📊 statistics

Two-Phase Sampling Designs and Analysis Approaches for Ordinal Outcomes

Ce papier étend les plans d'échantillonnage en deux phases aux études comportant des résultats ordinaux en proposant trois stratégies d'échantillonnage informées par le résultat et en développant des méthodes d'analyse correspondantes qui améliorent considérablement l'efficacité de l'estimation par rapport à un échantillonnage aléatoire simple, comme le démontrent des simulations et une application à une étude réelle sur le sepsis.

Auteurs originaux : Yunbi Nam, Nathan I. Shapiro, Eric P. Schmidt, Wesley H. Self, Ran Tao, Jonathan S. Schildcrout

Publié 2026-05-27

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yunbi Nam, Nathan I. Shapiro, Eric P. Schmidt, Wesley H. Self, Ran Tao, Jonathan S. Schildcrout

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

Imaginez que vous êtes un détective tentant de résoudre une énigme concernant la manière dont une preuve spécifique et coûteuse (appelons-la « la Preuve d'Or ») affecte l'état de santé d'un patient. Vous disposez d'une immense liste de suspects (une cohorte d'étude), et pour chacun d'eux, vous connaissez déjà certaines informations de base et peu coûteuses, telles que leur âge, leur sexe et leur historique de santé général. Cependant, trouver la « Preuve d'Or » pour chaque personne individuelle est trop coûteux et trop long. Vous n'avez le budget que pour la tester sur une petite poignée de personnes.

Ce document est un guide sur la manière de sélectionner intelligemment cette petite poignée de personnes, et sur la façon d'analyser correctement les résultats afin d'éviter de parvenir à une conclusion erronée.

Le Problème : Le Piège du « Tout ou Rien »

Par le passé, si des chercheurs devaient choisir un petit groupe pour tester la preuve coûteuse, ils auraient peut-être simplement tiré des noms au sort (Échantillonnage Aléatoire Simple). Mais cela est inefficace. Si vous choisissez un groupe au hasard, vous risquez de manquer les cas les plus intéressants.

Par exemple, si vous étudiez une maladie qui s'aggrave par étapes (légère, modérée, sévère, critique), choisir une personne au hasard pourrait vous donner quelqu'un présentant des symptômes « modérés », ce qui ne vous renseigne guère sur les extrêmes. Vous voulez trouver les personnes tout en haut et tout en bas de l'échelle de sévérité pour voir comment la « Preuve d'Or » se comporte dans des situations extrêmes.

La Solution : Trois Façons Intelligentes de Choisir Votre Équipe

Les auteurs proposent trois nouvelles stratégies pour sélectionner votre petit groupe (Phase 2) à partir de la grande liste (Phase 1) afin de rendre votre travail de détective plus efficace :

Échantillonnage Dépendant du Résultat (ODS) : « La Stratégie des Extrêmes »
- La Métaphore : Imaginez que vous cherchez les meilleurs et les pires élèves d'une école. Au lieu de choisir des élèves au hasard, vous examinez spécifiquement le top 10 % et le bas 10 % des bulletins de notes.
- Comment cela fonctionne : Vous examinez le résultat de santé que chacun possède déjà (le bulletin de notes). Vous choisissez délibérément plus de personnes ayant des résultats très légers et très graves, et moins de personnes ayant des résultats moyens. Cela vous donne une vision « plus large » des données sans tester tout le monde.
ODS Stratififié par Covariable (CSODS) : « La Stratégie des Extrêmes Groupés »
- La Métaphore : Parfois, le « bulletin de notes » est fortement influencé par autre chose, comme le niveau scolaire de l'élève. Si vous choisissez simplement les élèves du haut et du bas de l'école entière, vous risquez de ne sélectionner que des élèves de 1re année et de 12e année, en manquant les niveaux intermédiaires.
- Comment cela fonctionne : Vous divisez d'abord vos suspects en groupes basés sur un facteur connu (comme l'âge ou un score de santé spécifique). Ensuite, au sein de chaque groupe, vous choisissez les extrêmes. Cela garantit que vous obtenez une vue équilibrée de la « Preuve d'Or » à travers tous les différents types de personnes, et pas seulement les extrêmes du groupe global.
Échantillonnage Dépendant des Résidus (RDS) : « La Stratégie du Facteur Surprise »
- La Métaphore : Imaginez que vous avez une boule de cristal qui prédit la note d'un élève en fonction de ses habitudes de travail. La plupart des élèves correspondent bien à la prédiction. Mais certains élèves sont des « surprises » : ils ont beaucoup travaillé mais obtenu une mauvaise note, ou n'ont pas travaillé et obtenu un A. Ces « surprises » sont les plus intéressantes.
- Comment cela fonctionne : Vous utilisez les données peu coûteuses pour construire un modèle de prédiction. Ensuite, vous recherchez les personnes dont le résultat de santé réel était très différent de ce que le modèle avait prédit (les « résidus »). Vous choisissez ces cas « surprises » car ils contiennent le plus d'informations nouvelles sur la « Preuve d'Or ».

