Les variables catégorielles sont fréquemment observées dans les essais cliniques. Par exemple, les variables ordinales de traitement, associées à différentes doses (par exemple, dose élevée, dose moyenne, dose faible ou placebo), décrivent, par ordre décroissant, la quantité de principe actif présente dans le traitement randomisé. De même, la réponse à l'exposition continue au traitement peut être qualifiée de complète, partielle ou nulle. Dans l'étude des traitements des tumeurs solides, les critères RÉCISTE définissent la réponse à l'aide d'une échelle à quatre niveaux : réponse complète, réponse partielle, maladie stable et maladie progressive. Par ailleurs, les données catégorielles nominales peuvent décrire des données démographiques importantes, telles que l'origine ethnique et le sexe, ou un identifiant de centre permettant de localiser le lieu de traitement de chaque patient au cours de l'étude.
L'un des problèmes posés par les variables catégorielles est qu'elles entraînent naturellement des analyses complémentaires pour mieux caractériser les résultats de l'étude. Par exemple, dans les essais évaluant plusieurs doses, la taille de l'échantillon pour chaque bras de traitement est souvent réduite, ce qui complique l'estimation précise des événements indésirables rares. Dans un essai à doses multiples (par exemple, dose élevée, dose moyenne, dose faible), il est fréquent d'observer un groupe supplémentaire, dit « actif », regroupant tous les patients ayant reçu différentes doses du nouveau médicament. Les tableaux (et figures) présentent les colonnes suivantes.
| Actif |
dose élevée |
Dose moyenne |
faible dose |
Placebo |
Dans certains cas particulièrement approfondis, il est même possible de créer davantage de catégories :
| Actif |
Haut |
Moyen-élevé |
Moyen |
Moyen-faible |
Faible |
Placebo |
De plus, les résultats peuvent être présentés selon d'importants facteurs de stratification, en plus des résultats globaux.
| Dans l'ensemble |
Site 1 |
Site 2 |
| A |
H |
M |
L |
P |
A |
H |
M |
L |
P |
A |
H |
M |
L |
P |
Une tendance similaire à regrouper les niveaux adjacents présente également un intérêt pour les résultats d'efficacité ou de sécurité, ce qui se traduit par des lignes supplémentaires dans les présentations statistiques.
| Complet ou partiel |
| Complet |
| Partiel |
| Aucun |
En pratique, le regroupement des niveaux catégoriels peut créer de nouvelles variables ou observations dans un tableau de données. Les nouvelles variables nécessitent une nouvelle analyse pour générer des synthèses avec le nouveau regroupement, tandis que les nouvelles lignes sont généralement plus faciles à gérer grâce à l'utilisation des rôles « Par ». En général, la production de tableaux avec des colonnes
| dose élevée |
Dose moyenne |
faible dose |
Placebo |
ou
ou avec des rangées
ou
La procédure est simple. Cependant, aucune présentation ne nous intéresse ; l’objectif est de combiner colonnes ou lignes dans un seul affichage. Cette approche présente des avantages :
- Cela permet d'éviter de présenter des informations redondantes.
- Cela élimine la nécessité de produire des tableaux ou des figures supplémentaires.
- Il place les données des catégories regroupées côte à côte avec les autres données pertinentes.
L'inconvénient ? Générer ces résumés est complexe ! Produire des résultats statistiques avec SAS ou R nécessite de parcourir l'analyse plusieurs fois, de modifier les variables, de supprimer les informations redondantes et de réorganiser les données pour obtenir la présentation la plus appropriée.
JMP simplifie ces analyses grâce à la modélisation à réponses multiples . Les cellules d'une colonne de type caractère à réponses multiples représentent une ou plusieurs mesures qui fonctionnent comme des observations ou des colonnes distinctes, selon leur utilisation. Cette approche permet de conserver une structure de données simple, par exemple une observation par patient, tout en offrant une analyse plus riche et plus informative.
La figure 1 présente un exemple de tableau de données, intitulé « Réponses multiples » (téléchargeable en haut à droite de cet article). Ce tableau contient les données de 100 patients, une ligne par patient, avec les covariables suivantes : identifiant du site (1, 2), âge, biomarqueur (positif, négatif), traitement à quatre niveaux (dose élevée, dose moyenne, dose faible, placebo) et réponse à trois niveaux (complète, partielle, absente). D’autres variables sont présentes et décrites ci-dessous.
Figure 1. Multiple Responses data tableFigure 1. Tableau de données à réponses multiples
Il existe deux approches pour créer une colonne à réponses multiples.
