Ces dernières années, la méthodologie de recueil et d'analyse des effets indésirables (EI) des essais cliniques a été critiquée à de nombreuses reprises, notamment en oncologie. Pour les traitements longue durée, sujets à évènements tardifs, les modèles de survie à risques compétitifs sont indiqués pour gérer la censure et la compétition avec le décès. Bien que très utilisés dans ce contexte, les modèles de Cox et de Fine-Gray ne permettent pas de décrire la dynamique des taux de survenue des EI, pourtant informative pour comparer la toxicité de différents traitements. Les modèles flexibles sont une alternative pour accéder à cette dynamique, notamment dans un cadre pénalisé facilitant la spécification du modèle. En combinant l'estimation des taux à celle des probabilités cumulées d’évènements, les modèles flexibles permettent une interprétation fine des phénomènes ayant généré les données. L'objectif de cette étude est d’évaluer la pertinence du modèle de taux flexible pénalisé (MTFP) pour l'analyse des EI à l'aide de données simulées inspirées de données réelles. Les résultats du modèle sont comparés à ceux obtenus par des approches plus classiques: le modèle de Cox, de Fine-Gray et la régression logistique.

Les jeux de données sont simulés à partir de données réelles de toxicités observées sur des patients traités en oncologie. Deux scénarios sont considérés : avec et sans proportionnalité des taux d'EI entre les différents bras de traitement. Les scénarios sont également déclinés avec et sans censure non informative. On simule 500 échantillons, pour chaque situation, comprenant 100 sujets par bras. Les analyses statistiques réalisées visent à comparer la toxicité dans différents bras de traitement. On s'intéresse donc aux taux d’évènements, aux taux relatifs dans les différents bras de traitement et aux probabilités cumulées d’évènements. En l'absence d'a priori sur la forme des taux, le MTFP est spécifié sans contrainte de proportionnalité entre ces derniers pour les différents bras de traitement.

Le MTFP permet de décrire correctement la dynamique du taux même sur un jeu de données présentant un nombre d’évènements modeste. Malgré sa complexité plus importante, les prédictions obtenues sur l’échelle de la probabilité cumulée sont semblables ou supérieures que celles des autres modèles. Le MTFP est supérieur à la régression logistique en présence de censure non informative, celle-ci souffrant de biais importants. Il l'est également en cas de taux non proportionnels, pour lesquels les modèles de Cox et Fine-Gray sont mal spécifiés et donc biaisés. Les estimations des taux relatifs des différents bras de traitement par le MTFP présentent beaucoup de variabilité, notamment lorsque le nombre d’évènements est faible. Il permet cependant de décrire un taux relatif dépendant du temps lorsque le modèle de Cox ne fournit qu'un effet moyen sur la période.

Le modèle flexible semble pertinent pour décrire les taux d'EI au cours du temps dans différents bras de traitement. L'estimation du taux, associée à celle des probabilités cumulées, permet une interprétation fine des effets du traitement. Le taux relatif est en revanche à considérer avec précaution pour un nombre d’évènements et de sujets comparables à ceux considérés dans cette étude.

Effets indésirables , Taux , Risques compétitifs , Pénalisation

Les auteurs n'ont pas précisé leurs éventuels liens d'intérêts.