Essai randomisé en grappe

Références: Donner A, Donner A, KlarKlar N, Kerry SM, N, Kerry SM,

BlandBland JM, Campbell MK, JM, Campbell MK, KirkwoodKirkwood BRBR

Définition: Essai randomisé dans lequel Essai randomisé dans lequel

des unités sociales sont assignées des unités sociales sont assignées

aléatoirement à différents groupes aléatoirement à différents groupes

d’interventiond’intervention

Essai randomisé en grappe: Pourquoi ce design?

Nature de l’interventionNature de l’intervention

Faisabilité / acceptabilité / coûtsFaisabilité / acceptabilité / coûts

Minimisation du biais de Minimisation du biais de

contaminationcontamination

Intérêt:Minimise biais contamination

Définition: Biais lié à des changements Définition: Biais lié à des changements de groupes des participantsde groupes des participants

Risque de contamination important Risque de contamination important quand pas de ‘double aveugle’quand pas de ‘double aveugle’

Surtout en randomisation individuelleSurtout en randomisation individuelle

Impact: DilutionImpact: Dilution

Prix à payer

Perte d’efficience statistiquePerte d’efficience statistique

Randomisation moins efficaceRandomisation moins efficace

Prix à payer:Perte d’efficience statistique

Cause:Cause:tendance à la similarité à l’intérieur des grappestendance à la similarité à l’intérieur des grappes

variation variation interinter--grappegrappe de la réponsede la réponse

Degré de similarité Degré de similarité intraintra--grappegrappe mesuré par mesuré par

coefficient de corrélation coefficient de corrélation intraintra--grappegrappe ρρ (ICC)(ICC)

Estimation: Analyse de variance, Estimation: Analyse de variance, BootstrapBootstrap

Variabilité inter-grappes:Raisons

Individus ont la possibilité de ‘choisir’ Individus ont la possibilité de ‘choisir’ les grappes auxquelles ils appartiennentles grappes auxquelles ils appartiennent

Individus d’une grappe partagent Individus d’une grappe partagent exposition communeexposition commune

Interactions personnelles entre individus Interactions personnelles entre individus d’une grappe les rendant similairesd’une grappe les rendant similaires

Variabilité inter-grappes:Implications pratiques1)1) Perte en terme de taille d’échantillon Perte en terme de taille d’échantillon

effective effective Adapter calcul de n (vers le haut)Adapter calcul de n (vers le haut)

sinon sinon ‘‘underunder--poweredpowered’’

2)2) Manque dManque d’’indindéépendance statistiquependance statistiqueAdapter analyseAdapter analyse

sinon, sinon, pp--valeursvaleurs biaisbiaiséées vers le bases vers le bas

Quantification de l’effet designEssai avec k grappes de m individus assignées à Essai avec k grappes de m individus assignées à un groupe expérimental et un groupe témoinun groupe expérimental et un groupe témoin

Objectif = comparer les moyennes d’une variable Objectif = comparer les moyennes d’une variable réponse Yréponse Y

Estimations de µEstimations de µ11 et µet µ22 données par: et données par: et

Variance de chaque moyenne:Variance de chaque moyenne:

[ ]ρσ )1(1 km

)Y(2

i −+= mVar

1Y 2Y

Quantification de l’effet design

Effet design = IF = Effet design = IF =

Coefficient de corrélation Coefficient de corrélation intraintra--grappegrappe::Si Si ρρ = 0 (ind= 0 (indéépendance statistique)pendance statistique)

Taille effective de la grappe = mTaille effective de la grappe = m

Si Si ρρ = 1 (d= 1 (déépendance statistique totale)pendance statistique totale)

Taille effective de la grappe = 1Taille effective de la grappe = 1Importance de la taille de la grappe (m) dans Importance de la taille de la grappe (m) dans ll’’effet designeffet design

[ ]ρ)1(1 −+ m

Taille d’échantillon

Formule similaire à SRS*effet designFormule similaire à SRS*effet design

Estimation de n nécessite:Estimation de n nécessite:

Estimation préalable de la taille des Estimation préalable de la taille des

grappes et du coefficient grappes et du coefficient ρρ

Analyse de sensibilitAnalyse de sensibilitéé

Questions de design:Randomisation1)1) Complètement randomiséComplètement randomisé

2)2) StratifiéStratifié

Intérêt si stratifié pour caractéristiques Intérêt si stratifié pour caractéristiques des grappes associées à l’des grappes associées à l’outcomeoutcome!!

