Est-ce que le traitement est cliniquement utile? «

Est-ce que le traitement est cliniquement utile?

La section précédente a présenté une liste de critères que les lecteurs peuvent utiliser pour différencier les études qui sont susceptibles d’être valides de celles qui peuvent ne pas l’être. Les études qui ne remplissent pas la plupart des filtres méthodologiques sont habituellement ignorées. Cette section aborde comment les thérapeutes devraient interpréter les essais qui remplissent la plupart des filtres méthodologiques. La notion clé est qu’il n’est pas suffisant de regarder simplement un effet statistiquement significatif du traitement pour donner la preuve de son efficacité. Pour être satisfaisant, il faut que l’essai mesure des résultats ayant du sens, et que les effets positifs du traitement soient assez grands pour que le traitement en vaille la peine. Les effets nocifs de la thérapie doivent être peu fréquents ou inexistants de sorte que le traitement fasse plus de bien que de mal. Pour finir, le traitement doit présenter un bon équilibre entre son coût et son efficacité.

Évidemment, pour que l’essai soit utile il doit présenter des effets thérapeutiques ayant du sens. Ceci signifie que les résultats doivent être mesurés d’une manière valide. C’est parce que nous jugeons habituellement la valeur première d’un traitement en fonction de sa réponse aux besoins des patients, que les résultats mesurés doivent avoir du sens pour les patients. Ainsi, un essai qui prouve que le laser à basse énergie abaisse le niveau de sérotonine est beaucoup moins utile qu’un essai qui prouve qu’il réduit la douleur, et un essai qui prouve que la rééducation active réduit la spasticité est beaucoup moins utile qu’un essai montrant l’amélioration de l’indépendance fonctionnelle.

La taille de l’effet ou l’importance de l’effet thérapeutique est évidemment importante, mais souvent négligée. Peut-être est-ce parce que beaucoup de lecteurs d’essais cliniques ne comprennent pas la distinction entre “la signification statistique” et “la signification clinique”. Ou peut-être cela reflète la préoccupation de beaucoup d’auteurs des essais cliniques le “p” est-il ou non < 0,05. La signification statistique (“p < 0,05″) se rapporte à un effet thérapeutique plus grand que celui que l’on pourrait raisonnablement attribuer à la chance. C’est important (nous devons trouver que les effets observés du traitement ne sont pas seulement dû à la chance) mais à elle seule, cette information ne nous dit rien sur l’importance de l’effet. La meilleure évaluation de la taille de l’effet d’un traitement est la différence moyenne entre les groupes. Ainsi, imaginons un essai sur les effets de la mobilisation sur les douleurs d’épaule, mesurés par une échelle visuelle analogique de 10 centimètres. La diminution de la douleur a été en moyenne de 4 centimètres dans le groupe traité et de 1 centimètre dans le groupe contrôle. La meilleure évaluation de l’effet moyen du traitement est une réduction de 3 centimètres de l’EVA (car 4 centimètres moins 1 centimètre font 3 centimètres). Imaginons un autre essai sur les étirements des muscles avant le sport qui pourrait rapporter que 2% des patients dans le groupe traité ont été ultérieurement blessés, comparé à 4% dans le groupe contrôle. Dans ce cas, notre preuve la meilleure est que l’étirement a réduit le risque de lésions de 2% (car 4% moins 2% font 2%). Les lecteurs des essais cliniques doivent regarder la taille de l’effet rapportée pour décider si l’effet est assez grand pour être cliniquement utile. Rappelez-vous que les patients viennent souvent chercher un traitement pour être guéri (naturellement cette généralisation peut ne pas correspondre à tous nos domaines de pratique clinique) – la plupart ne sont pas intéressés par des traitements qui n’ont que des effets légers.

Il y a une importante subtilité en regardant la taille des effets thérapeutique. Elle s’applique aux études dont les résultats sont mesurés avec des données dichotomiques (les résultats dichotomiques peuvent prendre deux valeurs, telle que décédé ou vivant, blessé ou non blessé, admis à la maison de retraite ou non admis; ceci diffère des variables telles que les mesures de l’EVA pour la douleur, qui peuvent prendre n’importe quelle valeur comprise entre 0 et 10). Beaucoup d’études qui mesurent des résultats dichotomiques indiqueront l’effet de la thérapie en termes de taux, plutôt qu’en terme de différences. (Le taux peut être présenté sous forme de “risque relatif”, de rapport de cotes (odds ratio) ou de risque instantané (hazard ratio), ou parfois sous d’autres formes). Exprimés de cette façon, les résultats de notre étude hypothétique sur les étirements seraient présentés comme une réduction de 50% du risque de lésions (car 2% est la moitié de 4%). Habituellement le fait d’exprimer des effets de traitement à travers un taux est utilisé pour amplifier l’effet de la thérapie. La meilleure mesure est la différence entre les deux groupes. (En fait, la mesure la plus utile peut aussi bien être l’inverse de la différence. Ceci s’appelle parfois le “nombre nécessaire pour traiter” parce qu’il nous indique, en moyenne, combien de patients nous devons traiter pour empêcher un événement indésirable de se produire – dans l’exemple des étirements, le nombre de patient nécessaire au traitement est 1/0.02 = 50, ainsi une blessure sera évitée chez un patient pour 50 sujets qui s’étirent).

