Paul-Marie Bernard Université Laval

Slides:



Advertisements
Présentations similaires
LES NOMBRES PREMIERS ET COMPOSÉS
Advertisements

A l’issue des conseils de classe de 3ème,
Fabrice Lauri, François Charpillet, Daniel Szer
Licence pro MPCQ : Cours
Classe : …………… Nom : …………………………………… Date : ………………..
Calculs de complexité d'algorithmes
Test statistique : principe
Statistique et probabilité Série n° 1
Est Ouest Sud 11 1 Nord 1 Laval Du Breuil, Adstock, Québec I-17-17ACBLScore S0417 Allez à 1 Est Allez à 4 Sud Allez à 3 Est Allez à 2 Ouest RndNE
Est Ouest Sud 11 1 Nord 1 RondeNE SO
Sud Ouest Est Nord Individuel 36 joueurs
Les Prepositions.
Présentation de l’application « Livret personnel de compétences »
1. Les caractéristiques de dispersion. 11. Utilité.
Page : 1 / 6 Conduite de projet Examen du 6 mai 1999 Durée : 4 heures Le support de cours est toléré La notation tiendra compte très significativement.
1 Bases de sondages multiples et redressement des poids extrêmes Le cas de lenquête auprès des intervenants au domicile de personnes fragilisées (IAD –
Dr DEVILLE Emmanuelle J D V 12/07/2006
Systèmes Experts implémentation en Prolog
La diapo suivante pour faire des algorithmes (colorier les ampoules …à varier pour éviter le « copiage ») et dénombrer (Entoure dans la bande numérique.
Construction des 3 hauteurs
Estimation de la survie comparaison des courbes de survie FRT C3.
1 Efficient Data and Program Integration Using Binding Patterns Ioana Manolescu, Luc Bouganim, Francoise Fabret, Eric Simon INRIA.
Ordonnancement des mouvements de deux robots
1 Théorie des Graphes Cycle Eulérien. 2 Rappels de définitions On dit qu'une chaîne est un chemin passant par toutes les arêtes du graphe. On dit qu'un.
Janvier 2010Paul-Marie Bernard Université Laval 1 Évaluation thérapeutique 1.Nouveau traitement 2.Phases dévaluation.
Protocole d’un essai clinique
PAFI Référentiel de données par Sonia Watts DGIF (Direction de la gestion et de linformation forestière) 27 octobre 2010 et 3 novembre 2010.
Probabilités.
Application des algorithmes génétiques
Paul-Marie Bernard Université Laval
1 SERVICE PUBLIC DE LEMPLOI REGION ILE DE France Tableau de bord Juillet- Août 2007.
Les variables au plan fonctionnel
Paul-Marie Bernard Université Laval
PLANIFICATION D’UNE ÉTUDE
1 Journée de regroupement des correspondants "Egalité et genre" - 21 novembre 2011 Rectorat de Rouen - SAIO - CD-HD Résultats scolaires, appréciations.
Groupe 1: Classes de même intervalle
Tableaux de distributions
Tableaux de distributions
LES NOMBRES PREMIERS ET COMPOSÉS
Paul-Marie Bernard Université Laval
La Saint-Valentin Par Matt Maxwell.
Janvier 2010Paul-Marie Bernard Université Laval 1 Modules sur les méthodes en recherche clinique.
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :47 1 Concepts fondamentaux: statistiques et distributions.
Les modèles linéaires (Generalized Linear Models, GLM)
Corrélation Principe fondamental d’une analyse de corrélation
Notre calendrier français MARS 2014
C'est pour bientôt.....
STSWEB Bascule Diffusion Nationale TOULOUSE – déc.2008.
Veuillez trouver ci-joint
Ordonnancement de tâches
SUJET D’ENTRAINEMENT n°4
SUJET D’ENTRAINEMENT n°1
Traitement de différentes préoccupations Le 28 octobre et 4 novembre 2010.
ECOLE DES HAUTES ETUDES COMMERCIALES RECHERCHE MARKETING Dr. KHERRI Abdenacer Mai
ECOLE DES HAUTES ETUDES COMMERCIALES MARKETING FONDAMENTAL
1 - Programme de Seconde (juin 2009) Statistique et probabilités
CALENDRIER-PLAYBOY 2020.
1. Présentation générale du système
Les Chiffres Prêts?
Médiathèque de Chauffailles du 3 au 28 mars 2009.
ESTIMATION 1. Principe 2. Estimateur 3. Distribution d’échantillonnage
Rappels de statistiques descriptives
ECHANTILLONAGE ET ESTIMATION
Lecture critique des essais cliniques. But Juger de : - La validité scientifique - L’intérêt clinique Modifier ou ne pas modifier la pratique.
Transcription de la présentation:

