Résultats intermédiaires et critères cliniques
Dans un essai thérapeutique, on peut mesurer des résultats très différents.
Certains correspondent directement à ce que le patient vit :
- décès ;
- infarctus ;
- douleur ;
- hospitalisation ;
- handicap ;
- qualité de vie.
D’autres sont des résultats intermédiaires :
- pression artérielle ;
- glycémie ;
- cholestérol ;
- taille d’une tumeur ;
- charge virale ;
- marqueur biologique.
Ces indicateurs peuvent être extrêmement utiles.
Mais leur amélioration ne prouve pas automatiquement que le traitement améliore les résultats qui comptent réellement pour les patients.
Critère clinique
Un critère clinique mesure directement une conséquence importante pour la santé ou la vie du patient.
Par exemple :
décès
AVC
fracture
hospitalisation
douleur
perte d’autonomie.
Ces résultats ont une signification relativement directe.
Critère intermédiaire
Un critère intermédiaire se situe plus tôt dans la chaîne biologique.
On peut imaginer :
traitement
↓
modification d’un biomarqueur
↓
modification d’un processus biologique
↓
réduction des complications
↓
meilleure santé.
Le biomarqueur est alors un intermédiaire entre l’intervention et le résultat clinique final.
Pourquoi les critères intermédiaires sont utilisés
Attendre un événement clinique peut demander :
- beaucoup de patients ;
- plusieurs années ;
- coûts importants.
Un biomarqueur peut changer :
en quelques semaines.
Cela permet de tester beaucoup plus rapidement une intervention.
Exemple
Pour étudier un médicament préventif, mesurer :
la pression artérielle après six mois
est beaucoup plus rapide que suivre des milliers de personnes pendant dix ans pour compter :
- AVC ;
- infarctus ;
- décès.
Le problème fondamental
Le raisonnement implicite est souvent :
le biomarqueur prédit le risque
donc
modifier le biomarqueur modifiera le risque.
Cette conclusion n’est pas toujours valide.
Association pronostique ≠ critère de substitution valide
Supposons qu’un marqueur X soit fortement associé à la mortalité.
Les personnes ayant beaucoup de X meurent davantage.
Cela ne signifie pas automatiquement qu’une intervention qui diminue X réduira la mortalité.
X peut être :
- un marqueur de maladie ;
- un médiateur partiel ;
- un phénomène corrélé.
Exemple causal simple
Supposons :
maladie sévère → biomarqueur élevé
et
maladie sévère → décès.
Le biomarqueur prédit parfaitement le décès.
Mais il ne cause peut-être rien.
Le faire baisser artificiellement pourrait ne pas modifier la maladie sous-jacente.
Le thermomètre
Une analogie simple consiste à penser à la fièvre.
La température peut être associée à la gravité d’une infection.
Refroidir le thermomètre ne soigne évidemment pas l’infection.
Un biomarqueur peut parfois être un excellent indicateur sans être une cible thérapeutique pertinente.
Bien sûr, certains biomarqueurs sont aussi causaux
La prudence ne signifie pas que les critères intermédiaires sont inutiles.
Certains représentent réellement une partie importante de la chaîne causale.
Le problème est qu’il faut le démontrer, pas simplement le supposer.
Critère de substitution
Un critère de substitution, ou surrogate endpoint, est un résultat intermédiaire utilisé comme substitut d’un résultat clinique.
Par exemple, on espère pouvoir utiliser :
X
à la place de :
mortalité.
Pour être réellement fiable, X doit permettre de prédire correctement l’effet du traitement sur le résultat clinique.
Deux niveaux de prédiction
Il faut distinguer :
prédire le pronostic du patient
et
prédire l’effet du traitement.
Un marqueur peut être excellent pour le premier et mauvais pour le second.
Exemple
Un biomarqueur distingue parfaitement :
- patients à haut risque ;
- patients à faible risque.
Mais plusieurs médicaments qui le réduisent n’améliorent pas le pronostic.
Il est alors bon marqueur pronostique, mais mauvais surrogate thérapeutique.
