Logiciels La cellule de Biostatistiques et d'Épidémiologie développe de nouveaux outils de recherche et d'analyse. Nous cherchons à diffuser l'ensemble de ces outils méthodologiques originaux qui sont centrés autour de la modélisation des patients atteints de pathologie chronique. Plus précisément, nous vous proposons les outils suivant: Il s'agit d'un ensemble de fonctions simples de R qui ont été utilisées pour calculer des courbes ROC dépendantes du temps à partir de l'estimateur de Kaplan-Meier ou avec l’adaptation par la méthode des k plus proches voisins. Les deux approches sont développées pour l'analyse de survie classique (mortalité toutes causes confondues) et pour l'analyse de survie relative additive (excès de mortalité). L’analyse peut être faite sur un ordinateur mono- ou multi-processeurs. Il s'agit d'un ensemble de fonctions simples de R qui ont été utilisées pour calculer des courbes ROC dépendantes du temps afin de déterminer si un facteur est pronostic à partir de données agrégées (courbes de survie publiées dans la littérature) et à partir de plusieurs études. Les données issues de technologies haut-débit comme les puces ADN peuvent être utilisée pour la conception de signatures pronostiques d'événements dans le temps. L'analyse de ces données est souvent associée à un sur-ajustement comme le rapporte de nombreux papiers. Cependant, peu de solutions sont proposées lorsque lorsque les données à expliquer sont incomplètes (censure ou troncature). Nous avons donc adapté l'approche par bootstrap 0.632+ pour l'estimation des courbes ROC dépendantes du temps. L'avantage est que l’interprétation des courbes ROC est maintenant bien acceptée et maîtrisée par la communauté médicale ou biologiste. De plus, les résultats ne dépendent pas de l'incidence de l'événement étudié. Nous avons validé les résultats par simulations. Nous avons illustré cette approche en étudiant les lymphomes diffus à grandes cellules B. Nos résultats montrent la bonne capacité de notre méthode à estimer la vraie capacité de la signature à pronostique l'événement. Cette méthode est implémentée dans le package R intitulé ROCt632. Il s'agit d'un score composite associant les déterminants pré et post greffe (1 an après la transplantation) significativement corrélés à la survie du greffon. Ce score (KTFS pour Kidney Transplant Failure Score), regroupe 8 paramètres (créatininémie à 3 et 12 mois, protéinurie à 12 mois, nombre de transplantations de rein précédentes, âge et sexe du receveur, créatininémie du donneur au moment du prélèvement et incidence d’un rejet aigu dans la première année de greffe) et se base sur la maximisation de l’aire sous la courbe ROC dépendante du temps. Dans de nombreux articles issues de revues cliniques, une confusion majeure est faite: les aptitudes pronostiques d'un biomarqueur ne sont pas souvent vérifiées mais juste déclarées à partir d'une corrélation significative entre le biomarqueur et le délai de survenue de l'événement clinique. De plus, dans un contexte pronostique, le phénomène de censure à droite est rarement considéré et la méthodologie utilisée pour justifier des capacités pronostiques d'un biomarqueur ne tient compte que rarement de ce biais de sélection. Les conclusions qui en découlent sont souvent trop optimistes. Pour une meilleure lecture des papiers présentant un biomarqueur comme pronostique, nous proposons de recalculer les sensibilités et spécificités dépendantes du temps à partir de 2 courbes de survie déjà publiées: celle d'un groupe à faible risque de connaître l'événement clinique et celle d'un groupe à fort risque. L'application EVALBIOM requière que l'utilisateur se donne un temps de pronostique et qu'il fournisse pour ce temps les survies des groupes de sujets à fort et à faible risque de connaître l'événement clinique, ainsi que les tailles d'échantillon initiales à partir desquelles les courbes de survie ont été estimées. L'utilisateur doit également fournir une probabilité de connaître l'événement pour laquelle les valeurs prédictives seront calculées. Les valeurs prédictives positives et négatives complètent la véritable interprétation du biomarqueur en indiquant la probabilité de connaître l'événement clinique sachant le status du biomarqueur.
|