Modélisation du taux de mortalité en excès en cas de tables de mortalité insuffisamment stratifiées : une approche par classes latentes

Introduction La survie nette correspond a la survie qui serait observee en l’absence de mortalite due a d’autres causes que la pathologie d’interet, ici le cancer. C’est un indicateur qui permet de s’affranchir des differences de mortalite qui seraient imputables a des causes autres que le cancer etudie. Les modeles developpes dans le cadre de l’estimation de la survie nette considerent la mortalite observee comme la resultante de deux forces de mortalite : la mortalite due au cancer etudie (exces de mortalite) et la mortalite due aux autres causes (mortalite attendue). Cette derniere decoule des tables de mortalite de la population generale stratifiees sur un nombre limite de variables (ex. sexe, departement). Cependant, elles n’incluent pas certaines variables pouvant influencer la mortalite en exces, qu’il s’agisse de variables observables dans les donnees (ex. niveau de deprivation) ou peu probablement (ex. consommation de tabac). Ce manque d’information dans ces tables donne des estimations biaisees des effets sur la mortalite en exces (Graffeo et al., 2012). Pour pallier ce probleme, des modeles de regression prenant en compte l’absence d’une variable additionnelle dans la table de mortalite ont ete proposes pour estimer la mortalite en exces (Touraine et al., 2020 ; Mba et al., 2020). Le niveau de stratification des tables de mortalite etant insuffisant, inconnu et multifactoriel, une des limites de ces modeles est la difficulte d’inference lorsque plusieurs variables sont absentes. Notre objectif etait de proposer une approche par classes latentes pour modeliser la mortalite attendue dans le cadre de l’analyse de la mortalite en exces permettant de prendre en compte une ou plusieurs variables additionnelles et d’identifier des sous-groupes non-observes (latents) de patients. Methodes Nous avons propose un modele a classes latentes dans lequel l’effet des differentes classes latentes sur la mortalite attendue peut varier en fonction des variables qui les caracterisent. Les performances de ce modele ont ete evaluees par une etude de simulations. Pour cela, nous avons construit differentes tables de mortalite stratifiees sur des classes latentes, selon des scenarios plausibles d’un point de vue epidemiologique. Nous avons notamment considere les cas : – d’une seule variable observable dans les donnees et manquante dans la table de mortalite ; – de deux variables observables dans les donnees et manquantes dans la table de mortalite ; – d’une seule variable non-observable dans les donnees et manquante dans la table de mortalite. Resultats Compare aux deux modeles developpes en presence d’une seule variable observable dans les donnees et manquante dans la table de mortalite, le modele propose a montre de performances comparables quel que soit le critere de performance considere. En effet, le modele propose et les deux autres modeles fournissaient des biais proches de 0 et des erreurs quadratiques moyennes similaires. Par ailleurs, le modele propose est reste robuste dans les autres scenarios, notamment avec des biais proches de 0. Conclusion Nous avons montre qu’en cas de tables de mortalite insuffisamment stratifiees, que les variables soient observables ou non dans les donnees, un modele a classes latentes avait de bonnes performances pour estimer la mortalite en exces. En outre, il permet d’effectuer une classification a posteriori des patients permettant une meilleure description des profils epidemiologiques des patients et de leur impact sur la mortalite attendue.