Pourquoi cette distinction est fondamentale
Supposons que :
X élevé → risque élevé.
On développe un traitement qui réduit X de 50 %.
On annonce :
« le traitement devrait donc réduire fortement le risque ».
Cela ajoute une hypothèse causale qui n’est pas contenue dans la simple association initiale.
Le traitement peut agir ailleurs
Une intervention possède souvent plusieurs effets biologiques simultanés.
Elle peut :
- améliorer le critère intermédiaire ;
- aggraver un autre mécanisme.
Le bilan clinique final peut donc être nul ou défavorable.
Schéma
Traitement →
X améliore → bénéfice potentiel.
Mais simultanément :
Traitement →
Y se détériore → dommage.
Le résultat clinique dépend de la somme de ces voies.
Exemple conceptuel
Un médicament améliore très fortement un marqueur cardiovasculaire.
Mais il augmente parallèlement :
- arythmies ;
- thromboses.
Le biomarqueur s’améliore alors que la mortalité ne diminue pas, voire augmente.
La plausibilité biologique ne suffit pas
Un mécanisme peut être extrêmement convaincant.
Mais les systèmes biologiques sont complexes.
Une intervention sur une voie peut produire des effets inattendus ailleurs.
C’est l’une des raisons pour lesquelles les essais sur des critères cliniques restent essentiels.
Le paradoxe du critère parfaitement amélioré
Un traitement peut produire :
−40 % sur le biomarqueur
avec :
p < 10⁻¹⁰
et pourtant :
aucun bénéfice sur la mortalité.
Il n’y a aucune contradiction statistique.
Les deux résultats concernent simplement deux outcomes différents.
Critère intermédiaire valide
Un bon surrogate devrait idéalement satisfaire plusieurs conditions.
Il doit être :
- associé au résultat clinique ;
- influencé par le traitement ;
- suffisamment situé sur la voie causale pertinente.
Mais cela ne suffit pas toujours.
Le test le plus important
Il faut surtout montrer qu’à travers plusieurs interventions :
les traitements qui améliorent le surrogate améliorent aussi le résultat clinique dans une proportion prévisible.
Autrement dit :
l’effet du traitement sur le surrogate doit prédire l’effet du traitement sur le critère clinique.
Validation au niveau individuel et au niveau des essais
On peut distinguer deux questions.
Niveau individuel
Les patients ayant de meilleures valeurs du surrogate ont-ils un meilleur pronostic ?
Niveau de l’essai
Les traitements qui modifient davantage le surrogate produisent-ils effectivement davantage de bénéfice clinique ?
Le second niveau est particulièrement important pour valider un critère de substitution.
Exemple fictif
Supposons cinq traitements.
| Traitement | Baisse du marqueur | Réduction des événements cliniques |
|---|---|---|
| A | 10 % | 5 % |
| B | 20 % | 10 % |
| C | 30 % | 15 % |
| D | 40 % | 20 % |
| E | 50 % | 25 % |
Cette relation cohérente renforcerait la crédibilité du surrogate.
Autre configuration
| Traitement | Baisse du marqueur | Réduction des événements |
|---|---|---|
| A | 10 % | 5 % |
| B | 20 % | 0 % |
| C | 30 % | −5 % |
| D | 40 % | 2 % |
| E | 50 % | −10 % |
Le marqueur ne permet clairement pas de prédire le bénéfice clinique entre traitements.
Le surrogate peut être spécifique au mécanisme
Un biomarqueur peut être un bon surrogate pour :
une classe thérapeutique
mais pas pour une autre.
Pourquoi ?
Parce que les effets hors cible diffèrent.
Exemple conceptuel
Deux interventions diminuent le même marqueur.
Traitement A agit uniquement sur la voie causale utile.
Traitement B agit aussi sur une voie toxique.
La même diminution du marqueur ne produit donc pas la même conséquence clinique.
Un surrogate n’est pas automatiquement universel
La validation dépend souvent :
- maladie ;
- traitement ;
- population ;
- stade.
