Plans expérimentaux de type self-controlled en pharmacoépidémiologie

• Main Author: Gault, Nathalie
• Other Authors: Sorbonne Paris Cité
• Language: fr; en
• Published: 2017
• Subjects: Self-controlled case series; Case-crossover; Observational studies; Confusion bias
• Online Access: http://www.theses.fr/2017USPCC115/document

Les études de pharmacoépidémiologie consistent à étudier l’effet de médicaments en vie réelle, et sont menées de plus en plus souvent sur bases de données médico-administratives. Ce sont principalement des études observationnelles, et sont donc soumises à des biais liés à des facteurs de confusion. Ces facteurs ne sont pas toujours recueillis dans les bases de données médico-administratives qui sont implémentées à d’autres fins que la recherche. Des plans expérimentaux self-controlled designs (où le patient est son propre témoin, et dont les principaux sont le case-crossover et le self-controlled case-series) permettent d’étudier l’effet transitoire d'expositions brèves sur des évènements à début brutal. Ils sont soumis à certaines conditions d’application. Ils ont la particularité de réaliser des comparaisons sur différentes périodes plutôt que sur différents groupes de patients, permettant ainsi de prendre en compte des facteurs de confusion, y compris non mesurés, et qui ne varient pas entre les périodes observées. Ces méthodes ont montré leur utilité pour pallier l’absence de randomisation, et leur utilisation est recommandée quand leurs conditions d’application sont remplies. Nous avons étudié la fréquence d’utilisation des self-controlled designs en pharmacoépidémiologie sur bases de données, les opportunités manquées d’utilisation et leur usage approprié au regard de leurs conditions d’application, ainsi que la qualité de l’information rapportée dans les articles. Nous avons montré que leur utilisation est rare, que 15% des articles correspondent à des situations d’opportunité où ces méthodes auraient pu être implémentées, que 34% des case-crossover et 13% des self-controlled case-series étaient appliqué de façon inapproprié, et que pour 16% des articles la méthode aurait pu être adaptée pour être valide. Un usage plus approprié permettrait de contribuer à l’investigation en pharmacoépidémiologie tout en bénéficiant des avantages de ces méthodes en particulier sur bases de données de santé. === Pharmacoepidemiology consists in the study of efficacy or safety of drugs in real life, with the use more and more frequently of medico-administrative databases. Study designs are generally observational, thus they are prone to confounding bias. Confounders are not systematically collected in databases, which are implemented for other purposes than research. Self-controlled designs (mainly represented by case-crossover and self-controlled case-series, and in which the patient acts as his own control), have been developed for the study of intermittent exposure with short-term effect on abrupt onset event. They require that validity assumptions being fulfilled. They consist in the comparison over different periods, rather than different groups of patients, thus allowing for confounding factors, also if not measured, which are invariant over observed periods. Such designs have been proved useful in observational studies in the absence of randomization, and their implementation is recommended in case of validity assumptions are fulfilled. We studied their frequency of use in pharmacoepidemiology in healthcare databases, missed opportunities for use, inappropriate use with respect to validity assumptions, as well as quality of reporting. We showed that self-controlled designs are rarely used, that opportunity for use was founds in 15% of articles where such methods could have been implemented, that 34% of case-crossover and 13% of self-controlled case series were inappropriately used, and that the method could have been adapted to be valid in 16% of articles. A more appropriate use of self-controlled designs could contribute to improve investigation in pharmacoepidemiology, while beneficiating from their advantages, especially in healthcare databases.