Separating Biological and Choice Effects in Randomized Trials: Completing Causal Inference with β-Identification

Dans le monde de la recherche médicale, l'étalon-or pour prouver l'efficacité d'un traitement est l'essai contrôlé randomisé. Dans ces études, les patients sont assignés de manière aléatoire pour recevoir soit un nouveau traitement, soit un traitement standard, comme si l'on lançait une pièce pour décider de leur voie. L'objectif est d'isoler l'effet biologique du médicament ou de la procédure elle-même, en éliminant les autres variables pour voir si le traitement change réellement le résultat. Depuis des décennies, cette méthode constitue le socle de la médecine fondée sur les preuves, guidant les médecins sur les médicaments à prescrire et les chirurgies à pratiquer. Cependant, un problème persistant surgit lorsque les différences biologiques entre les traitements sont minimes. Dans ces cas, les résultats d'un essai peuvent devenir flous ou peu concluants. Les patients ne suivent souvent pas le chemin assigné ; ils peuvent passer à l'autre traitement, ou ils peuvent refuser entièrement celui qui leur a été assigné. Traditionnellement, les chercheurs ont considéré cette non-observance comme un défaut, une source de bruit qui affaiblit la capacité de l'étude à trouver une réponse claire. Ils ont traité le choix du patient de changer de traitement comme une erreur à corriger ou à ignorer, croyant que la véritable histoire réside uniquement dans la biologie du médicament ou de la procédure.

Un nouveau cadre proposé par les chercheurs Ogan Gurel et James Weinstein remet en question cette vision de longue date. Ils soutiennent que dans de nombreuses situations médicales modernes, le choix du patient n'est pas seulement une distraction, mais une partie fondamentale du résultat. Lorsque la différence biologique entre deux traitements crédibles est faible, la décision qu'un patient prend — dictée par ses valeurs personnelles, ses peurs et ses préférences — devient une force puissante qui façonne sa santé tout autant que le traitement lui-même. Les chercheurs suggèrent qu'en traitant le choix du patient comme un facteur causal mesurable plutôt que comme une erreur statistique, nous pouvons enfin donner un sens à des essais qui ont précédemment semblé échouer. Cette approche ne rejette pas les anciennes méthodes mais les étend, permettant aux scientifiques de séparer l'effet biologique d'un traitement de l'effet de la décision du patient de le suivre. Ce faisant, ils peuvent expliquer pourquoi certains traitements fonctionnent bien en pratique même quand la biologie suggère qu'ils ne devraient pas, et pourquoi certains essais restent déroutants tant que nous ne reconnaissons pas le pouvoir de l'agence humaine.

Le cœur de cette nouvelle pensée provient d'un réexamen d'une étude célèbre connue sous le nom de SPORT (Spine Patient Outcomes Research Trial). Cet essai a étudié les traitements pour une condition douloureuse dans le bas du dos appelée hernie discale lombaire. L'étude a été conçue selon des normes scientifiques rigoureuses, pourtant ses résultats ont été notoirement peu concluants. Les données ont montré que la différence de résultats entre les patients ayant subi une chirurgie et ceux ayant reçu des soins non chirurgicaux était très faible. Pendant des années, cela a été interprété comme le signe que la chirurgie n'offrait aucun avantage biologique réel par rapport aux soins non chirurgicaux. Cependant, les chercheurs soulignent que l'essai était également marqué par des taux élevés de « croisement » (crossover). De nombreux patients assignés aux soins non chirurgicaux ont finalement choisi la chirurgie, et certains assignés à la chirurgie ont opté pour des soins non chirurgicaux à la place. Dans la vision traditionnelle, ce croisement était un problème qui brouillait les lignes entre les deux groupes, rendant impossible de dire quel traitement était meilleur. Les chercheurs soutiennent que cette vision a manqué un point crucial : le croisement n'était pas seulement du bruit ; c'était un signal.

