Analyse exploratoire de l'impact des morbidités sur le recours au dépistage du cancer colorectal

Lien entre les ensembles de données et les questions éthiques.

Les données de la South Yorkshire Cohort (SYC) (y compris les identifiants des patients) sont détenues par l'unité de recherche sur les essais cliniques (CTRU) de l'Université de Sheffield, tandis que les données du programme de dépistage du cancer de l'intestin (BCSP) sont détenues par les programmes de dépistage du cancer du NHS (qui font partie de Santé publique Angleterre).

Le lien sera basé sur le sous-ensemble de répondants au SYC qui ont donné leur consentement pour que les chercheurs du SYC consultent leurs dossiers de santé du NHS et sont éligibles pour être invités au dépistage du cancer colorectal (CRC). La méthode de liaison proposée sera la suivante :

• Pour les répondants qui ont donné ce consentement, la CTRU enverra leur numéro NHS et leur ID d'étude SYC au BCSP.
• À l'aide du numéro NHS, le BCSP doit extraire des données indiquant si la personne a été invitée au dépistage et, dans l'affirmative, si la personne a accepté ou non le dépistage.
• Le BCSP enverra ensuite les données de sélection avec l'ID d'étude SYC à la CTRU. Le numéro NHS ne doit pas être inclus dans les données envoyées par le BCSP (en d'autres termes, il sera pseudo-anonymisé).
• La CTRU doit utiliser le pseudo-ID pour lier les données du programme de dépistage aux données SYC. Un jeu de données pseudo-anonymisé sera ensuite communiqué à l'équipe de recherche.

De cette manière, les seules données identifiables du patient que le BCSP recevrait sont les données qu'il détient déjà (numéro NHS), tandis que la CTRU ne recevrait aucune donnée supplémentaire d'identification du patient.

Il convient également de souligner que l'équipe de recherche entreprenant ce projet n'aurait accès à aucune donnée permettant d'identifier le patient à aucune étape du projet.

Données utilisées.

Les données suivantes seront utilisées dans le cadre de ce projet :

• Variables d'exposition. Les variables d'exposition sont la présence de conditions de longue date. Celles-ci sont recueillies au sein du SYC en tant qu'affections de longue date autodéclarées. Douze conditions nommées sont enregistrées, ainsi qu'une « autre » condition, qui comprend un texte libre permettant au répondant d'énoncer la condition. Ces conditions (et leur prévalence parmi un échantillon préliminaire de personnes âgées de 60 à 74 ans dans le SYC) sont : la dépression (8 %), l'anxiété (10 %), la fatigue (19 %), la douleur (28 %), l'insomnie (8 % ), diabète (10 %), problèmes respiratoires (13 %), hypertension artérielle (31 %), maladie cardiaque (10 %), arthrose (16 %), accident vasculaire cérébral (3 %), cancer (5 %) et autre ( 29 %).

Toutes les affections de longue date doivent être prises en compte, à l'exception du cancer (car cela inclura le CCR, et les patients atteints de celui-ci ne sont pas éligibles au dépistage) et des descriptions en texte libre (celles-ci doivent être analysées comme "autres").

• Variable de résultat. La variable de résultat sera si la personne a participé au dépistage du CCR. Cela sera lié aux données du SYC à l'aide des données fournies par le programme national de dépistage du cancer de l'intestin. Il convient de noter que le dépistage du CCR concerne la première fois qu'un individu est dépisté (dépistage prévalent). L'analyse principale examinera si un individu a eu un dépistage CRC (indépendamment du nombre d'invitations au dépistage qui ont été envoyées). En fonction des preuves disponibles, une analyse secondaire prendrait en compte la variable de résultat « l'individu a accepté le dépistage du CCR après avoir refusé l'invitation initiale au dépistage du CCR ».
• Variables confondantes. Les variables potentiellement confondantes suivantes doivent être évaluées : l'âge, le sexe, l'origine ethnique, le niveau d'éducation le plus élevé, les niveaux d'exercice physique, le statut tabagique, la consommation d'alcool et le score de privation IMD.
• Variables descriptives supplémentaires. Les variables suivantes ne seront pas utilisées dans les modèles statistiques, mais seront incluses lors de la réalisation d'une comparaison descriptive des personnes qui assistent au dépistage avec celles qui n'y assistent pas : score récapitulatif EQ-5D autodéclaré, utilisation des soins de santé autodéclarée dans les 3 derniers mois (cela inclut 22 catégories nommées, il est prévu qu'en raison du petit nombre, certaines d'entre elles devront être regroupées. Les regroupements possibles à prendre en compte sont les suivants : accident et urgence (A&E), utilisation hospitalière (hors A&E), soignant : médecin généraliste, soignant : infirmière, autres soignants, autres soignants, thérapeutes alternatifs.

