Évaluer les effets des médicaments en dehors des essais cliniques : conceptions pour les nouveaux utilisateurs

Des essais cliniques récents montrant que l'hormonothérapie de remplacement (HRT) ne prévient pas les maladies coronariennes chez les femmes ont de nouveau suscité des doutes concernant les études observationnelles. Bien qu'une grande partie de l'explication réside probablement dans ce que l'on pourrait appeler l'effet "utilisatrice saine de HRT", un autre facteur contribuant pourrait être que la plupart des études observationnelles incluaient de nombreux utilisateurs prévalents : des femmes prenant la HRT depuis un certain temps avant le début du suivi de l'étude. Cette pratique peut provoquer deux types de biais, qui peuvent plausiblement avoir contribué à la divergence entre les études observationnelles et randomisées. Premièrement, les utilisateurs prévalents sont des "survivants" de la période initiale de pharmacothérapie, ce qui peut introduire un biais substantiel si le risque varie dans le temps, tout comme dans les études de procédures opératoires qui recrutent des patients après qu'ils ont survécu à la chirurgie. Cet article fournit plusieurs exemples de médicaments pour lesquels la fonction de risque varie dans le temps et serait donc sujette au biais d'utilisateur prévalent. Deuxièmement, les covariables des utilisateurs de médicaments au début de l'étude sont souvent plausiblement affectées par le médicament lui-même. Les chercheurs ne prennent souvent pas en compte ces facteurs dans le chemin causal, ce qui peut introduire un biais de confusion. Un design pour les nouveaux utilisateurs élimine ces biais en restreignant l'analyse aux personnes sous observation au début du traitement en cours. Cet article soutient donc que de tels designs devraient être utilisés plus fréquemment en pharmacoépidémiologie.