📊 statistics

A critical evaluation of longitudinal proportional effect models

Cet article évalue de manière critique les modèles d'effet proportionnel longitudinal non linéaires, démontrant que leur hypothèse d'un effet de traitement fixe au cours du temps entraîne un biais, des taux d'erreur de type I gonflés et des préoccupations de sécurité concernant la détection de la nocivité du traitement, même lorsque l'hypothèse est vérifiée.

Auteurs originaux : Michael C. Donohue, Philip S. Insel, Oliver Langford

Publié 2026-01-23

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Michael C. Donohue, Philip S. Insel, Oliver Langford

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La vue d'ensemble : Une formule « magique » qui n'en est pas une

Imaginez que vous participez à une course pour voir si une nouvelle chaussure de course (le Traitement Actif) aide les gens à courir plus vite que leurs anciennes chaussures (le Groupe de Contrôle).

Les scientifiques sont enthousiasmés par un nouvel outil mathématique appelé le « Modèle d'effet proportionnel longitudinal ». L'argument de vente est que cet outil est un « superchargeur ». Il prétend être plus puissant que les méthodes standards et donne une réponse directe à une question très précise : « De quel pourcentage les nouvelles chaussures ont-elles amélioré la vitesse du coureur ? »

Cependant, cet article de Donohue, Insel et Langford est une étiquette d'avertissement critique. Ils soutiennent que ce « superchargeur » est en réalité défectueux. Il ne se contente pas de donner de meilleures réponses ; il donne des réponses biaisées qui vous font croire qu'un traitement fonctionne mieux qu'il ne le fait réellement, tout en cachant le fait qu'il pourrait être nocif.

Le problème central : Le piège du « point zéro »

Pour comprendre le biais, imaginez un thermomètre.

La méthode standard (la règle) : Mesure la différence en degrés. Si la température passe de 70 ° à 75 °, le changement est de +5°. Si elle passe de 0 ° à 5°, le changement est toujours de +5°. Peu importe le point de départ.
La méthode « proportionnelle » (le pourcentage) : Mesure le changement par rapport au point de départ.
- Si vous partez de 70 ° et allez à 75°, c'est un petit gain en pourcentage.
- Si vous partez de 0 ° et allez à 5°, les mathématiques s'effondrent. On ne peut pas calculer un pourcentage de zéro.
- Si vous partez de -10 ° (sous zéro) et allez à -5°, les mathématiques deviennent bizarres et instables.

L'article soutient que dans les essais médicaux (particulièrement pour des maladies comme Alzheimer), le « point de départ » (le score moyen du groupe de contrôle) se situe souvent proche de zéro ou devient même négatif (représentant un déclin de la santé). Lorsque les mathématiques tentent de calculer un « pourcentage d'amélioration » à partir d'un nombre proche de zéro, cela devient instable et commence à halluciner des résultats.

Le biais de « favoritisme » : Une rue à sens unique

Les auteurs ont découvert que ce modèle possède un favoritisme intégré.

Imaginez un juge qui soutient secrètement la nouvelle marque de chaussures.

Si les nouvelles chaussures aident : Le modèle exagère l'ampleur de l'aide apportée. Il fait paraître l'amélioration immense.
Si les nouvelles chaussures nuisent : Le modèle peine à voir les dommages. Il agit comme un angle mort, rendant très difficile la détection du fait que le traitement pourrait en réalité aggraver la situation.

L'article montre que ce biais se produit même lorsque les règles du modèle sont parfaitement respectées. Ce n'est pas une erreur dans la façon dont les scientifiques utilisent l'outil ; l'outil lui-même est défectueux.

Le tour de passe-passe de l'« étiquetage des groupes »

L'article souligne une étrange particularité : la réponse du modèle change selon quel groupe vous appelez « Groupe A » et lequel vous appelez « Groupe B ».

Si vous étiquetez le Nouveau Traitement comme le groupe principal, le modèle biaise le résultat pour faire paraître le traitement sous un jour favorable.
Si vous inversiez les étiquettes et faisiez du Groupe de Contrôle le groupe principal, le modèle biaiserait le résultat pour faire paraître le groupe de contrôle sous un jour favorable.

C'est comme une balance qui penche à gauche si vous posez l'objet sur le côté gauche, et qui penche à droite si vous le posez sur le côté droit. Une bonne balance devrait donner le même poids quel que soit l'endroit où l'on pose l'objet. Parce que ce modèle change d'avis en fonction de l'étiquetage, ses résultats sont peu fiables.