3)3) AppariéApparié

Présente nombreuses limitesPrésente nombreuses limites

Question de design:Choix de l’unité d’inférence

Individu ou grappe?Individu ou grappe?

Unité d’inférence conditionneUnité d’inférence conditionne

type de collecte de donnéestype de collecte de données

type d’analysetype d’analyse

Questions de design: BiaisLe plus souvent, pas de double aveugleLe plus souvent, pas de double aveugle

Effet Hawthorne possible car groupe Effet Hawthorne possible car groupe

contrôle bénéficie du programme ‘habituel’contrôle bénéficie du programme ‘habituel’

⇒⇒ Groupe contrôle ‘actif’Groupe contrôle ‘actif’

≠≠ entre les 2 groupes, recrutement / refus entre les 2 groupes, recrutement / refus

postpost--randomisation / perdus de vuerandomisation / perdus de vue

Biais d’observationBiais d’observation

Analyse

1)1) Intention de traiterIntention de traiter2)2) Prendre en compte l’effet grappe Prendre en compte l’effet grappe

(absence indépendance)(absence indépendance)

pas (peu) d’impact sur estimationspas (peu) d’impact sur estimations

impact impact pfspfs important sur la précisionimportant sur la précision

3)3) Différentes approches possiblesDifférentes approches possibles

Analyse:Grappe = unité d’analyse

Approche la plus simpleApproche la plus simpleUnité de randomisation = unité Unité de randomisation = unité d’analysed’analyse

Techniques usuellesTechniques usuellesAnalyse pondérée si m très Analyse pondérée si m très variablevariableAnalyses moins puissantesAnalyses moins puissantes

Analyse:Individu = unité d’analyse

Unité d’analyse Unité d’analyse ≠≠ unitunitéé de randomisationde randomisation

Préférable si on veut ajusterPréférable si on veut ajuster

Permet d’estimer plus facilement Permet d’estimer plus facilement ρρ

DiffDifféérentes approchesrentes approches

NNéécessitent un nombre cessitent un nombre éélevlevéé de grappesde grappes

Analyse:Comparaison de proportions1)1) Niveau grappeNiveau grappe

TestTest--t pour échantillons indépendants t pour échantillons indépendants comparant moyennes de proportionscomparant moyennes de proportions

Approches Approches nonnon--paramétriquesparamétriques

MannMann--WhitneyWhitney--UU testtest

Fisher’s Fisher’s twotwo--samplesample permutation testpermutation test

Analyse:Comparaison de proportions1)1) Niveau individuelNiveau individuel

χχ2 de Pearson ajust2 de Pearson ajustéé pour lpour l’’effet designeffet design(Approche utilisant ratio de 2 variances)(Approche utilisant ratio de 2 variances)RobustRobust standard standard errorserrorsBootstrapBootstrap(Mod(Modéélisation paramlisation paraméétrique)trique)GeneralizedGeneralized estimatedestimated equationsequations (GEE)(GEE)MultilevelMultilevel ((randomrandom effet) effet) logisticlogistic regressionregression

Analyse:Logiciels

Prise en compte de Prise en compte de covariablescovariables individuelles &/ou individuelles &/ou clustercluster--levellevel

•• Sas (procédure GENMOD Sas (procédure GENMOD -- PROCMIXED)PROCMIXED)•• AclusterAcluster•• MLWinMLWin•• StataStata•• SUDAANSUDAAN•• S+S+•• SpssSpss, module suppl. , module suppl. échéch. complexes version 12. complexes version 12•• EtcEtc…………•• ++CC--samplesample epiepi--infoinfo ((univariéunivarié uniquement)uniquement)

Essais randomisés en grappe: Conclusion

Nombreuses applications en évaluation Nombreuses applications en évaluation d’intervention en santé publiqued’intervention en santé publiqueParfois la seule façon possible de randomiserParfois la seule façon possible de randomiserMultidisciplinaireMultidisciplinaireInconvénients:Inconvénients:

Perte d’efficience statistiquePerte d’efficience statistiqueRandomisation moins efficaceRandomisation moins efficaceMéthodes pas encore bien standardiséesMéthodes pas encore bien standardiséesDéfis particuliers si peu de grappesDéfis particuliers si peu de grappes