17.5.1 Censures à droite

Les censures à droite correspondent aux habituelles censures des analyses de survie (time to event analysis). Il existe deux types de censures : celles liées à la date de point (data cutoff ), appelées aussi censures administratives, et les censures précoces liées à des interruptions prématurées du suivi du patient avant la date de point. Ces dernières censures correspondent donc à des patients perdus de vue.

Les censures de date de points n’entrainent pas de biais. Cependant les censures précoces sont susceptibles d’introduire un biais (le biais d’attrition). En effet ces censures sont potentiellement informatives, c’est-à-dire prédictives de la survenu du critère de jugement (ou liées à un facteur de risque du critère de jugement). Des censures asymétriques entre les 2 groupes entrainent un biais de sélection. En effet elles rendent inobservable par l’étude des périodes de suivi des patients et cela en étant associées au critère de jugement et au traitement.

Dans une comparaison externe, les censures informatives peuvent aussi bien survenir dans le groupe traité (monobras, RCT) que dans le groupe contrôle externe.

La problématique des censures informatives est très souvent négligée dans les études en général et en donc aussi dans les études de comparaison externe partant du principe que les techniques d’analyse de survie (type Kaplan Meier) prennent en compte les censures. Effectivement, intègre les suivis censurés, mais en faisant l’hypothèse que ces censures sont purement aléatoires, non informatives. Dans le cas de censures informatives, le résultat de l’analyse sera biaisé.

La meilleure façon de gérer les censures précoces est de les considérer comme informatives et de faire une analyse suivant un scénario du pire (worst case ), par exemple sous l’hypothèse d’un biais maximum. Si sous ce scénario les résultats restent inchangés, ils pourront être considérés comme robustes vis-à-vis de ce problème et pourront être exploités pour la décision. Cette approche est donc une analyse quantitative de biais dédiée aux censures précoces (non dues à la date de point).

Une autre possibilité est de corriger les résultats par une technique de pondération similaire à celles mises en œuvre pour corriger du biais de confusion (IPW, IPTW). Cette approche est dénommée IPCW inverse probability of censuring weighting .

Elle consiste, dans un premier temps, à la construction d’un modèle explicatif des censures précoces à partir des caractéristiques des patients. Il s’agit de comprendre quels sont les facteurs qui augmentent la probabilité de survenue d’une censure précoce chez un patient. Ensuite les patients sont pondérés de telle façon que les patients similaires aux patients censurés, mais qui ont un suivi non censuré soient surreprésentés pour compenser les patients dont on ne connait pas le devenir [196] .

Cela revient donc à gonfler les patients qui ont un suivi complet et qui ont un profil de risque de censure comparable aux patients effectivement censuré dont on ne connait pas le réel devenir. Cette approche fait l’hypothèse que le devenir inconnu des patients censurés est comparable à celui des patients ayant le même profil de risque de censure, mais qui ne l’on pas été.

L’IPCW corrige du biais induit par les censures informatives en les rendant indépendantes du pronostic (comme l’IPTW rend le traitement indépendant des covariables).

La performance de cette méthode repose sur la capacité à modéliser adéquatement le risque de censure. Il est nécessaire que les censures soient de type MAR (missing at random ), ce qui implique qu'elles puissent être expliquées par des variables présentes dans la base de données. Cette condition n'étant pas toujours vérifiée, cette approche, bien qu'intéressante, ne permet pas de garantir l'élimination du biais introduit par des censures informatives.

Une autre difficulté propre aux comparaisons externes est qu’il est assez plausible que les mécanismes de censure informative soient différents entre le groupe expérimental et le groupe contrôle externe qui lui est observationnel. La modélisation des censures par un seul modèle ne pourra pas prendre cette hypothèse en compte. Il conviendrait donc peut être de modéliser indépendamment les censures dans les deux groupes, ce qui reste encore du champ de la recherche en méthodologie.