Les résultats des simulations : L'erreur de « 93 % »

Les auteurs ont lancé des simulations informatiques (des essais cliniques virtuels) pour tester cela. Ils ont trouvé des résultats terrifiants :

Lorsque le score moyen du groupe de contrôle était proche de zéro, le modèle commençait à rejeter l'idée que « rien ne s'était passé » 93 % du temps, même lorsqu'il n'y avait aucun effet de traitement.
Dans un test standard, on s'attend à se tromper environ 5 % du temps (ce qu'on appelle l'erreur de type I). Ce modèle se trompait près de 20 fois plus souvent qu'il ne le devrait.
Dans de nombreux cas, le modèle agissait comme un test unilatéral : il criait seulement « Ça marche ! », mais criait rarement « Ça nuit ! ».

La préoccupation de sécurité : Cacher le mal

La partie la plus dangereuse de ce biais concerne la sécurité.
Dans des maladies comme Alzheimer, il existe une réelle crainte qu'un médicament puisse aggraver la mémoire (dommage lié au traitement).

Parce que ce modèle est biaisé en faveur de la perception d'une amélioration, il est très mauvais pour détecter un déclin.
Les auteurs avertissent que l'utilisation de ce modèle pourrait conduire à l'approbation d'un médicament qui nuit réellement aux patients, simplement parce que les mathématiques étaient trop occupées à chercher un « pourcentage d'amélioration » pour remarquer les dommages.

La conclusion : Ne l'utilisez pas

Les auteurs concluent qu'en dépit de la promesse d'une puissance statistique plus élevée (la capacité à trouver un signal dans le bruit), ce modèle ne vaut pas le risque.

La « puissance » qu'il revendique n'est en fait que du biais déguisé en succès.
Les modèles linéaires standards (les « règles ») sont plus sûrs, plus honnêtes et ne changent pas leurs réponses en fonction de l'étiquetage des groupes.
Ils recommandent aux scientifiques d'éviter d'utiliser ces modèles d'effet proportionnel, particulièrement pour des raisons de sécurité.

En bref : L'article affirme que ce nouvel outil mathématique est comme un compteur de vitesse défectueux qui affiche toujours « rapide » quand vous conduisez une nouvelle voiture, mais qui ne vous avertit pas lorsque vous foncez dans le ravin. Il vaut mieux utiliser un vieux compteur de vitesse fiable qu'un modèle sophistiqué qui vous ment.

Résumé technique : Une évaluation critique des modèles d'effets proportionnels longitudinaux

Énoncé du problème
Des modèles d'effets proportionnels longitudinaux non linéaires ont été récemment proposés (par exemple, par Wang et al. [2024]) pour estimer les effets de traitement proportionnels dans les essais cliniques randomisés, avec des affirmations d'une puissance statistique accrue et d'une interprétabilité clinique directe. Ces modèles supposent que la tendance moyenne du groupe d'intervention actif est une proportion fixe de la moyenne du groupe témoin au fil du temps, paramétrée comme $f_A(t) = f_C(t)(1 - \theta)$ .

Cependant, les auteurs identifient des failles critiques dans cette approche. Le problème principal est que ces modèles sont intrinsèquement biaisés, même lorsque l'hypothèse d'effet proportionnel est vérifiée. Ce biais est sensible à l'étiquetage des groupes de traitement ; la paramétrisation spécifique suggérée dans la littérature existante induit un biais en faveur du groupe de traitement actif. Par conséquent, cela conduit à une inflation des taux d'erreur de type I, à des comportements de tests unilatéraux potentiels et à une capacité réduite à détecter un préjudice lié au traitement (signaux de sécurité). De plus, les modèles deviennent indéfinis ou instables lorsque la moyenne du groupe témoin approche de zéro, un scénario plausible dans les stades de maladies présymptomatiques ou pour certains résultats cognitifs.

Méthodologie
L'article utilise une combinaison d'analyses théoriques et d'études de simulation pour évaluer les performances des modèles d'effets proportionnels par rapport aux modèles linéaires standards.

