Journée Annuelle 2013 du Groupe Biopharmacie & Santé. Alexandra Cochinaire ISUP 3 ème Année Filière Biostatistique

Dimension: px

Commencer à balayer dès la page:

Download "Journée Annuelle 2013 du Groupe Biopharmacie & Santé. Alexandra Cochinaire ISUP 3 ème Année Filière Biostatistique"

Quentin Roussy
il y a 7 ans
Total affichages :

1 Incidence des complications cardiovasculaires du diabète de type 2 entrainant une hospitalisation en France. Une analyse des risques concurrents dans une cohorte rétrospective reconstituée à partir de la base PMSI Journée Annuelle 2013 du Groupe Biopharmacie & Santé Alexandra Cochinaire ISUP 3 ème Année Filière Biostatistique

2 Plan Contexte de l étude Objectif Matériel & méthodes Résultats Conclusion

3 CONTEXTE DE L ETUDE

4 Le diabète Maladie métabolique chronique caractérisée par des taux élevés de glucose dans le sang Deux principaux types de diabètes: - type 1 (origine génétique, apparait dès l enfance) - type 2 (90% des cas) Problématique majeure de santé publique: L IDF estime que le nombre de personnes diabétiques atteindra 552 millions d'ici à

5 Facteurs de risques Combinaison de facteurs génétiques et environnementaux liés au mode de vie 5

6 Les complications Sources de handicap et altération de la qualité de vie Une trop grande quantité de glucose dans le sang entraine des effets néfastes sur: - les yeux (rétinopathie), - le cœur (infarctus du myocarde) - les vaisseaux sanguins (hypertension, AVC) - Maladie artérielle périphérique 6

7 Objectif

8 Objectif de l étude Calculer l incidence cumulée à 3 ans de complications liées au diabète de type 2 entrainant une hospitalisation en France pour différents profils de patients diabétiques: - Patients ayant eu un antécédent cardiovasculaire - Patients ayant au moins un facteur de risque - Autre patients diabétiques 8

9 Matériel & méthodes

10 Matériel Base de données: PMSI (Programme de Médicalisation des Systèmes d'information ) pour les courts séjours (MCO) Outil économique mais contient des informations sur les pathologies des patients (diagnostics codés selon nomenclature CIM- X) et quelques informations démographiques sur les patients (âge, sexe) Rapporte toutes les hospitalisations en France => exhaustivité 10

11 Concept des risques compétitifs Exposition simultanée à la survenue de plusieurs évènements Ex: en cancérologie: après un cancer - Rechute - Décès Etat initial Evènement 1 Evènement 2 Evènement j Evènement k 11

12 Concept des risques compétitifs Deux événements sont dit compétitifs (ou concurrents) s ils ne sont pas indépendants et que l apparition de l un empêche la réalisation de l autre. Un décès empêche l apparition d une maladie = Risque compétitif Cadre de l étude: maladie artérielle périphérique en compétition avec la survenue d un décès 12

13 Concept des risques compétitifs On a: Plusieurs types d évènements : - Evènement d intérêt - Evènement concurrent Variable à expliquer : «délai avant apparition de l évènement» On s intéresse à la survenue du premier évènement On veut: Calculer l incidence cumulée pour un évènement 13

14 Première option Ignorer la présence d un évènement compétitif: - Kaplan Meier (KM) et Incidence cumulée 1-KM - d j : nombre de cas au temps t - n j : nombre de patients à risque juste avant t 14

15 Première option Ex:100 fumeurs/ 100 non fumeurs - Evénement d intérêt = cancer du poumon - Résultats: fumeurs: 1 cancer/ 90 décès et non fumeurs: 2 cancers/ 30 décès - Conclusion? Personnes censurées toujours à risque de présenter l évènement Personnes décédées sont censurées 1-KM probabilité d évènement, surestimation 15

16 Deuxième option Intégrer la présence d un évènement compétitif: - Incidence cumulée F(t)= (d ev j /n j*s(t j-1 )) + ( d rcj /n j *S(t j-1 )) F(t)= F ev (t)+ F rc (t) Partition de la probabilité d évènement F ev (t) est l estimation de la sous distribution de l incidence cumulée de l évènement d intérêt 16

17 Mise en pratique sous SAS Macro %pshreg - proportional subdistribution hazards (PSH) model (Fine and Gray, 1999) for survival data subject to competing risks. - Georg Heinze (2011) Téléchargeable: 17

18 Problème et solution Base PMSI: ne contient que les décès ayant lieu à l hôpital Hors 43% des décès par an en France ont lieu en dehors de l hôpital => surestimation de l incidence cumulée pour la maladie artérielle périphérique en compétition avec le décès Solution: imputation décès pour corriger la base sur chaque année de l étude en bornant le nombre de décès imputés pour représenter 43% du total des décès 18

19 Modèle de Cox Modèle de Cox (1972) h 0 (t)=risque de base, inconnu et indépendant du temps, β : constante, X: covariable PL(β)= (exp(β xj )/ exp(β xi ) exp(β)=risque instantané Modele de Cox pour estimer la survie sous la forme : 19

