Perte d'information sur le critère de jugement d'un essai randomisé en cluster

Loss of information on cluster randomized trial outcome

• Auteur / Autrice : Agnès Caille
• Direction : Bruno Giraudeau
• Type : Thèse de doctorat
• Discipline(s) : Biostatistique (Santé publique, épidémiologie, sciences de l'information biomédicale)
• Date : Soutenance en 2014
• Etablissement(s) : Paris 7

Mots clés

Mots clés contrôlés

Interprétation statistique de données

Analyse de regroupements

Reproductibilité des résultats

Essais contrôlés randomisés comme sujet

Résumé

Dans un essai randomisé en cluster, on randomise des groupes d'individus plutôt que les individus eux-mêmes et les réponses des individus d'un même cluster sont corrélées. Cette corrélation, usuellement quantifiée par le coefficient de corrélation intraclasse, implique une planification et une analyse statistique spécifiques. Nos travaux ont porté sur deux aspects statistiques liés à la perte d'information sur le critère de jugement dans le contexte particulier d'un essai randomisé en cluster : les données manquantes sur un critère de jugement binaire et la binarisation, avant l'analyse, d'un critère de jugement continu. Nous avons montré que l'imputation multiple par un modèle de régression logistique classique ou à effets aléatoires corrigeait le biais sur l'estimation de l'effet intervention et donnait de très bons taux de couverture, légèrement meilleurs pour le modèle à effets aléatoires. Ensuite, nous avons montré qu'après binarisation d'un critère de jugement continu, le coefficient de corrélation intraclasse était atténué dans les essais en cluster comme dans les études de reproductibilité. Cette atténuation induisait une augmentation de la puissance de l'essai, même si elle ne compensait que partiellement la perte d'information après binarisation. Au final, la puissance de l'essai était donc globalement diminuée après binarisation, bien que dans une moindre mesure par rapport aux essais à randomisation individuelle. Nos résultats apportent des informations supplémentaires utiles pour la planification et l'analyse des essais randomisés en cluster.

In cluster randomized trials, clusters of subjects are randomized rather than subjects themselves and the outcomes of subjects within a given cluster are correlated. This correlation, usually quantified by the intraculster correlation coefficient, needs to be taken into account when planning and analyzing a cluster randomized trial. The present work focuses on two statistical issues related to loss of information in the specific context of a cluste randomized trial : incompleteness of data due to missing binary outcomes and loss of information induced after dichotomization of a continuous outcome. We showed that both multiple imputation with classical or random-effects logistic regression model provided unbiased estimates of the intervention effect and showed good coverage properties, even slightly better with a random-effects logistic regression. Then, we showed that the intracluster correlation coefficient attenuation formula, demonstrated in a reliability context, still applied in the cluster randomized trial context. Therefore, in a cluster randomized triall, dichotomizing a continuous outcome actually induced two antagonistic effects : a decrease in power because of loss of information and an increase in power induced ty the attenuation of the intracluster correlation coefficient. We showed that dichotomization was finally associated with a decrease in power because the attenuation of the intracluster correlation coefficient only partly compensated for the loss in power induced by the loss of information. Our results are of interest for better management of cluster randomized trials, both at the planning stage and when analyzing data.