Blog

Apr 22, 2024

Utilisation des jours en vie sans assistance respiratoire et résultats similaires dans les essais cliniques randomisés

BMC Medical Research Methodology volume 23, Numéro d'article : 139 (2023) Citer cet article 1005 Accès 1 Citations 12 Détails des métriques Altmetric Jours en vie sans assistance respiratoire (DAWOLS) et similaires

BMC Medical Research Methodology volume 23, Numéro d'article : 139 (2023) Citer cet article

1005 Accès

1 Citation

12 Altmétrique

Détails des métriques

Les jours en vie sans assistance respiratoire (DAWOLS) et les résultats similaires qui cherchent à résumer les expériences de mortalité et de non-mortalité sont de plus en plus utilisés dans la recherche en soins intensifs. L'utilisation de ces résultats est remise en question par différentes définitions et distributions de résultats non normales qui compliquent les décisions d'analyse statistique.

Nous avons examiné les principales considérations méthodologiques lors de l'utilisation de DAWOLS et de résultats similaires et fournissons une description et un aperçu des avantages et des inconvénients de diverses méthodes statistiques d'analyse, complétées par une comparaison de ces méthodes à l'aide des données de l'essai clinique randomisé COVID STEROID 2. Nous nous sommes concentrés sur des modèles de régression facilement disponibles et de complexité croissante (modèles linéaires, binomiaux à obstacle négatif, bêta gonflé zéro-un et modèles de régression logistique cumulative) qui permettent de comparer plusieurs bras de traitement, d'ajuster les covariables et les termes d'interaction pour évaluer l'hétérogénéité des effets du traitement. .

En général, les modèles les plus simples estiment de manière adéquate les moyennes des groupes, même s’ils n’ajustent pas suffisamment les données pour imiter les données d’entrée. Les modèles les plus complexes s’ajustaient mieux et reproduisaient donc mieux les données d’entrée, même si cela s’accompagnait d’une complexité et d’une incertitude accrues des estimations. Même si les modèles les plus complexes peuvent modéliser des composantes distinctes des distributions de résultats (c'est-à-dire la probabilité d'avoir un DAWOLS nul), cette complexité signifie que la spécification d'a priori interprétables dans un contexte bayésien est difficile.

Enfin, nous présentons plusieurs exemples de la manière dont ces résultats peuvent être visualisés pour faciliter l'évaluation et l'interprétation.

Ce résumé des considérations méthodologiques centrales lors de l’utilisation, de la définition et de l’analyse de DAWOLS et de résultats similaires peut aider les chercheurs à choisir la méthode de définition et d’analyse qui correspond le mieux aux études prévues.

Essai COVID STEROID 2, ClinicalTrials.gov : NCT04509973, ctri.nic.in : CTRI/2020/10/028731.

Rapports d'examen par les pairs

La mortalité est traditionnellement le principal résultat de la plupart des essais cliniques randomisés (ECR) chez des patients gravement malades [1]. Cependant, des critères de comptage tels que le nombre de jours en vie sans assistance respiratoire (DAWOLS ; incluant généralement l'utilisation d'une ventilation mécanique, de vasopresseurs/inotropes ou d'un traitement de remplacement rénal) et les jours en vie hors de l'hôpital (DAOH) sont de plus en plus utilisés [2]. Ceci est motivé par le fait que ces résultats transmettent plus d’informations que les résultats binaires tels que la mortalité [3], et leur utilisation peut réduire le risque d’ECR non concluants en raison du manque de pouvoir pour rejeter des tailles d’effet cliniquement importantes pour la mortalité [4, 5 ]. De plus, ces résultats tiennent compte non seulement de la mortalité, mais également de l’utilisation des ressources, et comme ils prennent en compte à la fois la gravité de la maladie (durée des périodes sous assistance respiratoire ou à l’hôpital) et la mortalité, ces résultats peuvent être considérés comme importants pour le patient [2, 6,7 ,8] et peut en outre être associé à d'autres résultats indésirables [6, 7]. Enfin, ces résultats intègrent facilement les événements survenus (par exemple, de nouveaux épisodes de réanimation ou de réadmissions).

Cependant, l'utilisation, l'analyse et la communication de résultats DAWOLS, DAOH et similaires présentent des défis par rapport à ceux de la mortalité [2]. Ces défis sont liés aux définitions des résultats, y compris le traitement des décès et des distributions non normales, qui compliquent les analyses statistiques et peuvent affecter le choix de l'estimation (la quantité estimée dans une analyse statistique) et de la ou des mesures d'effet. [2]. Par conséquent, ces résultats sont fréquemment analysés à l’aide de diverses méthodes, notamment des méthodes basées sur la régression et des tests non paramétriques [2]. Les tests non paramétriques ont déjà été recommandés [9] et sont fréquemment utilisés [2], mais ils présentent des limites importantes qui entravent leur utilité dans des conceptions d'ECR plus complexes (par exemple, essais multi-bras ou essais sur plateforme adaptative [10]). Premièrement, la plupart des tests statistiques non paramétriques fournissent principalement des valeurs P sans quantifier l’ampleur des effets ni l’incertitude, ce qui est nécessaire pour évaluer l’importance clinique d’un effet thérapeutique. Deuxièmement, la plupart des tests non paramétriques soit excluent l'ajustement pour les covariables (par exemple, le test de somme de rangs de Mann-Whitney U/Wilcoxon), soit autorisent uniquement la stratification à une seule variable (par exemple, le test de Van Elteren), et la plupart ne peuvent comparer que deux groupes. à la fois [9]. Ainsi, les méthodes basées sur la régression qui permettent non seulement de tester des hypothèses nulles, mais également d'estimer l'ampleur des effets peuvent être plus appropriées et plus informatives [11] et sont de plus en plus utilisées pour ces résultats [2].