modèle mixte mélange d'essais

Bonjour,

J'ai un peu  de mal entre toutes les fonctions pour les modèles mixtes, d'un site à l'autre on trouve des choses différentes..
J'ai 2 essais avec des mesures répétées sur 6 temps (à intervalle égale), il y a 2 groupes traitement et contrôle.
Je cherche à savoir si mon traitement à un effet.
Je me demande s'il "suffit" de faire un modèle mixte avec

• en partie aléatoire l'effet individus (imbriqué) dans essai,
  
• et en partie fixe, l'effet traitement et temps (et interaction)
  

dans R ça donne :
lme(MEW~trt*week,random=~1|essai/id, data =don_MEW)

Evidemment avant de faire ça, j'ai regarder les graphs détaillés en distinguant les essais, les traitements, en fonction du temps..
c'est inévitable qu'il y ait des différences entre tout ces groupes (2traitement*2essai*6temps=24groupes)
mais est-ce que c'est au "spécialiste" de savoir si on peut mélanger les essais (grace à ces graphs..) ?
ou il y a des moyen de mesurer ça ?
peut-on regarder juste via un test de comparaison de variance, avec comme groupe juste essai ?

Jérémy

Bonjour,

Quand tu parles "d'essais", que veux-tu dire? Est-ce qu'il s'agit d'essais cliniques avec pour chacun n patients et un effet traitement estimé pour chaque essai? Si oui, un modèle mixte n'est pas adapté.
La seule méthode qui permet d'agréger les données issues de plusieurs essais c'est la méta-analyse, mais je ne suis pas convaincue que cela ait un sens avec 2 essais. Cherche en ligne le Cochrane handbook pour cela.
Ayana

Merci Ayana,

Oui c'est ça quand je parle d'essai, ça correspond à ce que tu définis.

Pour le moment j'en ai deux, j'ai lu, qu'il fallait au moins 4 essais pour faire une méta-analyse, sachant que j'ai des données individuelles je me dis que voir les tendances avec 2-3 essais c'est pas idiot (enfin peut-être).
Je vais regarder cette référence merci.

Jérémy

C'est très difficile de pooler les données de 2 essais de la facon que tu envisages.

La première chose à faire est de déterminer si les données sont poolables, mais sans maths. Avec une logique purement clinique: même population (critères d'inclusion) ? Même traitement ? mêmes structures ? mêmes objectifs ? mêmes critères d'évaluation, mesurés avec les mêmes techniques ? .... etc...

Si la réponse est non, il sera impossible de tirer des conclusions de l'analyse, quelle qu'elle soit: si tu mets en évidence un effet sur le pool, il sera impossible d'établir une relation de causalité avec le traitement (impossible de différencier un vrai effet d'un biais)

Si cliniquement les données issues des 2 essais semblent poolables, la première chose à faire est de décrire les populations à l'inclusion.

Si pas significativement différentes, tu pooles tout simplement et à ce moment là tu ne fais plus la distinction entre les 2 (c'est le principe même du pool): tu as 2 traitements * 6 temps, soit un schéma classique d'anova en mesures répétées.

Si les populations sont différentes, tu fais en 2 étapes
1- Si tes données le permettent (si tu as suffisamment de cas observés dans chaque centre) tu introduis "l'effet étude" (de façon assez similaire à ce que tu peux lire classiquement sur "l'effet centre") dans l'analyse. Et tu fais en fonction de ce que tu trouves (pas d'effet => je reviens au schéma classique du pool, effet => soit j'ajuste si possible, soit je bourrine et j'aborde le problème uniquement dans la discussion... à voir...)
2- Si tu as trop peu de données... tu bourrines (voir ci dessus)

Ca nécessite une bonne maitrise clinique pour faire ca, mais aussi une bonne expertise méthodo-stats pour savoir ce qu'on peut se permettre ou pas en fonction des caractéristiques des 2 études et des outils mathématiques employés. C'est regardé d'un mauvais oeil ce genre d'acrobatie, et si tout ca n'est pas solidement argumenté, c'est très critiquable.

