Intention de traiter : comprendre les groupes et les absents

Que veut dire analyser en intention de traiter ?

L’analyse en intention de traiter, ou ITT, compare les participants selon le groupe auquel le hasard les a affectés. Une personne qui change de traitement ne change donc pas automatiquement de colonne dans cette comparaison. Ce principe conserve la comparaison des stratégies attribuées au départ ; il ne résout pas à lui seul toutes les difficultés du suivi.^[1]

Imaginez deux dossiers ouverts lors d’un tirage au sort : proposition A et proposition B. La question devient « que se passe-t-il lorsqu’on propose A plutôt que B dans cet essai ? ». Elle diffère de « que se passerait-il si chacun suivait parfaitement A ou B ? ». Les deux questions peuvent être utiles, mais leurs réponses demandent des méthodes et des hypothèses différentes.

Ce tableau sert à lire une publication, pas à choisir la bonne analyse pour toute situation. Le panorama méthodologique de 2023 distingue ces trois familles ; il souligne aussi leurs difficultés pratiques. Un nom dans le résumé n’est pas une description suffisante des calculs réalisés.^[2]

Pourquoi garder les groupes du tirage au sort ?

Reclasser les personnes après la randomisation peut rapprocher le résultat d’autres différences que le traitement. Les raisons d’arrêter, de changer ou de suivre moins régulièrement une intervention peuvent être liées à l’état de santé, aux contraintes quotidiennes ou aux effets ressentis.

Exemple fictif : certaines personnes affectées à A changent de stratégie parce qu’elles se sentent moins bien. Les déplacer dans B peut donner à B une population différente, justement en raison de leur évolution. La comparaison ne bénéficie plus simplement de la répartition initiale par le hasard. Le problème ne se corrige pas en donnant au nouveau tableau une apparence plus ordonnée.

La randomisation ne garantit pas non plus deux groupes identiques sur chaque caractéristique, surtout dans un petit essai. Elle organise l’affectation selon une procédure aléatoire. Pour comprendre ce que cette organisation permet d’attribuer à une intervention, commencez par notre guide corrélation et causalité. Le texte de Tripepi et ses collègues rappelle la distinction entre l’effet de l’affectation et celui d’une adhésion à l’intervention.^[3]

Changer de traitement oblige-t-il à changer de groupe ?

Un changement de traitement n’entraîne pas de reclassement dans une analyse en intention de traiter. Il reste nécessaire de décrire le changement, son calendrier et le recueil des résultats ; conserver une colonne ne fait pas disparaître ce qui s’est passé.

Voici trois informations à distinguer dans une même ligne de suivi : le groupe attribué, l’intervention effectivement reçue et la disponibilité de la mesure finale. Une personne peut rester attribuée à A, avoir ensuite reçu B et disposer d’une mesure complète. Une autre peut être restée sous A sans que son résultat final soit connu. Ces situations appellent des questions différentes.

Hernán et Hernández-Díaz expliquent pourquoi l’ITT peut répondre à la question de l’affectation sans fournir directement l’effet que l’on obtiendrait avec une adhésion complète. Les méthodes destinées à cette autre question ne consistent pas simplement à déplacer ou supprimer quelques lignes ; elles demandent des hypothèses supplémentaires.^[1]

Dans le compte rendu, cherchez donc les deux descriptions : le parcours réel des personnes et la population analysée. Le diagramme de flux recommandé par CONSORT rend visibles les différentes étapes. Il aide à retrouver des nombres ; il ne certifie pas que toutes les décisions d’analyse sont adaptées.^[5]

Que devient l’analyse quand des résultats manquent ?

Une mesure absente reste inconnue, même si la personne appartient toujours à son groupe attribué. L’expression « intention de traiter » ne fournit pas une valeur à sa place et n’autorise ni à inventer une réponse ni à remplacer ce participant par un nouveau volontaire.

