Impact de la classification erronée des résultats et de sa correction dans l'estimation de l'incidence cumulée

Les études de cohorte et les essais cliniques peuvent impliquer plusieurs événements. Lorsque l'occurrence de l'un de ces événements empêche l'observation d'un autre, la situation est appelée "risques concurrents". Une mesure utile dans de telles études est l'incidence cumulée d'un événement, qui est utile pour évaluer les interventions ou évaluer le pronostic des maladies. Lorsque les résultats de telles études sont soumis à des erreurs de classification, les estimations d'incidence cumulée qui en résultent peuvent être biaisées. Dans ce travail, nous étudions le mécanisme de biais dans l'estimation de l'incidence cumulée due à l'erreur de classification des résultats. Nous montrons que même des niveaux modérés de mauvaise classification peuvent conduire à des estimations gravement biaisées de manière souvent imprévisible. Nous proposons un estimateur facile à utiliser pour corriger ce biais qui est uniformément consistant. De nombreuses simulations suggèrent que cette méthode conduit à des estimations non biaisées dans des contextes pratiques. La méthode proposée est utile, tant dans les contextes où les probabilités de classification erronée sont connues grâce à des données historiques ou peuvent être estimées par d'autres moyens, que pour réaliser des analyses de sensibilité lorsque les probabilités de classification erronée ne sont pas précisément connues.