La plupart des évaluations impliquent l’évaluation des interventions qui se produisent dans des unités plus grandes que celles des individus. Il peut s’agir de bassins versants du système de santé, d’écoles, de régions géographiques ou même de pays. Dans certains cas, il est approprié et possible d’allouer aléatoirement l’intervention d’intérêt au niveau de ces unités plus grandes et, à ce titre, d’appliquer l’approche la plus efficace et la plus fiable pour réduire la confusion.
Ressources Clés Pour En apprendre davantage Sur les essais randomisés en grappes
Un nouveau site Web sur les essais randomisés en grappes a été développé pour soutenir ceux qui mènent des essais randomisés en grappes et des conceptions en cale étagée et ceux qui effectuent des recherches méthodologiques sur ces conceptions. Le site Web contient les dernières publications, logiciels, discussions et événements liés à la conception en cluster.
Ce livre de Richard Hayes et Lawrence Moulton est devenu le principal texte méthodologique dans ce domaine:
Essais randomisés en grappes
Hayes R, Moulton L. Essais randomisés en grappes. Chapman et Hall / CRC Press, Boca Raton, FL, 2009
Un bref résumé de ce que le livre propose est fourni en ce qui concerne ces sujets:
Justification et limites des essais randomisés en grappes
Il existe plusieurs circonstances dans lesquelles les essais randomisés en grappes sont appropriés et peuvent être choisis par rapport à d’autres modèles randomisés. Certaines interventions sont par nature destinées à être appliquées à des communautés entières plutôt qu’à des personnes individuelles, telles que des programmes éducatifs ou l’amélioration de l’approvisionnement en eau dans les villages. Dans certaines circonstances, la randomisation par grappes offre plus de commodité logistique ou serait reçue avec une plus grande acceptabilité lorsqu’elle est livrée à l’ensemble de la population plutôt qu’au niveau individuel. Les essais randomisés en grappes sont également un moyen efficace d’éviter la contamination et c’est l’une des raisons les plus courantes d’adopter cette conception. Enfin, les CRT permettent à la fois de saisir les effets directs et indirects d’une intervention, fournissant une mesure de l’effet global de la mise en œuvre d’une intervention dans l’ensemble d’une population. Ceci est particulièrement utile lorsque l’on considère les maladies infectieuses. Ceux qui reçoivent l’intervention bénéficient à la fois de l’effet direct de l’intervention sur la susceptibilité à l’infection et des effets de masse indirects entraînant une réduction de l’exposition à l’infection.
Lors de l’examen d’un plan randomisé en grappes, ces avantages doivent être mis en balance avec les limites.Les statistiques et la rentabilité sont importantes à prendre en compte. La puissance et la précision d’un essai randomisé en grappes sont inférieures à celles d’un essai randomisé individuellement, et les aspects logistiques liés au travail dans plusieurs grappes différentes peuvent rendre un CRT coûteux à mettre en œuvre. D’autres questions à considérer sont le biais de sélection, le déséquilibre entre les branches d’étude et la généralisabilité. La raison d’être ainsi que les limites et les stratégies pour les minimiser sont discutées au chapitre 3.
Considérations de conception
Choix de conception pour les bras de traitement
Conception de groupe parallèle
Il s’agit de la conception la plus courante pour les essais randomisés individuels et en grappes. Selon cette conception, chaque grappe reste dans le bras auquel elle a été attribuée au hasard tout au long de l’essai.
Trois essais de bras
Compte tenu des coûts et de la complexité logistique associés aux CRT, et de la difficulté d’inscrire suffisamment de grappes pour fournir une taille d’échantillon adéquate dans chaque bras de traitement, la grande majorité des CRT suivent un plan d’étude dans lequel les grappes sont randomisées pour seulement deux bras de traitement. Des essais à trois bras sont parfois réalisables, cependant, les CRT avec plus de trois bras sont très rares. Cependant, lorsqu’ils sont considérés, ils suivent deux approches principales: La première compare deux interventions différentes avec un bras de contrôle, et la seconde compare la même intervention donnée à différents niveaux d’intensité avec un bras de contrôle pour produire une analyse dose-réponse.
Essais factoriels
Classiquement, pour estimer l’effet de deux interventions, il faudrait soit concevoir deux essais, soit réaliser un essai à trois bras, ce qui présente l’inconvénient d’une taille d’échantillon plus petite dans chaque bras. Les plans factoriels permettent d’étudier les effets indépendants de deux interventions dans le même essai. Cela présente l’avantage d’être rentable et de conserver la taille de l’échantillon. La conception prend une disposition 2 X 2 résultant en quatre bras de traitement: un bras recevant la première intervention, un autre recevant la deuxième intervention, un bras recevant les deux interventions et enfin un bras de contrôle. Le modèle aboutit à quatre bras de traitement, cependant, l’estimation de l’effet de chaque intervention se fait en comparant une combinaison pertinente de deux des bras à la combinaison des deux bras restants. Cette approche n’est valable que s’il n’y a pas d’interaction entre les interventions. Lorsque des interactions sont attendues ou souhaitées, des plans factoriels peuvent être utilisés pour identifier l’effet conjoint de deux interventions, mais des échantillons de plus grande taille peuvent être nécessaires.
Conception croisée
Le but de cette conception est de contrôler la tendance temporelle. Cette conception est couramment utilisée dans les essais randomisés individuellement et a été adoptée pour les CRT. Chaque grappe reçoit deux traitements, l’un après l’autre. Il y a souvent une période entre les deux appelée période de lavage pour éviter tout effet de report.
Conception de cale étagée
Cliquez ici pour en savoir plus sur cette conception.
Type et taille des grappes
L’une des premières décisions à prendre lors de la conception d’un tube cathodique concerne le choix et la définition des grappes à randomiser pendant l’essai. Il existe une grande variété de types et de tailles de groupes allant des familles ou des ménages comptant quelques individus aux grandes zones géographiques contenant des millions d’individus. Les éléments pratiques de la mise en œuvre de tels essais sont très différents. Le chapitre 4 examine les différents types de grappes d’étude et discute des questions clés à prendre en compte dans le choix de la taille du grappe.
Contamination
La contamination se produit lorsque les réponses d’un groupe sont déformées en raison du contact avec des individus de l’extérieur du groupe, ce qui peut encore se produire et poser un problème important dans les CRT. Cela pourrait se produire en raison du contact entre les clusters d’intervention et les clusters de contrôle. Cela pourrait également se produire en raison du contact entre les groupes d’intervention ou les groupes de contrôle et l’ensemble de la population. Les stratégies visant à réduire le degré de contamination dans un tube cathodique comprennent la sélection de grappes suffisamment éloignées et bien séparées de chacune d’elles. Lorsque des zones géographiques sont attribuées aux armes d’intervention ou de contrôle plutôt qu’à des communautés spécifiques, les zones tampons sont utilisées pour que les groupes n’aient pas de frontière commune entre eux. Ces deux stratégies sont utilisées pour s’assurer que la contamination ne se produit pas entre les groupes d’intervention et de contrôle. La « conception d’œufs frits » est une stratégie utilisée pour réduire le contact entre les groupes d’intervention ou de contrôle et la population en général. Les moyens par lesquels la contamination se produit et les stratégies pour les réduire sont discutés plus en détail au chapitre 4.
Approches pour mesurer les résultats des individus
Les résultats d’intérêt sont mesurés à partir d’un échantillon d’individus sélectionnés dans chaque groupe. Il existe deux approches principales pour mesurer les individus, en fonction du résultat : les enquêtes transversales ou les cohortes. Une discussion complète sur le moment où chacun peut être utilisé et leurs avantages et inconvénients se trouve au chapitre 8.
Échantillons en coupe transversale répétés
Les enquêtes en coupe transversale nécessitent de prélever un échantillon répété de chaque grappe à des moments différents. Il est utilisé lorsque la mesure du résultat est un résultat binaire (comme la prévalence du VIH ou du tabagisme) ou un paramètre quantitatif (comme le taux moyen de cholestérol ou la taille moyenne des enfants).
Suivi de la cohorte
L’approche de la cohorte consiste à suivre les individus sélectionnés au fil du temps. Ceci est utilisé lorsque la mesure du résultat est un taux ou un risque d’événements survenant au cours d’une période de suivi spécifiée. La cohorte peut être constituée de la population totale d’un groupe ou d’un échantillon aléatoire de ce groupe. Lorsque la population totale doit faire l’objet d’un suivi, il convient de préciser si de nouvelles personnes entrant dans la population à une date ultérieure seront prises en compte ou de limiter l’étude aux seules personnes observées au départ.
Taille de l’échantillon
Lors de la conception d’un ECR, la taille de l’échantillon est l’un des facteurs les plus importants à prendre en compte. Une taille d’échantillon inadéquate augmente l’erreur aléatoire, réduit la puissance de l’étude et réduit ainsi la capacité de quantifier l’effet avec précision. Le chapitre 7 décrit en détail les méthodes nécessaires pour sélectionner une taille d’échantillon appropriée pour un tube cathodique. Cela comprend des méthodes pour des plans d’étude non appariés, appariés et stratifiés, ainsi que des méthodes pour sélectionner une taille d’échantillon appropriée pour chaque groupe.
Caractéristiques Nécessitant des Méthodes spéciales de conception et d’analyse
Corrélation intergrappes et variabilité intergrappes
Dans les essais randomisés individuellement, les individus sont supposés fournir des observations statistiquement indépendantes dans le résultat d’intérêt. Cependant, cette hypothèse n’est pas vraie dans les CRT, car les observations sur les individus d’un même groupe ont tendance à être corrélées. Cela signifie que la connaissance du résultat d’une personne aura tendance à fournir des informations sur le résultat d’une autre personne dans le même groupe. La corrélation intergrappes se produit dans les ECR pour trois raisons principales:
Regroupement des caractéristiques de la population
Des variations existent entre les différentes populations en raison de différences dans les individus qui composent chaque grappe, telles que les caractéristiques démographiques ou socioéconomiques, ou en raison de différences dans les variables au niveau de la grappe, telles que les caractéristiques environnementales de la grappe.
Variations de la réponse à l’intervention
Différents grappes peuvent réagir différemment aux interventions, ce qui entraîne des variations des résultats entre les grappes même si la variation des résultats entre les grappes était absente avant l’intervention.
Corrélation Due à l’interaction entre les individus
La randomisation par grappe peut être particulièrement importante dans les essais d’interventions où un individu de ce grappe peut avoir un effet direct ou indirect sur les résultats chez d’autres individus, comme les interventions contre les maladies infectieuses ou les programmes d’éducation sanitaire où des messages éducatifs sont discutés par les membres de la communauté, ce qui entraîne des similitudes de comportement.
L’étendue de la corrélation intergrappes dépend de l’existence d’autres grappes et de la nature et de la taille des grappes. La corrélation intergrappes dépend de l’existence d’autres grappes : elle n’a aucune signification s’il n’y a qu’une seule population étudiée, dans un groupe, à l’étude. De plus, il n’existe également que s’il existe une véritable variabilité des résultats entre les groupes. Par conséquent, la corrélation entre grappes et la variabilité entre grappes peuvent être considérées comme des concepts correspondants qui fournissent deux perspectives différentes sur les mêmes phénomènes sous-jacents. Les inférences qui peuvent être faites à partir d’un tube cathodique dépendent du degré de variabilité entre les grappes dans le résultat d’intérêt, par conséquent, devraient être mesurées de manière appropriée et être prises en compte dans la conception et l’analyse d’un tube cathodique. Il existe deux approches permettant de résumer la variabilité entre grappes : le coefficient de variation entre grappes et le coefficient de corrélation intra-grappes. Ceux-ci sont discutés en détail au chapitre 2 du livre.
Étude des déséquilibres des bras
En raison de contraintes pratiques et financières, le nombre de grappes randomisées dans un CRT est souvent assez faible par rapport au nombre d’individus généralement recrutés dans un essai randomisé individuellement. Avec un petit nombre de clusters, la randomisation ne garantit pas l’équilibre des deux bras, de sorte qu’un déséquilibre entre les bras d’étude sur un ou plusieurs facteurs de confusion potentiels est un risque lors de la simple randomisation d’un petit nombre de clusters. Des stratégies de conception telles que l’appariement et la stratification peuvent être utilisées pour améliorer l’équilibre entre les bras de traitement et réduire la variabilité entre les groupes. Ces questions sont abordées au chapitre 5 et des lignes directrices sur le moment où ces stratégies devraient être utilisées sont également fournies.
