elles de répondre
aux questions ?
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Principales étapes 3
• Evaluation des possibilités d’expérimentation
(contraintes : coût, temps, possibilités techniques
ou physiques)
• Rédaction du protocole de recherche et choix du
plan d’expérience
• Réalisation de la recherche
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Principales étapes 4
• Recueil des données (dont contrôle de qualité)
• Analyse statistique des résultats et modélisation
• Interprétation et discussion (dont validités)
• Conséquences : recherches ancillaires
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Objectifs
• Appréhender la variabilité (intra et inter-individuelle)
• Apporter la meilleure précision possible sur les résultats
• Permettre la modélisation des phénomènes étudiés
• Diminuer les coûts :
– éviter de réaliser des expérimentations inutiles
– diminuer le nombre de sujets nécessaires
– obtenir le plus rapidement des résultats fiables ...
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Expérimentique
Etude d’un phénomène :
y = f (x1, x2, ….xk)
– Méthode classique :
On fixe le niveau de toutes les variables sauf une, et l’on mesure la réponse y en fonction de plusieurs valeurs de la variable non fixée.
Exemple : k = 7,
nbre de points expérimentaux par variable = 5
Nbre d’expériences = 57 = 78 125 Solutions : diminuer le nbre de points expérimentaux diminuer le nbre de variables
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Expérimentique
– Méthode des plans d’expériences
On fait varier les niveaux de tous les facteurs à
la fois à chaque expérience, mais de manière
programmée et raisonnée.
Fisher, Yates, Cochran, Plackett, Burman,
Hotelling, Youden, Scheffé
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Expérimentique
– Ce que ne fait pas l’expérimentique :
• Bien poser le problème
• Choisir les facteurs pertinents
• Bien conduire les expérimentations
• Bien choisir les réponses à mesurer
• Etre imaginatif et créatif
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Principes
– Formulation : • Des hypothèses scientifiques
• Des hypothèses statistiques
– Détermination : • Des conditions expérimentales (variables indépendantes)
• Des mesures à effectuer (variable dépendante)
• Des variables de nuisance (variables à contrôler)
– Calcul de N et population initiale
– Allocation du traitement
– Modalités d’analyse statistique
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Principes
– Allocation aléatoire
– Réplication de l’expérience
– Blocking : prise en compte des variables de
nuisance :
• Variable maintenue constante
• Randomisation
• Variable incluse comme un des facteurs de
l’expérimentation
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
ANOVA
– Fisher (1925) :
– Snedecor (1934) :
– Nbre de replications :
)ˆlnˆ(ln2
1 22
errortreatz
22 ˆ/ˆerrortreatF
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Les constituants d’un plan expérimental 1
• Les traitements à comparer
– nature du produit
– quantité administrée
– modalités d’administration
– choix du traitement de référence
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Les constituants d’un plan expérimental 2
•L’unité expérimentale
plus petite division du matériel expérimental de
façon à ce que deux unités expérimentales
différentes puissent recevoir deux traitements
différents
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Les constituants d’un plan expérimental 3
•Le nombre d’unités expérimentales
– la précision de l’estimation de l’effet thérapeutique est mesurée par l’erreur résiduelle de son estimation
– plus grande est la taille de l’échantillon, meilleure est la précision de l’estimation de l ’effet thérapeutique
– plus la différence entre l’effet de deux traitements est faible, plus grande devra être la précision de l’estimation des effets
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Les constituants d’un plan expérimental 4
•L’allocation du traitement aux unités expérimentales
–systématique
–subjective
–aléatoire : à privilégier car elle minimise la probabilité
qu’une différence systématique existe entre les
différentes unités expérimentales recevant les
traitements.
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Les constituants d’un plan expérimental 5
•Les paramètres sur lesquels portera l ’analyse
–choix des paramètres mesurés
–choix d’une méthode de mesure
–choix des variables statistiques sur lesquelles
portera l’analyse
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Les constituants d’un plan expérimental 6
•Elimination des biais
– utilisation du placebo
– utilisation du double-aveugle
– ….
– ….
