Modèles pronostiques

 

En évaluant l’intérêt de nouveaux scores ou marqueurs pronostiques, l’attention est souvent limitée à l’estimation de la force de l’association de l’ensemble pronostique du résultat. Nos objectifs sont (i) de comparer les modèles de survie permettant une censure à droite informative et (ii) proposer des mesures de performances pour les modèles de survie.

Modèles de survie pour informatives données censurées à droite
Pour tenir compte des sorties d’étude potentiellement informatives dans les données de survie, deux stratégies de modélisation ont d’abord été comparées, un modèle multi-états résumant la trajectoire des patients entre le début et la progression de la maladie ou la mort, et un modèle conjoint pour la survie et les données longitudinales (16).

Nous avons d’autre part proposé un modèle conjoint qui consiste en un sous-modèle linéaire à effets mixtes pour le résultat longitudinal, et un modèle à risques proportionnels de sous-distribution pour les données de survie des risques compétitifs, reliés entre eux par des effets aléatoires latents (17).

Mesures de Performance
Nous avons utilisé des tables de reclassification, en définissant un NRI minimal (NRI d) afin que seules puissent être prises en compte des améliorations cliniquement pertinentes dans probabilités prédites. Une étude de simulation a été effectuée pour évaluer ses performances et appliquer ces mesures à des données de réanimation (18). Cependant, la mesure de la capacité prédictive d’un modèle est compliquée par la censure des données. Dans ce contexte, les modèles de survie multivariés sont des outils puissants qui sont fréquemment utilisés dans les études sur les résultats cliniques.

Toutefois, l’évaluation de la capacité de discrimination d’un modèle de survie est un problème d’intérêt théorique et applications pratiques importantes. Nous avons proposé une mesure résumée des courbes ROC dépendantes du temps (soumis).