L’appariement peut aider à minimiser les différences entre les bras de traitement par rapport aux caractéristiques de base, et peut améliorer la puissance et la précision de l’étude. S’il y a une variabilité importante entre les grappes, il peut être décidé de regrouper d’abord les grappes qui devraient être similaires en ce qui concerne le résultat d’intérêt, et de répartir le traitement au sein de ces groupes. Le regroupement des grappes en paires similaires garantit que les bras de traitement sont similaires au départ, du moins en ce qui concerne les caractéristiques sur lesquelles nous choisissons de faire correspondre.
La stratification consiste à regrouper les grappes disponibles en deux strates ou plus qui devraient être similaires en ce qui concerne le résultat d’intérêt. Les grappes à l’intérieur de chaque strate sont ensuite réparties aléatoirement entre les bras de traitement. La stratification présente plusieurs avantages par rapport à la conception assortie.
Les plans appariés et stratifiés sont des exemples de randomisation restreinte, car ces schémas impliquent une sélection aléatoire parmi un plus petit ensemble d’allocations répondant à certaines restrictions.
Bien que ces conceptions puissent aider à réduire les déséquilibres entre les bras de traitement, il existe des circonstances sur lesquelles on ne peut pas se fier pour atteindre un équilibre adéquat, en particulier lorsqu’il existe plusieurs variables sur lesquelles un équilibre est requis. Dans de telles circonstances, une autre approche de la randomisation restreinte qui permet d’atteindre un équilibre global entre les bras de traitement peut être utilisée. L’équilibre global fait référence au fait que chacune des variables est répartie de la même manière entre les bras de traitement et qu’il n’est pas nécessaire qu’il y ait un équilibre au sein des sous-groupes. Cela se fait en utilisant des données de base ou préexistantes sur chaque groupe, et en se limitant aux allocations qui satisfont à certains critères d’équilibre prédéterminés. Le chapitre 6 explique cette approche de la randomisation restreinte et décrit les types de variables pour lesquelles un équilibre serait nécessaire, comment définir les critères d’équilibre qui limiteraient les allocations et les circonstances dans lesquelles un nouveau dénombrement des allocations devrait être envisagé. Lorsqu’un schéma de randomisation restreinte est utilisé, il y a un risque de produire un plan biaisé ou non valide, ce qui se traduit par des méthodes standard d’inférence statistique donnant des résultats incorrects. Ce chapitre explique également ce que l’on entend par biais et validité, quand ils peuvent se produire et comment en rendre compte.
Analyse
Il existe deux approches principales: l’analyse basée sur des mesures sommaires au niveau des grappes et l’analyse basée sur des données individuelles utilisant des méthodes de régression permettant des corrélations entre grappes.
Le principe principal de ces deux méthodes est qu’elles prennent en compte les deux caractéristiques clés des CRT discutées précédemment: les corrélations intergrappes et les déséquilibres de hasard entre les bras d’étude résultant d’un petit nombre de grappes.
Le livre ne détaille pas toutes les méthodes possibles pouvant être utilisées pour l’analyse des CRT, il se concentre plutôt sur celles qui se sont révélées efficaces et robustes dans les chapitres 9 à 12.
La méthode d’analyse doit être adaptée à la conception spécifique.
Rapports et interprétation
Il existe un nombre croissant de preuves et d’expériences d’essais randomisés en grappes pour évaluer l’impact des interventions sur les résultats de santé, et les lignes directrices étendues sur les CONJOINTS sont disponibles pour guider la déclaration de ces essais:
Déclaration de Consort 2010 : extension aux essais randomisés en grappes.
Campbell MK, Piaggio G, Elbourne DR, Altman DG. Déclaration Consort 2010 : extension aux essais randomisés en grappes.
Le chapitre 15 du livre sur les essais randomisés en grappes de Hayes et Moulton discute et explique les lignes directrices du CONSORT.