Instrument d’expérience de choix discret (DCE)

1. Résumé / Abstract

L’Instrument d’expérience de choix discret (en anglais : Discrete Choice Experiment Instrument, DCE), développé par Susan dosReis et ses collaborateurs (2023), est un outil d’évaluation psychométrique et économétrique conçu pour quantifier de manière rigoureuse les préférences des patients adultes atteints de trouble dépressif majeur (TDM) vis-à-vis des modalités thérapeutiques qui leur sont proposées. Fondé sur les principes de la théorie de l’utilité aléatoire et de l’économie de la santé, cet instrument a été élaboré à la suite d’une revue systématique exhaustive de la littérature scientifique et d’une démarche participative menée auprès d’un groupe consultatif de parties prenantes (Stakeholder Advisory Group, SAG ; Xie et al., 2021). L’instrument comprend six tâches de choix (choice tasks), chacune présentant trois profils thérapeutiques distincts construits à partir de six attributs fondamentaux de la prise en charge clinique : le mode de traitement (médicament seul, médicament associé à la psychothérapie, ensemble des modalités), le délai d’action thérapeutique (4, 6 ou 9 semaines), le nombre de jours d’espoir ressentis par semaine (2, 4 ou 6 jours), l’impact sur la productivité (augmentation de 40 %, 60 % ou 90 %), la qualité des relations interpersonnelles (détériorées, améliorées, sans impact) et les dépenses directes mensuelles restant à charge (30 $, 90$ ou 270 $). Administré par voie électronique en 15 à 20 minutes, cet instrument s’adresse aux personnes âgées de 18 ans et plus présentant un diagnostic clinique de TDM, à l’exclusion des patients souffrant de trouble bipolaire ou de dépression du post-partum. Bien que les indices traditionnels de psychométrie classique (fidélité de cohérence interne de type alpha de Cronbach ou analyse factorielle confirmatoire standard) ne soient pas directement transposables aux expériences de choix discrets en raison de la nature multidimensionnelle et non sommative des arbitrages, l’outil présente une haute validité de contenu et une validité écologique remarquable pour modéliser les compromis décisionnels des patients et guider la décision médicale partagée.

2. Mots-clés / Keywords

Préférences thérapeutiques, Trouble dépressif majeur, Expérience de choix discret, Prise de décision partagée, Économie de la santé, Psychométrie décisionnelle, Utilité aléatoire, Dépression majeure, Observance thérapeutique, Relations interpersonnelles, Analyse conjointe, Modélisation du choix.

3. Auteurs / Authors

L’instrument a été conçu et validé par une équipe multidisciplinaire de chercheurs spécialisés en pharmacoéconomie, recherche sur les résultats centrés sur le patient et psychiatrie :

• Susan dosReis, PhD — University of Maryland Baltimore, School of Pharmacy, Department of Pharmaceutical Health Services Research, Baltimore, MD, États-Unis. (ORCID : 0000-0003-2210-6650) — Courriel : [email protected]
• Laura M. Bozzi, PhD — University of Maryland Baltimore, School of Pharmacy, Department of Pharmaceutical Health Services Research, Baltimore, MD, États-Unis. (ORCID : 0000-0001-5326-6521)
• Beverly Butler — PAVE Center, University of Maryland Baltimore, School of Pharmacy, Department of Pharmaceutical Health Services Research, Baltimore, MD, États-Unis.
• Richard Z. Xie, PhD — Innovation and Value Initiative (IVI), Alexandria, VA, États-Unis. (ORCID : 0000-0002-2797-3019)
• Richard H. Chapman, PhD — Innovation and Value Initiative (IVI), Alexandria, VA, États-Unis. (ORCID : 0000-0002-1988-1368)
• Jennifer Bright, MPA — Innovation and Value Initiative (IVI), Alexandria, VA, États-Unis. (ORCID : 0000-0001-7442-3979)
• Erica Malik, MS — Innovation and Value Initiative (IVI), Alexandria, VA, États-Unis. (ORCID : 0000-0002-2092-4273)
• Julia F. Slejko, PhD — University of Maryland Baltimore, School of Pharmacy, Department of Pharmaceutical Health Services Research, Baltimore, MD, États-Unis. (ORCID : 0000-0001-6900-9220)

4. Objectif / Purpose

Le traitement du trouble dépressif majeur (TDM) souffre traditionnellement d’un taux d’abandon précoce et d’une non-observance thérapeutique très élevés, souvent attribuables à un désalignement profond entre les priorités cliniques perçues par le corps médical et les attentes vécues par les usagers. L’objectif fondamental de cet Instrument d’expérience de choix discret (DCE) est d’élucider, de hiérarchiser et de quantifier mathématiquement les préférences des patients concernant les multiples facettes de leur prise en charge, afin de surmonter les biais inhérents aux questionnaires de satisfaction déclaratifs conventionnels.

