Composite End Points in Acute Heart Failure Research: Data Simulations Illustrate the Limitations

On fait souvent appel à des paramètres d'évaluation mixtes lors des études cliniques sur les traitements expérimentaux de l'insuffisance cardiaque aiguë, p. ex., pour renforcer la puissance statistique et réduire la taille de la population à l'étude. L'intégration de plusieurs types d'issues cliniques variées permet de vérifier l'efficacité globale du traitement. Notre objectif est de comparer la performance des paramètres d'évaluation les plus courants, en fonction de la puissance statistique et de décrire le degré d'incertitude inhérent aux estimations de puissance et ainsi que les résultats de leur utilisation. Nous avons examiné plusieurs paramètres d'évaluation mixtes intégrant des types variés d'issues (p. ex., délai jusqu'à la survenue d'un événement, variable catégorique, variable continue). Les données ont été soumises à des simulations pour cinq issues cliniques et les paramètres d'évaluation mixtes ont ensuite été calculés et comparés. La puissance des paramètres a été évaluée graphiquement en faisant varier l'ampleur des effets du traitement, ce qui a permis de déterminer la sensibilité en fonction de diverses circonstances et éventualités telle la survenue d'effets contradictoires. C'est le score z moyen qui offrait la meilleure puissance, mais il faut faire preuve de prudence lors de son utilisation si on anticipe des effets contradictoires. Les résultats obtenus ont confirmé l'importance de procéder à une évaluation préalable de la puissance des paramètres et d'employer une méthodologie scientifique, y compris de pondérer les paramètres individuellement à partir des résultats obtenus lors des simulations de données. L'interprétation d'un paramètre d'évaluation mixte doit s'effectuer en parallèle avec celle des résultats obtenus pour ses composantes individuelles. Enfin, en contexte de recherche, c'est le score z moyen qui offre la meilleure puissance, bien qu'il comporte quelques limites.