Beaucoup d’essais n’indiquent pas les effets nocifs des traitements (c’est-à-dire “les effets secondaires indésirables” ou “les complications” de la thérapie). C’est fort dommage, parce que l’absence de description des effets nocifs est souvent interprétée comme indiquant que la thérapie ne fait aucun mal, ce qui n’est clairement pas certain. Glaziou et Irwig (BMJ 311: 1356-1359, 1995) ont débattu sur le fait que les effets du traitement sont habituellement les plus prononcés lorsqu’ils sont donnés aux patients dans des conditions les plus graves (par exemple, l’aspiration bronchique pourrait produire une plus grande réduction de risque d’arrêt respiratoire pour un patient traumatisé crânien présentant un encombrement massif que pour un autre patient traumatisé crânien présentant un plus faible encombrement). En revanche, les risques du traitement (dans ce cas-ci, l’augmentation de la pression intra-crânienne) tendent à être relativement constants, indépendamment de la sévérité de l’état du patient. Ainsi une thérapie fait plus de bien que de mal quand elle est appliquée aux patients dans des situations graves. Les thérapeutes devraient donc être moins enclins à donner une thérapie qui a des effets secondaires potentiellement sérieux quand le patient est moins gravement atteint.

Dans la pratique, il est souvent difficile pour les essais cliniques de détecter des effets néfastes, car ces effets tendent à se produire rarement, et la plupart des essais cliniques ont des tailles d’échantillon insuffisantes pour détecter des effets néfastes quand ils se produisent. Ainsi, même après que de bons essais contrôlés randomisées d’une thérapie ont été exécutés, les études à grande échelle qui suivent de grandes cohortes de patients traités ont un rôle important pour démontrer que les effets néfastes ne se produisent pas trop fréquemment. Jusqu’à ce que de telles études soient réalisées, les thérapeutes devraient être méfiants pour appliquer une thérapie potentiellement nocive, en particulier pour des patients qui ont un gain relativement faible à attendre de la thérapie.

Pour affiner encore l’évaluation critique il est nécessaire de prendre en considération le degré d’imprécision de la taille de l’effet offert par les essais cliniques. Des essais sont exécutés sur des groupes de sujets dont on attend qu’ils représentent certaines populations. Ceci signifie que ce que peut fournir de mieux un essai est seulement une estimation (imparfaitement précise) de l’ampleur des effets du traitement. Les essais cliniques sur un grand nombre de sujets fournissent de meilleures estimations (plus précises) de l’importance des effets du traitement que des essais sur un petit nombre de sujets. Dans le meilleur des cas, les lecteurs devraient considérer le degré d’imprécision de l’estimation en se demandant ce que l’essai clinique signifie, parce que ceci affectera souvent le degré de certitude qui peut être attaché aux conclusions tirées d’une étude particulière. Le meilleur moyen pour effectuer ceci est de calculer des intervalles de confiance de l’estimation de la taille de l’effet du traitement, si ceux-ci ne sont pas explicitement fournis dans l’étude publiée. Un cours pratique sur la façon de calculer et d’interpréter un intervalle de confiance des principales mesures de taille de l’effet est donné dans Herbert RD (2000). How to estimate treatment effects from reports of clinical trials. I: Continuous outcomes. Australian Journal of Physiotherapy 46: 229-235 et Herbert RD (2000). How to estimate treatment effects from reports of clinical trials. II: Dichotomous outcomes. Australian Journal of Physiotherapy 46: 309-313. Les lecteurs qui sont familiarisés avec le calcul des intervalles de confiance peuvent trouver utile de télécharger la feuille de calcul de l’intervalle de confiance de PEDro. Cette feuille de calcul est réalisée sous Excel.

La dernière chose à faire pour décider de l’utilité d’une thérapie est de décider si la thérapie est coût-efficace. C’est particulièrement important quand les soins sont payés ou subventionnés, par des financements publics. Il n’y aura jamais assez de ressources pour financer toutes les innovations dans la santé (probablement mêmes pas toutes les bonnes innovations). Ainsi, le coût de chaque thérapie implique que l’argent dépensé pour elle ne pourra pas être dépensé pour d’autres formes de soins. L’allocation raisonnée des fonds implique que l’argent dépensé va là où l’effet par unité monétaire (ex. par dollar) est le plus grand. Naturellement une thérapie ne peut pas être coût-efficace si elle n’est pas efficace. Mais les thérapies efficaces peuvent avoir un coût élevé pour une faible efficacité. Les méthodes employées pour déterminer la rentabilité sont en dehors de l’expertise de l’auteur, et il est probablement mieux de se reporter à des sources plus détaillées. Si vous êtes intéressé(e), vous pouvez lire:

Drummond MF, Richardson WS, O’Brien BJ, Levine M, Heyland D (1997). User’s guide to the medical literature: XIII. How to use an article on economic analysis of clinical practice: A. Are the results of the study valid? JAMA 277: 1552-1557.
O’Brien BJ, Heyland D, Richardson WS, Levine M, Drummond MF (1997). User’s guide to the medical literature: XIII. How to use an article on economic analysis of clinical practice: B. What are the results and will they help me in caring for my patients? JAMA 277: 1802-1806.

Pour récapituler cette section:

Signification statistique ne signifie pas utilité clinique. Pour être médicalement utile, une thérapie doit:

cibler des résultats qui intéressent les patients
avoir des effets suffisamment grands pour en valoir la peine
faire plus de bien que de mal
être coût-efficace.

Si vous voulez en savoir plus sur l’évaluation de la taille de l’effet, vous pouvez consulter:

Guyatt GH, Sackett DL, Cook DJ (1994). User’s guide to the medical literature: II. How to use an article about therapy or prevention: B. What were the results and will they help me in caring for my patients? JAMA 271: 59-63.