Un critère utile dans un contexte ne doit pas être extrapolé sans preuve à tous les autres.
Critères intermédiaires et essais accélérés
Ils sont particulièrement attractifs lorsqu’une maladie grave nécessite des traitements rapidement.
Attendre dix ans pour mesurer la mortalité peut être impraticable ou éthiquement difficile.
Un surrogate raisonnablement validé peut accélérer :
- essais ;
- autorisations.
Le compromis
Plus on accepte un critère intermédiaire imparfait, plus on gagne en rapidité.
Mais plus on accepte aussi une incertitude sur le bénéfice clinique réel.
C’est un compromis entre :
rapidité
et
certitude clinique.
Autorisation conditionnelle
Dans certaines situations, une intervention peut être autorisée sur la base d’un critère intermédiaire avec obligation de confirmer ensuite le bénéfice clinique.
L’idée est :
accès précoce maintenant
confirmation ultérieure.
Le problème si la confirmation tarde
Si les études confirmatoires :
- ne sont pas réalisées ;
- prennent beaucoup de temps,
une intervention peut rester utilisée alors que son bénéfice réel sur les patients demeure incertain.
La surveillance post-autorisation devient donc importante.
Progression tumorale
En cancérologie, la survie sans progression est souvent utilisée comme critère plus rapide que la survie globale.
Un traitement peut retarder :
progression radiologique.
C’est potentiellement important.
Mais cela ne garantit pas nécessairement :
survie prolongée.
Pourquoi la progression peut être pertinente malgré tout
Même sans effet sur la mortalité, retarder une progression peut :
- retarder des symptômes ;
- retarder une chimiothérapie lourde ;
- préserver une qualité de vie.
Il faut donc examiner les conséquences concrètes.
Mais progression radiologique seule peut être insuffisante
Si la progression est définie essentiellement par :
quelques millimètres sur une image,
sans différence de :
- symptômes ;
- qualité de vie ;
- survie,
la pertinence clinique peut être plus faible.
Réponse tumorale
Un autre critère est :
réduction de la taille tumorale.
Une tumeur qui diminue fortement montre que le traitement possède une activité biologique.
C’est utile.
Mais l’objectif final n’est pas généralement :
avoir une image plus belle.
Il est :
vivre mieux ou plus longtemps.
Réponse pathologique complète
Dans certains traitements néoadjuvants, on peut mesurer l’absence de tumeur détectable après traitement dans les tissus retirés chirurgicalement.
Ce type de critère peut être associé au pronostic.
Mais sa capacité à servir de surrogate pour l’effet thérapeutique doit être validée dans chaque contexte.
Charge virale
Dans les maladies infectieuses, la charge virale peut être un indicateur très utile.
Elle peut renseigner sur :
- réplication ;
- réponse biologique.
Dans certains contextes, elle possède une relation causale suffisamment robuste avec les complications pour servir de critère pertinent.
Mais son interprétation dépend :
- maladie ;
- moment du prélèvement ;
- résultat clinique considéré.
Éradication microbiologique
Un antibiotique peut produire davantage de cultures négatives.
Mais si les patients :
- ne guérissent pas plus vite ;
- ont davantage d’effets indésirables,
le bénéfice microbiologique ne suffit pas à établir une supériorité clinique.
Pression artérielle
La pression artérielle constitue un exemple intéressant car elle est à la fois :
- facteur de risque ;
- cible thérapeutique.
Réduire une pression très élevée peut diminuer des événements cliniques.
Mais cela ne signifie pas que :
plus bas est toujours mieux sans limite.
Il faut démontrer la balance bénéfice-risque des différentes cibles.
Intensification
Supposons :
objectif A : réduire un marqueur à 120.
Objectif B : le réduire à 100.
B améliore davantage le critère intermédiaire.
Mais si :
- syncopes ;
- chutes ;
- insuffisance rénale
augmentent, l’objectif plus agressif peut ne pas être préférable.
Glycémie
Une amélioration importante du contrôle glycémique peut être utile.
