Analyse des risques concurrents

L'analyse des risques concurrents est utilisée lorsqu'une personne peut connaître différents événements mutuellement exclusifs et qu'un événement empêche l'événement d'intérêt de survenir plus tard. Elle estime la probabilité de chaque événement au cours du temps sans traiter les autres événements comme une censure ordinaire.

Que sont les risques concurrents ?

Un événement concurrent est un résultat observé qui modifie la possibilité d'observer l'événement d'intérêt. Les événements sont mutuellement exclusifs pour l'analyse du premier événement : dès qu'un événement survient, la personne n'est plus à risque de connaître un autre événement en premier.

Cette situation diffère de la censure à droite. Une personne censurée n'a connu aucun événement connu jusqu'au dernier temps observé, tandis qu'une personne avec un événement concurrent a connu un résultat connu qui empêche l'événement d'intérêt.

Pourquoi ne pas utiliser Kaplan-Meier ?

Une courbe de Kaplan-Meier traite les observations qui ne connaissent pas l'événement d'intérêt comme censurées. Si les événements concurrents sont censurés de la même manière, la méthode suppose en pratique que ces personnes pourraient encore connaître l'événement plus tard. Comme l'événement concurrent a rendu cela impossible, la probabilité de défaillance obtenue peut être trop élevée.

En présence d'événements concurrents, la fonction d'incidence cumulée est généralement l'estimation descriptive appropriée pour la probabilité d'un événement donné.

Fonction d'incidence cumulée

La fonction d'incidence cumulée, abrégée CIF, estime la probabilité de connaître un événement donné avant le temps t en tenant compte de tous les autres types d'événements. Une CIF distincte est calculée pour chaque type d'événement.

Par exemple, une CIF de rechute de 0,20 à 24 mois signifie que la probabilité estimée de rechute avant 24 mois est de 20 %, en considérant que certains patients peuvent avoir connu l'événement concurrent en premier. Les intervalles de confiance décrivent l'incertitude autour de cette estimation. À tout moment, la somme des CIF de tous les types d'événements et de la probabilité de rester sans événement est égale à un.

Test de Gray

Le test de Gray compare les fonctions d'incidence cumulée entre des groupes indépendants. L'hypothèse nulle est que les groupes ont la même fonction d'incidence cumulée pour l'événement testé. Une petite valeur p indique qu'au moins un groupe diffère.

Le test de Gray est le pendant du test du log-rank pour les risques concurrents, mais les deux tests répondent à des questions différentes. Lorsque les autres types d'événements sont traités comme censurés, le test du log-rank concerne le hazard cause-spécifique, tandis que le test de Gray compare directement l'incidence cumulée en présence d'événements concurrents.

Régression de Fine-Gray

La régression de Fine-Gray examine comment les prédicteurs sont associés à l'incidence cumulée de l'événement d'intérêt. Elle modélise le hazard de sous-distribution et fournit un hazard ratio de sous-distribution, souvent abrégé SHR.

Un SHR supérieur à 1 indique un hazard de sous-distribution plus élevé et, en général, une incidence cumulée plus élevée de l'événement d'intérêt au cours du temps, selon le modèle. Un SHR inférieur à 1 indique un hazard de sous-distribution plus faible. Le SHR n'est ni une probabilité, ni un risque relatif, ni un hazard ratio de Cox ordinaire ; il devrait donc être rapporté avec son intervalle de confiance à 95 % et interprété en termes d'incidence cumulée.

Les prédicteurs catégoriels s'interprètent par rapport à la catégorie de référence affichée. Les prédicteurs métriques s'interprètent par augmentation d'une unité, sauf s'ils ont été remis à l'échelle avant l'analyse.

Diagnostics du modèle

Le modèle de Fine-Gray suppose des hazards de sous-distribution proportionnels : l'effet modélisé d'un prédicteur est constant au cours du temps. numiqo représente les résidus de score aux temps de l'événement d'intérêt. Un motif à peu près horizontal autour de zéro soutient un effet constant, tandis qu'une tendance systématique ou une courbure peut indiquer un effet variant dans le temps.

La moyenne mobile du graphique est un repère visuel, pas un test d'hypothèse formel. La sortie de la régression indique également la convergence. Les coefficients et les SHR ne devraient pas être interprétés lorsque le modèle n'a pas convergé.

Exemple de risques concurrents

Supposons qu'une étude en oncologie enregistre le temps entre le traitement et le premier résultat observé. La rechute est codée comme événement 1, le décès sans rechute préalable comme événement 2, et le dernier suivi sans aucun de ces événements comme 0. L'analyse peut alors répondre à trois questions liées :

• Quelle est la probabilité estimée de rechute ou de décès au cours du temps ?
• L'incidence de rechute diffère-t-elle entre les groupes de traitement ?
• Quels prédicteurs sont associés à l'incidence de rechute après ajustement ?

Les méthodes correspondantes sont les deux CIF, le test de Gray pour la rechute et la régression de Fine-Gray ciblant la rechute. Les résultats pour l'événement 1 ne remplacent pas la CIF de l'événement 2 ; les deux courbes aident à décrire comment les résultats s'accumulent au cours du suivi.

Calculer les risques concurrents en ligne

Ouvrez le calculateur de risques concurrents, collez vos données et sélectionnez les variables de temps et de statut. Utilisez le statut 0 pour la censure, 1 pour l'événement d'intérêt et 2 pour l'événement concurrent. Ajoutez un groupe pour obtenir le test de Gray ou des prédicteurs pour la régression de Fine-Gray.

numiqo affiche les courbes CIF pour les deux types d'événements, des bandes de confiance ponctuelles, les effectifs à risque, les estimations aux temps sélectionnés, les tableaux complets d'incidence, le test de Gray, les coefficients de Fine-Gray et les SHR, les informations de convergence et le diagnostic des résidus.

Notes méthodologiques

La variance de la CIF suit l'estimateur d'Aalen utilisé par les logiciels établis de risques concurrents, et les intervalles de confiance utilisent une transformation log-log. Les poids de censure de Fine-Gray sont estimés à partir de l'échantillon complet regroupé, sans strates de censure. Ces choix sont indiqués dans la sortie du calculateur, car d'autres choix de pondération ou de stratification peuvent produire des résultats différents.

Des tests de référence automatisés comparent les estimations et variances de la CIF, le test de Gray, les coefficients de Fine-Gray et les résidus de score avec des sorties reproductibles du paquet R cmprsk.