Amélioration précoce des symptômes individuels et de la réponse aux antidépresseurs chez les patients atteints de trouble dépressif majeur

Étudier le design

Le projet proposé est une méta-analyse des données individuelles des patients. Les données seront rassemblées à partir de 31 essais d'antidépresseurs de deuxième génération pour le traitement du trouble dépressif majeur, en utilisant les données des bras d'essai traités avec un placebo ou des antidépresseurs approuvés par la Food and Drug Administration (FDA). Ces essais incluent un total d'environ 7 800 participants traités par antidépresseurs et 3 000 participants traités par placebo. Des méthodes de régression pénalisées (en particulier le moindre rétrécissement absolu et l'opérateur de sélection, "lasso") seront utilisées pour examiner la relation entre l'amélioration précoce des symptômes dépressifs spécifiques et la réponse au traitement. En outre, les chercheurs examineront si les interactions entre les symptômes d'amélioration précoce et entre les symptômes d'amélioration précoce et les variables démographiques telles que l'âge et le sexe améliorent la prédiction des résultats du traitement. Enfin, les chercheurs examineront également si la prédiction de la réponse au traitement par une amélioration précoce de symptômes spécifiques dépend du type de traitement fourni (placebo, inhibiteurs sélectifs de la recapture de la sérotonine [ISRS] ou inhibiteurs de la recapture de la sérotonine et de la noradrénaline [IRSN]), qui suggérerait un mécanisme spécifique au médicament.

Plan d'analyse statistique

Données manquantes : une approche par cas complets sera adoptée, car il est intéressant de prédire la réponse et la rémission chez les participants qui ont effectivement pris un antidépresseur pendant la période de temps spécifiée. Par conséquent, seuls les participants qui ont des scores HDRS de base, de la semaine 2 et de la semaine 6 (± 1) valides seront sélectionnés pour les analyses principales (ou des données valides de la semaine 12 pour les analyses secondaires des résultats de la semaine 12).

Échantillon d'apprentissage et de validation : les données seront divisées au hasard en un échantillon d'apprentissage de 80 % et un échantillon de validation de 20 % (stratifié par groupe de traitement). La découverte de modèles sera effectuée dans l'échantillon d'apprentissage, tandis que les performances prédictives des modèles seront évaluées dans l'échantillon de validation.

Prédicteurs : L'amélioration des symptômes individuels sera dérivée des éléments HDRS au départ et à la semaine 2. Les choix de réponse pour ces éléments vont de 0 à 2 pour 7 éléments et de 0 à 4 pour 10 éléments. L'amélioration précoce sera dichotomisée en « aucune amélioration » et « amélioration ». "Aucune amélioration" est indiquée par une aggravation du score de l'item (par exemple, de 1 au départ à 2 à la semaine 2) ou par l'absence de changement dans le score de l'item. "Amélioration" est indiquée par une amélioration du score de l'item ≥ 1. Des tableaux croisés seront utilisés pour vérifier si des variables sont très fortement corrélées et si c'est le cas, l'un des éléments sera supprimé. Les scores de référence des éléments HDRS seront également inclus dans le modèle afin d'étudier la valeur ajoutée de l'amélioration des éléments individuels au-delà des scores des éléments de référence.

Pour le score total HDRS-17, l'amélioration précoce sera également dichotomisée en aucune/amélioration mineure (< 20 % d'amélioration) ou une amélioration (≥ 20 % d'amélioration). Le score HDRS-17 de base sera standardisé et inclus dans le modèle en tant que covariable.

En ce qui concerne les facteurs démographiques, le sexe est déjà une variable dichotomique et l'âge sera standardisé.

Régression au lasso : la régression au lasso sera appliquée aux modèles suivants :

Analyse primaire (uniquement dans le groupe traité par antidépresseurs)

1. Un modèle contenant des variables d'amélioration précoce à la semaine 2 dans les 17 éléments HDRS, l'âge, le sexe et toutes les interactions bidirectionnelles entre ces variables ; les scores des éléments HDRS de base ; et en plus score HDRS total au départ et amélioration précoce (amélioration ≥ 20 % du score) du score HDRS total à la semaine 2.

   Analyse exploratoire (chez tous les participants, y compris ceux traités par placebo)

2. Comme modèle 1 ci-dessus, mais incluant le groupe de traitement (placebo, ISRS, SNRI) et toutes les interactions à deux et trois voies avec le groupe de traitement.

Le paramètre de réglage (lambda) entraînant une erreur de prédiction minimale (basée sur la déviance) sera sélectionné à l'aide d'une validation croisée de 10 fois. Le package GLMMLasso pour les données multiniveaux sera utilisé pour ajuster le modèle lasso, qui sera ensuite réajusté avec une régression logistique à effets mixtes en utilisant uniquement les variables sélectionnées par la régression lasso.

Performance du modèle : l'exactitude des prévisions sera évaluée en appliquant le modèle de régression logistique à effets mixtes à l'échantillon de validation indépendant. L'aire sous la courbe (AUC) de la courbe caractéristique de fonctionnement du récepteur (ROC) dans la prédiction de la réponse/rémission à 6 ou 12 semaines sera utilisée pour évaluer la précision de la prédiction. La sensibilité, la spécificité et l'exactitude (pourcentage de prédictions correctes) seront également déterminées.

Analyses secondaires : les analyses secondaires examineront les résultats à 12 semaines au sein du sous-groupe d'essais avec une durée de traitement en double aveugle d'au moins 12 semaines.