Recherche sur l'efficacité comparative à l'aide de données de santé

La recherche sur l'efficacité comparative (REC) compare les bénéfices et les risques d'interventions alternatives pour la prévention, le diagnostic, le traitement ou le suivi d'une condition de santé dans des conditions de pratique réelle. Lorsqu'elle est menée à l'aide de données de santé recueillies de manière routinière, elle s'appuie sur les dossiers électroniques, les données de remboursement et les registres pour estimer la performance des interventions dans la pratique quotidienne plutôt que seulement dans des essais contrôlés.

Definition

La recherche sur l'efficacité comparative utilisant des données de santé est la comparaison des bénéfices et des risques réels d'interventions de santé alternatives par l'analyse de sources de données recueillies de manière routinière telles que les dossiers de santé électroniques, les données de remboursement administratives et les registres.

Scope

Ce sujet aborde l'utilisation de données de santé observationnelles et recueillies de manière routinière pour comparer les interventions, les défis analytiques que cela implique (notamment les facteurs de confusion et la qualité des données), ainsi que la relation entre la REC et les preuves issues d'essais. Il traite la REC comme un sujet méthodologique et informatique. Il décrit comment les preuves comparatives sont générées et ne constitue pas une source de recommandations de traitement.

Key concepts

• Preuves en conditions réelles
• Données recueillies de manière routinière (secondaires)
• Biais de confusion par indication
• Inférence causale à partir de données observationnelles
• Conceptions pragmatiques versus explicatives
• Valeur en soins de santé (résultats par coût)
• Résultats centrés sur le patient
• Généralisabilité et validité externe

Mechanisms

La REC cherche à déterminer laquelle de deux options ou plus fonctionne le mieux, pour qui et dans quelles circonstances. Les essais randomisés y répondent avec une validité interne élevée mais souvent sur des populations sélectionnées ; la REC les complète en utilisant de vastes ensembles de données recueillies de manière routinière qui reflètent la pratique quotidienne. Étant donné que ces données sont observationnelles, le problème méthodologique central est celui des facteurs de confusion, en particulier le biais de confusion par indication, où les raisons du choix d'un traitement sont également liées aux résultats. Les analystes s'appuient donc sur des méthodes d'inférence causale et une conception rigoureuse, et la crédibilité des conclusions dépend fortement de la qualité et de l'exhaustivité des données sous-jacentes. La REC est fréquemment articulée autour de la notion de valeur, définie comme les résultats de santé obtenus par rapport au coût.

Clinical relevance

La REC éclaire les lignes directrices, les décisions de remboursement et la prise de décision partagée en indiquant comment les interventions alternatives se comparent dans les populations du monde réel. Une lecture critique exige une attention particulière aux facteurs de confusion et à la qualité des données, car des comparaisons biaisées peuvent induire en erreur. Ce sujet explique comment les preuves comparatives sont produites ; il n'est pas prescriptif en soi et n'oriente pas les choix de traitement individuels.

Evidence & guidelines

Le rapport de 2009 de l'Institut de Médecine des États-Unis a défini la recherche sur l'efficacité comparative et a établi des priorités de recherche nationales, contribuant à établir la REC comme un domaine et à motiver l'investissement dans la recherche sur les résultats centrés sur le patient. Le rapport est une référence politique fondamentale plutôt qu'une ligne directrice de pratique clinique.

History

L'intérêt pour la comparaison des interventions dans des conditions de pratique réelle s'est accru à mesure que les décideurs politiques cherchaient des preuves pour améliorer la qualité et maîtriser les coûts. Le rapport de 2009 de l'Institut de Médecine a formalisé la recherche sur l'efficacité comparative et ses priorités, et l'expansion ultérieure des dossiers de santé électroniques et des bases de données de remboursement a rendu possible la comparaison observationnelle à grande échelle, tout en accentuant les préoccupations concernant les facteurs de confusion et la qualité des données dans de telles analyses.

Debates

Les données de santé observationnelles peuvent-elles remplacer les essais randomisés pour comparer les interventions ?

Les données recueillies de manière routinière offrent une grande échelle et une pertinence en conditions réelles, mais sont vulnérables au biais de confusion par indication et aux limitations de qualité ; le débat se poursuit sur le moment où la REC observationnelle produit des comparaisons causales fiables et quand seule la randomisation peut résoudre la question.

Key figures

• Harold Sox
• Sheldon Greenfield
• Michael E. Porter

Seminal works

• sox-greenfield-2009
• porter-2010

Frequently asked questions

En quoi la recherche sur l'efficacité comparative diffère-t-elle d'un essai contrôlé randomisé ?

Un essai randomisé teste généralement une intervention par rapport à un comparateur dans des conditions contrôlées et sur une population sélectionnée. La recherche sur l'efficacité comparative, en particulier lorsqu'elle est basée sur des données recueillies de manière routinière, compare les interventions telles qu'elles sont utilisées dans la pratique quotidienne, échangeant une certaine validité interne contre une plus grande pertinence en conditions réelles.

Pourquoi les facteurs de confusion sont-ils une préoccupation majeure dans la recherche sur l'efficacité comparative basée sur les données ?

Parce que les traitements en soins de routine sont choisis pour des raisons liées au pronostic du patient, les groupes comparés diffèrent souvent systématiquement. Ce biais de confusion par indication peut faire apparaître une intervention meilleure ou pire qu'elle ne l'est, à moins qu'il ne soit soigneusement pris en compte par la conception et l'analyse.