Les échelles psychométriques traditionnelles de type Likert mesurent fréquemment l’importance perçue d’éléments cliniques de manière isolée, ce qui conduit inévitablement à un effet de plafond : les patients considèrent quasi systématiquement que l’efficacité, l’absence d’effets secondaires, la rapidité d’action et la gratuité sont toutes des caractéristiques « extrêmement importantes ». Or, dans la réalité clinique, aucun traitement de la dépression ne réunit simultanément la perfection sur tous ces paramètres. Les patients et les prescripteurs doivent impérativement procéder à des compromis (trade-offs). Le DCE force méthodologiquement le participant à opérer ces arbitrages en choisissant entre des options thérapeutiques alternatives présentant des combinaisons distinctes d’avantages et d’inconvénients.

Sur le plan des applications cliniques et de la recherche en santé publique, cet instrument répond à trois impératifs cardinaux :

• Optimisation de la décision médicale partagée (Shared Decision-Making) : En identifiant précisément le poids relatif accordé par un patient à un soulagement émotionnel rapide comparativement aux coûts financiers ou aux contraintes de suivi psychothérapeutique, le clinicien peut personnaliser l’alliance thérapeutique et proposer une stratégie sur mesure, augmentant significativement l’adhésion au traitement.
• Amélioration de l’appariement patient-traitement (Treatment Matching) : Dans les modèles de soins psychiatriques hiérarchisés, la détection des facteurs de rejet catégorique (comme le refus d’un traitement exclusivement pharmacologique ou l’intolérance aux délais d’action prolongés) prévient les échecs thérapeutiques récurrents et la chronicisation du trouble.
• Évaluation des technologies de la santé et pharmacoéconomie : L’outil fournit aux décideurs institutionnels, aux comités d’évaluation des médicaments et aux organismes payeurs des données probantes centrées sur le patient (patient-reported preferences), permettant d’estimer le consentement à payer implicite et l’utilité globale associée aux innovations thérapeutiques dans la dépression.

5. Construit psychologique / Construct

Le construit psychologique opérationnalisé par l’instrument n’est pas un trait latent unidimensionnel continu classique (comme l’anxiété ou le névrosisme), mais la structure de préférence multi-attributs d’un individu face aux options thérapeutiques du trouble dépressif majeur. Cette structure repose sur la décomposition de la valeur perçue globale en plusieurs dimensions constitutives :

1. Mode d’administration thérapeutique (Mode of treatment)

Cette dimension évalue l’acceptabilité psychologique et logistique du vecteur d’intervention. Elle comporte trois niveaux :

• Médicament seul : Intervention purement pharmacologique, souvent perçue comme moins chronophage mais pouvant susciter des craintes relatives aux effets secondaires somatiques et à la dépendance.
• Médicament associé à la psychothérapie : Approche combinée biomédicale et psychosociale, considérée dans la littérature comme la référence thérapeutique mais imposant un investissement temporel et affectif plus important.
• Ensemble des modalités : Approche holistique intégrant pharmacothérapie, psychothérapie, interventions psychosociales et modifications du mode de vie.

2. Délai d’action thérapeutique (Time to treatment effect)

Le délai avant l’apparition d’un soulagement symptomatique significatif représente un paramètre psychologique critique dans une pathologie marquée par la détresse aiguë, la souffrance existentielle et le risque suicidaire. Les niveaux retenus (4 semaines, 6 semaines et 9 semaines) capturent la variabilité pharmacocinétique et thérapeutique réelle des antidépresseurs et des psychothérapies brèves, mesurant la tolérance du patient face à la latence de la réponse clinique.

3. Jours d’espoir ressentis (Days of hopefulness)

Contrairement aux critères d’évaluation clinique conventionnels qui se limitent souvent à la réduction du score sur une échelle de dépression (comme l’Échelle de Hamilton ou le PHQ-9), cet attribut mesure le rétablissement positif et la renaissance du sentiment d’auto-efficacité, quantifié en nombre de jours par semaine où le patient ressent de l’optimisme (2, 4 ou 6 jours par semaine). Cette dimension traduit l’aspiration à un fonctionnement affectif positif et pas seulement à la disparition des affects négatifs.

