Analyse longitudinale de la qualité de vie relative à la santé en cancérologie

Longitudinal analysis of the health-related quality of life in oncology

• Auteur / Autrice : Amelie Anota
• Direction : Franck Bonnetain, Caroline Bascoul Mollevi
• Type : Thèse de doctorat
• Discipline(s) : Sciences de la vie et de la santé. Biostatistiques
• Date : Soutenance le 22/10/2014
• Etablissement(s) : Besançon
• Ecole(s) doctorale(s) : École doctorale Environnements, Santé (Dijon ; Besançon ; 2012-....)
• Partenaire(s) de recherche : Equipe de recherche : Carcinogénèse épithéliale : facteurs prédictifs et pronostiques (Besançon)
• Partenaire(s) de recherche : Laboratoire : Carcinogénèse épithéliale : facteurs prédictifs et pronostiques (Besanço
• Jury : Président / Présidente : Florence Tubach
• Jury : Examinateurs / Examinatrices : Franck Bonnetain, Caroline Bascoul Mollevi, Florence Tubach, Mounir Mesbah, Florence Joly-Lobbedez, Christian Lavergne, Fabio Efficace, Célestin Clotaire Kokonendji
• Jury : Rapporteurs / Rapporteuses : Mounir Mesbah, Florence Joly-Lobbedez

Mots clés

Mots clés contrôlés

Analyse par cohorte

Statistique médicale

Cancéreux

Patients -- Satisfaction

Cancérologie

Mots clés libres

Cancérologie

Qualité de vie relative à la santé

Analyse longitudinale,

Response Shift

Essais cliniques

Données manquantes

Temps jusqu'à déterioration

Théorie de réponse à l'item

Oncology

Health-related quality of lie

Longitudinal analysis

Response Shift

Clinical trials

Missing data

Time to deterioration

Response theory item

Résumé

La qualité de vie relative à la santé (QdV) est désormais un des objectifs majeurs des essais cliniques en cancérologie pour pouvoir s’assurer du bénéfice clinique de nouvelles stratégies thérapeutiques pour le patient. Cependant, les résultats des données de QdV restent encore peu pris en compte en pratique clinique en raison de la nature subjective et dynamique de la QdV. De plus, les méthodes statistiques pour son analyse longitudinale doivent être capables de tenir compte de l’occurrence des données manquantes et d’un potentiel effet Response Shift reflétant l’adaptation du patient vis-à-vis de la maladie et de la toxicité du traitement. Ces méthodes doivent enfin proposer des résultats facilement compréhensibles par les cliniciens.Dans cette optique, les objectifs de ce travail ont été de faire le point sur ces facteurs limitants et de proposer des méthodes adéquates pour une interprétation robuste des données de QdV longitudinales. Ces travaux sont centrés sur la méthode du temps jusqu’à détérioration d’un score de QdV (TJD), en tant que modalité d’analyse longitudinale, ainsi que sur la caractérisation de l’occurrence de l’effet Response Shift.Les travaux menés ont donné lieu à la création d’un package R pour l’analyse longitudinale de la QdV selon la méthode du TJD avec une interface facile d’utilisation. Certaines recommandations ont été proposées sur les définitions de TJD à appliquer selon les situations thérapeutiques et l’occurrence ou non d’un effet Response Shift. Cette méthode attractive pour les cliniciens a été appliquée dans le cadre de deux essais de phase précoces I et IL La méthode de pondération par probabilité inversée du score de propension a été investiguée conjointement avec la méthode du TJD afin de tenir compte de l’occurrence de données manquantes dépendant des caractéristiques des patients. Une comparaison de trois approches statistiques pour l’analyse longitudinale a montré la performance du modèle linéaire mixte et permet de donner quelques recommandations pour l’analyse longitudinale selon le design de l’étude. Cette étude a également montré l’impact de l’occurrence de données manquantes informatives sur les méthodes d’analyse longitudinale. Des analyses factorielles et modèles issus de la théorie de réponse à l’item ont montré leur capacité à caractériser la Response Shift conjointement avec la méthode Then-test. Enfin, bien que les modèles à équation structurelles soient régulièrement appliqués pour caractériser cet effet sur le questionnaire de QdV générique SF-36, ils semblent peu adaptés à la structure des questionnaires spécifiques du cancer du groupe « European Organization of Research and Treatment of Cancer » (EORTC

Health-related quality of life (HRQoL) has become one of the major objectives of oncology clinical trials to ensure the clinical benefit of new treatment strategies for the patient. However, the results of HRQoL data remain poorly used in clinical practice due to the subjective and dynamic nature of HRQoL. Moreover, statistical methods for its longitudinal analysis hâve to take into account the occurrence of missing data and the potential Response Shift effect reflecting patient’s adaptation of the disease and treatment toxicities. Finally, these methods should also propose some results easy understandable for clinicians.In this context, this work aimed to review these limiting factors and to propose some suitable methods for a robust interprétation of longitudinal HRQoL data. This work is focused on both the Time to HRQoL score détérioration (TTD) as a modality of longitudinal analysis and the characterization of the occurrence of the Response Shift effect.This work has resulted in the création of an R package for the longitudinal HRQoL analysis according to the TTD with an easy to use interface. Some recommendations were proposed on the définitions of the TTD to apply according to the therapeutic settings and the potential occurrence of the Response Shift effect. This attractive method was applied in two early stage I and II trials. The inverse probability weighting method of the propensity score was investigated in conjunction with the TTD method to take into account the occurrence of missing data depending on patients’ characteristics. A comparison between three statistical approaches for the longitudinal analysis showed the performance of the linear mixed model and allows to give some recommendations for the longitudinal analysis according to the study design. This study also highlighted the impact of the occurrence of informative missing data on the longitudinal statistical methods. Factor analyses and Item Response Theory models showed their ability to characterize the occurrence of the Response Shift in conjunction with the Then- test method. Finally, although the structural équations modeling are often used to characterize this effect on the SF-36 generic questionnaire, they seem not appropriated to the particular structure of the HRQoL cancer spécifie questionnaires of the European Organization of Research and Treatment of Cancer (EORTC) HRQoL group