4 L’évaluation des marqueurs prédictifs
4.1 Etudes « treament only » , valeur pronostique sous traitement
4.1.1 Principe des études « treatment only »
4.1.2 Sensibilité au biais de publication
4.2 Études évaluant la valeur prédictive d’un marqueur
4.2.1 Analyses en sous-groupes exploratoires
4.2.1.1 Limites méthodologiques de l’approche exploratoire
4.2.1.2 Retour sur les limites des analyses « treatment only »
4.2.1.3 Limites de la recherche post hoc de marqueurs prédictifs
4.2.2 Analyses en sous-groupes de confirmation
4.2.3 Le design d’interaction biomarqueur-traitement
4.2.3.3 Inconvénients, limites
5 La personnalisation sur le risque de base
7 L’évaluation de l’utilité clinique par les essais de stratégie
Le design d’interaction est conçu pour permettre de démontrer qu’un candidat marqueur est bien un marqueur prédictif (modificateur de l’effet traitement). L’objectif spécifique de ces essais est de confirmer que le marqueur est un modificateur de l’effet du traitement d’intérêt en démontrant l’interaction d’où l’appellation.
Le principe de ce design est illustré par la Figure 3. Après inclusion, le marqueur est déterminé chez tous les patients. Ensuite les patients positifs et les patients négatifs sont séparés en deux sous-essais où ils seront randomisés dans les 2 cas entre le traitement d’intérêt A (pour lequel on souhaite confirmer que le marqueur est prédictif du bénéfice) et le traitement de référence S. Comme il n’y a pas d’objectif de déterminer l’effet de A par rapport à S chez tous les patients, il s’agit plus de deux sous essais séparés que d’une randomisation stratifiée, mais en pratique cela revient au même. Seule la finalité de la stratification est différente note n° 17 . En théorie les effectifs des deux strates devraient être aussi déterminés pour garantir une certaine puissance à la recherche de l’interaction biomarqueur-traitement.
L’effet traitement de A est déterminé pour les patients marqueurs positifs (Mq+) et pour ceux qui sont marqueurs négatifs (Mq-). Ces deux estimations permettent ensuite de tester l’interaction statistique recherchée.
Figure 3 – Principe du design d’interaction biomarqueur-traitement
[17] Dans un essai où l’objectif est de confirmer le bénéfice du traitement chez tous les patients, la stratification est seulement un moyen d’optimisation de la précision et de la puissance de la comparaison statistique entre le traitement expérimental et son contrôle chez tous les patients.
