Partage d’informations entre sous-groupes de patients pour tirer des conclusions à partir de réseaux de traitement clairsemés
La méta-analyse en réseau (NMA) s’est déjà imposée au cours de la dernière décennie comme un outil standard pour la recherche comparative sur l’efficacité et l’évaluation des technologies de la santé. La NMA étend la méta-analyse traditionnelle par paires en permettant la comparaison entre un nombre quelconque de traitements concurrents, même s’ils n’ont jamais été comparés directement dans une étude individuelle. Par rapport aux autres méthodes de synthèse des données probantes, la NMA fournit généralement des estimations des effets relatifs avec la plus grande précision possible.
Toutefois, il peut arriver que des réseaux clairsemés comportant peu d’études disponibles et des preuves directes limitées menacent la robustesse et la fiabilité des estimations de l’NMA. Dans ces cas, la quantité limitée d’informations disponibles peut entraver l’évaluation formelle des hypothèses sous-jacentes de transitivité et de cohérence de l’NMA. En outre, les estimations de l’NMA à partir de réseaux peu denses devraient être imprécises et éventuellement biaisées, car elles reposent sur des approximations de grands échantillons qui ne sont pas valables en l’absence de données suffisantes. Nous proposons un cadre bayésien qui permet le partage d’informations entre deux réseaux qui se rapportent à des sous-groupes de population différents. Plus précisément, nous utilisons les résultats d’un sous-groupe disposant de nombreuses preuves directes (un réseau dense) afin de construire des antécédents informatifs pour les effets relatifs dans le sous-groupe cible (un réseau clairsemé).
Il s’agit d’une approche en deux étapes où, dans un premier temps, nous extrapolons les résultats du réseau dense à ceux attendus du réseau clairsemé. Pour ce faire, nous utilisons un modèle NMA hiérarchique modifié dans lequel nous ajoutons un paramètre de localisation qui modifie la distribution des effets relatifs afin de les rendre applicables à la population cible. Dans un deuxième temps, ces résultats extrapolés sont utilisés comme informations préalables pour le réseau peu dense. Nous illustrons notre approche par un exemple motivant de patients psychiatriques. Plus précisément, nous avons appliqué notre cadre et réalisé une NMA pour comparer l’efficacité de 14 antipsychotiques pour la population d’enfants et d’adolescents (CA) pour laquelle la base de données probantes initiale était très rare. Pour adapter la méthode proposée, nous avons d’abord extrapolé les résultats du réseau plus informatif et plus dense qui cible les patients généraux (GP), définis comme des patients chroniques présentant une exacerbation aiguë de symptômes positifs. Plus précisément, à la première étape, nous avons utilisé le modèle NMA modifié pour le réseau GP et nous avons extrapolé les résultats à ceux attendus du réseau CA correspondant.
À cette fin, nous avons intégré dans le processus de modélisation du modèle NMA modifié des informations provenant des opinions de 22 psychiatres experts qui travaillent depuis plusieurs années dans le domaine de la schizophrénie dans plusieurs pays. Sur la base des résultats du modèle modifié, nous avons construit des distributions préalables informatives appropriées qui, à la deuxième étape, ont été utilisées dans un modèle NMA distinct, ajusté uniquement en fonction des données du CA cible. Notre approche permet d’obtenir des estimations plus précises et plus robustes des effets relatifs et peut informer de manière adéquate la pratique clinique en présence de réseaux clairsemés.
https://onlinelibrary.wiley.com/doi/epdf/10.1002/bimj.202200316
Par Theodoros Evrenoglou, supervisé par Anna Chaimani