Mais l’évaluation doit aussi considérer :
- hypoglycémies ;
- complications ;
- mortalité.
Un chiffre biologique idéal n’est pas nécessairement l’objectif unique.
Le danger du « normal à tout prix »
Une valeur de laboratoire anormale peut parfois être :
- marqueur ;
- adaptation ;
- conséquence.
La normaliser pharmacologiquement ne garantit pas que la physiologie globale s’améliore.
Critères composites
Les critères composites peuvent aussi se comporter comme une forme de raccourci.
On regroupe :
décès + infarctus + hospitalisation.
Cela augmente le nombre d’événements et accélère l’étude.
Mais il faut vérifier quel composant produit réellement le résultat.
Exemple
Composite :
−25 %.
Décomposition :
- décès : 0 % ;
- infarctus : −3 % ;
- hospitalisations : −40 %.
Le bénéfice global provient essentiellement des hospitalisations.
Ce n’est pas nécessairement mauvais, mais il faut le dire clairement.
Hiérarchie implicite trompeuse
Un composite peut laisser penser que chaque composant possède le même poids.
Or :
décès
et
consultation urgente
n’ont évidemment pas la même importance.
Hiérarchisation des critères
Certaines méthodes récentes utilisent des analyses hiérarchiques où les événements les plus graves sont priorisés.
Mais ces approches doivent être interprétées soigneusement.
Critère « dur »
On parle parfois de hard endpoint pour des événements comme :
- décès ;
- infarctus confirmé.
Ils sont souvent plus objectifs que des critères fortement dépendants du jugement.
Mais « objectif » ne signifie pas automatiquement « plus important ».
Exemple
La douleur est subjective.
Pourtant, elle peut être le résultat le plus important pour un patient souffrant d’une maladie chronique.
Un critère subjectif peut donc être cliniquement fondamental.
Patient-reported outcomes
Les résultats rapportés directement par les patients peuvent mesurer :
- douleur ;
- fatigue ;
- capacité fonctionnelle ;
- qualité de vie.
Ils sont essentiels pour évaluer ce que le traitement change réellement dans l’expérience du patient.
L’insu est particulièrement important
Pour les critères subjectifs, les attentes peuvent influencer :
- perception ;
- déclaration.
Un groupe placebo et un aveugle approprié peuvent donc être particulièrement importants.
Critère clinique mais manipulable
Même certains critères cliniques peuvent dépendre des décisions médicales.
Exemple :
hospitalisation.
Elle dépend non seulement de l’état du patient mais aussi :
- organisation du système ;
- jugement du médecin ;
- seuil d’admission.
Adjudication indépendante
Pour certains résultats, un comité indépendant peut vérifier :
- infarctus ;
- progression ;
- cause du décès.
Cela réduit certaines différences de classification entre groupes.
Cause-specific mortality
La mortalité spécifique à une maladie paraît cliniquement forte.
Mais l’attribution de la cause peut parfois être ambiguë.
La mortalité toutes causes est plus objective, mais aussi moins sensible à un effet spécifique lorsqu’un événement représente une petite fraction de tous les décès.
Chaque critère possède donc des forces et limites
Il n’existe pas de hiérarchie automatique valable pour toutes les études.
Il faut demander :
quel critère répond le mieux à la question clinique ?
Critère principal
Avant le début de l’étude, les chercheurs désignent généralement un critère principal.
C’est lui qui porte l’hypothèse principale.
Pourquoi cette préspécification compte
Supposons qu’on mesure :
- 15 biomarqueurs ;
- 10 symptômes ;
- 5 événements cliniques.
Si on choisit après coup celui qui donne :
p < 0,05,
on augmente fortement le risque de faux positif.
Le critère principal limite cette flexibilité.
Critères secondaires
Ils permettent d’obtenir une image plus complète :
- mécanisme ;
- sécurité ;
- symptômes.
Mais ils nécessitent souvent plus de prudence, notamment pour la multiplicité.
Hiérarchie statistique
Certains essais utilisent une procédure séquentielle :
le critère secondaire n’est testé formellement que si le principal réussit.