Classification des expérimentations
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Métrologie 1
•Principes : mesurage du mesurande répété n fois
•Résultats : m1, m2…..mn, valeur moyenne et dispersion
•p(m) est la densité de probabilité pour la valeur m du mesurande:
m
p(m)
m1 m2 10 20 30 40 50 60
0.1
0.2
0.3
0.4
0.5
m
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Métrologie 2
•P : probabilité d’obtenir comme résultat d’une
mesure, une valeur du mesurande comprise entre
m1 et m2
2
1).(
m
mdmmpP
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Métrologie 3
•En cas d’indépendance des erreurs de mesure
accidentelles, utilisation du modèle gaussien :
•avec :
•où :
–la valeur de m la plus probable est la moyenne
–la probabilité d ’un résultat de mesurage est :
2
2
2
)(
2
1)(
mm
emp
%95)2( mP
n
i
i
n
mm
1 1
)( 2
n
mmi
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Répartition des résultats de mesure 4
m : valeur mesurée
p(m) : densité de probabilité
m
p(m)
Valeur vraie
moyenne
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Métrologie 5
•Fidélité (« reliable ») : erreurs accidentelles faibles
–résultats de mesurage regroupés autour de la moyenne
–écart-type : appréciation quantitative de la fidélité
•Justesse (« valid ») : erreurs systématiques réduites
•Précision (« precise ») : fidélité + justesse
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Types de répartition des résultats de mesure 6
ni juste ni fidèle
juste mais non fidèle
“silver standard”
non juste mais fidèle
juste et fidèle = précis
“gold standard”
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Types de répartition des résultats de mesure 7
good accuracy,
poor precision,
“silver standard”
poor accuracy,
good precision,
“off-base model”
good accuracy,
good precision,
“gold standard”
poor accuracy,
poor precision,
“hit or miss model”
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Types de répartition des résultats de mesure 8
• erreurs systématiques et accidentelles importantes :
appareillage ni juste ni fidèle
• erreurs systématiques importantes, erreurs accidentelles réduites:
appareillage fidèle mais non juste
• erreurs systématiques faibles, erreurs accidentelles importantes:
appareillage juste mais non fidèle
• erreurs systématiques et accidentelles faibles:
appareillage juste et fidèle, donc précis
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Métrologie 9
•Erreur totale = erreur accidentelle + erreur systématique
•Conditions expérimentales influençant la réponse :
–facteurs contrôlés, donc non source d ’erreur
–facteurs non contrôlés, à l’origine de l’erreur totale :
• niveau fixe : erreur systématique
• niveau variable :
– évolution régulière : erreur systématique
– évolution aléatoire : erreur aléatoire
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Métrologie 10
•Comparaison entre :
– l’effet (E)
– et l’erreur faite sur la détermination de E (E)
• E >> E : effet est influent
• E << E : effet sans influence
• E ~ E : conclusion difficile
(pour un modèle gaussien : )
NE
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Plan d'expérience
Trois plan d'expérience sont couramment utilisés :
• le plan en groupes parallèles
• le plan croisé (cross-over), le plan en carré latin
• le plan factoriel
La notion de plan d ’expérience désigne la
façon dont est organisée la comparaison
des traitements testés dans l’essai.
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Plan en groupes parallèles
Le plan en groupes parallèles est le plan
classique de l'essai clinique.
Les deux groupes sont créés de manière
contemporaine et suivis simultanément (d ’où la
notion de groupes parallèles).
La population de l ’essai est divisée en deux
groupes distincts de patients.
R
Groupe 1
Groupe 2
R
Placebo
Dose 1
Dose 3
Dose 4
Le plan en groupes parallèles n'est pas limité à
deux groupes. Il est utilisable avec plusieurs
groupes pour comparer plusieurs traitements
simultanément ou plusieurs doses du même
traitement.
Il convient cependant dans ce cas de faire
attention au problème des comparaisons
statistiques multiples.
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Différence entre les groupes =
différence entre les traitements
(en l’absence de biais)
Traitement contrôle
Etat initial
Etat final
Groupe contrôle
Evolution spontanée
Régression à la moyenne
Effet placebo
Dérive de la mesure
Autres facteurs confondants
Groupe traité
Etat initial
Etat final
Traitement évalué
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai contrôlé randomisé en double aveugle
Randomisation
Grp T
Grp C
Critère
Critère
Groupe
comparable Maintien de la comparabilité
Biais de sélection Biais de réalisation Biais d'évaluation
Biais d'attrition
Randomisation Double aveugle
ITT
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai en groupes parallèles 1
groupe 1
groupe 2
groupe 1
groupe 2
groupe 3
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai en groupes parallèles 2
n° = dose ou ttt
groupe 3
groupe 4
groupe 5
groupe 3 ou 6
groupe 4 ou 7
groupe 5 ou 8
groupe 1
groupe 2
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai en groupes parallèles 3
groupe 1 (dose 1)
groupe 2 (dose 2)
groupe 3 (Placebo)
placebo
évaluation
des patients
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai en groupes parallèles 4
traitement A
traitement B
traitement C
Placebo
double-aveugle
placebo
simple-aveugle
dose-ranging
simple-aveugle
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai croisé (cross-over)
Groupe A
patients 1, 3, 6
Groupe B
patients 2, 4, 5
Placebo
Traitement actif
Placebo
Traitement actif
Première période Seconde période
temps
Tous les sujets reçoivent les deux traitements.
L'effet du traitement est obtenu en comparant chez chaque patient les
résultats obtenus sous traitement et sans traitement (comparaison de
séries appariées). Chaque sujet est son propre témoin.
Les sujets sont divisés par randomisation en deux groupes. Les
groupes diffèrent par l'ordre d'administration des traitements
(séquence) :
•le premier groupe reçoit le placebo en premier puis le traitement actif,
•le second groupe d'abord le traitement actif puis le placebo.
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai croisé (cross-over)
Valeur sous
traitement actif patient 1 (2éme période)
patient 2 (1er période)
patient 3 (2éme période)
patient 4 (1er période)
patient 5 (1er période)
patient 6 (2éme période)
Valeur sous placebo
patient 1 (1er période)
patient 2 (2éme période)
patient 3 (1er période)
patient 4 (2éme période)
patient 5 (2éme période)
patient 6 (1er période)
Il existe deux types de groupes dans un
cross-over :
• les groupes constitués suivant la
séquence de traitement placebo-
traitement actif ou traitement actif-
placebo.
• les groupes de valeur du critère de
jugement en fonction du traitement :
placebo ou traitement actif. Tous les
patients apparaissent dans ces deux
groupes
L'avantage statistique du cross-over est de
prendre chaque sujet comme son propre
témoin et donc de limiter les effets de la
variabilité entre les sujets.
Ainsi, sous certaines conditions, le nombre
de sujets nécessaires est inférieur à celui
d'un essai en groupes parallèles.
Chaque patient apporte de l'information
pour les deux traitements.
Contrairement au plan en groupes
parallèles, ce sont les mêmes patients qui
apparaissent dans les deux groupes de
traitements
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai croisé 1
BL A B BL
* **
B A
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai croisé 2
BL A BL B BL
B A
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai croisé 3
•Ou en permutations croisées ou en chassé-croisé :
A - B
B - A
Période de lavage entre chaque traitement
Chaque patient reçoit les traitements étudiés
Mesure : E sous traitement et contrôle
•Application dans les pathologies chroniques :
migraine, comitialité, algies, spondylarthrite ankylosante,
angor
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai croisé 4
•Hypothèses nécessaires :
–stabilité du patient, sujets sains
–mesures homogènes au début de l ’essai
–possibilité a priori de mesurer un E intra-individuel
–état initial identique au début de chaque période de traitement
–absence d ’effet résiduel ou « carry-over »
–absence d ’effet période
–durée suffisante de chaque période de traitement
–durée suffisante de chaque période de lavage
–traitements associés contrôlés pendant toute la durée de l ’essai
Limites des plans en cross-over
La maladie traitée est chronique et n'évolue pas sur le temps de
l'essai. En début de seconde période l'état des patients doit être
similaire à celui du début de première période
Le critère de jugement peut être mesuré de manière répétitive (ceci
exclut les événements cliniques ou le décès)
la mesure du critère de jugement n'est pas modifiée par un effet
d'apprentissage
Il n'y a pas de modification de l'effet du traitement en fonction de
l'ordre d'administration
L'effet du premier traitement ne se maintient pas après son arrêt en
fin de première période et ne se reporte pas sur la seconde période
L'essai en cross-over est surtout utilisé avec des critères de
jugement continus correspondant à un critère intermédiaire.
Leur utilisation avec un événement clinique comme critère de
jugement n'est, en général, pas possible. C’est le cas par
exemple du décès.
Le plan d ’expérience croisé ne peut pas être
appliqué à toutes les situations. Sa validité est
subordonnée à la vérification des conditions
suivantes :
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai en carré latin 1
•Lettres latines : A, B, C... : A - B - C
B - C - A
C - A - B –Plus de deux traitements à comparer
–Chaque sujet reçoit successivement chacun des traitements
–Dans chaque ligne, et de façon identique pour chaque
colonne, on ne voit apparaître qu ’une fois et une seule
chaque traitement
–Nombre de sujets est un multiple du nombre de traitements
–Etude simultanée des facteurs : sujet, période, traitement
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai en carré latin 2
•Randomisation : 3 niveaux successifs
–tirage au sort du carré latin
–traitement-symbole
–allocation aléatoire du sujet à la ligne
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Essai en carré latin 3
•En cas d’influence de l’ordre des traitements sur leurs effets :
–ne pas se limiter à certaines « successions » :
A B C D
B C D A
C D A B
D A B C
–mais utiliser des carrés latins équilibrés par ordre de
succession:
A B C D
B D A C
C A D B
D C B A
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Carrés gréco-latins
•Etude simultanée de l’effet d’un traitement
et d’un autre facteur
•Superposer deux carrés latins indépendants (ou
orthogonaux):
A B C
B C A
C A B
•Nombre de variétés du facteur = nombre de traitements
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Blocs incomplets équilibrés
Chaque sujet ne peut recevoir tous les traitements à
comparer :
1 A B
2 D C
3 C A
4 B C
5 D A
6 D C
7 B A
………………………...
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Effet tardif ou rémanent
•Effet irréversible d’un des traitements (guérison !)
•Effet retardé (IMAO)
•Effet rebond à l’arrêt du traitement
•Demi-vie PK
•Demi-vie PD
•Phénomènes de conditionnement, apprentissage…
période de lavage suffisante
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Plans en groupes parallèles : tableau récapitulatif
Avantages Inconvénients
organisation simple
N élevé
groupes égaux et comparables
état pathologique non stable possible
variabilité inter et intra sujet
durée courte
analyse tests paramétriques
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Plans intra-individuels : tableau récapitulatif
Avantages Inconvénients
organisation assez complexe
N faible
groupes pas de données
manquantes
état pathologique stable nécessaire
variabilité intra sujet
durée longue
analyse analyse de variance
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
A. Invalid initiation of a cross-over trial illustrating regression
to the mean
B. Invalid initiation of second part of a cross-over trial because
patients start treatment I and II from different baselines
C. Valid cross-over trial illustrating a period effect
D. Ideal data collected during a cross-over trial
L'intérêt du plan factoriel est d'évaluer simultanément
deux traitements dans un même essai entraînant une
économie en coût et en patients et un gain de temps.
Le plan factoriel permet de tester deux
traitements simultanément. Chaque patient
reçoit deux traitements et contribue au deux
comparaisons.
La population de l'essai est répartie de façon
aléatoire en deux groupes recevant le premier
traitement (traitement A) ou son contrôle.
Une deuxième randomisation répartit de
nouveau cette population en deux groupes :
traitement B ou son contrôle.
traitement A
traitement B
n=100
traitement A
placebo de B
n=100
placebo de A
traitement B
n=100
placebo de A
placebo de B
n=100
traitement B
n=200
placebo de B
n=200
traitement A
n=200
placebo de A
n=200
Comparaison :
B vs placebo
Com
pa
rais
on
: A
vs p
lace
bo
L'analyse d'un plan factoriel revient à faire 2
analyses séparées (comme s'il s'agissait de 2
essais séparés) à condition qu'aucune
interaction n‘ait pu être mise en évidence.
traitement B
+
placebo B
traitement B
+
placebo B
traitement A
n=200
placebo de A
n=200
traitement A
+
placebo A
traitement A
+
placebo A
traitement B
n=200
placebo de B
n=200
L‘ évaluation de A s'effectue chez des
patients recevant ou ne recevant pas B.
Décès Traitement B
n=1000 Placebo B
n=1000
Traitement A n=1000
98 / 500 109 / 500
Placebo A n=1000
112 / 500 123 / 500
Traitement A
n décès fréquence
Groupe traité 500+500=1000 98+109=207 207/1000=0.21
Groupe placebo 500+500=1000 112+123=235 235/1000=0.26 RR=0.88
Traitement B
n décès fréquence
Groupe traité 500+500=1000 98+112=210 210/1000=0.21
Groupe placebo 500+500=100 109+123=232 232/1000=0.23 RR=0.91
Effet de A
en présence de B 98/500=0.20 112/500=0.22 RR=0.88
en l'absence de B 109/500=0.22 123/500=0.25 RR=0.89
Effet de B
en présence de A 98/500=0.20 109/500=0.22 RR=0.90
en l'absence de A 112/500=0.22 123/500=0.25 RR=0.91
Effets traitements
Interactions
L'effet de A est le même en présence ou
en absence de B.
