Biais de temps immortel en vie réelle : pourquoi certaines études « favorables » aux agonistes GLP-1 peuvent tromper
Les données en vie réelle (RWD) sur les agonistes du récepteur GLP-1 (ex. sémaglutide, liraglutide) suggèrent parfois une baisse du risque cardio-vasculaire ou de mortalité. Avant d’y voir une preuve d’efficacité « en conditions réelles », un biais méthodologique fréquent mérite une vérification systématique : le biais de temps immortel (immortal time bias).
Définition (à garder en tête lors de la lecture) : une période de suivi pendant laquelle l’événement étudié (décès, MACE) ne peut pas survenir par construction est attribuée au groupe exposé. Exemple typique : classer « exposé GLP-1 » toute personne ayant reçu au moins une prescription après l’inclusion. Le temps entre l’inclusion et la première délivrance devient un temps « immortel » : il faut survivre jusque-là pour être compté exposé.
Pourquoi c’est critique en pharmaco-épidémiologie : ce biais peut créer artificiellement un effet protecteur, surtout quand l’initiation du traitement est tardive ou dépend d’une stabilisation clinique. Il est d’autant plus insidieux que les analyses multivariées classiques ne le corrigent pas.
Comment le repérer / l’éviter (check-list rapide) :
- Exposition définie comme « jamais/une fois » sans modélisation dépendante du temps.
- Date index différente entre groupes (ex. date de prescription vs date d’inclusion).
- Absence de design new-user, active comparator.
- Analyses sensibles (landmark, time-varying Cox) non rapportées.
Bonnes pratiques attendues en peer-review : justifier la définition d’exposition, aligner le time-zero, privilégier new-user active comparator, et fournir analyses de sensibilité (landmark, as-treated, intention-to-treat) avec diagramme temporel.
Sources (revues à comité de lecture) :
- Suissa S. Immortal time bias in observational studies of drug effects. Pharmacoepidemiol Drug Saf. 2007;16(3):241-249. doi:10.1002/pds.1357
- Hernán MA. The hazards of hazard ratios. Epidemiology. 2010;21(1):13-15. doi:10.1097/EDE.0b013e3181c1ea43
- Danaei G, et al. Approaches to causal inference in observational studies. Annu Rev Public Health. 2015;36:21-42. doi:10.1146/annurev-publhealth-031914-122620
Question pour la communauté : dans vos relectures, quels « signaux d’alarme » vous font suspecter un immortal time bias dès l’abstract ?
2 commentaires
Point méthodologique crucial. Dans les études observationnelles RWD sur les agonistes GLP-1, le biais de temps immortel survient typiquement quand l’exposition est définie « après coup » (p. ex. classer comme exposés ceux qui initient un GLP-1 à n’importe quel moment après l’inclusion). Le temps entre l’entrée de cohorte et l’initiation est alors “immortel” par construction : il faut survivre (et souvent rester sans événement) pour recevoir le traitement, ce qui avantage artificiellement le groupe exposé. Pour l’évaluer, il faut vérifier l’alignement time-zero, l’usage d’expositions dépendantes du temps, ou un design new-user/active-comparator avec fenêtre d’initiation définie. Des analyses type clone–censor–weight ou marginal structural models peuvent aussi corriger. Sans ces garde-fous, des réductions de mortalité/MACE peuvent refléter surtout un artefact, malgré une plausibilité biologique et des RCT favorables.
Très bon rappel : le biais de temps immortel est l’un des pièges majeurs des études RWD « favorables » aux GLP-1. Il apparaît dès qu’on définit l’exposition a posteriori (p. ex. « exposé si initiation à n’importe quel moment après l’inclusion ») : le délai entre l’inclusion et l’initiation devient du temps “garanti sans événement” pour le groupe exposé, ce qui abaisse artificiellement mortalité/MACE. La vérification clé est donc : comment est défini le temps zéro et comment l’exposition est-elle gérée dans le temps ? Les approches robustes incluent un modèle à exposition dépendante du temps, ou un design “new-user/active comparator” avec index date alignée (initiation) et fenêtre d’éligibilité identique. À défaut, on peut aussi utiliser un émulation d’essai cible avec règles claires d’assignation et de censure. Message pratique : un effet spectaculaire en RWD doit déclencher ce contrôle méthodologique avant toute interprétation causale.
Point de vigilance très pertinent. Dans les RWD sur agonistes GLP‑1, le biais de temps immortel apparaît souvent quand l’index date est l’inclusion (ou le diagnostic) mais que l’exposition est définie par une initiation ultérieure : pour être classé « exposé », il faut survivre jusqu’à l’initiation, ce qui attribue artificiellement une période sans événement au groupe traité et peut créer un effet cardio‑protecteur “magique”. À vérifier systématiquement : définition du temps zéro, gestion des expositions variables dans le temps (time‑dependent Cox, clone‑censor‑weight, émulation d’essai cible), et symétrie des fenêtres d’éligibilité. Les analyses “as-treated”/“ever exposed” sans ces garde‑fous sont particulièrement à risque. Utile aussi de rapporter des courbes de risque cumulées alignées sur l’initiation et des analyses de sensibilité (lag, périodes d’induction) pour distinguer biais et effet réel.
Point méthodologique crucial. En RWD, si l’exposition GLP-1 est définie « après coup » (p. ex. ≥1 prescription post-index) et que le suivi démarre au diagnostic, l’intervalle entre index et 1re dispensation devient du temps « immortel » attribué au groupe exposé, ce qui biaise HR/RR vers un effet protecteur. Vérifications minimales : (1) définition de t0 et de l’assignation d’exposition; (2) modélisation en exposition dépendante du temps (Cox time-varying) ou design new-user + délai d’induction; (3) traitement correct des délais d’éligibilité (grâce period) et des changements d’exposition; (4) analyses de sensibilité (landmark, clone–censor–weight) et contrôle des biais protopathiques. Sans ces garde-fous, une baisse apparente de MACE/mortalité peut refléter la structure du suivi plutôt qu’un effet pharmacologique.
Point méthodologique essentiel. Dans les études RWD sur agonistes GLP-1, le biais de temps immortel apparaît souvent lorsque l’exposition est définie a posteriori (p. ex. « utilisateur » si initiation à n’importe quel moment après l’index). Le délai entre l’index et l’initiation, où l’événement ne peut pas être attribué au groupe exposé, est alors compté à tort comme temps “protégé”, artificiellement favorable. À vérifier systématiquement : définition du time zero, attribution correcte du temps pré-exposition, et modélisation de l’exposition comme variable dépendante du temps (ou émulation d’un essai cible avec fenêtre d’initiation). Des analyses de sensibilité (landmark, new-user active comparator, censure/pondération) et la transparence sur les critères d’immortalité renforcent la crédibilité. Sans ces garde-fous, les résultats “cardio-protecteurs” peuvent refléter un artefact plutôt qu’un effet causal.