Cela aide à contrôler le risque global de faux positifs.
Le choix du critère peut déterminer l’histoire racontée
Un traitement peut être présenté comme très efficace si l’on met en avant :
critère biologique.
La même étude peut sembler beaucoup moins convaincante si l’on regarde :
mortalité ou qualité de vie.
Le choix éditorial du résultat mis en avant est donc important.
Communiqués de presse
Les communiqués peuvent annoncer :
« réduction de 40 % de la progression ».
Le lecteur peut comprendre :
« 40 % de décès en moins ».
Ce n’est pas nécessairement ce que l’étude montre.
Il faut toujours identifier précisément l’outcome.
Un verbe peut suffire à tromper
Dire :
« améliore le cancer »
est beaucoup plus vague que :
« augmente le taux de réponse radiologique ».
La seconde formulation indique exactement ce qui a été observé.
Mauvaise chaîne d’inférence
Une erreur fréquente est :
le traitement améliore X
↓
X est associé à Y
↓
donc le traitement améliore Y.
La dernière flèche doit être démontrée.
Médiation
Si X est un véritable médiateur causal, une partie de l’effet peut passer par lui.
Mais même dans ce cas :
- d’autres médiateurs existent ;
- effets directs existent ;
- effets nocifs parallèles existent.
La modification de X ne capture pas nécessairement l’effet total.
Exemple causal
Traitement →
baisse X → moins d’événements.
Mais également :
Traitement →
toxicité Y → plus d’événements.
Se concentrer uniquement sur X peut donner une image trop favorable.
Le surrogate idéal
Dans un monde simple, tout l’effet du traitement sur le résultat clinique passerait par le surrogate.
Alors :
traitement → surrogate → outcome
sans autre voie pertinente.
Dans les systèmes biologiques réels, cette condition est souvent difficile à satisfaire.
Paradoxe du surrogate
Un traitement peut améliorer le surrogate mais aggraver le véritable résultat clinique.
C’est le surrogate paradox.
Il peut apparaître lorsque :
- le surrogate ne capture qu’une partie du mécanisme ;
- traitement possède des effets parallèles défavorables.
Exemple schématique
Traitement →
surrogate favorable :
−20 % de risque via voie A.
Mais traitement →
toxicité :
+30 % via voie B.
Résultat total :
+10 % de risque.
Le surrogate indiquait la bonne direction pour une voie, mais pas pour le système complet.
Plusieurs surrogates peuvent être utiles
Une stratégie consiste parfois à mesurer plusieurs dimensions :
- biomarqueurs ;
- symptômes ;
- événements.
Cela réduit la dépendance envers un seul intermédiaire.
Mais multiplier les critères crée un problème statistique
Plus on mesure de résultats, plus la multiplicité augmente.
Il faut distinguer :
exploration mécanistique
et
preuve confirmatoire.
Validation historique
La confiance dans un surrogate augmente lorsque de nombreuses études antérieures montrent une relation cohérente entre :
effet sur le surrogate
et
effet clinique.
Cette validation est cumulative.
Un seul essai ne suffit généralement pas
Observer dans une étude :
patients avec meilleur biomarqueur → meilleure survie
n’établit pas que ce biomarqueur soit un bon critère substitutif pour tous les traitements futurs.
Prentice
Les critères proposés historiquement pour valider un surrogate sont associés notamment à Ross Prentice.
L’idée générale était qu’un surrogate devrait capturer l’effet du traitement sur le résultat clinique.
Les méthodes modernes ont raffiné cette approche.
Méta-analyse de validation
On peut étudier plusieurs essais et demander :
les essais produisant un grand effet sur le surrogate produisent-ils aussi un grand effet clinique ?
Cela donne une validation plus robuste.
Mais une forte corrélation n’est pas encore une garantie absolue
Il faut aussi considérer :
- nouveaux mécanismes thérapeutiques ;
- populations différentes.
Une relation historique peut ne pas se transporter parfaitement.