Il n'y a pas d'interaction
L'effet de B est le même en présence ou
en absence de A.
Il n'y a pas d'interaction
Total
Verum A 98 /500 109 /500 1000
Placebo A 112 /500 123 /500 1000
Total
Ev effectif fr
Verum A 207 /1000 0,21 RR
Placebo A 235 /1000 0,24 0,88
Ev effectif fr
Verum B 210 /1000 0,2 RR
Placebo B 232 /1000 0,2 0,91
r1 r0 rr
En présence de B 0,20 0,22 0,88
En l'absence de B 0,22 0,25 0,89
r1 r0 rr
En présence de A 0,20 0,22 0,90
En l'absence de A 0,22 0,25 0,91
1000 1000
Traitement B
Traitement A
Verum B Placebo B
Effet de A
Effet de B
Traitement A
Traitement B
I
N
T
E
R
A
C
T
I
O
N
Ev / n
Total
Verum A 98 /500 130 /500 1000
Placebo A 112 /500 123 /500 1000
Total
Ev effectif fr
Verum A 228 1000 0,23 RR
Placebo A 235 1000 0,24 0,97
Ev effectif fr
Verum B 210 1000 0,2 RR
Placebo B 253 1000 0,3 0,83
r1 r0 rr
En présence de B 0,20 0,22 0,88
En l'absence de B 0,26 0,25 1,06
r1 r0 rr
En présence de A 0,20 0,26 0,75
En l'absence de A 0,22 0,25 0,91
Effet de A
Effet de B
Traitement A
Traitement B
Interaction dans un plan factoriel : analyse ????
1000 1000
Traitement B
Traitement A
Verum B Placebo B
Effet de A
0,15
0,20
0,25
0,30
Ris
que
En présence de B 0,20 0,22
En l'absence de B 0,26 0,25
r1 r0
Effet de B
0,15
0,20
0,25
0,30
Ris
que
En présence de A 0,20 0,26
En l'absence de A 0,22 0,25
r1 r0
I
N
T
E
R
A
C
T
I
O
N
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
•Durée de l’essai :
–Patient
–Investigateur
–Promoteur
•Variance de l’estimation de l’effet traitement
–Nombre de patients
–Durée de l’essai
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
•Traitements A et B
•Essai en groupes parallèles : 2 p patients (p : traitement A, p : traitement B)
•Essai en cross-over : 2 c patients (c : séquence AB, c : séquence BA)
•Durée d'une période de traitement : t
•Période de wash-out : w > 0
•Durée du recrutement entre 2 patients : r1 (groupes parallèles), r2 (cross-over)
•Durée du "run-in" (période pré-randomisation) : v
–Hypothèses : -randomisation précède le début de chaque période de traitement
-absence d'effet « carry-over »
-1 seule mesure d'effet à la fin de chaque période de traitement
–Difficultés : -w fixe
-t correctement défini
-r1 et r2 inconnues, r2 > r1
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
DUREE Groupes parallèles Cross-over
Durée de l'essai par patient : v + t v + 2t + w
Durée de l'investigation : 2p (v + t) 2c (v + 2t + w)
Durée totale de l'essai : 2pr1 + v + t 2cr2 + v + 2t + w
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
DUREE
Durée de l'essai par patient : indice de coût individuel par
patient
Durée de l'investigation : indice de la charge de travail de
l’investigateur
Durée totale de l'essai : indice utile au promoteur
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
DUREE : remarques
•Différence de temps par patient :
cross-over > groupes parallèles avec une différence de (t + w)
•Différence de temps pour l'investigateur :
cross over < groupe parallèles
si : p > [ 1 + (t + w) / (t + v) ] c, et en supposant v = w,
alors : p > 2c
•Différence de temps pour le promoteur :
cross-over < groupes parallèles
si : p > cr2 / r1 + (t + w) / (2r1), et en supposant : w = 0 et r1 = r2 = r,
alors : p > c + t / (2r)
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
•MODELISATION GENERALE
Yiht = réponse du patient i du groupe h (h = 1 ou 2) pour la période t
(t = 1 pour l'essai en groupes parallèles et 2 pour le cross-over)
Yiht = E (Yht) + ih + iht , avec ih : erreur inter-patient, iht : erreur intra-patient
Hypothèses : E ( ih) = E ( iht ) = 0,
var ( ih) = b2, var ( iht ) = w
2, et cov ( ih, iht) = 0
Ainsi : -les effets sont dus aux traitements ou à l'effet période
