Un vocabulaire spécifique à utiliser à bon escient pour la ......Audrey LAVENU, Maître de conférences en biostatistique. Laboratoire de pharmacologie expérimentale et clinique

AudreyLAVENU,Maîtredeconférencesenbiostatistique.

LaboratoiredepharmacologieexpérimentaleetcliniqueFacultédeMédecine,UniversitédeRennes1

Centred'InvestigationCliniqueINSERM1414CHUdeRennes,HôpitalPontchaillou

Unvocabulairespécifiqueàutiliseràbonescientpourlaqualificationd’un

biomarqueurentermesd’utilitéclinique:prédictifoupronostique?

Variableprédictive(quipeutêtreunbiomarqueur) =variablequiauneffetsurlecritèredejugementdel’étude.

§ prédictifoupronostique?

Variableprédictive(quipeutêtreunbiomarqueur) =variablequiauneffetsurlecritèredejugementdel’étude.

Variablepronostique.

§ prédictifoupronostique?

Variableprédictive(quipeutêtreunbiomarqueur) =variablequiauneffetsurlecritèredejugementdel’étude.

Variablepronostique.

ModèledeCox:GroupebiomarqueurM- (référence):

Risqueinstantané=RisquedebaseGroupebiomarqueurM+:

Risqueinstantané=Risquedebase× exp(effetbiomarqueur )

§ prédictifoupronostique?

Variableprédictive(quipeutêtreunbiomarqueur) =variablequiauneffetsurlecritèredejugementdel’étude.

Variablepronostique.

ModèledeCox:GroupebiomarqueurM- (référence):

Risqueinstantané=RisquedebaseGroupebiomarqueurM+:

Risqueinstantané=Risquedebase× exp(effetbiomarqueur )

( )MM .exp0 βλλ = SiPvaluesurβM<5%

§ prédictifoupronostique?

Variableprédictive(quipeutêtreunbiomarqueur) =variablequiauneffetsurlecritèredejugementdel’étude.

Variablepronostique.

Biomarqueurprédictif=variablequimodifie l’effetdutraitementsurlecritèredejugementdel’étude.

§ prédictifoupronostique?

Variableprédictive(quipeutêtreunbiomarqueur) =variablequiauneffetsurlecritèredejugementdel’étude.

Variablepronostique.

Biomarqueurprédictif=variablequimodifie l’effetdutraitementsurlecritèredejugementdel’étude.

Effetsignificatifdel’interactionentrelebiomarqueur etletraitement.

§ prédictifoupronostique?

Biomarqueurprédictif=variablequimodifie l’effetdutraitementsurlecritèredejugementdel’étude.

Effetsignificatifdel’interactionentrelebiomarqueur etletraitement.

ModèledeCox:GroupebiomarqueurM- ettraitementderéférenceT-:

Risqueinstantané=RisquedebaseGroupebiomarqueurM- ettraitementétudiéT+:

Risqueinstantané=Risquedebase× exp(effettraitement)GroupebiomarqueurM+ettraitementderéférenceT- :

Risqueinstantané=Risquedebase× exp(effetbiomarqueur )GroupebiomarqueurM+ettraitementétudiéT+:

Risqueinstantané=Risquedebase× exp(effetbiomarqueur +effettraitement+effetinteraction)

§ prédictifoupronostique?

Biomarqueurprédictif=variablequimodifie l’effetdutraitementsurlecritèredejugementdel’étude.

Effetsignificatifdel’interactionentrelebiomarqueur etletraitement.

ModèledeCox:GroupebiomarqueurM- ettraitementderéférenceT-:

Risqueinstantané=RisquedebaseGroupebiomarqueurM- ettraitementétudiéT+:

Risqueinstantané=Risquedebase× exp(effettraitement)GroupebiomarqueurM+ettraitementderéférenceT- :

Risqueinstantané=Risquedebase× exp(effetbiomarqueur )GroupebiomarqueurM+ettraitementétudiéT+:

Risqueinstantané=Risquedebase× exp(effetbiomarqueur +effettraitement+effetinteraction)

( )TMTM MTTM ....exp0 βββλλ ++= SiPvaluesurβMT<5%

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Mêmeécart,danslemêmesens

Cetécartn’estpasnégligeable⇒ effettraitement

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Analyse en sous-groupe :Biomarqueur - :HRtraitement = 0.88 [0.64;1.21]Log-rank P = 0.42Biomarqueur + :HRtraitement = 0.40 [0.28;0.57]Log-rank P = 1.3 10-7