Paul-Marie Bernard Université Laval Randomisation Définition Randomisation simple Randomisation par blocs Randomisation stratifiée Randomisations particulières Mai 2010 Paul-Marie Bernard Université Laval

1. Définition de la randomisation Méthode d’assignation des sujets aux traitements basée sur le hasard. Chaque sujet est assigné aléatoirement à l’un des traitements (ou placebo). Mai 2010 Paul-Marie Bernard Université Laval

1.1 Objectifs de la randomisation La randomisation doit permettre de contrôler des biais de confondance: tend à produire des groupes comparables enlève le biais du chercheur dans l’assignation des sujets d’assurer une base valide à l’utilisation des outils statistiques (tests et intervalles de confiance) Mai 2010 Paul-Marie Bernard Université Laval

1.2 Types de randomisation Randomisation simple Randomisation par blocs Randomisation stratifiée Randomisations particulières Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 2. Randomisation simple La randomisation est pratiquée directement sur les sujets Ainsi, dans un essai clinique portant sur deux traitements, A et B, l’assignation d’un patient à l’un ou l’autre des deux traitements pourrait être décidée à pile ou face, en supposant que le tirage soit tout à fait honnête: pile c’est A, face c’est B. Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 2. (suite) Mais, on va ménager les « pouces » et mieux gérer le temps dévolu à cette méthode d’assignation. On propose d’établir une liste préalable d’assignation aléatoire pour tous les sujets qui seront enrôlés dans l’étude. Certains logiciels statistiques font très bien le travail et en peu de temps. Des algorithmes sont décrits ci-après, pour certains contextes. Mai 2010 Paul-Marie Bernard Université Laval

2.1 Randomisation simple 2 traitements, A et B Pour chaque sujet s entrant dans l’étude, on tire aléatoirement un nombre k compris entre 0 et 9: (0k9): si k est 0 ou pair, s est assigné à A: s  A si k est impair, s est assigné à B: s  B Mai 2010 Paul-Marie Bernard Université Laval

2.2 Randomisation simple 3 traitements, A, B et C Pour chaque sujet s entrant dans l’étude, on tire aléatoirement un nombre k compris entre 1 et 9: (1k9): si k=1 ou 2 ou 3, s  A si k=4 ou 5 ou 6, s  B si k=7 ou 8 ou 9, s  C Mai 2010 Paul-Marie Bernard Université Laval

2.3 Randomisation simple Groupes équilibrés ? La randomisation simple ne conduit pas nécessairement à des groupes équilibrés, c’est-à-dire égaux en effectifs. Cependant, les groupes tendent à s’équilibrer avec des tailles plus grandes d’échantillons. Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 2.3 suite S’il y a déséquilibre «inacceptable» entre les groupes, on peut recommencer la randomisation (le nombre de reprises ne devrait pas excéder 2). Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 2.3 suite On peut établir comme règle qu’avec un écart de plus de 20% entre les effectifs, on recommence la liste, mais pas plus de deux fois. L’écart peut être mesuré par: n1 et n2 correspondent aux effectifs de chacun des groupes, et n l’effectif total (n= n1 + n2). Si on vise n=50, alors n1 = 20 et n2 =30 donne un écart de 20%. Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 2.3 suite En général, un écart moindre que 20% a peu d’effet sur la perte de puissance. Ces effets peuvent être plus marqués lorsque les échantillons sont faibles. Pour équilibrer les groupes, dans ce qui suit on propose la randomisation par blocs. Mai 2010 Paul-Marie Bernard Université Laval

3. Randomisation par blocs La randomisation par blocs permet d’équilibrer les groupes de traitement. Cette méthode est basée sur des scénarios de l’assignation des sujets aux traitements, déterminés à l’avance. Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 3.1 Méthode Les sujets, par ordre d’entrée dans l’étude, sont regroupés par tranches ou blocs. Le nombre de sujets par bloc est un multiple du nombre de traitements: 2 traitements: blocs de 2, 4, 6, … sujets 3 traitements: blocs de 3, 6, 9, … sujets … Chaque bloc de sujets est soumis aléatoirement à un scénario d’assignation. Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 3.1 (suite) Les scénarios sont tels que les traitements y sont équitablement représentés s’ils s’adressent à des blocs de 4 sujets, pour l’assignation à deux traitements, A et B, ces traitements y apparaîtront chacun deux fois: ABBA, etc. y apparaissent en ordre déterminé lorsqu’un bloc de sujets est soumis à un scénario, l’ordre d’assignation est celle du scénario (ABBA indique que A est appliqué au 1er sujet du bloc, B au 2e, B au 3e et A au 4e). Chaque scénario correspond à une permutation (distincte) de l’ordre d’assignation des traitements. Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 3.1 … (suite) Pour l’application de deux traitements, A et B, à des blocs de 2 sujets, 2 scénarios possibles: AB et BA 4 sujets, 6 scénarios possibles: AABB, ABAB, ABBA, BAAB, BABA, BBAA 6 sujets, 180 scénarios possibles: AAABBB, AABABB, …. … Mai 2010 Paul-Marie Bernard Université Laval

3.2 Randomisation par bloc 2 traitements, A et B Bloc de 2 sujets: (s1,s2) Au hasard, on tire un nombre k entre 0 et 9: si k = 0 à 4, alors (s1,s2)  AB (i.e. s1 est traité par A et s2 par B) si k = 5 à 9, alors (s1,s2)  BA. Ainsi, par ordre d’entrée, les sujets d’un bloc sont assignés aux traitements suivant la configuration (permutation) décidée par le hasard : AB ou BA. Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 3.3 Exemple de randomisation par bloc 2 traitements, A et B; blocs de 2 sujets Temps Sujets (blocs) …… Nombre aléatoire 3 ↓ 8 4 Assignement 1 2 3 4 5 6 A B B A A B Mai 2010 Paul-Marie Bernard Université Laval

3.4 Randomisation par bloc 2 traitements, A et B; blocs de 4 sujets Bloc de 4 sujets: (s1,s2,s3,s4) Dans ce bloc, 2 sujets doivent être traités par A et 2 par B On retrouve 6 configurations (permutations) possibles, numérotées de 1 à 6: (AABB) 1 (BBAA) 4 (ABAB) 2 (BABA) 5 (ABBA) 3 (BAAB) 6 Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 3.4 (suite) On tire un nombre aléatoire k entre 1 et 6: si k = 1, alors (s1,s2,s3,s4)  AABB si k = 2, alors (s1,s2,s3,s4)  ABAB si k = 3, alors (s1,s2,s3,s4)  ABBA si k = 4, alors (s1,s2,s3,s4)  BAAB si k = 5, alors (s1,s2,s3,s4)  BABA si k = 6, alors (s1,s2,s3,s4)  BBAA Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 3.4 (suite) Temps Sujets (blocs) … Nombre aléatoire 3 ↓ 5 1 Assignement ... 1 2 3 4 5 6 7 8 9 10 11 12 A B B A B A B A A A B B Mai 2010 Paul-Marie Bernard Université Laval

3.5 Quelques commentaires Pour les échantillons faibles (n50), la randomisation par blocs peut avantageusement remplacer la randomisation simple. Préférer les blocs de tailles plus grandes, sans excéder 20 sujets par bloc (pour des raisons pratiques). Bien qu’elle ne soit pas requise, l’analyse (stratifiée) par bloc peut améliorer la puissance de l’étude. Ne perdez pas de temps à constituer la liste des scénarios pour l’ensemble des blocs de sujets. Tout ça se fait très rapidement à l’aide de logiciels (comme le SAS par exemple). Mai 2010 Paul-Marie Bernard Université Laval

4. Randomisation stratifiée Utile pour le contrôle de tiers facteurs spécifiques : facteurs confondants: assure la comparabilité des groupes pour ces facteurs facteurs modifiants: assure la comparabilité des groupes sur les strates et permet des comparaisons plus fines Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 4.1 Méthode La randomisation est pratiquée sur les sujets regroupés par strates définies à partir des catégories d’une ou de plusieurs variables à contrôler. Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval 4.2 Pratique Définition des strates 2 variables dichotomiques, X1 et X2 (par exemple) X1 (avec antécédents médicaux): 1 (=Oui), 0(=Non) X2 (fumeur) : 1 (=Oui), 0(=Non) 4 strates (X1,X2): (1,1), (1,0), (0,1), (0,0) À l’intérieur de chacune des strates, on pratique la randomisation par bloc pour 2 traitements (A,B): blocs de 2 ou 4 sujets pour 3 traitements (A,B,C): blocs de 3 sujets Mai 2010 Paul-Marie Bernard Université Laval

4.3 Randomisation stratifiée par bloc de 2 patients 2 traitements A et B blocs de permutations aléatoires (2 éléments) 2 variables X1 et X2 dichotomiques à contrôler (X1, X2 = 1 ou 0) 4 strates définies par X1,X2: 11 10 01 00 Patients Strates (X1,X2) Etc. 11 10 01 00 B A Mai 2010 Paul-Marie Bernard Université Laval

4.4 Randomisation stratifiée par bloc de 4 sujets 2 traitements A et B blocs de permutations aléatoires (4 éléments) 2 variables X1 et X2 dichotomiques à contrôler (X1, X2 = 1 ou 0) 4 strates définies par X1,X2: 11 10 01 00 Patients Strates (X1,X2) Etc. 11 10 01 00 B A Mai 2010 Paul-Marie Bernard Université Laval

4.5 Randomisation stratifiée Utile pour l’analyse des facteurs modifiants et pour le contrôle des facteurs confondants Peu utile dans les essais à grands effectifs, où en général les distributions des tiers facteurs sont assez comparables entre groupes En général, éviter la méthode si grands effectifs ressources limitées pour appliquer ce type de randomisation incertitude sur la pertinence de contrôler la ou les variables. Éviter un trop grand nombre de facteurs de stratification: la difficulté de la méthode croît avec le nombre de strates (trop grand nombre de facteurs à contrôler ou trop grand nombre de classes par variable) Mai 2010 Paul-Marie Bernard Université Laval

5. Randomisations particulières Utilisées principalement pour des raisons éthiques, ces types de randomisation visent à maximiser le nombre de sujets devant profiter de la meilleure intervention. Deux méthodes « Two-Armed Bandit » « Play the Winner » Mai 2010 Paul-Marie Bernard Université Laval

5.1 Méthode « Two-Armed Bandit » Présentation pour 2 traitements Méthode L’assignation du premier sujet enrôlé est décidée au hasard. L’assignation des sujets suivants est faite vers le groupe ayant la plus forte probabilité de succès. Les probabilités de succès sont estimées, séquentiellement, à partir des données antécédentes. Mai 2010 Paul-Marie Bernard Université Laval

5.2 Méthode « Play the Winner » Présentation pour 2 traitements Méthode (dérivée de la précédente) L’assignation du premier sujet enrôlé est décidée au hasard. Si la réponse au traitement de ce premier sujet est un succès, le 2e sujet est assigné au même groupe que le premier sujet. Autrement, il est assigné à l’autre traitement. Suivant la même règle, l’assignation d’un sujet quelconque est déterminée par le succès (ou l’échec) au traitement du sujet précédent. Mai 2010 Paul-Marie Bernard Université Laval

5.3 Désavantages de ces deux méthodes Ces méthodes induisent un déséquilibre des effectifs entre les groupes, conduisent ainsi à une perte de puissance, requièrent donc des effectifs plus élevés. Plus le temps d’induction de la réponse au traitement est long, plus l’enrôlement des sujets dans l’étude en sera retardé. S’il y a plusieurs réponses d’intérêt, ces méthotes sont difficilement applicables. Sur le critère du bénéfice au patient, quelle réponse choisir? Ces méthodes supposent une certaine stabilité des caractéristiques de la population d’où émanent les sujets. Autrement, elles peuvent conduire à des biais sérieux. Pour ces méthodes, les analyses statistiques sont plus compliquées que celles pour les méthodes simples de randomisation. On suggère d’éviter ces méthodes, à moins qu’il y ait des raisons éthiques sérieuses en faveur de leur utilisation. Mai 2010 Paul-Marie Bernard Université Laval

Paul-Marie Bernard Université Laval Références Pocock SJ. Clinical Trials: A practical approach. John Wiley & Sons, 1991. Friedman LM, Furberg CD, DeMets DL. Fundamentals of Clinical Trials. PSG Publishing Company, Second Edition, 1985. Mai 2010 Paul-Marie Bernard Université Laval

Pour me joindre au sujet de ce module Paul-Marie Bernard Mai 2010 Paul-Marie Bernard Université Laval