Les graphiques en entonnoir sont utilisés pour les variables continues, binaires et de comptage afin d'évaluer la performance de sous-groupes mutuellement exclusifs par rapport à l'ensemble de la population (Spiegelhalter, 2005). Dans les essais cliniques, ils servent souvent à évaluer la performance des centres et à déterminer si une formation et une supervision supplémentaires sont nécessaires pour garantir la qualité des données (Zink et al., 2018).
À titre d’exemple, considérons le graphique à barres de gauche de la figure 1 qui résume le pourcentage de décès de patients survenus dans les différents centres participant à l’essai clinique sur la nicardipine (Haley et al., 1993). Ce graphique indique un taux de mortalité global d’environ 25 %. En cas de préoccupations concernant la sécurité, il serait naturel de mener une enquête auprès des centres présentant les taux de mortalité les plus élevés afin de déterminer s’il existe des facteurs contribuant à ce nombre excessif de décès.
Figure 1. Nicardipine exampleFigure 1. Exemple de nicardipine
Cependant, un taux de mortalité extrêmement élevé n'est pas forcément alarmant. Prenons l'exemple d'un centre n'ayant qu'un seul patient inclus dans l'étude. Le taux de mortalité dans ce centre peut être de 100 % ou de 0 %. Avec un taux de mortalité global de 25 %, un taux de 100 % dans un centre n'ayant qu'un seul patient inclus ne justifie pas forcément un suivi. Le graphique à barres pourrait indiquer le centre concerné par des étiquettes, mais cela ne résout pas le problème pour les centres ayant plusieurs patients inclus. L'idéal serait de signaler les centres où le taux de mortalité est inhabituel compte tenu du nombre de patients inclus.
Le graphique en entonnoir, présenté à droite de la figure 1, illustre la proportion de décès sur chaque site en fonction de la taille de l'échantillon de patients traités sur ce site. Une ligne de référence verticale (rouge) résume le taux de mortalité global, tandis que des lignes courbes relient les limites supérieure et inférieure des intervalles de confiance (IC) à 99,8 % et 95 % calculés pour chaque taille d'échantillon, représentés sur l'axe des abscisses. Les zones délimitées par ces lignes de référence permettent de catégoriser les marqueurs de site et de prioriser les interventions nécessaires. Par exemple, les marqueurs du panneau de droite de la figure 1 sont :
- Vert, si le taux de mortalité était inférieur au taux de mortalité global (risque faible).
- Jaune, si le taux de mortalité est supérieur au taux de mortalité global (risque modéré).
- Rouge, si le taux de mortalité dépasse la limite supérieure de 99,8 %, soit environ trois erreurs standard au-dessus de la réponse globale (risque grave).
Les barres correspondantes dans le panneau de gauche sont colorées en conséquence, ce qui souligne que se fier uniquement à des taux de mortalité excessivement élevés est insuffisant pour identifier les sites problématiques.
D'autres catégorisations sont possibles. Par exemple :
- Vert, si le taux de mortalité se situe dans les limites de l'IC à 95 % (risque faible).
- Jaune, si le taux de mortalité dépasse l'IC à 95 % et se situe dans l'IC à 99,8 % (risque modéré), avec des taux supérieurs à la moyenne générale (indiquant une surmortalité) et des taux inférieurs à la moyenne (indiquant une pénurie).
- Rouge, si le taux de mortalité dépasse l'IC à 99,8 % (risque grave), avec des taux supérieurs à la limite supérieure (indiquant une surmortalité) et inférieurs à la limite inférieure (indiquant une pénurie).
Bien sûr, même si une diminution du nombre de décès est finalement une bonne chose, l'absence de décès peut être une source d'inquiétude (par exemple, des retards dans les rapports, des fautes professionnelles).
Le module complémentaire Funnel Plot de la JMP Marketplace simplifie considérablement la création de graphiques en entonnoir, permettant de générer des graphiques pour les variables continues, binaires et de comptage, avec une option pour ajuster les intervalles des résultats binaires en fonction de la durée du suivi (Liu et al., 2006). Les utilisateurs définissent les intervalles selon des limites de confiance spécifiques ou des multiples de l'erreur standard (Figure 2).
Figure 2. Funnel Plot dialogFigure 2. Dialogue du graphique en entonnoir
Par exemple, la figure 3 résume les taux d’incidence ajustés à l’exposition des transfusions sanguines pour 100 jours.
Figure 3. Exposure-adjusted incidence rates of blood transfusion per 100 daysFigure 3. Taux d'incidence des transfusions sanguines ajustés en fonction de l'exposition pour 100 jours
Le manuel décrit les améliorations futures possibles de l'extension. Si vous le trouvez utile, n'hésitez pas à me faire part de vos commentaires via le JMP Marketplace !
Références
- Hayley EC, Kassell NF et Torner JC. (1993). Essai contrôlé randomisé de nicardipine intraveineuse à haute dose dans l'hémorragie sous-arachnoïdienne anévrismale . Journal de neurochirurgie 78 : 537-547.
- Liu GF, Wang J, Liu K et Snavely DB. (2006). Intervalles de confiance pour une différence de taux d'incidence ajustée à l'exposition avec applications aux essais cliniques . Statistiques en médecine 25 : 1275-1286.
- Spiegelhalter DJ. (2005). Graphiques en entonnoir pour comparer les performances institutionnelles. Statistiques en médecine 24: 1185-1202.
- Zink RC, Dmitrienko A & Dmitrienko A. (2018). Repenser les seuils cliniques de TransCelerate BioPharma pour la surveillance basée sur les risques . Therapeutic Innovation & Regulatory Science 5 : 560-571.