En appliquant leur nouveau cadre, les chercheurs ont pu décomposer les résultats de l'essai SPORT en deux parties distinctes. La première, qu'ils appellent l'effet biologique, représente l'impact physiologique pur du traitement lui-même, en supposant qu'un patient suive le plan parfaitement. La seconde, qu'ils nomment l'effet de choix, capture l'impact de la décision du patient de prendre ou de changer de traitement. Lorsqu'ils ont séparé ces deux composantes, un tableau différent est apparu. La différence biologique entre la chirurgie et les soins non chirurgicaux était faible, et il a été constaté que l'effet de choix était cliniquement significatif. Les patients qui ont choisi leur propre traitement, indépendamment de ce qui leur avait été initialement assigné, avaient des résultats qui étaient conjointement façonnés par la biologie et le choix. Cela suggère que le succès du traitement ne concernait pas seulement la chirurgie ou la physiothérapie, mais l'alignement entre le traitement et les préférences du patient. L'acte de choisir un traitement qui semble juste pour le patient était un facteur causal de son rétablissement, aussi réel que le mécanisme biologique de la chirurgie.

Cette intuition transforme la façon dont nous devrions interpréter les essais cliniques, en particulier dans les domaines où plusieurs traitements existent et où les différences biologiques entre eux s'amenuisent. Les chercheurs proposent une nouvelle façon de classer les essais en fonction de l'équilibre entre ces deux forces. Dans certains cas, la différence biologique est si grande que le choix du patient importe très peu ; dans ces scénarios, les anciennes méthodes d'analyse fonctionnent parfaitement bien. Mais dans beaucoup d'autres cas, particulièrement à mesure que les patients vieillissent et font face à des problèmes de santé complexes, les différences biologiques diminuent, et le choix du patient devient le facteur dominant. Les chercheurs identifient quatre régimes distincts pour ces essais. Dans un régime, la biologie est la gagnante claire, et les médecins peuvent recommander le traitement supérieur avec confiance. Dans un autre, la biologie et le choix comptent tous deux, nécessitant une approche plus nuancée où les médecins et les patients décident ensemble. Dans un troisième, aucun des deux facteurs n'est assez fort pour donner une réponse claire, et l'essai nous dit simplement que nous avons besoin de plus de recherches. Enfin, dans le quatrième régime, la différence biologique est négligeable, mais le choix du patient conduit le résultat. Ici, la chose la plus importante qu'un médecin puisse faire n'est pas de prescrire un traitement spécifique, mais d'aider le patient à faire le choix qui correspond à sa vie et à ses valeurs.

L'article soutient que le fait de ne pas reconnaître ce quatrième régime a conduit de nombreux essais à être étiquetés comme des échecs alors qu'ils étaient réussis d'une manière différente. Lorsqu'un essai ne montre pas de vainqueur biologique clair, mais que les patients qui choisissent leur propre voie réussissent bien, la conclusion traditionnelle est que les traitements sont égaux et que l'essai est inconcluant. Le nouveau cadre suggère que l'essai nous dit en réalité quelque chose de profond : que le résultat dépend de l'engagement et de la préférence du patient. En ignorant l'effet de choix, nous perdons la capacité de comprendre pourquoi un traitement fonctionne dans le monde réel. Les chercheurs démontrent qu'en mesurant à la fois l'effet biologique et l'effet de choix sur la même échelle, nous pouvons voir l'image complète. Cela nous permet de distinguer un traitement qui est biologiquement faible d'un traitement qui est biologiquement neutre mais hautement efficace lorsqu'il est choisi volontairement par le patient.