4. Impact sur le fonctionnement et la productivité (Effect on productivity)

Le TDM induit une altération massive du fonctionnement cognitif, de l’énergie et de la capacité à mener à bien les activités quotidiennes ou professionnelles (phénomènes de présentéisme et d’absentéisme). L’attribut opérationnalise le bénéfice fonctionnel attendu sous la forme d’un pourcentage d’accroissement de la productivité (augmentation de 40 %, 60 % ou 90 %), mesurant l’importance accordée à la restauration fonctionnelle.

5. Retentissement sur la sphère relationnelle (Relations with others)

L’isolement social et la dégradation du réseau de soutien interpersonnel sont à la fois des causes et des conséquences du trouble dépressif. Cet attribut qualitatif évalue l’impact perçu du traitement sur les interactions avec l’entourage, décliné en trois modalités : relations détériorées (strained), relations améliorées (improved) ou absence d’impact perceptible (no impact).

6. Coûts financiers directs restant à charge (Monthly out-of-pocket costs)

Le fardeau financier direct constitue un obstacle majeur à la continuité des soins. En intégrant des niveaux de reste à charge mensuel réalistes (30 $, 90$ et 270 $), cet attribut permet de quantifier l’élasticité financière des choix du patient et sert d’ancrage économique pour calculer le consentement à payer marginal (willingness-to-pay) pour l’amélioration de chacun des autres attributs.

6. Cadre théorique / Theoretical Framework

L’assise conceptuelle du DCE repose à l’intersection de deux corpus théoriques majeurs : la microéconomie comportementale du consommateur formulée par Kelvin Lancaster et la psychométrie mathématique issue de la théorie de l’utilité aléatoire (Random Utility Theory, RUT) développée par Louis Leon Thurstone et formalisée en économie par le prix Nobel Daniel McFadden (1974).

La théorie des caractéristiques de Lancaster (1966)

Selon le paradigme classique de Lancaster, les individus ne tirent pas une utilité directe des biens ou des interventions de santé en tant qu’entités indivisibles, mais des caractéristiques, propriétés ou attributs sous-jacents que ces biens possèdent. Ainsi, une prise en charge antidépressive n’est pas évaluée comme un tout monolithique, mais comme un panier composé d’une modalité d’action, d’un temps de latence, d’un niveau d’efficacité émotionnelle, d’un impact social et d’un coût financier.

La théorie de l’utilité aléatoire de McFadden

La formalisation mathématique de McFadden postule que l’utilité totale $U_{nit}$ qu’un individu $n$ associe à une alternative thérapeutique $i$ lors d’une tâche de choix $t$ est une variable latente non observable décomposable en deux composantes additives :

U_nit = V_nit + ε_nit

Où :

• $V_{nit}$ représente la composante déterministe (ou systématique) de l’utilité, qui s’exprime comme une fonction linéaire des paramètres des attributs observés : $V_{nit} = β’ X_{nit}$. Le vecteur $β$ reflète les coefficients de préférence (poids d’utilité partielle ou part-worth utilities) assignés à chaque niveau d’attribut.
• $ε_{nit}$ est un terme d’erreur stochastique résiduel représentant les variations aléatoires intrapersonnelles, les facteurs idiosyncrasiques non observés par le chercheur et les erreurs de mesure psychométriques. Lorsque ces erreurs sont supposées distribuées selon une loi de valeurs extrêmes de type I (Gumbel), le modèle débouche sur le modèle logit multinomial standard ou logit mixte.

La probabilité $P_{nit}$ qu’un patient choisisse l’option $i$ parmi un ensemble de $J$ alternatives proposées s’énonce comme la probabilité que l’utilité nette de l’option $i$ surpasse celle de toute autre alternative $j$ :

P_nit = Prob(U_nit > U_njt, ∀ j ≠ i)

Cette approche théorique s’articule directement avec le modèle de la décision médicale partagée en psychiatrie (Charles et al., 1997 ; Joosten et al., 2008), reconnaissant que le patient expert est le décideur le plus légitime pour arbitrer entre les composantes de sa propre trajectoire de rétablissement.

7. Validité / Validity

Dans le domaine des expériences de choix discrets, l’évaluation de la validité s’écarte des métriques psychométriques traditionnelles axées exclusivement sur les matrices de corrélations de Pearson pour se concentrer sur la validité de contenu, la plausibilité expérimentale et la cohérence théorique des choix exprimés.

Validité de contenu et validité d’apparence (Face and Content Validity)

La validité de contenu de cet instrument a fait l’objet d’un processus de développement qualitatif rigoureux documenté par Xie et al. (2021) et dosReis et al. (2023). Les attributs et leurs niveaux n’ont pas été imposés unilatéralement par les cliniciens, mais ont émergé d’une revue systématique de la littérature couplée à des entretiens approfondis avec un groupe consultatif multipartite (Stakeholder Advisory Group). Ce groupe intégrait des patients vivant avec un TDM, des aidants, des psychiatres et des spécialistes de la santé communautaire. Cette démarche garantit que les dimensions évaluées recouvrent les véritables préoccupations quotidiennes des patients, assurant une excellente validité de contenu écologique.