Analyses statistiques.

L'analyse statistique comprendra les sections suivantes :

• Analyse exploratoire initiale. Cette analyse initiale fournira une vue d'ensemble des données disponibles et mettra en évidence les problèmes qui pourraient devoir être résolus dans le cadre de la modélisation statistique.

Une analyse descriptive doit comparer les caractéristiques des personnes qui assistent au dépistage du CCR avec celles qui n'y assistent pas. Cette comparaison inclura les variables d'exposition, les variables confusionnelles et des variables descriptives supplémentaires (comme détaillé dans la section précédente). Les comparaisons seront testées pour leur signification statistique, avec la mise en garde que comme aucune différence spécifique n'a été supposée a priori, les valeurs de p résultantes doivent être interprétées avec prudence. Les tests T seront utilisés pour comparer les variables continues, le test exact de Fisher sera utilisé pour comparer les variables binaires et le test de Kruskal-Wallis sera utilisé pour comparer les variables ordinales. Toute valeur de p inférieure à 5 % sera prise pour indiquer une association statistiquement significative.

En plus de l'analyse descriptive, la forme fonctionnelle de l'association entre toute variable continue et le résultat doit être évaluée visuellement à l'aide de méthodes de lissage. Si une forme fonctionnelle non linéaire est indiquée, l'utilisation de fonctions non linéaires (polynômes fractionnaires, splines naturelles) doit être envisagée.

• Traitement des données manquantes. La quantité de données manquantes déterminera la stratégie employée (Harrell, 2001). Si la proportion totale de personnes avec des données manquantes est inférieure à 5 %, une imputation unique des valeurs manquantes doit être effectuée. Sinon, une imputation multiple des valeurs manquantes doit être effectuée.
• Modélisation statistique. Les taux de participation au dépistage du CCR doivent être analysés à l'aide d'une régression logistique, avec les données démographiques des patients, le statut socio-économique, les facteurs liés au mode de vie et les morbidités comme variables explicatives potentielles.

L'intérêt principal est de savoir quelles morbidités affectent le taux d'absorption, avec un intérêt particulier pour les morbidités mentales (dont la dépression et l'anxiété sont mesurées dans le SYC). De ce fait, seules les interactions avec ces deux morbidités mentales seront considérées. Pour examiner l'association entre les morbidités mentales et l'absorption, et pour voir comment les autres variables influencent cette association, une série de modèles sera présentée :

• Modèle 1 (modèle univarié): celui-ci doit inclure uniquement les conditions de longue date (variables d'exposition) en tant que variables indépendantes.
• Modèle 2 (modèle ajusté en fonction de la démographie) : il doit inclure les variables indépendantes du modèle 1, ainsi que les variables démographiques (âge, sexe et origine ethnique).
• Modèle 3 (modèle complet) : celui-ci doit inclure toutes les variables considérées dans cette étude. Les interactions ne doivent pas être prises en compte.
• Modèle 4 (modèle exploratoire) : cela appliquera la sélection de sous-ensembles au modèle 3 (pas à pas vers l'arrière, avec une probabilité de suppression de 0,05). Les interactions doivent être prises en compte après l'application de la sélection de sous-ensembles.

Le but de l'affichage d'une série de modèles sera de montrer l'association non ajustée entre les morbidités et le recours au dépistage, et de mettre en évidence le degré auquel ces associations sont médiées par les caractéristiques des patients. Une distinction est faite entre les caractéristiques « intrinsèques » (âge, sexe et origine ethnique), qui échappent (généralement) au contrôle d'une personne pour changer, et les caractéristiques restantes, sur lesquelles une personne a plus de contrôle

Calculs de puissance.

