Aller au-delà du buzz: une introduction de base sur la meilleure façon d'interpréter l'étude COVID-19 dont tout le monde parle – Serveur d’impression

Au début d'une pandémie mondiale, c'était le genre d'étude que tout le monde était désespéré de voir: une combinaison de médicaments, tous deux facilement disponibles, qui semblait traiter le COVID-19.

Selon une équipe de médecins français, huit des 14 patients ayant reçu un médicament appelé hydroxychloroquine se sont révélés négatifs pour COVID-19 moins d'une semaine plus tard. Six autres patients – qui ont pris à la fois le médicament et un antibiotique commun – semblaient également éliminer le virus.

Mais le document, publié le 20 mars, a suscité de vives critiques pour ses défauts méthodologiques et ses résultats trompeurs (quatre patients décédés ou transférés aux soins intensifs malgré la prise d'hydroxychloroquine ont été exclus et décrits comme «perdus de vue»). Le 3 avril, la société professionnelle qui a publié le document a reconnu qu'elle n'avait pas respecté la «norme attendue».

À ce moment-là, cependant, l’impact de l’étude s’était déjà propagé à travers le monde. Dans les jours qui ont suivi la publication de l’étude, l’hydroxychloroquine s’est envolée des rayons des pharmacies et a été colportée avec enthousiasme par le président des États-Unis. Le médicament a déclenché des tensions à l'intérieur de la Maison Blanche et entre les chefs d'État mondiaux, et il a été signalé que des personnes mouraient d'empoisonnements mortels après avoir tenté de s'automédiquer avec un médicament étroitement lié appelé chloroquine, qui peut être extrêmement toxique en cas de surdosage.

Les épidémies virales se déplacent rapidement, mais le processus scientifique est lent et méthodique. C'est pour une bonne raison – la science précipitée ou bâclée est dangereuse – mais dans une pandémie, il y a un besoin urgent de recherche et plus de 3000 articles avec la phrase COVID-19 ont été produits depuis décembre, selon le référentiel en ligne PubMed. Les experts chargés de répondre à la pandémie sauront passer au crible ce blizzard de recherches, mais pour la personne moyenne, cela peut être plus déroutant que de clarifier.

«Tout le monde, des chercheurs aux journalistes en passant par les universités et le public, doit faire très attention à la façon dont nous interprétons les données», explique Timothy Caulfield, expert en désinformation qui détient la Chaire de recherche du Canada en droit et politique de la santé à l'Université de l'Alberta.

«Ça se passe vite et ça sort plus tôt que d'habitude. Et nous voulons nous assurer de ne pas mal l'interpréter. "

Il y a un désespoir compréhensible pour des réponses face à une nouvelle maladie mortelle, mais les études scientifiques doivent être interprétées avec prudence, en particulier au stade embryonnaire d'une pandémie. Pour vous aider à naviguer dans le feu de l'action de la recherche COVID-19, le Star a parlé avec trois experts pour compiler une introduction de base pour interpréter cette nouvelle étude COVID-19 bourdonnante que tout le monde partage sur votre flux Twitter.

En matière d'études scientifiques, la taille compte

Dans l'étude française portant sur l'hydroxychloroquine, qui est un antipaludéen, seuls 20 patients ayant reçu le médicament ont terminé l'étude. Parmi ceux-ci, seulement six ont reçu à la fois de l'hydroxychloroquine et l'antibiotique azithromycine – le combo de médicaments que le président américain Donald Trump a présenté comme un «changeur de jeu" sur Twitter.

Il s'agit d'une étude minuscule – et la «taille de l'échantillon» d'une étude est souvent l'une des premières choses à considérer lors de l'évaluation de sa «puissance statistique». Plus il y a de personnes inscrites à une étude, plus ses conclusions sont solides et généralisables.

Les petites études ont certainement une valeur. La méthode largement acceptée pour tester de nouveaux médicaments consiste à les tester d'abord en petits groupes avant de les étendre. Les rapports de cas ne portant que sur une poignée de patients peuvent être cruciaux pour signaler les réactions dangereuses aux médicaments. Certains chercheurs pourraient mener de petites études pilotes pour décider si une expérience est faisable ou même mérite d'être poursuivie.

Mais ces études doivent être interprétées avec prudence et des résultats tels que ceux rapportés par le document français sur l'hydroxychloroquine doivent être reproduits par des études plus vastes et plus rigoureuses avant de pouvoir tirer des conclusions, dit Caulfield. «Nous sommes biologiquement complexes et nous vivons dans des environnements complexes et il y a toujours beaucoup de variables dont nous devons tenir compte lorsque vous étudiez quelque chose», dit-il. "Si les chiffres ne sont pas assez grands, vous ne pouvez tout simplement pas tenir compte de toutes ces variables."

Deux mots: revu par les pairs

Pour le Dr Isaac Bogoch, spécialiste des maladies infectieuses à l'Université de Toronto et au Toronto General Hospital, une expression clé à rechercher lors de l'évaluation d'une étude est «évaluée par des pairs».

Lorsqu'un article a été évalué par des pairs, tout, de la conception de l'étude à l'interprétation de ses résultats, a été vérifié par d'autres membres de la communauté scientifique médicale.

Le processus n'est pas parfait, reconnaît Bogoch. La revue qui a publié l'étude française sur l'hydroxychloroquine, par exemple, est évaluée par des pairs, mais comme l'a souligné Elisabeth Bik, consultante scientifique, le manuscrit a été examiné en seulement 24 heures – «un temps incroyablement rapide», même en période de pandémie.

Il se trouve également que l'un des auteurs de l'étude est le rédacteur en chef de la revue. «Ce serait l'équivalent de permettre à un étudiant de noter son propre papier», a écrit Bik sur son blog, Science Integrity Digest. "Et voilà, l'étudiant a obtenu un A +!"