Donc je crains que les quelques conseils donnés sur un forum ne puissent pas remplacer la consultation d'un méthodologiste.

Bonjour Cassoulet,

Merci pour ces remarques très pertinentes, je partage ton avis sur plusieurs points !

Pour la première partie, oui oui et oui, tout est dans le même objectif, seul différence entre les essai c'est le centre, d'où l'effet essai..
Il faut que je travaille mon dialogue avec les demandeurs, c'est pas toujours facile d'expliquer ça à des non-statisticiens..
J'ai la chance d'avoir assez de données..

Mais en abordant la chose en meta-analyse, en tenant compte d'effets aléatoires ?
Je conçois que 2 essais c'est pas assez, mais j'ai pas mal de data deja et j'ai encore 1 essai qui va arriver..

C'est toujours sous réserve qu'il y ait homogénéité entre les essais..
D'ailleurs Cassoulet quand tu dis :
"Si cliniquement les données issues des 2 essais semblent poolables, la première chose à faire est de décrire les populations à l'inclusion. Si pas significativement différentes"

Pour comparer ces populations (donc essai) on parle comparaison de variance et de moyenne ?

Jérémy

Je ne comprends pas. Si "la seule différence est le centre", tu as 1 seul essai multicentrique.
Tu as 1 multicentrique ou 2 essais différents ?

Bonjour,

Oui c'est ça, et le nombre de réplication/traitement n'est pas identique d'un essai à l'autre.

Jérémy

c'est ca quoi ? Un multicentrique ?

oui un multicentrique, avec un nombre réplication/traitement qui n'est pas identique d'un essai (centre) à l'autre.

Ta réponse est étrange.
UN essai MULTICENTRIQUE est un essai clinique qui se déroule sur plusieurs "centres investigateurs" en même temps (c'est très banal, c'est même quasi-systématique pour les essais industriels). Dans ce cas, on applique évidemment le MEME PROTOCOLE dans tous les centres.

Si le nombre de réplications n'est pas le même dans chaque centre, soit c'est un design très inhabituel, soit c'est un petit truc réalisé à la oneagain qui est parti en sucette (très improbable) soit c'est plusieurs essais qui ont été réalisés avec le même médicament expérimental, mais en appliquant un protocole expérimental différent (= plusieurs essais différents).

Tu dois avoir la réponse en te procurant le protocole. Tout y est écrit. Si tu l'as pas, tu vas sur https://www.clinicaltrials.gov/ et tu as la méthodo.

c@ssoulet a écrit:Ta réponse est étrange.
UN essai MULTICENTRIQUE est un essai clinique qui se déroule sur plusieurs "centres investigateurs" en même temps (c'est très banal, c'est même quasi-systématique pour les essais industriels). Dans ce cas, on applique évidemment le MEME PROTOCOLE dans tous les centres.

Si le nombre de réplications n'est pas le même dans chaque centre, soit c'est un design très inhabituel, soit c'est un petit truc réalisé à la oneagain qui est parti en sucette (très improbable) soit c'est plusieurs essais qui ont été réalisés avec le même médicament expérimental, mais en appliquant un protocole expérimental différent (= plusieurs essais différents).

Tu dois avoir la réponse en te procurant le protocole. Tout y est écrit. Si tu l'as pas, tu vas sur https://www.clinicaltrials.gov/ et tu as la méthodo.

Je ne suis pas sur des "essais clinique", je suis sur de la recherche en nutrition animale,
en loccurence je ne pense pas que les essais aient été fait en même temps.
Si le nombre de repet n'est pas le même c'est tout simplement qu'il n'y avait pas les même disponibilité dans les centres.
C'est donc plusieurs essais, pas réalisé en même temps mais avec le même produit testé donc plusieurs essais différents (au temps pour moi)

Merci pour le lien

Ah.

Donc c'est du oneagain

Comme ca, à la louche, je dirais qu'il vaut mieux pooler sans se poser trop de questions. Perso, en première analyse, je prendrais uniquement les temps de mesure communs à tous les centres et j'analyserais ca comme un essai unique.