L'Analyse : Comment Résoudre l'Énigme Sans Tricher

Une fois que vous avez choisi votre groupe intelligent, vous ne pouvez pas simplement les analyser comme un groupe normal. Si vous ignorez le fait que vous les avez choisis spécifiquement, vos calculs seront biaisés (comme un juge n'écoutant que les témoins les plus bruyants).

Les auteurs ont développé trois « outils » mathématiques pour corriger cela :

ACML (L'Outil de « Correction ») : Cette méthode ne regarde que les personnes que vous avez choisies, mais ajoute un « facteur de correction » mathématique pour tenir compte du fait que vous les avez choisies intentionnellement. C'est comme dire : « Je sais que j'ai choisi plus de cas extrêmes, donc j'ajusterai mes calculs pour faire comme si j'avais vu les cas moyens aussi. »
Imputation Multiple (L'Outil de « Remplir les Blancs ») : Cette méthode est plus intelligente. Elle utilise les données des personnes que vous n'avez pas choisies (qui possèdent toujours leurs informations peu coûteuses) pour deviner quelle aurait pu être leur valeur de « Preuve d'Or ». Elle remplit les pièces manquantes du puzzle à plusieurs reprises pour créer une image complète, puis moyenne les résultats.
Vraisemblance Maximale par Tamis (L'Outil du « Filet Flexible ») : C'est une méthode sophistiquée qui ne suppose pas que la « Preuve d'Or » suit une forme spécifique. Au lieu de cela, elle utilise un « filet » flexible (des splines mathématiques) pour capturer la forme réelle des données, ce qui la rend très robuste même si les données sont désordonnées.

Ce Qu'ils Ont Découvert

Les auteurs ont effectué des milliers de simulations informatiques pour tester ces idées. Ils ont constaté :

Efficacité : L'utilisation de ces stratégies de sélection intelligentes (ODS, CSODS, RDS) était bien meilleure que le choix au hasard. Vous obtenez des réponses plus précises avec la même somme d'argent.
La Meilleure Combinaison : Lorsqu'un facteur connu (comme l'âge ou un score de santé) prédit fortement le résultat, les stratégies « Extrêmes Groupés » (CSODS) et « Facteur Surprise » (RDS) fonctionnaient le mieux.
Les Meilleurs Calculs : Les méthodes « Remplir les Blancs » (Imputation Multiple) et « Filet Flexible » (Tamis) ont généralement donné des réponses plus précises que la simple méthode de « Correction », surtout lorsque vous disposiez de données sur les personnes que vous n'aviez pas choisies.

Test Réel : L'Essai CLOVERS

Pour prouver que cela fonctionne dans la réalité, ils ont appliqué ces méthodes à des données d'un véritable essai médical appelé CLOVERS. Cet essai portait sur des patients atteints de sepsis (une infection sévère).

L'Objectif : Ils voulaient savoir si une protéine spécifique dans le sang (Interleukine-6, ou IL-6) était liée à la gravité de l'état du patient 14 jours plus tard.
Le Résultat : Ils ont traité le groupe complet de 1 351 patients comme la liste de « Phase 1 ». Ils ont ensuite simulé le choix de seulement 400 patients pour tester l'IL-6 en utilisant leurs nouvelles stratégies.
Le Résultat Final : Les stratégies intelligentes (en particulier CSODS et RDS) leur ont permis de reconstruire la relation entre la protéine et la maladie presque aussi bien que s'ils avaient testé tout le monde. Ils ont obtenu une image plus claire avec moins de données.

