< Previous
Plusieurs axes de recherche méthodologique sont en cours. Ils concernent tous l'étude de données longitudinales. Ce type de méthodes est du domaine de la recherche en Biostatistique et permet de donner une autre approche aux analyses de survie usuelles. Il s'agit d'un axe intéressant pour obtenir des résultats cliniques originaux là où les méthodes plus classiquement utilisées ont atteint leurs limites.
- Les modèles multi-états permettent de généraliser les analyses de survie plus classiques. Le gain en termes de précision des résultats est significatif. Ce type de modèle a déjà été appliqué avec succès à la cohorte DIVAT en développant l'approche semi-Markovienne. L'évolution d'un patient peut en effet être décomposée en plusieurs états de santé. L'effet de chaque covariable est alors modélisé plus précisément puisqu'il est évalué sur chaque transition entre états. Pour plus de détails, cliquer ici.
- Les études des facteurs potentiellement associés à la survie des patients transplantés sont quasiment toutes basées sur l’estimateur de Kaplan-Meier et/ou sur le modèle de Cox. Ces méthodes permettant l’étude du temps d’apparition d’un événement unique, trois choix de variables à expliquer sont possibles pour les études de survie en transplantation rénale : (i) le délai entre la greffe et le retour en dialyse (les décès avec un greffon fonctionnel sont alors des censures à droite), (ii) le délai entre la greffe et le décès avec un greffon fonctionnel (les retours en dialyses sont alors des censures à droite) et (iii) le délai entre la greffe et le premier des deux échecs possibles. La première solution est critiquable puisqu’un nombre non-négligeable de décès est dû à la greffe. La surestimation de la survie qui en découle n’est pas le seul problème de cette approche. En effet, le modèle de Cox suppose une indépendance entre le processus de censure et le temps de survie étudié. Cette hypothèse est difficilement acceptable puisque le niveau de la filtration glomérulaire est lié à de nombreuses comorbidités. Le deux autres choix sont à l’inverse les plus pessimistes. Ils considèrent tous les décès comme liés à la transplantation alors que beaucoup d’entre eux sont indépendants de la pathologie étudiée. Les modèles de survie relative permettent d'isoler la mortalité due à la greffe sans pour autant connaître les décès dépendants de la transplantation.Pour plus de détails, cliquer ici.
- Le troisième axe concerne les méthodes diagnostiques et pronostiques, très utilisées en médecine. Dans le contexte du diagnostic, la performance du test est le plus souvent étudiée par des courbes ROC. Ces dernières, bien connues en épidémiologie, font appel aux notions de faux positifs et de faux négatifs (sensibilité, spécificité, valeurs prédictives positive et négative, etc.). Cette approche a été récemment généralisée au test pronostique, permettant cette fois de prédire un événement futur. On parle alors de courbes ROC temps-dépendantes. En complétant cette théorie par une fonction de coût, il est aussi possible de calculer un seuil décisionnel de ce marqueur pronostique afin d'identifier les groupes à risque d'un futur échec. Les premiers résultats sur DIVAT montrent l'intérêt de ces approches. Un score à un an est défini et ses performances pour prédire un retour en dialyse à long terme sont étudiées.Pour plus de détails, cliquer ici.
- Le dernier volet concerne l’analyse conjointe d’un marqueur longitudinal et de données de survie. Ce problème est régulièrement rencontré en transplantation lorsqu’il s’agit d’étudier l’évolution de la clairance de la créatinine. En effet, les patients retournés en dialyse ne sont plus observés (données manquantes) alors qu’on sait, par définition, que la fonction rénale est très faible (< 10 ml/min). Ce type de données manquantes non-aléatoires est la source d’un biais important lorsqu’on étudie l’évaluation de l’évolution d’un patient transplanté. Les modèles conjoints permettent de résoudre cette difficulté. Pour plus de détails, cliquer ici.