Ca n'a pas vraiment de sens de tester un "effet centre" ou "effet étude", tu l'appelles comme tu veux, vu que par définition on sait qu'il y en a un.

Et ca n'a pas vraiment de sens d'ajuster sur cet effet à mon sens. Si tu prends tous les temps de tous les centres tu vas avoir par définition pas mal de données manquantes. Et ajuster sur un effet calculé à partir d'un tableau à trous ....

Je crois qu'on touche du doigt la difficulté d'interprétation d'un essai sans méthodo carrée: la méthode est critiquable, la réalisation est critiquable, donc l'interprétation quelle qu'elle soit et quels que soient les outils sera critiquable.

C'est pour essayer de retomber sur une méthodo un peu plus saine que mon avis est de trier les données et ne travailler que sur les temps communs à tous les centres

Encore une fois je crois que je m'exprime mal, j'ai employé repet mais j'aurais utiliser replication...

Les temps de mesures (répétitions) sont bien communs, c'est le nombre de réplications par traitements par temps qui n'est pas le même d'un essais à l'autre.
Intra-essai : à chaque temps on a bien le même nombre de réplications/traitement

Je vais y arriver..

A vrai dire : j'ai fais un "premier jet" de cette analyse (j'ai pas fais de modèle dans un premier temps), juste des graph descriptifs, et des indicateurs de variabilités : pour que les personnes se rendent compte de la différence de variabilité entre les deux essai et sachant qu'il va en avoir un autre (d'essai), je souhaitais attendre toutes les données.

Mais la discussion m'interesse..

Là, je crois qu'on ne va pas y arriver sans savoir précisément de quoi on parle. Je ne comprends pas a quoi correspond dans la vraie vie "le nombre de réplications par traitements par temps"

Exemple :

2 traitements à 6 temps (répétitions) et avec 10 réplicats/traitements :
- 20 individus statistiques (10 dans chaque traitement)
- on a donc un suivi de ces 20 individus sur 6 temps
- on a donc un total de 2 traitements*10 individus * 6 temps =120 mesures

Je peux pas faire mieux..

Le traitement, on va appeler ca le groupe.

Tu as 2 groupes.
10 individus/groupe
Chaque individu est traité à T0 - T1 - T2 -T3 - T4 - T5. Disons par exemple que chaque individu reçoit 1 dose de médicament aux jours 0, 1, 2, 3, 4 et 5.

C'est quoi exactement qui n'a pas été réalisé de façon identique dans chaque centre ?

C'est le nombre d'individu par groupe..

Ton problème c'est juste que tu n'as pas 10 individus/groupe dans chaque centre ?

J'ai jamais dis que c’était un problème, j'ai dis que ça faisait parti des différences entre les deux essais.
et comme on s'est mal compris...

Dans ce cas tu as 1 seul essai qui se déroule sur plusieurs centres, chaque centre ne recrutant pas le même nombre de sujets. C'est extremement banal.

Dans ce cas on n'ajuste pas sur l'effet centre en première analyse. On poole les données et on regarde l'effet du traitement au cours du temps. Tu fais une simple ANOVA en mesures répétées, avec le traitement en effet inter et le temps en effet intra et tu auras le résultat.

Si tu veux introduire l'effet centre en seconde analyse, tu peux l'introduire simplement dans ton ANOVA et regarder si il y a une interaction traitement*centre*temps.

c@ssoulet a écrit:Dans ce cas tu as 1 seul essai qui se déroule sur plusieurs centres, chaque centre ne recrutant pas le même nombre de sujets. C'est extremement banal.

Dans ce cas on n'ajuste pas sur l'effet centre en première analyse. On poole les données et on regarde l'effet du traitement au cours du temps. Tu fais une simple ANOVA en mesures répétées, avec le traitement en effet inter et le temps en effet intra et tu auras le résultat.

Si tu veux introduire l'effet centre en seconde analyse, tu peux l'introduire simplement dans ton ANOVA et regarder si il y a une interaction traitement*centre*temps.

D'accord, merci de ta patience