Les analyses de puissance ont été effectuées à l'aide de G*Power 3.1.9. La taille d'échantillon requise pour détecter un effet significatif d'une variable prédéfinie a été calculée. Pour cette analyse, un niveau alpha de 5 % et un test bilatéral ont été utilisés. Il y avait un certain nombre de facteurs supplémentaires qui devaient être estimés ou choisis :

• Puissance requise : les valeurs de 95 % et 80 % ont été utilisées.
• Odds ratio : des valeurs entre 1,2 et 3 ont été testées.
• Probabilité de prise parmi les personnes sans morbidité : la prise globale de 47 % observée entre 2008 et 2011 du BCSP a été retenue.
• Degré de corrélation entre les variables potentiellement explicatives : les valeurs de 20% et 40% ont été testées (c'est noté 'R2' dans le tableau ci-dessous).
• Prévalence de la variable pré-spécifiée : une valeur de 8 % a été utilisée, correspondant à la prévalence de la dépression dans une analyse préliminaire des données SYC. Dans cette analyse, 74% de l'échantillon avait une morbidité, avec une moyenne de 1,8 affections de longue durée par personne.

Tableau 1 : Taille d'échantillon requise en fonction de la puissance, de la corrélation et du rapport de cotes.

Puissance = 80 % Puissance = 95 % Rapport de cotes R2 = 0,2 R2 = 0,4 R2 = 0,2 R2 = 0,4 1,2 16 066 21 422 26 605 35 473 1,3 7 780 10 373 12 876 17 168 1,4 4 751 6,33 5 7 857 10 476 1,5 3 292 4 389 5 437 7 249 1,6 2 466 3 289 4 069 5 425 1,8 1 603 2 137 2 637 3 516 2,0 1 174 1 566 1 925 2 567 2,2 926 1 234 1 513 2 017 2,4 767 1 022 1 248 1 665 2,6 658 877 1 067 1 422 2,8 5 79 772 935 1 247 3,0 519 693 837 1 116

La taille de l'échantillon disponible devrait être d'environ 7 500, ce qui indique que tout rapport de cotes de 1,4 ou plus sera détecté avec une puissance de 80 %, tandis que tout rapport de cotes de 1,5 ou plus sera détecté avec une puissance de 95 %.

Un exemple de changement des taux de participation liés à un rapport de cotes de 1,5 serait une diminution de la participation de 60 % à 57 %. D'autres exemples sont présentés dans le tableau 2.

Tableau 2 : Baisse du taux de participation correspondant à un rapport de cotes de 1,5 Taux de participation dans le groupe 1 : 90 % 80 % 70 % 60 % Taux de participation dans le groupe 2 : 81 % 72 % 64 % 57 %

Une autre méthode d'estimation de la taille des échantillons a également été testée (Campbell, Julious et Altman 1996). Cela utilise des tableaux publiés qui estiment la taille de l'échantillon (par groupe) nécessaire pour identifier une différence prédéfinie dans deux proportions à un niveau de signification de 5 % avec une puissance de 80 %. La taille des groupes est ensuite ajustée pour tenir compte de toute différence de taille de groupe. Par exemple, si le groupe souffrant de dépression représente 8 % de la population totale, alors pour détecter une différence de consommation de 65 % parmi les personnes sans dépression et de 60 % parmi les personnes souffrant de dépression, une taille d'échantillon globale de 425 est requise, dont 34 aurait besoin d'avoir une dépression et 391 n'auraient pas de dépression. La taille globale de l'échantillon requise pour une gamme de différences dans les taux de participation est présentée dans le tableau 3 (les taux de participation sont tous des multiples de 5 %, car ces valeurs sont utilisées dans les tableaux publiés).

Tableau 3 : Tailles d'échantillon requises pour détecter les différences d'absorption prédéfinies. Adoption dans le groupe A Adoption dans le groupe B Taille totale de l'échantillon 60 % 55 % 1 188 65 % 60 % 425 70 % 65 % 213 75 % 70 % 138

* En supposant que la comparaison porte sur les personnes souffrant de dépression (prévalence 8 %, correspondant au groupe B) et sans dépression.