Télécharger la présentation
La présentation est en train de télécharger. S'il vous plaît, attendez
Publié parReine Dubost Modifié depuis plus de 10 années
1
Annals of Internal Medecine, 17 novembre 2009, vol. 151 Bibliographie du 01 décembre 2009
2
Cancer du sein (US): 193 370 cas, 40170 décès en 2009 Dépistage: Mammographie: 50 – 69 ans Controverse: politique optimale? Age: début / fin Périodicité Balance bénéfices - inconvénients
3
Evaluer la stratégie de dépistage du cancer du sein aux USA: Bénéfices Inconvénients Consommation de ressources Extension des résultats d’essais randomisés: Population déjà visée Groupes d’âge: résultats moins concluants
4
6 modèles de cancer du sein (CS): Paramètres communs: o Incidence o Caractéristiques intrinsèques de la mammographie o Algorithme de ttt et ses effets o Autres causes de décès Variables spécifiques à chaque modèle: o Période de détection préclinique o Période d’extension o Stades de la maladie et distribution chez femmes dépistées VS non-dépistées
6
Sources:
7
20 stratégies de dépistage: annuel ou biennal
8
Cohorte: Femmes: nées en 1960 Suivi: 25 ans jusqu’à fin de vie Type « âge-période »: effet de l’âge sur l’incidence à une période Détection= mammographie Stade préclinique ou petite tumeur Réduction de la mortalité Adhésion (dépistage+ttt)= 100%
9
Bénéfices: Réduction de la mortalité (%) « Survie » (années) Inconvénients Mammographies: Faux-positifs Biopsies inutiles Surdiagnostic
10
« Base-case analysis »: classement des stratégies les + efficaces Chaque modèle: efficace / dominée 6 modèles: dominée en tout / efficace / limite Frontière d’efficacité: + grand gain en santé par mammographie supplémentaire « Sensitivity analysis »: variation du classement liée aux variables Se mammographie en fonction de l’âge Ttt: + adjuvant hormonal ou non o 100% cohorte o Selon le modèle de ttt actuel
11
Absence de dépistage après 40 ans: Risque de développer un CS: 12-15% Probabilité de décès lié au CS: 3%
12
Réduction de la mortalité: par rapport à l’absence de dépistage (3%) Fonction nb de mammographies 8 stratégies « efficaces »: non dominées o Biennales: 7/8 ▪ Début à 50 ans: 5/7 ▪ Extension › 69 ans: efficacité similaire
15
Survie: Stratégie biennale: 6/8 Début à 40 ans: 50% des modèles
17
% réduction de mortalité maintenue: Annuelle Biennale: 81% (67-99%)
18
Extension de l’âge de début ou de fin du dépistage Réduction mortalité: fin › début o Fin 79 ans (vs 69 ans): 8% A, 7% B o Début 40 ans (vs 50 ans): 3% A+B Survie: début › fin (3/6 modèles ) o Début 40 ans: 33 ans (11-58) o Fin 79 ans: 24 ans (18-38)
19
Taux de mammographies FP: augmenté (×2) Début à 40 ans Stratégie annuelle Biopsies inutiles: 7%, annuel › biennal Surdiagnostic Age (5/6 modèles), surtout les + âgées CIS › cancer invasif, surtout les + jeunes Extension: au-delà 69 ans › à partir 40 ans Annuel › biennal (›50%)
21
Concordance avec les essais réalisés et la physiopathologie connue Puissance: modélisation Nombre de patientes, suivi prolongé Validation « croisée »
22
Manque de données: Chez ›74 ans (Δg en excès) Physiopathologie (CIS, période préclinique, … ) Evaluation bénéfices-inconvénients: Cohorte: ≠ reflet individuel Hypothèse: 100% d’adhésion Sous-groupes à risque non considérés: mutation BRCA 1 ou 2 / état de santé / femmes noires Absence d’évaluation: Morbidité de la chirurgie Altération de la qualité de vie: FP, surΔg, vivre avec le Δg de cancer Stratégies mixtes Coûts Cohorte de 1960: extrapolation future?
23
Efficacité du dépistage: biennal › annuel Ages optimaux de début / de fin: Objectifs du dépistage o Réduire la mortalité: extension date de fin o Augmenter la survie: extension date de début Ressources Valeurs données aux essais précédents Balance bénéfices-inconvénients Considérations pour l’efficacité (FP, Δg en excès) et l’équité
24
Effects of Mammography Screening Under Different Screening Schedules: Model Estimates of Potential Benefits and Harms Annals of Internal Medecine, 17 novembre 2009, vol. 151 Auteurs: Jeanne S. Mandelblatt, MD, MPH; Kathleen A. Cronin, PhD; Stephanie Bailey, PhD; Donald A. Berry, PhD; Harry J. de Koning, MD, PhD; Gerrit Draisma, PhD; Hui Huang, MS; Sandra J. Lee, DSc; Mark Munsell, MS; Sylvia K. Plevritis, PhD; Peter Ravdin, MD, PhD; Clyde B. Schechter, MD, MA; Bronislava Sigal, PhD; Michael A. Stoto, PhD; Natasha K. Stout, PhD; Nicolien T. van Ravesteyn, MSc; John Venier, MS; Marvin Zelen, PhD; and Eric J. Feuer, PhD; for the Breast Cancer Working Group of the Cancer Intervention and Surveillance Modeling Network (CISNET)*
Présentations similaires
© 2024 SlidePlayer.fr Inc.
All rights reserved.