Surrogate et innovation
Un nouveau type de traitement peut agir par des voies biologiques inconnues des interventions précédentes.
Même un surrogate historiquement fiable peut alors nécessiter une nouvelle validation.
Surrogate individuel versus essai
Autre subtilité :
une forte corrélation entre surrogate et outcome chez les individus n’implique pas nécessairement que les effets thérapeutiques sur le surrogate prédisent les effets thérapeutiques sur l’outcome entre essais.
Ce sont deux niveaux statistiques différents.
Exemple conceptuel
Dans chaque essai :
patients ayant X bas vivent mieux.
Mais les médicaments qui diminuent X davantage ne prolongent pas davantage la vie.
X reste pronostique mais ne constitue pas un bon substitut de l’effet du traitement.
Résultats intermédiaires et prévention
En prévention, les critères cliniques peuvent être très rares.
Il est donc tentant d’utiliser :
- biomarqueurs ;
- scores de risque.
Cela peut être raisonnable lorsque le lien causal est très bien établi.
Mais plus le surrogate est éloigné du résultat clinique, plus l’incertitude augmente.
Scores composites de risque
Un traitement peut améliorer un score calculé censé prédire le risque futur.
Mais l’amélioration du score n’est pas automatiquement équivalente à une réduction démontrée des événements.
Il faut savoir comment ce score a été construit et validé.
Prédiction et intervention
Un modèle peut dire :
ce patient possède un risque de 20 %.
Modifier une variable utilisée par le modèle ne garantit pas que le risque réel devienne celui que le modèle prédirait pour une personne ayant naturellement une meilleure valeur.
C’est encore une différence entre :
prédiction
et
causalité.
Exemple
Un modèle observe que les personnes avec faible X ont moins de risque.
Forcer X à diminuer pharmacologiquement peut ne pas reproduire tous les autres attributs biologiques des personnes ayant naturellement un faible X.
C’est une erreur fréquente de raisonnement.
Critère clinique et causalité inverse
Certains biomarqueurs changent parce qu’une maladie sous-jacente progresse.
Ils sont alors des conséquences du processus plutôt que des causes.
Les cibler peut être encore moins utile.
Exemple générique
Maladie préclinique →
poids diminue
et
mortalité augmente.
On pourrait observer :
faible poids associé à mortalité.
Faire prendre du poids ne traiterait pas nécessairement le processus causal sous-jacent.
Les essais randomisés résolvent en partie cette question
Ils testent directement :
que produit l’intervention ?
Mais si l’outcome choisi est seulement un surrogate, l’essai randomise parfaitement l’effet sur le surrogate sans démontrer nécessairement l’effet clinique final.
Un excellent essai sur le mauvais critère reste limité
C’est une idée fondamentale.
Même avec :
- randomisation parfaite ;
- zéro perdu de vue ;
- p-value minuscule,
si le critère ne correspond pas à ce qui importe réellement, la conclusion clinique reste limitée.
La question avant l’analyse statistique
Il faut donc toujours demander :
« avons-nous mesuré le bon résultat ? »
Avant même de demander :
« le résultat est-il significatif ? »
Exemple de bonne hiérarchie
Pour un traitement :
critère principal : hospitalisation ou décès.
Critères secondaires :
- symptômes ;
- biomarqueur ;
- mesure biologique.
Le mécanisme et le résultat clinique peuvent être étudiés ensemble.
Exemple inverse
Critère principal :
variation d’un marqueur de laboratoire à deux semaines.
Aucune donnée sur :
- symptômes ;
- événements.
La preuve peut être excellente sur l’activité biologique mais limitée sur l’utilité clinique.
Résultats intermédiaires et médecine personnalisée
Les biomarqueurs peuvent aussi servir à identifier :
qui répondra au traitement.
C’est différent de les utiliser comme endpoint.
Biomarqueur prédictif
Un biomarqueur prédictif indique qu’un traitement pourrait fonctionner différemment selon sa valeur.
Il aide à sélectionner les patients.