-les variations aléatoires de l'effet ont 2 origines :
variation inter-patient ou variation intra-patient
-les effets « période » et « traitement » ne varient pas selon les patients
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
NOTATION : plan croisé
Y . 11 Y . 12
Y . 21 Y . 22
NOTATION : plan en groupes parallèles
Y . 11
Y . 21
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
Estimation standardisée de l'effet du traitement dans
un plan en cross-over :
CROS = [(Y . 11 - Y . 12) + (Y . 21 - Y . 22)] / 2
var (CROS) = ²w / c
(cf. variance intra patient)
Estimation standardisée de l'effet du traitement dans
un plan en groupes parallèles :
PAR = (Y . 11 - Y . 21)
var (PAR) = 2 (
2
b+
2
w ) / p (cf. variance intra et inter patient)
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
Si l'on souhaite comparer p et c pour que :
var (PAR) = var (CROS)
2
wC = 2 (
2
b+
2
w ) / p
p = 2c (2
b+
2
w ) / 2
w
Ainsi : l'estimation de l'effet du traitement a la même
variance dans les 2 types d'essai.
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
REMARQUE :
Même si b2 < w
2
(variance interpatient < variance intra-patient)
on aura toujours : p > c
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Comparaison : essai croisé / groupes parallèles
En reprenant les durées de l'investigation de l'essai :
- durée cross-over < durée plan parallèle
si : 2 (2
b+
2
w ) / 2
w > 1 + (t + w) / (t + v)
- en supposant : w = 0 et r = 0, (2
b+
2
w ) / 2
w > 1
(durée cross-over est toujours < durée plan parallèle)
- en supposant : w = t et r = 0, (2
b+
2
w ) / 2
w > 3/2
(variation interpatient >= 1/2 x variation intrapatient)
En reprenant les durées totales de l'essai :
2c (
2
b+
2
w ) /
2
w > cr2/r1 + (t + w) / (2r1)
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Rappels mathématiques 1
1/ Xi : variable aléatoire
E(Xi) = µi V (Xi) = ²
a et b = constantes : E (a + bXi) = a + b µi et V (a + bXi) = b² ²
2/ Covariance :
E (a Xi + b Xj) = a µi + b µj
V (a Xi + b Xj) = a² ²i + b² ²j + 2 ab ij
avec : ij = E ((Xi - µi) (Xj - µj))
ij = 0 si Xi et Xj sont indépendants
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Rappels mathématiques 2
3/ E (ai Xi) = ai µi
V (ai Xi) = ai² i²
Cas particulier : quel que soit i : µi = µ, i =
(i de 1 à n)
X = (1/n) Xi avec ai = 1/n
V(X) = ² (1/n²) = ² /n
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Modélisation d’un cross-over 1
: effet période
: effet traitement
A : effet carry-over dû au traitement A
B : effet carry-over dû au traitement B
i : effet dû au patient i
REPONSE
Patient Période 1 Période 2
j µj +
(traitement A)
µj + + A
(traitement B)k µk
(traitement B)µk + + +B(traitement A)
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Modélisation d’un cross-over 2
EXPECTED VALUE OF STATISTIC
Patient Cross-over
différence
(A-B)
Période
différence
(1-2)
Patient
total
j - - A - - A 2 µj + + + A
k + + B - - - B 2 µk + + + B
Pour le patient i et la période t (ici t = 1 ou t = 2) :
it = E (it) + it it = erreur aléatoire ; E ( it) = 0
origines : patient, interaction patient-traitement, erreur de mesure
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Origines d'une répartition non aléatoire
des différences de l'effet autour de l’effet réel
1/ Effet période
2/ Interaction période-traitement
3/ Carry-over
4/ Interaction patient-traitement
- qualitative
- quantitative
- plans expérimentaux particuliers
5/ Interaction patient-période
Patrice NONY (MD, PhD)
Pharmacologie Clinique, UMR CNRS 5558
Hôpital Cardiologique
Lyon, FRANCE
Précision et puissance
I/ PRECISION
précision = [n (n-1)]1/2
[(n+1)1/2]
II/ PUISSANCE : 1 -
calculée avec : n (z /2 + z )² (/)²