Ce changement de paradigme a des implications significatives pour la conception de la recherche médicale et pour la prise de décision des médecins. Les chercheurs suggèrent que les futurs essais devraient être conçus pour préserver la capacité de mesurer le choix du patient, plutôt que d'essayer de forcer les patients à respecter un protocole. Cela pourrait signifier de permettre aux patients de croiser ou de changer de traitement s'ils le souhaitent, puis d'analyser les données pour voir comment ces choix ont affecté le résultat. Cela signifie également que l'objectif d'un essai n'est pas seulement de trouver le « meilleur » traitement dans le vide, mais de comprendre comment différents traitements se comportent lorsque les patients sont libres de choisir. Dans le domaine de l'intelligence artificielle et des outils d'aide à la décision, cette distinction est cruciale. Un système d'IA qui ne regarderait que les données biologiques pourrait recommander un traitement qui est biologiquement sain mais qui échoue en pratique parce qu'il ne s'aligne pas sur les préférences du patient. En incorporant l'effet de choix, ces outils peuvent être conçus pour s'en remettre au jugement humain lorsque la biologie est incertaine, aidant ainsi les médecins à faciliter la prise de décision partagée plutôt que de simplement classer les traitements.

Les chercheurs soulignent que cette approche ne remplace pas les normes rigoureuses des essais randomisés mais les complète. Elle reconnaît qu'en un monde de conditions complexes et chroniques, le patient n'est pas un receveur passif de soins, mais un participant actif dont les décisions façonnent le résultat. Le cadre offre un moyen de quantifier cette participation, transformant ce qui était autrefois considéré comme un désagrément statistique en un élément de preuve vital. Ce faisant, il offre un compte rendu plus honnête et complet de ce qui se passe dans un essai clinique. Il explique pourquoi certains traitements semblent mieux fonctionner dans le monde réel que dans le cadre contrôlé d'une étude, et pourquoi certains essais qui ressemblent à des échecs sur le papier fournissent en réalité des orientations précieuses pour les médecins et les patients. L'objectif ultime est de dépasser une focalisation étroite sur la biologie pour une compréhension plus large de la santé qui inclut l'élément humain du choix, garantissant que l'évidence médicale reflète la réalité de la façon dont les gens vivent et gèrent leurs pathologies.

L'étude repose sur une décomposition mathématique spécifique pour séparer ces effets, mais le concept est simple. Les chercheurs prennent la différence observée dans les résultats entre les patients ayant reçu un traitement et ceux ayant reçu un autre, et ils soustraient la différence biologique qui existerait si tout le monde avait suivi son assignation parfaitement. Ce qui reste est l'effet du choix lui-même. Cette partie restante n'est pas un bruit aléatoire ; c'est une force causale mesurable. Les chercheurs montrent que dans l'essai SPORT, cet effet de choix était suffisamment important pour être cliniquement significatif, expliquant pourquoi les résultats de l'essai étaient si différents de ce qu'une analyse purement biologique aurait prédit. Ils soutiennent que ce même schéma existe probablement dans de nombreux autres domaines de la médecine, de la maladie cardiaque au cancer, où les patients doivent peser les bénéfices d'un traitement par rapport à ses charges et ses risques.

En rendant l'effet de choix visible, les chercheurs espèrent changer la conversation dans la recherche médicale. Au lieu de demander seulement « Est-ce que ce traitement fonctionne ? », nous pouvons aussi demander « Pour qui cela fonctionne-t-il, et sous quelles conditions de choix ? ». Ce changement permet une approche plus personnalisée de la médecine, où l'accent n'est pas seulement mis sur le médicament ou la chirurgie, mais sur le partenariat entre le médecin et le patient. Il reconnaît que le meilleur traitement n'est pas toujours celui qui possède l'effet biologique le plus fort, mais celui que le patient est le plus susceptible de suivre et qui convient à sa vie. Les chercheurs concluent qu'à mesure que la médecine devient plus complexe et que les différences biologiques entre les traitements s'amenuisent, la capacité de mesurer et de comprendre le pouvoir du choix deviendra de plus en plus importante. C'est une façon de compléter le tableau de l'inférence causale, garantissant que l'évidence que nous recueillons reflète la pleine réalité de la santé humaine et de la prise de décision.