Le cadre de White et ses collègues, publié dans le BMJ en 2011, propose de limiter les pertes de suivi, d’expliciter les hypothèses de l’analyse principale, d’examiner leur sensibilité et de rendre compte des personnes randomisées. Ce sont des questions de méthode, pas une recette unique pour remplir une case vide.^[7]

Deux tableaux peuvent afficher le même nombre de résultats manquants et poser des difficultés différentes. Un rendez-vous déplacé pour une raison administrative ne raconte pas nécessairement la même histoire qu’un arrêt de suivi lié à une aggravation. La publication doit expliquer ce qui est connu des absences et ce que la méthode suppose sur les valeurs non observées.

L’atelier ci-dessous utilise un résultat binaire entièrement fictif. Il calcule des bornes arithmétiques en attribuant alternativement chaque issue manquante à l’une ou l’autre catégorie. Ces extrêmes montrent ce qui n’est pas connu ; ils ne constituent ni un intervalle de confiance ni une estimation ITT validée. Aucun dossier réel n’est demandé.

L’intention de traiter est-elle toujours plus prudente ?

L’ITT n’est pas automatiquement une estimation plus petite, plus prudente ou plus proche de la réalité pour toutes les questions. Son interprétation dépend de l’effet recherché, du parcours des personnes, des résultats disponibles et des hypothèses employées.

Certaines présentations pédagogiques décrivent l’ITT comme conservatrice : des changements entre interventions pourraient réduire un contraste. Cette situation possible ne doit pas devenir une garantie générale. Hernán et Hernández-Díaz discutent notamment des difficultés lorsque la question porte sur l’adhésion, la sécurité ou la non-infériorité.^[1]

La revue de Gupta expose les raisons classiques de privilégier la comparaison initialement randomisée, tout en décrivant les problèmes de données manquantes et les limites des analyses usuelles. Il faut lire ces réserves avec la règle, plutôt que retenir un slogan isolé.^[6]

Une formulation utile est « l’analyse estime ici l’effet de l’affectation, sous les hypothèses décrites ». La formulation « elle sous-estime forcément le vrai bénéfice » ajoute une conclusion qui n’est pas acquise. Notre dossier sur les intervalles de confiance aide ensuite à séparer la question estimée de la précision de son estimation.

Pourquoi une analyse per protocole ne suffit-elle pas à trancher ?

Une analyse per protocole peut viser une question pertinente sur l’adhésion, mais l’exclusion brute des personnes qui s’écartent du protocole ne garantit pas une réponse sans biais. Les personnes qui poursuivent et celles qui s’arrêtent peuvent différer sur des facteurs liés au résultat.

Shrier et ses collègues montrent que les approches usuelles et les méthodes ciblant certains groupes ne répondent pas nécessairement à la même question causale. Leur comparaison exige de connaître les hypothèses et la population visée. Afficher deux colonnes ITT et per protocole ne suffit pas à choisir celle qui serait « vraie ».^[4]

Des méthodes utilisant des données longitudinales cherchent à mieux prendre en compte certains changements au cours du suivi. Le travail méthodologique consacré aux essais randomisés au départ rappelle la place des facteurs qui évoluent dans le temps. Cette sophistication ne supprime pas les hypothèses ; elle rend leur lecture plus nécessaire.^[8]

Pour un lecteur non spécialiste, la bonne question n’est donc pas de refaire une analyse causale dans un tableur. Demandez ce que chaque méthode cherche à mesurer, qui elle inclut et pourquoi les conclusions diffèrent éventuellement. Une divergence mérite une explication, pas une préférence automatique pour le résultat le plus favorable.

Que signifie une intention de traiter modifiée ?

« Intention de traiter modifiée », ou mITT, ne désigne pas une population universellement identique. Il faut retrouver les critères d’inclusion dans l’analyse, leur date de définition et le nombre de personnes concernées, au lieu de déduire la méthode du seul sigle.