Néanmoins, le système d'examen par les pairs est toujours "le meilleur processus que nous ayons", a déclaré Bogoch. Il conseille de s'en tenir aux publications évaluées par des pairs avec des antécédents établis et d'éviter les revues prédatrices qui ont proliféré à l'ère d'Internet. "Ils sont en train de démarrer", a-t-il déclaré. "Leur objectif est de gagner de l'argent."

Toutes les études ne sont pas créées égales

L'étalon-or pour les études cliniques est appelé essais contrôlés randomisés ou ECR. Lorsque des personnes sont choisies au hasard pour recevoir un médicament, cela augmente la probabilité que les avantages qu'elles en retirent soient dus à l'intervention plutôt qu'à d'autres caractéristiques qui leur sont spécifiques – par exemple, leur revenu, leur race, leur sexe ou leur âge.

Un bras de commande est également crucial; vous ne pouvez voir si un médicament a fait une différence pour un groupe de personnes que lorsque vous avez un autre groupe de personnes pour les comparer.

Enfin, les meilleures études sont aveuglées, ce qui signifie que les patients ne savent pas s'ils ont reçu le médicament ou un placebo; mieux encore est un plan d'étude à double insu, ce qui signifie que les participants et les expérimentateurs ne savent pas qui obtient quoi.

Ceci est important car il empêche les biais de s'infiltrer et de fausser potentiellement les résultats. «Supposons que vous saviez que votre patient recevait un placebo plutôt que le médicament. Vous pourriez dire: «Vous savez quoi, ils n’ont pas reçu le médicament. Je vais juste les garder à l'hôpital un jour de plus pour m'assurer qu'ils vont bien », explique Bogoch. «Mais que se passe-t-il si l'un des résultats de votre étude est la durée du séjour à l'hôpital? Vous pouvez voir comment cela peut influer sur certaines de ces décisions. »

Comprendre la signification d'une «pré-impression»

Un phénomène de publication unique à la pandémie de COVID-19 a été le volume considérable de «pré-impressions» – des études qui n'ont pas encore été soumises pour publication ou qui sont toujours en cours d'examen. Au 8 avril, l'éminent serveur de pré-impression MedRxiv (prononcé «med-archive») avait plus de 1 000 pré-impressions publiées sur son site où la phrase COVID-19 est mentionnée.

Les préimpressions sont particulièrement utiles dans une pandémie, lorsqu'il existe une obligation éthique de partager les données le plus rapidement possible. Certains ont été extrêmement utiles à la riposte à la pandémie, mais «franchement, certaines des choses en pré-impression sont des ordures et ne feront jamais partie d'un journal médical», dit Bogoch.

Néanmoins, les pré-impressions COVID-19 ont déjà attiré beaucoup d'attention dans les médias grand public ou sur les médias sociaux, où beaucoup de gens pourraient ne pas se rendre compte qu'une étude est une pré-impression ou même comprendre ce que cela signifie exactement.

Les pré-impressions peuvent également persister indéfiniment en ligne, même si elles ne sont jamais récupérées pour publication. "Il n'est pas rétracté, il ne disparaît pas d'Internet", a déclaré Caulfield. "Une pré-impression peut ne jamais être publiée mais (elle) peut vivre."

Les modèles de maladie ne sont pas des boules de cristal

Il est probablement juste de dire que jamais auparavant dans l’histoire autant de gens n’ont été intéressés par les courbes épidémiologiques. Les gens ont soif de réponses au sujet de COVID-19: quelle sera la gravité de la pandémie? Quand atteindra-t-il son pic? Et combien de temps devrai-je encore être piégé dans la maison avec mes trois enfants?

Beaucoup se tournent vers les modélisateurs de maladies pour obtenir des réponses, mais les projections de modélisation des maladies ne peuvent pas dire l'avenir. Ce qu'ils peuvent faire, c'est présenter différents scénarios afin que les décideurs politiques puissent prendre des décisions éclairées sur la meilleure ligne de conduite à adopter.

Lorsqu'il s'agit d'interpréter des modèles de maladie, il est important de se rappeler qu'il existe toujours des hypothèses sous-jacentes et qu'elles doivent être comprises. Les modèles sont également aussi bons que les données disponibles – et dans une éclosion comme COVID-19, les données de qualité sont rares, surtout en Ontario.

Les modèles de maladie qui prévoient des scénarios futurs – par exemple, la taille de l'épidémie dans six mois, une éternité dans une pandémie en évolution rapide – sont également difficiles car «les prédictions vont toujours être fausses», explique Ashleigh Tuite, une infectieuse épidémiologiste des maladies et modeleur de mathématiques à l'École de santé publique Dalla Lana de l'Université de Toronto. "Ils vont changer et donc ils seront constamment mis à jour car nous avons de nouvelles informations. Mais c'est difficile à transmettre. "

Les modèles tentent de comprendre le comportement humain et la dynamique des maladies, qui sont tous deux interdépendants et difficiles à prévoir. Pour Tuite, les chiffres réels produits par les modèles de maladie sont moins importants que les différents scénarios présentés – vous voulez connaître la meilleure ligne de conduite pour éviter que les chiffres terrifiants soient crachés par les modèles de maladie.

«Pendant Ebola, les Centers for Disease Control américains ont estimé qu'il pourrait y avoir 1,4 million de cas. Et les gens qui ont mis ça là-bas ont été ridiculisés », dit Tuite. «Mais je pense que la publication de ce chiffre a probablement changé l'avenir; cela a incité les gens à s'asseoir et à réagir.

«Je pense que les modèles eux-mêmes peuvent réellement plier la courbe.»