- Par formule. La variable « Catégories de traitement par formule » a été créée à l'aide d'une formule générant les réponses multiples grâce à une instruction SI appliquée à la variable « Traitement ». Le type de modélisation sélectionné est « Réponse multiple » et une propriété de colonne « Réponse multiple » a été ajoutée afin de définir un délimiteur permettant de séparer les cellules en différentes réponses. Par défaut, le délimiteur est la virgule, ce qui n'est pas pratique ici puisqu'une des réponses contient une virgule. Une barre oblique inverse a donc été sélectionnée. Une propriété de colonne « Ordre des valeurs » a également été appliquée afin de trier les valeurs de manière pertinente.
- Fusionner les colonnes. Il est possible de fusionner plusieurs colonnes en une seule colonne de valeurs délimitées et d'appliquer la propriété « Colonne à réponses multiples » en sélectionnant Colonnes > Utilitaires > Fusionner les colonnes (Figure 2). Les colonnes « Élevé », « Moyen », « Faible », « Élevé ou Moyen » et « Moyen ou Faible » ont été fusionnées de cette manière pour créer la colonne « Catégories de traitement », équivalente à « Catégories de traitement par formule ». De la même façon, les colonnes « Réponse » et « Toute réponse » sont fusionnées pour créer la colonne à réponses multiples « Réponse d'efficacité ».
Figure 2. Combine columnsFigure 2. Combiner les colonnes
Les quatre scripts intégrés de Réponses multiples peuvent être exécutés pour produire une sortie à partir de Constructeur de graphes ou Tabuler .
Par exemple, le script « Diagramme en boîte des regroupements de traitements » génère l'analyse de la figure 3. Le placement des catégories de traitement de la formule dans la zone de dépôt X crée des observations virtuelles pour les différents regroupements de traitements, lesquelles sont résumées avec les niveaux de traitement individuels. Les effectifs présentés sur l'axe Y inférieur confirment que les niveaux regroupés correspondent aux sommes appropriées des niveaux individuels. L'ajout d'un résumé à 5 chiffres (non illustré) fournit des statistiques descriptives correspondant à chaque diagramme en boîte.
Figure 3. Box plots by treatment groupingsFigure 3. Diagrammes en boîte par groupes de traitement
De même, le script intégré Tableau des groupes de traitement produit un ensemble de statistiques récapitulatives pour chacun des niveaux présents dans la colonne de réponses multiples (Figure 4).
Figure 4. Summary statistics by treatment groupingsFigure 4. Statistiques descriptives par groupe de traitement
En examinant la colonne « Réponse d'efficacité », le script intégré « Graphique à barres de réponse d'efficacité » génère la figure 5, qui résume la fréquence d'apparition de chaque réponse, y compris les niveaux combinés de réponse complète et partielle. Les étiquettes de taille d'échantillon affichées au-dessus des barres confirment que la fréquence de toute réponse correspond à la somme des niveaux de réponse individuels. Le script « Tableau de réponse d'efficacité » fournit un affichage tabulaire utilisant l'option « Regrouper les colonnes » pour reproduire le format généralement utilisé dans la littérature scientifique (figure 6).
Les personnes entreprenantes peuvent créer leurs propres exemples en combinant les catégories de traitement par formule et la réponse d'efficacité.
Figure 5. Frequency of responses by treatmentFigure 5. Fréquence des réponses par traitement
Figure 6. Frequencies and percentages of responses by treatmentFigure 6. Fréquences et pourcentages des réponses par traitement
Bien que la modélisation à réponses multiples soit utile, son application peut s'avérer inappropriée dans certains cas, notamment pour les visualisations représentant des « parties d'un tout », comme les diagrammes circulaires, les mosaïques et les arbres de décision. Par exemple, le diagramme circulaire de la figure 7 calcule des pourcentages sur la base d'un dénominateur de 160, en raison de l'addition virtuelle de 60 observations avec la réponse « Toute réponse ». De plus, il suggère que cette réponse constitue un niveau distinct des réponses « Complète » et « Partielle », et non une combinaison de ces dernières.
Certains utilisateurs pourraient faire remarquer que Tabuler et Constructeur de graphiques offrent une flexibilité suffisante pour ajouter plusieurs axes ou variables à différentes zones de dépôt, permettant ainsi de gérer des regroupements supplémentaires sans avoir recours à une colonne à réponses multiples. Dans de nombreux cas, cela est tout à fait exact. Toutefois, l'avantage de la colonne à réponses multiples réside dans sa capacité à utiliser le même script que les colonnes catégorielles classiques, sans la complexité supplémentaire liée à l'ajout de fonctionnalités ou de logique pour adapter le script aux besoins de l'analyse. De plus, la création d'axes ou de colonnes de regroupement distinctes isole visuellement les colonnes supplémentaires des autres niveaux, ce qui peut nécessiter un redimensionnement des axes pour un affichage optimal.
Figure 7. Pie chart of responsesFigure 7. Diagramme circulaire des réponses
En définitive, le modèle à réponses multiples est une fonctionnalité que je compte utiliser plus fréquemment. J'espère que ces exemples vous inspireront pour votre prochaine analyse !