Biomarqueur pronostique
Un biomarqueur pronostique indique le risque global de l’évolution, indépendamment du traitement.
Biomarqueur surrogate
Un surrogate est utilisé comme remplacement d’un résultat clinique pour évaluer l’effet du traitement.
Ces trois rôles ne doivent pas être confondus.
Exemple
Un marqueur peut être :
excellent pronostique
mais
mauvais surrogate
et
non prédictif de réponse thérapeutique.
La même mesure biologique peut donc avoir des fonctions très différentes.
Pertinence réglementaire
Les autorités doivent parfois accepter une certaine incertitude.
Pour une maladie :
- grave ;
- sans traitement,
un surrogate imparfait mais plausible peut être acceptable.
Pour une maladie :
- bénigne ;
- avec de bonnes alternatives,
le niveau de preuve requis peut être plus exigeant.
Risque de l’erreur
L’acceptation d’un surrogate dépend donc aussi du coût d’un faux positif réglementaire :
autoriser un traitement qui n’apporte finalement aucun bénéfice clinique.
Coût inverse
Exiger systématiquement des décennies de suivi peut aussi retarder des traitements réellement utiles.
Le problème est donc une décision sous incertitude.
Confirmation postérieure
Une stratégie rationnelle peut être :
preuve intermédiaire solide
↓
accès conditionnel
↓
confirmation clinique obligatoire.
La qualité du système dépend alors beaucoup du troisième maillon.
Résultats postérieurs discordants
Supposons :
essai initial :
surrogate fortement amélioré.
Étude confirmatoire :
aucun bénéfice clinique.
La bonne réaction scientifique est de réviser la confiance dans le surrogate ou dans l’intervention.
Ce n’est pas nécessairement une contradiction incompréhensible.
Le nouveau résultat apporte une information plus directement pertinente
La hiérarchie des critères aide alors à comprendre pourquoi l’interprétation change.
Surrogate et désinformation
Un procédé rhétorique fréquent consiste à mettre en avant uniquement le critère le plus favorable.
Exemple :
« le traitement réduit de 70 % le marqueur X ».
Mais omettre :
aucune différence démontrée sur les hospitalisations ou décès.
Le chiffre peut être vrai tout en donnant une impression trompeuse.
L’inverse peut également être trompeur
Un critique peut dire :
« aucune baisse démontrée de mortalité ».
Alors que l’étude n’était :
- ni conçue ;
- ni assez grande
pour mesurer la mortalité, mais montre une amélioration importante des symptômes.
Il faut toujours demander ce que l’étude pouvait raisonnablement démontrer.
Puissance pour le critère clinique
Un essai peut être très puissant pour un biomarqueur mais extrêmement sous-dimensionné pour la mortalité.
L’absence de différence de mortalité n’est alors pas une preuve d’absence d’effet.
Exemple
500 patients.
Biomarqueur :
changement mesurable chez presque tous.
Décès :
seulement 4 au total.
L’essai peut établir avec précision l’effet biologique mais presque rien sur la mortalité.
Le problème doit être formulé correctement
La conclusion honnête est :
« l’intervention modifie clairement le biomarqueur ; son effet sur la mortalité reste incertain ».
Pas :
« elle sauve des vies ».
Ni :
« elle ne sauve aucune vie ».
Une grille d’évaluation d’un surrogate
Lorsqu’un résultat intermédiaire est utilisé, on peut demander :
1. Est-il fortement associé au résultat clinique ?
2. Existe-t-il une justification causale ?
3. Les interventions qui le modifient améliorent-elles réellement le résultat clinique ?
4. Cette relation a-t-elle été reproduite dans plusieurs essais ?
5. Le traitement pourrait-il avoir d’autres effets non capturés par le surrogate ?
Cette grille évite beaucoup de conclusions prématurées.
Une grille pour lire un communiqué
Si vous voyez :
« le médicament améliore de 40 % X », demandez :
X est-il un symptôme, un événement clinique ou un biomarqueur ?
Puis :
ce changement a-t-il été relié à une amélioration de santé réellement démontrée ?
