Axe 1

Essais randomisés en cluster et interventions complexes

Description

Dans un essai randomisé en cluster on randomise non pas des individus, mais des groupes d’individus qu’on appelle des « clusters ». Dès lors, on dispose d’une structure hiérarchique des données, avec au minimum deux niveaux et des participants qui sont emboîtés dans les clusters. Dans un contexte clinique les unités de randomisation sont généralement des praticiens, des cabinets médicaux, des services hospitaliers ou hôpitaux, etc. Dans un contexte non clinique on randomise des écoles, des familles, des zones géographiques ou lieux de travail, etc. La randomisation de clusters trouve des applications tant en recherche clinique qu’en recherche interventionnelle en santé des populations.

L’essai randomisé en cluster est particulièrement adapté à l’évaluation d’interventions complexes telles la ré-organisation d’un parcours de soins, les interventions visant à faire adopter des recommandations de prise en charge, les interventions d’éducation à la santé d’une communauté entière, etc. Il permet en effet d’éviter la contamination inter-groupes qui risquerait d’être induite par les interactions entre les membres d’un même cluster qui seraient alloués à des groupes distincts.

 

 

woods picture

Randomiser des clusters soulève des problématiques d’ordre méthodologique et statistique. Parmi elle il y a le risque de biais, bien souvent lié au fait que dans un essai randomisé en cluster, il est classique d’inclure et randomiser les clusters (par exemple des médecins) puis de recruter des participants. Cette chronologie, inverse de la chronologie usuelle d’un essai randomisé, est source de biais un sujet sur lequel nous avons largement travaillé :
 

1 - Nous avons montré que le recours à des méthodes de type score de propension n’avaient pas d’intérêt par rapport à une analyse ajustée pour l’analyse d’essais randomisés en cluster présentant un déséquilibre à l’inclusion
Voir la publication  Voir la publication


2 - Nous avons développé une méthode basée sur les scores de propension pour identifier un déséquilibre entre les groupes sur les caractéristiques à l’inclusion des participants dans un essai randomisé en cluster
Voir la publication

3 - Nous avons développé un outil graphique (le Timeline cluster) qui décrit la séquence des différentes étapes de réalisation de l’essai, tant à l’échelon du cluster que du participant, et ceci en spécifiant qui est en aveugle. Cet outil permet d’apprécier le risque de biais dans un essai en cluster.
Voir la publication

Nous avons également développé un site web permettant de réaliser aisément des Timeline cluster diagrams.
Lien vers le Timeline Cluster

Démonstration de : Timeline Cluster
 

4 - Dans le cadre d’une étude méta-épidémiologique, nous avons comparé les essais randomisés en cluster aux essais à randomisation individuelle. Lorsque le critère de jugement est binaire, nous n’avons pas mis en évidence de différence dans l’estimation de l’effet intervention entre les deux schémas d’études. Lorsque le critère est continu, les résultats sont moins robustes avec toutefois un effet intervention estimé moindre dans les essais en cluster, en comparaison aux essais à randomisation individuelle.
Voir la publication

Dans le cadre d’une étude méta-épidémiologique, nous avons comparé les essais randomisés en cluster aux essais à randomisation individuelle. Lorsque le critère de jugement est binaire, nous n’avons pas mis en évidence de différence dans l’estimation de l’effet intervention entre les deux schémas d’études. Lorsque le critère est continu, les résultats sont moins robustes avec toutefois un effet intervention estimé moindre dans les essais en cluster, en comparaison aux essais à randomisation individuelle

1 - Nous avons montré que dichotomiser un critère continu conduit à une perte de puissance dans le cadre d’un essai randomisé en cluster, mais cette perte est moindre que si l’essai était en randomisation individuelle. Cette différence tient à la réduction de la corrélation intraclasse induite par la binarisation.
 Voir la publication

2 - Au moyen de simulations, nous avons comparé plusieurs méthodes de gestion des données manquantes lorsqu’on analyse un essai randomisé en cluster avec un critère de jugement binaire. Nous retenons qu’une méthode d’imputation multiple avec un modèle logistique, qu’il prenne en compte des effets aléatoires ou pas, est une méthode associée à un faible biais et un taux de couverture satisfaisant.
 Voir la publication

3 - L’estimation de la corrélation intraclasse est complexe lorsque le critère de jugement est binaire. Le coefficient R a été suggéré dans ce contexte au motif qu’il serait moins dépendant de la prévalence que le coefficient de corrélation intraclasse (CCI). Nous avons montré que cette assertion est erronée et qu’il vaut mieux estimer un CCI.
Voir la publication

Parmi les travaux en cours, le projet QUARTET (financement ANR) a pour but de comparer les méthodes d’analyse statistique lorsque le critère de jugement est un critère de type délai avant survenue d’un événement. D’autres travaux sont de nature plus méthodologique, tel le projet POPULAR (financement DGOS – PREPS) qui vise à mieux définir la population d‘analyse d’un essai randomisé en cluster.

La plupart de ces travaux sont conduits en collaboration avec des collègues anglo-saxons ou canadiens :

Pr Sandra Eldridge (UK) voir son profil,
Dr Monica Taljaard (Canada) voir son profil et
Pr Charles Weijer (Canada) voir son profil.

En parallèle, nous travaillons également au développement d’interventions complexes ainsi qu’à leur évaluation.

De telles interventions sont généralement développées au moyen de méthodes mixtes (associant des approches quantitatives et qualitatives), comme c’est le cas dans le projet ISAMA (financement CHRU de Tours) qui vise à développer une intervention dont le but est de détecter et prévenir le fardeau (qu’il soit physique, émotionnel ou financier) des aidants de patients Alzheimer.

Ces interventions sont ensuite évaluées, généralement au moyen d’essais randomisés en cluster, comme dans l’étude EHPAGE (financement DGOS – PREPS) qui évalue l’impact d’un modèle de formation/encadrement des personnels des EHPAD sur la prévention d’événements indésirables.

Illustration statistique