La revue historique de Hollis et Campbell, publiée en 1999 à partir d’essais parus en 1997, montre déjà des usages hétérogènes du terme ITT et des descriptions insuffisantes des résultats manquants. Cet audit ancien ne donne pas la fréquence des pratiques en 2026 ; il explique pourquoi la vérification des méthodes reste utile.^[11]

Une exclusion peut, par exemple, concerner une inéligibilité découverte après l’inclusion. Le travail publié dans BMJ Open en 2020 examine précisément ce problème et l’intérêt de décisions explicites ainsi que d’analyses de sensibilité. Il ne permet pas d’appeler toute exclusion une fraude ou toute exclusion une correction valable.^[12]

Un article de 2023 étudie aussi les conditions dans lesquelles une mITT peut correspondre à une population cible définie. Ce cas méthodologique repose sur des hypothèses particulières : il ne valide pas toutes les analyses portant cette étiquette. Écrivez donc la règle observée, par exemple « seuls les participants répondant à tel critère ont été analysés », puis cherchez sa justification.^[9]

Quels nombres retrouver dans une publication ?

Retrouvez les personnes randomisées, celles suivies, celles dont le résultat est disponible et celles incluses dans chaque analyse. Ces nombres décrivent des étapes différentes ; une fraction perd son sens si son dénominateur change silencieusement.

La recherche de Nüesch et ses collègues en 2009 porte sur 167 essais inclus dans des méta-analyses de traitements de la douleur arthrosique. Elle montre que l’effet des exclusions ne se résume pas à une direction prévisible dans chaque synthèse. Ce corpus précis n’autorise pas à annoncer un pourcentage universel de biais.^[10]

Le compte rendu CONSORT actualisé en 2025 propose une liste de 30 éléments et un diagramme de flux. Il fournit un repère de transparence : un article bien renseigné devient plus lisible, sans que sa conformité formelle démontre à elle seule l’efficacité ou l’absence de biais.^[5]

Arrêter une intervention signifie-t-il disparaître de l’essai ?

L’arrêt de l’intervention et la disponibilité d’un résultat sont deux événements distincts. L’ITT est un principe d’analyse ; elle n’oblige personne à poursuivre une intervention ni ne transforme une donnée indisponible en mesure observée.

Le suivi après l’arrêt d’une intervention peut être pertinent lorsqu’il est possible et prévu dans le cadre de la recherche. White et ses collègues soulignent l’intérêt de recueillir les résultats malgré les changements de parcours ; cela ne doit jamais être reformulé comme une obligation individuelle de participer.^[7]

L’animation suivante, publiée en 2013, illustre le parcours d’un participant et sa liberté d’interrompre. C’est une archive de contexte : elle ne présente pas la comparaison ITT/per protocole, et ses formulations réglementaires ne sont pas utilisées ici comme état actuel du droit. Nos repères d’analyse viennent des publications méthodologiques citées.

Pour comprendre une publication, notez séparément « intervention arrêtée », « suivi interrompu » et « résultat indisponible ». Une seule expression comme « sorti d’étude » peut masquer ces différences. Le guide sur les études pilotes montre pourquoi la faisabilité du suivi mérite aussi d’être préparée avant un essai plus grand.

Comment reformuler une conclusion sans la déformer ?

Une conclusion fidèle nomme la stratégie comparée, la population analysée et les limites des résultats manquants. Elle ne transforme ni le sigle ITT en label de qualité totale ni une analyse favorable en conseil de traitement.

Exemple de reformulation : « les groupes ont été comparés selon leur affectation initiale ; la publication précise comment les résultats manquants ont été pris en compte ». Si cette dernière information n’est pas trouvée, laissez-la inconnue. Ne remplacez pas le silence des méthodes par une certitude sur ce que les auteurs auraient fait.

Une petite valeur p ne règle pas cette question de population. Notre guide pour interpréter une valeur p distingue le résultat d’un test de la taille d’un effet et de son intérêt pratique. De même, le dossier sur le biais de publication rappelle qu’une comparaison bien analysée reste une pièce d’un ensemble de travaux, parfois incomplet.

Cette grille s’adresse aux personnes qui lisent un résumé scientifique, une actualité de santé ou une promesse appuyée sur un essai. Elle ne remplace pas une expertise statistique du protocole, une évaluation réglementaire ou un avis médical. Pour retenir l’essentiel de l’intention de traiter, gardez la question posée et les personnes effectivement analysées dans la même phrase.