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Analyse en sous-groupe :Biomarqueur - :HRtraitement = 0.88 [0.64;1.21]Log-rank P = 0.42Biomarqueur + :HRtraitement = 0.40 [0.28;0.57]Log-rank P = 1.3 10-7

Ecartdifférent

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Analyse en sous-groupe :Biomarqueur - :HRtraitement = 0.88 [0.64;1.21]Log-rank P = 0.42Biomarqueur + :HRtraitement = 0.40 [0.28;0.57]Log-rank P = 1.3 10-7

Ecartdifférent

Effettraitementseulementdanslegroupebiomarqueur+

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Analyse en sous-groupe :Biomarqueur - :HRtraitement = 0.88 [0.64;1.21]Log-rank P = 0.42Biomarqueur + :HRtraitement = 0.40 [0.28;0.57]Log-rank P = 1.3 10-7

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Analyse en sous-groupe :Biomarqueur - :HRtraitement = 0.88 [0.64;1.21]Log-rank P = 0.42Biomarqueur + :HRtraitement = 0.40 [0.28;0.57]Log-rank P = 1.3 10-7

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Analyse en sous-groupe :Biomarqueur - :HRtraitement = 0.88 [0.64;1.21]Log-rank P = 0.42Biomarqueur + :HRtraitement = 0.40 [0.28;0.57]Log-rank P = 1.3 10-7

biomarqueur« pronostique »uniquementdanslegroupetraitementétudié…

§ prédictifoupronostique?

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Analyse en sous-groupe :Biomarqueur - :HRtraitement = 0.88 [0.64;1.21]Log-rank P = 0.42Biomarqueur + :HRtraitement = 0.40 [0.28;0.57]Log-rank P = 1.3 10-7

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Analyse en sous-groupe :Biomarqueur - :HRtraitement = 0.88 [0.64;1.21]Log-rank P = 0.42Biomarqueur + :HRtraitement = 0.40 [0.28;0.57]Log-rank P = 1.3 10-7

biomarqueur« pronostique »uniquementdanslegroupetraitementétudié…

biomarqueurpronostiquequelquesoitlegroupedetraitement

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Analyse en sous-groupe :Biomarqueur - :HRtraitement = 0.88 [0.64;1.21]Log-rank P = 0.42Biomarqueur + :HRtraitement = 0.40 [0.28;0.57]Log-rank P = 1.3 10-7

Biomarqueur - :HRtraitement = 0.78 [0.57;1.07]Log-rank P = 0.12Biomarqueur + :HRtraitement = 0.42 [0.30;0.60]Log-rank P = 7.3 10-7

Ecartdifférent

Effettraitementseulementdanslegroupebiomarqueur+

Compléments

Modèle traitement et biomarqueursans interaction :HRtraitement = 0.72 [0.57;0.91]HRbiomarqueur = 0.48 [0.38;0.62]

Analyse en sous-groupe :Biomarqueur - :HRtraitement = 0.88 [0.64;1.21]Log-rank P = 0.42Biomarqueur + :HRtraitement = 0.40 [0.28;0.57]Log-rank P = 1.3 10-7

Biomarqueur - :HRtraitement = 0.78 [0.57;1.07]Log-rank P = 0.12Biomarqueur + :HRtraitement = 0.42 [0.30;0.60]Log-rank P = 7.3 10-7

Cequ’ilfautretenir

Biomarqueurpronostique:- effetdubiomarqueur- modèleavecfacteurbiomarqueur(enprésenceounonfacteurtraitement)- coefficientassociéaubiomarqueur significativementdifférentde0

Biomarqueurprédictif:- différenced’effetdutraitemententrelesmodalitésdubiomarqueur- modèleavecfacteurtraitementetfacteurbiomarqueuretleurinteraction- coefficientassociéàl’interaction significativementdifférentde0- différenced’effetdubiomarqueurdanslesgroupestraitement(prouvéeuniquementainsi)quipeutfaireenvisageruneétudepronostiqueensous-groupes*

*Box1.SubgroupsandInteractions.REMARK:explanationandelaboration.Altmanetal.PLoSMed.2012

PourallerplusloinGoshoMetal.Studydesignsandstatisticalanalysesforbiomarkerresearch.Sensors(Basel).2012.BallmanKV. Biomarker:PredictiveorPrognostic?JClinOncol.2015SimonR.Theuseofgenomicsinclinicaltrialdesign.ClinCancerRes.2008LiuYetal.Testingfortreatment-biomarkerinteractionbasedonlocalpartial-likelihood.StatMed.2015

§ prédictifoupronostique?