Résumé

Ce document fournit un nouveau code de règles pour les chercheurs qui disposent de budgets limités pour tester des éléments coûteux. Au lieu de deviner qui tester, vous pouvez utiliser les données que vous possédez déjà pour choisir les personnes les plus informatives. Ensuite, vous utilisez des mathématiques spéciales pour garantir que vos conclusions sont exactes. Cela économise de l'argent et du temps tout en obtenant de meilleures réponses scientifiques.

Résumé technique : Conceptions d'échantillonnage en deux phases et approches d'analyse pour des résultats ordinaux

Énoncé du problème
Les essais cliniques modernes et les études de cohorte collectent systématiquement des données peu coûteuses (par exemple, covariables de base, résultats) sur tous les participants et stockent des biospécimens pour une analyse future. Cependant, la mesure d'expositions coûteuses (par exemple, biomarqueurs, données génomiques) pour l'ensemble de la cohorte est souvent irréalisable en raison de contraintes de ressources. Les conceptions d'échantillonnage en deux phases répondent à ce problème en utilisant les données de la phase 1 pour guider la sélection ciblée d'un sous-ensemble pour les mesures de la phase 2. Bien que des conceptions d'échantillonnage efficaces et des méthodes d'inférence basées sur la vraisemblance valides soient bien établies pour des résultats binaires, continus et de type temps jusqu'à l'événement, elles n'ont pas encore été étendues aux résultats ordinaux. Les points de terminaison ordinaux sont de plus en plus courants dans la recherche clinique (par exemple, échelles de sévérité de la maladie, progression de l'état clinique), mais les cadres existants d'échantillonnage en deux phases ne prennent pas en compte leur nature catégorielle ordonnée.

Méthodologie
Les auteurs proposent un cadre unifié pour les études en deux phases avec des résultats ordinaux sous le modèle des cotes proportionnelles (PO). Ce cadre se compose de deux éléments principaux : les conceptions d'échantillonnage et les méthodes d'analyse.

Conceptions d'échantillonnage de la phase 2 :
Les auteurs développent trois stratégies d'échantillonnage informées par le résultat, conçues pour enrichir l'échantillon de la phase 2 avec des sujets informatifs en exploitant la structure ordonnée du résultat :
- Échantillonnage dépendant du résultat (ODS) : Suréchantillonne les sujets présentant des valeurs de résultat extrêmes (par exemple, les catégories les plus basses et les plus élevées).
- ODS stratifié par covariable (CSODS) : Définit des strates d'échantillonnage conjointement sur le résultat et une covariable de base ( $Z_1$ ) pour augmenter la variabilité du résultat au sein des niveaux de covariable, traitant ainsi les cas où les covariables prédisent fortement le résultat.
- Échantillonnage dépendant des résidus (RDS) : Cible la variabilité dans la composante résiduelle du résultat après prise en compte des covariables peu coûteuses. Pour gérer les multiples ordonnées à l'origine inhérentes au modèle PO, les auteurs utilisent le résidu à l'échelle de probabilité (PSR), qui fournit une valeur résiduelle unique par sujet capturant la direction et l'ampleur de l'écart entre les résultats observés et ajustés.
Approches d'analyse :
Pour assurer une inférence valide sous ces schémas d'échantillonnage biaisés, trois méthodes basées sur la vraisemblance sont développées :
- Vraisemblance maximale corrigée pour l'ascertainment (ACML) : Une approche sur cas complets qui restreint l'analyse aux sujets de la phase 2 mais corrige le biais d'échantillonnage en intégrant les probabilités d'échantillonnage dans la vraisemblance conditionnelle. Cela s'applique à l'ODS et au CSODS.
- Imputation multiple (MI) : Une approche sur données complètes qui traite les expositions non mesurées chez les sujets de la phase 1 non échantillonnés comme manquantes. Elle impute ces valeurs en utilisant un modèle paramétrique combinant le modèle de réponse (modèle PO) et un modèle d'exposition, préservant ainsi l'information de l'ensemble de la cohorte de la phase 1. Cela s'applique à l'ODS et au CSODS.
- Estimation par vraisemblance maximale par tamis (SMLE) : Une approche semiparamétrique sur données complètes qui estime la distribution de l'exposition de manière non paramétrique en utilisant des tamis de B-splines. Cette méthode intègre sur l'exposition non observée pour les sujets non échantillonnés, offrant une robustesse face à une mauvaise spécification du modèle d'exposition. Le SMLE s'applique à toutes les conceptions, y compris le RDS.