Analyse transversale : Les auteurs examinent d'abord un cas particulier du modèle proportionnel à un instant donné. Ils comparent l'estimateur des moindres carrés non linéaires de l'effet proportionnel ( $\hat{\theta}$ ) contre l'estimateur familier du test t à deux échantillons de la différence additive ( $\hat{\delta}$ ). Des simulations sont menées à travers diverses moyennes de groupe témoin ( $\beta_C$ ) et divers effets de traitement ( $\delta$ ).
Simulation longitudinale : Les auteurs simulent 10 000 essais cliniques selon quatre scénarios distincts (A–D) représentant différentes tendances moyennes au fil du temps :
- Scénarios A–C : Tendances linéaires où la moyenne du groupe témoin est non nulle, satisfaisant l'hypothèse d'effet proportionnel.
- Scénario D : Une tendance linéaire où la moyenne du groupe témoin est fixée à zéro, violant la définition finie de l'effet proportionnel.
- Modèles comparés : Deux modèles sont ajustés pour chaque ensemble de données :
  - Un modèle mixte linéaire à mesures répétées (MMRM) avec une moyenne non structurée et un effet de traitement additif (« pente »).
  - Un modèle proportionnel MMRM (pMMRM) non linéaire avec une moyenne de groupe témoin non structurée et un effet proportionnel fixe.
    Les deux modèles incluent des intercepts aléatoires spécifiques aux participants et contraignent les moyennes de base à être équivalentes (analyse de données longitudinales contrainte, ou cLDA).
Métriques d'évaluation : L'étude évalue la puissance statistique, les taux d'erreur de type I et la proportion de rejets en faveur du groupe actif sous l'hypothèse nulle. Des « graphiques en fermeture éclair » (zipper plots) sont utilisés pour visualiser la distribution des estimations et des intervalles de confiance, en recherchant spécifiquement l'asymétrie et le biais.

Contributions clés et résultats
Les simulations révèlent que les gains d'efficacité supposés des modèles d'effets proportionnels sont largement des artefacts de biais plutôt qu'une véritable puissance statistique.

Biais et sensibilité à l'étiquetage : L'estimateur proportionnel est sensible à la localisation de la moyenne du groupe témoin. Lorsque $\beta_C$ est proche de zéro, le modèle présente un biais significatif. La paramétrisation spécifique utilisée dans la littérature favorise le groupe actif, entraînant des intervalles de confiance asymétriques et une proportion élevée de rejets en faveur du groupe actif même lorsqu'aucun effet de traitement n'existe.
Inflation de l'erreur de type I : Dans les simulations longitudinales, à mesure que la moyenne du groupe témoin approche de zéro (passant du Scénario A au D), l'erreur de type I pour le modèle proportionnel augmente de manière spectaculaire. Dans le Scénario A (moyenne du groupe témoin proche de zéro), l'erreur de type I a atteint 5,3 % avec 93,2 % des rejets en faveur du groupe actif. Dans le Scénario D (moyenne du groupe témoin = 0), l'erreur de type I a grimpé à 34,0 %, avec 100 % des rejets en faveur du groupe actif.
Puissance vs Sécurité : Bien que le modèle proportionnel semble montrer une puissance plus élevée (par exemple, 93,8 % contre 88,2 % dans le Scénario A) lorsque l'effet de traitement est positif, cette « amélioration » est dictée par le biais. Inversement, le modèle a démontré une puissance diminuée pour détecter un préjudice lié au traitement ( $\delta < 0$ ). Dans les simulations transversales avec $\delta < 0$ , le test t standard a généralement dominé le test proportionnel.
Comparaison avec les modèles linéaires : Le modèle de « pente » linéaire a démontré des caractéristiques de fonctionnement cohérentes à travers tous les scénarios, maintenant l'erreur de type I nominale de 5 % et des taux de rejet symétriques sous l'hypothèse nulle. La performance du modèle proportionnel se dégrade à mesure que la moyenne du groupe témoin approche de zéro, tandis que le modèle linéaire reste robuste.

Signification et revendications
L'article conclut que les modèles d'effets proportionnels longitudinaux promus dans les tutoriels récents sont fondamentalement erronés pour l'analyse des essais cliniques. Les auteurs affirment que :

Les modèles sont biaisés : Le biais existe même lorsque les hypothèses du modèle sont correctes et il est exacerbé lorsque la moyenne du groupe témoin est proche de zéro.
Problèmes de sécurité : Le biais rend difficile la détection d'une aggravation induite par le traitement (préjudice), ce qui pose un risque de sécurité important. Cela est particulièrement pertinent pour les thérapies où l'aggravation cognitive est un risque connu (par exemple, les inhibiteurs de BACE).
Recommandation : Les biostatisticiens et les cliniciens devraient éviter d'utiliser ces modèles. Les avantages apparents de puissance sont indûment gonflés par le biais.
Alternatives : Les auteurs suggèrent que les intervalles d'incertitude pour les effets proportionnels peuvent être dérivés de modèles linéaires flexibles en utilisant la méthode delta, le bootstrap ou le Monte Carlo par chaînes de Markov (MCMC), sans subir le biais inhérent à la paramétrisation non linéaire.

L'article ne propose pas un nouveau modèle mais sert d'avertissement critique contre l'adoption de la paramétrisation spécifique de l'effet proportionnel non linéaire actuellement discutée dans la littérature, citant son potentiel à induire en erreur les résultats des essais et à compromettre la sécurité des patients.