20 Imputation des décès Calcul de la probabilité de survie de chaque patient avec un modèle de Cox en utilisant les variables disponibles dans la base: âge à la dernière hospitalisation, sexe, indice de gravité de la dernière hospitalisation durée d hospitalisation sur la période d étude Pondération par l inverse de cette probabilité Tirage aléatoire sans remise des patients sur toute la durée de l étude de 2006 à

21 Résultats

Reconstitution de la cohorte Patients non décédés avec un diagnostic de diabète de type 2 durant une hospitalisation classés en 3 populations: Patients ayant eu un antécédent cardiovasculaire,

22 Reconstitution de la cohorte Patients non décédés avec un diagnostic de diabète de type 2 durant une hospitalisation classés en 3 populations: Patients ayant eu un antécédent cardiovasculaire, Patients avec un ou plusieurs facteurs de risques identifiés, Autres patients diabétiques Suivi longitudinal des 3 populations durant 3 ans Date index 1er janvier 2009 Date de point 31 décembre

Profils des patients Population de la base PMSI Population globale Diagnostic de diabète de type 2 durant la période de sélection des patients, avant la date index (1 er janvier 2006 au 31 décembre

23 Profils des patients Population de la base PMSI Population globale Diagnostic de diabète de type 2 durant la période de sélection des patients, avant la date index (1 er janvier 2006 au 31 décembre 2008) Oui Existence d une hospitalisation avec évènement cardiovasculaire? Non Patients ayant eu au moins un antécédent cardiovasculaire Oui Existence d un facteur de risque durant la phase de sélection des patients, avant la date index Non Patients avec un ou plusieurs facteurs de risques identifiés Autres patients diabétiques 23

24 Maladie artérielle périphérique Analyse descriptive Population Patients ayant eu au moins un antécédent cardiovasculaire Patients avec un ou plusieurs facteurs de risques identifiés Autres patients diabétiques Population totale (25,8%) (66,7%) (7,5%) (100%) Maladie artérielle périphérique Non (79,3%) (94,3%) (98,1%) (90,7%) Oui (20,7%) (5,7%) (1,9%) (9,3%) 24

25 Incidences cumulées 25

26 Incidences cumulées 26

27 Comparaison des incidences cumulées Population Comparaison des incidences cumulées à 3 ans pour la Maladie artérielle périphérique selon les deux options: Incidence cumulée KM à 3 ans IC KM 95% Incidence cumulée RC à 3 ans IC RC 95% Pourcentage de différence Patients ayant eu au moins un antécédent cardiovasculaire 22,09% [21,92% - 22,26%] 20,74% [20,58% - 20,90%] 6,11% Patients avec un ou plusieurs facteurs de risques identifiés 6,18% [6,12% - 6,24%] 5,78% [5,72% - 5,85%] 6,47% Autres patients diabétiques 2,04% [1,94% - 2,15%] 1,96% [1,86% - 2,06%] 3,92% 27

28 Comparaison des incidences cumulées Population Comparaison des incidences cumulées à 3 ans pour la Maladie artérielle périphérique selon les deux options: Incidence cumulée KM à 3 ans IC KM 95% Incidence cumulée RC à 3 ans IC RC 95% Pourcentage de différence Patients ayant eu au moins un antécédent cardiovasculaire 22,09% [21,92% - 22,26%] 20,74% [20,58% - 20,90%] 6,11% Patients avec un ou plusieurs facteurs de risques identifiés 6,18% [6,12% - 6,24%] 5,78% [5,72% - 5,85%] 6,47% Autres patients diabétiques 2,04% [1,94% - 2,15%] 1,96% [1,86% - 2,06%] 3,92% 28

29 Maladie artérielle périphérique Analyse descriptive Population Patients ayant eu au moins un antécédent cardiovasculaire Patients avec un ou plusieurs facteurs de risques identifiés Autres patients diabétiques Population totale (25,8%) (66,7%) (7,5%) (100%) Maladie artérielle périphérique Non (79,3%) (94,3%) (98,1%) (90,7%) Oui (20,7%) (5,7%) (1,9%) (9,3%) 29

30 Pour résumer A trois ans, l incidence cumulée pour la maladie artérielle périphérique est de: - 20,74% (IC95%[20,58% - 20,90%]) pour la population en prévention secondaire - 5,78% (IC95%[5,72% - 5,85%]) pour la population présentant des facteurs de risques - 1,96% (IC95%[1,86% - 2,06%]) pour les autres patients diabétiques. 30

31 Conclusion

32 Conclusion Méthodes d analyse en présence de risques compétitifs connues mais peu utilisées Base PMSI intéressante en épidémiologie mais nécessite de bien définir le cadre de l étude Modèle d imputation des décès développé peut servir dans d autres études épidémiologiques 32

33 Bibliographie Collett (2003) Modelling Survival Data in Medical Research, 2nd ed. Allison (1995) Survival Analysis Using the SAS System. Cantor (2003) SAS Survival Analysis Techniques for Medical Research. Kim (2007) Cumulative incidence in competing risks data and competing risks regression analysis. Pintillie (2006) Competing risks analysis. Gooley TA. (1999) Estimation of failure probabilities in the presence of competing risks Kalbfleisch (1980) The Statistical Analysis of Failure Time Data 33

34 Merci de votre attention 34

Documents pareils

Application des courbes ROC à l analyse des facteurs pronostiques binaires

Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre