Upload
reine-dubost
View
107
Download
2
Embed Size (px)
Citation preview
Annals of Internal Medecine, 17 novembre 2009, vol. 151Bibliographie du 01 décembre 2009
Cancer du sein (US): 193 370 cas, 40170 décès en 2009
Dépistage: Mammographie: 50 – 69 ans
Controverse: politique optimale?Age: début / finPériodicitéBalance bénéfices - inconvénients
Evaluer la stratégie de dépistage du cancer du sein aux USA:BénéficesInconvénientsConsommation de ressources
Extension des résultats d’essais randomisés:Population déjà viséeGroupes d’âge: résultats moins concluants
6 modèles de cancer du sein (CS): Paramètres communs:o Incidenceo Caractéristiques intrinsèques de la
mammographieo Algorithme de ttt et ses effetso Autres causes de décès
Variables spécifiques à chaque modèle:o Période de détection précliniqueo Période d’extensiono Stades de la maladie et distribution chez femmes
dépistées VS non-dépistées
Sources:
20 stratégies de dépistage: annuel ou biennal
Cohorte:Femmes: nées en 1960Suivi: 25 ans jusqu’à fin de vieType « âge-période »: effet de l’âge sur
l’incidence à une périodeDétection= mammographie
Stade préclinique ou petite tumeurRéduction de la mortalité
Adhésion (dépistage+ttt)= 100%
Bénéfices: Réduction de la mortalité (%)« Survie » (années)
InconvénientsMammographies: Faux-positifsBiopsies inutilesSurdiagnostic
« Base-case analysis »: classement des stratégies les + efficacesChaque modèle: efficace / dominée6 modèles: dominée en tout / efficace / limiteFrontière d’efficacité: + grand gain en santé
par mammographie supplémentaire « Sensitivity analysis »: variation du
classement liée aux variablesSe mammographie en fonction de l’âgeTtt: + adjuvant hormonal ou non o 100% cohorteo Selon le modèle de ttt actuel
Absence de dépistage après 40 ans:Risque de développer un CS: 12-15%Probabilité de décès lié au CS: 3%
Réduction de la mortalité:par rapport à l’absence de dépistage
(3%)Fonction nb de mammographies
8 stratégies « efficaces »: non dominéesoBiennales: 7/8 ▪ Début à 50 ans: 5/7▪ Extension › 69 ans: efficacité similaire
Survie: Stratégie biennale: 6/8 Début à 40 ans: 50% des modèles
% réduction de mortalité maintenue: Annuelle Biennale: 81% (67-99%)
Extension de l’âge de début ou de fin du dépistageRéduction mortalité: fin › début
o Fin 79 ans (vs 69 ans): 8% A, 7% Bo Début 40 ans (vs 50 ans): 3% A+B
Survie: début › fin (3/6 modèles )o Début 40 ans: 33 ans (11-58)o Fin 79 ans: 24 ans (18-38)
Taux de mammographies FP: augmenté (×2)Début à 40 ansStratégie annuelle
Biopsies inutiles: 7%, annuel › biennal Surdiagnostic
Age (5/6 modèles), surtout les + âgéesCIS › cancer invasif, surtout les + jeunesExtension: au-delà 69 ans › à partir 40 ansAnnuel › biennal (›50%)
Concordance avec les essais réalisés et la physiopathologie connue
Puissance: modélisationNombre de patientes, suivi prolongéValidation « croisée »
Manque de données: Chez ›74 ans (Δg en excès)Physiopathologie (CIS, période préclinique, … )
Evaluation bénéfices-inconvénients: Cohorte: ≠ reflet individuelHypothèse: 100% d’adhésionSous-groupes à risque non considérés: mutation
BRCA 1 ou 2 / état de santé / femmes noires Absence d’évaluation:
Morbidité de la chirurgieAltération de la qualité de vie: FP, surΔg, vivre avec
le Δg de cancerStratégies mixtesCoûts
Cohorte de 1960: extrapolation future?
Efficacité du dépistage: biennal › annuel
Ages optimaux de début / de fin:Objectifs du dépistageoRéduire la mortalité: extension date de finoAugmenter la survie: extension date de début
RessourcesValeurs données aux essais précédentsBalance bénéfices-inconvénientsConsidérations pour l’efficacité (FP, Δg
en excès) et l’équité
Effects of Mammography Screening Under Different Screening Schedules: Model Estimates of Potential Benefits and Harms
Annals of Internal Medecine, 17 novembre 2009, vol. 151
Auteurs: Jeanne S. Mandelblatt, MD, MPH; Kathleen A. Cronin, PhD; Stephanie Bailey, PhD; Donald A. Berry, PhD; Harry J. de Koning, MD, PhD; Gerrit Draisma, PhD; Hui Huang, MS; Sandra J. Lee, DSc; Mark Munsell, MS; Sylvia K. Plevritis, PhD; Peter Ravdin, MD, PhD; Clyde B. Schechter, MD, MA; Bronislava Sigal, PhD; Michael A. Stoto, PhD; Natasha K. Stout, PhD; Nicolien T. van Ravesteyn, MSc; John Venier, MS; Marvin Zelen, PhD; and Eric J. Feuer, PhD; for the Breast Cancer Working Group of the Cancer Intervention and Surveillance Modeling Network (CISNET)*