Dale Lehman, PhD, directeur du Centre d'analyse commerciale, Loras College
Cet article a été soumis lors du récent concours d'analyse de données SPRINT organisé par le New England Journal of Medicine. Ce concours international visait à étudier les avantages de l'ouverture des données d'essais cliniques – un essai largement médiatisé examinant les bénéfices et les effets secondaires d'un traitement plus intensif des personnes souffrant d'hypertension artérielle. Parmi les 143 soumissions reçues, seule celle-ci identifiait que les participants ayant manqué des visites programmées n'avaient pas bénéficié d'un traitement plus intensif de l'hypertension artérielle. J'attribue l'identification de ce facteur à mon utilisation de JMP ; d'autres logiciels ne révèlent pas facilement que près de 25 % des participants à SPRINT ont manqué des visites programmées et que ce groupe n'a montré aucun bénéfice significatif du traitement intensif. Ce groupe présentait également un risque accru d'événements indésirables graves. À l'inverse, les patients ayant assisté à toutes les visites programmées ont obtenu des résultats encore meilleurs que l'efficacité publiée du traitement intensif dans SPRINT, mais présentaient un risque accru d'événements indésirables graves. JMP a également permis une représentation visuelle des incertitudes associées au critère principal (crises cardiaques) et aux événements indésirables graves (résultant principalement d'une utilisation plus intensive de médicaments pour traiter l'hypertension artérielle). L’importance des visites manquées et la représentation graphique de l’incertitude démontrent toutes deux des caractéristiques de JMP qui facilitent une meilleure analyse des données.
Remarque : Je présenterai les résultats dans l'article ci-joint, accompagnés d'une démonstration en direct de leur dérivation dans JMP. Je ne peux pas fournir les fichiers JMP, car je ne suis pas autorisé à partager les données du concours.
