Analyse des données

La première étape a été de décrire la population, soit ses principales caractéristiques (sociodémographiques, cliniques, paracliniques) à l’entrée dans la cohorte. Ces données ont été regroupées dans un tableau. Pour chaque variable catégorielle, l’effectif a été précisé avec une description des proportions et de leur IC à 95%. Pour chaque variable continue, on a précisé l’effectif, la moyenne avec l’écart type ou la médiane avec l’intervalle inter quartile (IIQ).

3.2.4.1. Quelle est la mortalité des PVVIH avec niveau de CD4 ≥ 350 ? Pour cette analyse, nous avons utilisé des estimateurs prenant en compte un risque compétitif. Cette méthode s’explique par le fait que dans les analyses de survie classiques, les individus qui n’ont pas présenté l’événement sont censurés à droite à une certaine date (date de fin de suivi, date de dernière nouvelle, etc.) et cette censure doit être aléatoire. Ce qui n’est

pas le cas de la mise sous TARV chez les PVVIH. En effet, la mise sous TARV est assujettie à des critères cliniques (regroupés dans la classification CDC ou OMS) et au niveau de CD4. De ce fait, ce sont les PVVIH qui sont le plus à risque de décès qui sont mises sous TARV. Cet événement n’est donc pas aléatoire et doit être considéré comme un événement concurrentiel ou compétitif du décès. Pour prendre en compte ce type d’événement, des estimateurs prenant en compte le risque compétitif sont les plus adaptés et recommandés (Bakoyannis et Touloumi, 2012; Schöni-Affolter et al., 2011).

Dans cette analyse, l’événement principal est le décès et l’événement compétitif est la mise sous TARV. La durée de survie est la période entre l’entrée dans la cohorte et le décès ou la mise sous TARV. Pour les patients non décédés et non mis sous TARV, les données ont été censurées à la date de dernière nouvelle. La fonction d’incidence cumulée a été calculée en utilisant des estimateurs prenant en compte le risque compétitif avec le décès comme événement principal et la mise sous TARV comme événement compétitif.

3.2.4.2. La mortalité est-elle différente selon le niveau de CD4 ?

Les estimateurs prenant en compte les risques compétitifs peuvent produire des fonctions d’incidences cumulées de plusieurs groupes, mais ne produisent pas de test de comparaison. La comparaison des courbes de survie entre les deux strates de CD4 à l’entrée dans la cohorte (350-499 et ≥ 500) a été effectuée en examinant le chevauchement des limites des IC des incidences cumulées des différentes strates d'intérêt.

Pour évaluer l'association entre la strate de CD4 à l’entrée dans la cohorte « baseline CD4 » (bCD4) (350-499 contre ≥ 500) et la mortalité en présence d'un événement concurrentiel, nous avons utilisé des modèles de régression prenant en compte les risques compétitifs pour calculer les sub-distribution hazard ratios (sHR). Nous avons estimé les sHR bruts et ajustés avec leurs IC95%. Les sHR de Fine et Gray fournissent un risque marginal combiné d’un événement spécifique en présence d’événements associés à un risque compétitif. Le sHR peut être interprété comme le risque de survenue d’un événement d’intérêt de cause spécifique étant donné que l’événement n’est pas survenu par cette cause spécifique jusqu’à un moment donné. Ceci est associé à la fonction d'incidence cumulative qui est la probabilité

de survenue de l’événement d’intérêt due à une cause spécifique dans un temps donné en présence de risques compétitifs (Fine et Gray, 1994; Grover et al., 2016).

La construction du modèle final a été faite selon une procédure manuelle en cinq étapes : 1) Spécification des variables : les variables considérées dans le modèle initial ont été déterminées à partir de la littérature, des analyses univariées et des hypothèses de recherche (annexe 5).

2) Détermination du sHR brut de l’association entre la strate de CD4 et le décès.

3) Évaluation de la confusion : la variation relative du sHR (entre strate de CD4 et variable décès) a permis de retenir ou de retirer les variables d’ajustement du modèle avec un seuil de 10%. Parmi les variables d’ajustement spécifiées dans le cadre conceptuel, celles qui ont modifié le sHR de ≥ |10%| ont été conservées dans le modèle final. Cette analyse a inclus le niveau de CD4 durant le suivi (sCD4) comme variable dépendant du temps.

4) Analyse des interactions : les interactions spécifiées dans le cadre conceptuel ont ensuite été ajoutées au modèle. Celles qui n’ont pas été significatives (test de Wald et test du Likelihood Ratio) ont été retirées du modèle alors que celles significatives ont été conservées dans le modèle final.

5) Vérification de l’hypothèse de linéarité de l’effet des variables continues et en cas de non- linéarité, une catégorisation ou une transformation arithmétique a été réalisée.

3.2.4.3. Est-ce que la mortalité est différente selon le type de VIH ?

Les analyses ont été identiques à celles décrites dans la section précédente et selon le cadre conceptuel correspondant en annexe 4. L’exposition était le sérotype viral avec trois catégories (VIH-1, VIH-2, VIH-1 + VIH-2), l’événement principal le décès et l’événement compétitif la mise sous TARV.

3.2.4.4. Est-ce que le niveau d’AIC initial est un facteur de risque de décès ? Les analyses ont été identiques à celles décrites dans la section 3.2.4.2. et selon le cadre conceptuel correspondant en annexe 4. L’exposition était le niveau de β2m avec deux catégories (≥ 2,59 mg/L, < 2,59 mg/L), l’événement principal le décès et l’événement

compétitif la mise sous TARV. Cette analyse a porté sur un sous-groupe de la population d’étude : les patients qui disposaient d’un échantillon de plasma dans la bio banque WAPHIR (N = 263).

Les modélisations réalisées pour répondre aux questions de recherche 3.2.4.3 et 3.2.4.4 n’ont inclus que des covariables fixes mesurées à l’entrée dans la cohorte.

3.2.4.5. Analyses de sensibilité et de survie classique

Des analyses de sensibilité ont été réalisées pour évaluer l’effet des perdus de vue (PDV) sur les différentes associations. En plus des analyses précédentes, deux autres scénarios ont été envisagés (l’un ayant considéré tous les PDV comme décédés à leur date de dernière nouvelle et l’autre ayant considéré tous les PDV comme vivants à la date de point de l’étude).

En plus des modèles prenant en compte le risque compétitif, nous avons réalisé des analyses de survie classiques (méthode de Kaplan Meier et modèles de Cox) pour rendre compte des différences entre les deux méthodes.

Toutes les analyses ont été réalisées grâce à la version 14 du logiciel Stata.