Contributions clés
L'article apporte trois contributions distinctes à la littérature :

Conceptions d'échantillonnage novatrices : Il dérive les premières conceptions d'échantillonnage de la phase 2 efficaces spécifiquement adaptées aux résultats ordinaux sous le modèle PO (ODS, CSODS et RDS), exploitant la structure ordonnée pour concentrer les ressources sur des sujets informatifs.
Procédures d'inférence valides : Il développe trois méthodes d'inférence complémentaires basées sur la vraisemblance (ACML, MI, SMLE) qui produisent des estimations valides et efficaces sous ces conceptions d'échantillonnage spécifiques.
Évaluation complète : Il évalue les caractéristiques opérationnelles en échantillon fini de toutes les combinaisons conception-analyse grâce à des études de simulation extensives et à une étude plasmode utilisant des données réelles.

Résultats

Études de simulation : Des simulations extensives (3 000 réplications) couvrant des scénarios avec des forces variables d'association covariable-résultat ont démontré que toutes les combinaisons conception-analyse proposées ont produit un biais négligeable et une couverture d'intervalle de confiance d'environ 95 %.
- Gains d'efficacité : Les conceptions proposées ont considérablement amélioré l'efficacité par rapport à l'échantillonnage aléatoire simple (SRS) avec la vraisemblance maximale (ML) standard.
- Impact des covariables : Lorsque les covariables étaient faiblement associées au résultat, l'ODS, le CSODS et le RDS ont tous fourni des gains d'efficacité similaires. Lorsque les covariables étaient fortement associées, le CSODS et le RDS ont surpassé l'ODS. Plus précisément, le RDS a atteint les plus grands gains d'efficacité (efficacité relative allant jusqu'à 2,56) lorsque plusieurs prédicteurs forts étaient présents.
- Méthodes d'analyse : Les approches sur données complètes (MI et SMLE) ont généralement surpassé l'approche ACML sur cas complets, en particulier pour l'estimation des effets des covariables. La MI a constamment amélioré l'efficacité par rapport à l'ACML sous l'ODS et le CSODS.
Étude plasmode (essai CLOVERS) : Les méthodes ont été appliquées aux données de l'essai CLOVERS pour évaluer l'association entre les niveaux d'interleukine-6 (IL-6) et un résultat d'état clinique à quatre niveaux. Les résultats ont fait écho aux simulations : les conceptions informées par le résultat (ODS, CSODS, RDS) combinées aux estimateurs sur données complètes (MI, SMLE) ont produit une incertitude significativement plus faible (efficacité D plus élevée, zones d'intervalle de confiance intégrées plus petites) par rapport au SRS, tout en récupérant avec précision la tendance d'association sous-jacente.

Importance
L'article comble une lacune critique dans la recherche épidémiologique et clinique en fournissant le premier cadre unifié pour les études en deux phases avec des résultats ordinaux. Il offre aux investigateurs une stratégie rentable pour étudier des expositions coûteuses lorsque les résultats sont ordinaux, un scénario courant dans la recherche en soins intensifs et sur la sévérité des maladies. Le cadre proposé permet aux chercheurs d'adapter leur conception d'étude et leur analyse à leurs contraintes de données spécifiques (par exemple, disponibilité des covariables de base) et à leurs objectifs scientifiques, garantissant une estimation valide et efficace des associations exposition-résultat sans nécessiter de mesures coûteuses pour l'ensemble de la cohorte. Les auteurs notent que, bien que l'approche MI actuelle ne soit pas compatible avec le RDS, le cadre ouvre la voie à des travaux futurs, tels que l'extension des modèles d'exposition conditionnels au RDS et l'étude de la robustesse en cas de mauvaise spécification du modèle.