Exemple final
Supposons deux médicaments.
Médicament A
Biomarqueur :
−30 %.
Hospitalisations :
10 % → 7 %.
Mortalité :
5 % → 4 %.
Effets indésirables acceptables.
Médicament B
Biomarqueur :
−50 %.
Hospitalisations :
10 % → 10 %.
Mortalité :
5 % → 6 %.
Le médicament B est beaucoup plus impressionnant sur le biomarqueur.
Mais A possède le meilleur résultat clinique.
Ce que cet exemple enseigne
L’ampleur de la modification intermédiaire ne suffit pas à déterminer la valeur thérapeutique.
L’objectif de la médecine n’est pas :
optimiser les chiffres biologiques pour eux-mêmes.
Il est :
améliorer la santé des personnes.
Tableau récapitulatif
| Type de résultat | Exemple | Signification |
|---|---|---|
| Biomarqueur | Glycémie | Activité biologique |
| Imagerie | Taille tumorale | Évolution anatomique |
| Surrogate validé | Variable intermédiaire fortement validée | Peut prédire certains effets cliniques |
| Critère clinique | AVC, douleur, hospitalisation | Conséquence directement importante |
| Résultat rapporté par patient | Fatigue, qualité de vie | Expérience directe du patient |
La position dans ce tableau ne suffit cependant pas à juger automatiquement la valeur d’un critère : le contexte reste essentiel.
Une leçon d’esprit critique
Face à un résultat spectaculaire, la première question ne doit pas être :
« de combien le chiffre a-t-il changé ? »
mais :
« quel chiffre ? »
S’agit-il :
- d’un biomarqueur ;
- d’un résultat intermédiaire ;
- d’un résultat directement important ?
Ensuite seulement vient la taille de l’effet.
À retenir
Un résultat intermédiaire mesure une étape biologique ou physiologique située entre l’intervention et un résultat clinique final.
Un critère clinique mesure directement quelque chose qui compte pour le patient :
- survie ;
- symptômes ;
- complications ;
- qualité de vie.
Les critères intermédiaires sont utiles car ils permettent des études :
- plus rapides ;
- plus petites.
Mais leur utilisation comporte un risque fondamental :
améliorer un marqueur n’implique pas automatiquement améliorer la santé.
Un marqueur peut prédire un mauvais pronostic sans être une cause modifiable de ce pronostic.
Même lorsqu’il est causal, un traitement peut avoir d’autres effets positifs ou négatifs qui ne sont pas capturés par ce marqueur.
Un critère de substitution fiable doit donc être validé : l’effet des traitements sur ce critère doit réellement prédire leur effet sur les résultats cliniques importants.
Le principe fondamental est :
un traitement ne doit pas être jugé seulement sur ce qu’il fait aux chiffres, aux images ou aux biomarqueurs, mais sur ce qu’il fait finalement aux personnes.
La bonne question face à :
« le traitement améliore fortement le marqueur X »
est donc :
« savons-nous que cette amélioration se traduit réellement par moins de symptômes, moins de complications ou une meilleure survie ? »
Tant que cette dernière étape n’est pas démontrée, le résultat intermédiaire constitue une preuve mécanistique ou prédictive, pas nécessairement une preuve complète de bénéfice clinique.
Pour aller plus loin
Ross Prentice — travaux fondateurs sur la validation des critères de substitution. Ils ont contribué à formaliser les conditions permettant à une variable intermédiaire de remplacer un résultat clinique.
Fleming et DeMets — travaux sur les limites des surrogate endpoints. Une référence importante pour comprendre pourquoi un critère intermédiaire peut être trompeur malgré une forte plausibilité biologique.
Cochrane Handbook for Systematic Reviews of Interventions. Une référence méthodologique pour distinguer critères intermédiaires, résultats cliniques et pertinence pour les patients.
Guyatt et collaborateurs — médecine fondée sur les preuves. Leurs travaux insistent sur l’importance de privilégier les résultats directement importants pour les patients lorsque cela est possible.