Thread : une nouvelle étude vantant les mérites de l'HCQ made in France défendue par le trop médiatique Pr Perronne.

Attention : ne reproduisez pas ça chez vous
https://www.medrxiv.org/content/10.1101/2020.05.05.20088757v1.full.pdf

Souhaitant voler au secours du "protocole Raoult" et l'IHU mis à mal par de nbreuses études (mais toujours pas d'essai clinique randomisé) et les autorités de santé, une nouvelle étude a vu le jour récemment pour essayer de démonter que Azy+HCQ réduit la morbidité hospitalière

Son titre : Hydroxychloroquine plus azithromycin: a potential interest in reducing in-1 hospital morbidity due to COVID-19 pneumonia (HI-ZY-COVID)?
Spoiler : non

Et ben ça commence mal : enregistrée comme une étude observationnelle (on suit les patients depuis leur inclusion), c'est devenu une étude rétrospective (on reprend des dossiers de patients et on mijote qqchose avec ça). Tjs pas un essai clinique...

Toujours est-il qu'on teste là encore sur des patients une bithérapie qui s'avère risquée chez le patients (problèmes cardiaques graves, voire mortels pour qq français qui en ont pris les semaines passées) et expérimentale car testée dans la lutte contre un nouveau pathogène

Bref. Ici on inclut des adultes (pas d'enfants hein... l'unique point positif) qui ont été positifs au Covid-19 et d'évaluer le nbre de patients partis en réanimation, ou pire, décédés. Ce qu'on souhaite endiguer le plus possible dans les hopitaux.

Et là j'arrive sur la méthodo stats, pauvrette. Elles sont réalisées sous GraphPad, un logiciel utilisé par les biologistes pour faire des graphiques et stats tout simples, pas pour faire des stats poussées. Ca sent déjà le travail d'amateur.

Ensuite je lis "Multiple logistic regression test was done using Pearson's correlation test". Alors ça confirme ma crainte : ils n'y connaissent rien en statistiques : on effectue une régression logistique (càd qui analyse une variable réponse binaire type 0/1, oui/non).

Un test de corrélation de Pearson, c'est un outil statistique qui sert à mesurer le lien entre 2 variables numériques (comme l'âge, la taille, le poids) suivant une distribution dite normale (données centrées et symétriques autour de la moyenne). Donc RIEN A VOIR.

FIN DU THREAD.

Je plaisante haha. Paragraphe du dessous, attention les yeux : auto-validation par notre comité d'éthique. (on fait des conneries mais on l'assume)

Bon, rien que là, on sait déjà que ce travail va puer l'amateurisme. Pas faux : au groupe Azy + HCQ se trouve en face un espèce de groupe "autres traitements" qu'on va appeler "bouillabaisse". C'est même pas un groupe placebo ou controle, c'est du n'importe quoi:

Surtout : "individuals treated with HCQ + azithr mycin for less than 48 hrs before transfer to ICU and /or death"
En gros : ils ont choisi sciemment de dégager les patients qui vont vite mal dans le groupe "bouillabaisse"

En gros 9 patients qui auraient du figurer dans le groupe Azy+HCQ sont allés en réa en moins de 48h, et donc figurent dans le groupe concurrent, qui donc va compter 9 événements de +

On comprend vite pourquoi c'est devenu une étude rétrospective : on choisit les règles APRES, et faire ce qui nous arrange. Ici réduire notre endpoint en faveur du groupe Azy+HCQ. Raoult a de quoi être fier de cette manipulation.

FIN DU THREAD.

Haha non, toujours pas... Parce que là, un vilain histogramme pas pour les daltoniens, avec... 3 groupes au lieu de 2

Constat 1 : Azythroseul fait pareil que Azy+HCQ. Donc quel intérêt de HCQ? Aucun d'après ce graphique => jolie balle dans les 2 pieds
Constant 2 : si on remet les 9 dégagés à leur place ça fait
- 13 evts/54 dans Azy+HCQ
- 14 evts/52 dans SOC (bouillabaisse), p=0.91 (Chi2)

FIN DE LA BLAGUE
Non toujours pas...
Table 2 : on compare les groupes Azy+HCQ et "bouillabaisse". Aucune diff d'âge de sexe, de comorbidité, mais délai depuis symptome et + d'02 pour Azy+HCQ (net avantage pour eux) !

Aussi, les patients "bouillabaisse" ont eu moins de scanner thoraciques pour confirmer leur état... mais au point où on en est, c'est limite un détail.

Ensuite, la table 2 avec les fameuses analyses de risques d'aller en ICU ou DCD: où sont les odds-ratios (estimations des risques) pour age, délai... en gros les variables continues? Ils ne savent pas en calculer??? LOOOL ou c'est GraphPad qui ne sait pas?

L'analyse multivariée (qui ajuste les odds-ratios en prenant compte ttes les variables biaisées ou significatives sur l'endpoint) : nulle et non avenue, on ne fait pas du Pearson, un élève de licence sait ça.
Puis : on re-sépare les azy seuls du gpe bouillabaisse? wtf

Enfin j'en arrive à un point crucial qui montre que ce pre-print en cours de soumission (non relu par des pairs) :
IL
FAUT
LES
SUIVIS
DES
PATIENTS
En gros : l'information importante est de savoir à quel moment (depuis hospitalisation) les évts se sont produits.

En gros : il faut faire une courbe de survie et faire un modèle de Cox (c'est comme une régression logistique mais qui regarde à quel moment surviennent les événements). Toutes ces infos là, cruciales dans ce type d'étude, sont passées à la trappe.

On étudie un événement dit composite (entrée en réa ou décès sans avoir été en réa) et rien ne nous indique clairement quand les patients ont quitté l'étude vivants ou non. C'est le B-A BA des analyses de survie! ou a minima étudiant les vivants/dc+icu à J7, J14...

Voilà vous pouvez reprendre un activité normale, les prochaines fois je parlerai de vraies études publiées.