Modèle de régression du taux de mortalité en excès corrigeant une mortalité attendue potentiellement inexacte : estimation avec points de rupture

Abstract

Introduction La survie nette est la survie qui serait observee si la seule cause possible de deces etait la pathologie d’interet, ici le cancer. Cet indicateur permet de s’affranchir des differences de mortalite qui seraient imputables a des causes autres que le cancer. Dans l’estimation de la survie nette, les modeles proposes considerent la mortalite observee comme la resultante de deux forces de mortalite\xa0: la mortalite due au cancer (exces de mortalite) et la mortalite due aux autres causes (mortalite attendue). Cette derniere decoule des tables de mortalite de la population generale. Toutefois, ces tables n’incluent pas certaines co-variables demographiques pouvant influencer la mortalite en exces. Il a ete montre que l’absence de la prise en compte de telles co-variables conduisait a des biais dans les estimations des effets sur la mortalite en exces [1] . Afin de pallier ce probleme, un modele de regression multivarie a ete propose pour estimer la mortalite en exces lorsque la mortalite attendue dans la population etudiee differe de celle de la population generale [2] . La limite majeure de ce modele reside dans la proportionnalite constante en fonction de l’âge entre les risques attendus des differentes categories de la covariable additionnelle. L’objectif de ce travail etait de proposer un modele permettant d’assouplir cette contrainte de proportionnalite en introduisant un ou plusieurs points de rupture, ou points de changement. Methodes Nous avons propose une extension du modele de Touraine et al. -modele de reference-, dans lequel l’effet de la covariable additionnelle sur la mortalite attendue peut varier en fonction de l’âge par l’introduction d’un terme multiplicatif, constant par intervalles d’âges. Les performances de ce modele, avec un seul point de rupture, ont ete evaluees par une etude de simulation. Pour cela, nous avons construit differentes tables de mortalite stratifiees sur la covariable additionnelle avec et sans effet proportionnel, selon des formes differentes. Nous avons choisi comme criteres de performance le biais, l’erreur quadratique moyenne et le taux de couverture empirique. Resultats Compare au modele de reference, le modele propose a montre de meilleures performances quel que soit le critere de performance considere. En effet, le modele propose et le modele de reference fournissaient des biais proches de 0, des erreurs quadratiques moyennes similaires et des taux de couverture proches de 95\xa0% dans les scenarios simules avec une proportionnalite constante. En revanche, dans les scenarios simules avec un ecart a la proportionnalite, le modele propose presentait, comparativement au modele de reference, des biais et erreurs quadratiques moyennes plus faibles et des taux de couverture empiriques superieurs, proches de 95\xa0%. Conclusion Les resultats ont montre qu’un modele de regression multivarie introduisant un point de rupture avait des performances superieures a celles d’un modele de regression avec une proportionnalite constante. Il est donc necessaire de prendre en compte de tels points de rupture dans la modelisation pour corriger un manque de precision dans les tables de mortalite. L’estimation de la proportionnalite entre les risques attendus des differentes categories de la covariable additionnelle est un defi important dans la determination du nombre de points de rupture necessaire pour mieux ajuster le modele propose aux donnees.