Validité convergente et cohérence théorique

Dans l’étude originale de dosReis et al. (2023), bien qu’aucun coefficient de corrélation bivariée classique avec des instruments parallèles (comme le Q-LES-Q ou le BDI) n’ait été rapporté, la validité interne a été étayée par la rationalité économique des choix :

• Les participants manifestent une utilité marginale négative statistiquement significative face à l’accroissement des coûts mensuels (sensibilité au prix conforme aux postulats de la théorie microéconomique).
• Une préférence monotone positive est observée pour l’augmentation du nombre de jours d’espoir et pour la réduction des délais d’action, confirmant la validité théorique des estimations économétriques.

Limites méthodologiques signalées

L’étude princeps rapporte l’absence de données standardisées sur la validité prédictive comportementale (c’est-à-dire la concordance entre les choix déclarés dans le questionnaire informatisé et les comportements réels de prescription et d’observance observés ultérieurement en cabinet médical). Les auteurs soulignent également que les patients présentant un trouble bipolaire ou une dépression post-partum ont été exclus de l’échantillon, ce qui circonscrit la validité externe aux formes unipolaires de dépression de l’adulte.

8. Fidélité / Reliability

Dans la méthodologie des expériences de choix discrets, les coefficients traditionnels de cohérence interne tels que l’alpha de Cronbach ou l’oméga de McDonald ne sont ni appropriés ni calculables. En effet, les items d’un DCE ne constituent pas des mesures répétées d’un même construit sommatif homogène, mais des scénarios d’arbitrage multidimensionnels indépendants construits selon un plan factoriel fractionnaire équilibré.

La fidélité d’un DCE s’évalue principalement à travers deux indicateurs méthodologiques spécifiques :

• La consistance interne des choix (stabilité de la préférence) : Évaluée lors du pré-test (durée moyenne de passation : 15 à 20 minutes), vérifiant que les répondants ne recourent pas à des heuristiques de décision simplistes ou aléatoires dues à la fatigue cognitive.
• La fidélité test-retest des utilités estimées : Bien qu’aucune donnée de retest longitudinal n’ait été publiée dans l’article princeps de dosReis et al. (2023), les standards recommandés par l’ISPOR (International Society for Pharmacoeconomics and Outcomes Research) pour les DCE préconisent l’insertion d’une tâche de choix répétée identique pour évaluer le pourcentage d’accord intra-individuel, qui se situe habituellement au-dessus de 80 % dans les instruments bien calibrés.

Le tableau ci-dessous résume les propriétés métrologiques disponibles dans l’étude source de dosReis et al. (2023) :

9. Analyse factorielle / Factor Analysis

Dans l’étude source de dosReis et al. (2023), aucune analyse factorielle exploratoire (AFE) ni confirmatoire (AFC) n’a été réalisée. Cette absence ne constitue pas une lacune de conception, mais découle de la spécificité épistémologique des expériences de choix discrets, qui relèvent de la modélisation économétrique des choix et non de la psychométrie factorielle linéaire de Spearman-Thurstone.

Substitution méthodologique : Modèles Logit vs Analyse Factorielle

Tandis que l’analyse factorielle cherche à réduire une matrice de covariance d’items continus pour extraire des facteurs communs latents non observés, l’analyse d’un DCE vise à estimer des coefficients de pondération d’utilité ($β$) par régression logistique probabiliste. Les méthodes statistiques canoniques appliquées à cet instrument comprennent :

• Le modèle logit multinomial conditionnel (MNL) : Estime l’utilité moyenne attribuée par l’ensemble de la population à chaque modalité d’attribut, en supposant l’indépendance des alternatives non pertinentes (hypothèse IIA).
• Le modèle logit mixte (Mixed Logit ou Random Parameters Logit) : Relâche l’hypothèse IIA en autorisant les coefficients d’utilité à varier de manière aléatoire au sein de la population selon une distribution de probabilité continue (par exemple, gaussienne ou log-normale), permettant ainsi de modéliser l’hétérogénéité non observée des préférences des patients.
• Les modèles de classes latentes (Latent Class Models) : L’équivalent conceptuel le plus proche de l’analyse factorielle typologique dans le cadre des DCE. Ces modèles permettent de segmenter la population de patients déprimés en sous-groupes discrets homogènes (par exemple : un sous-groupe priorisant la rapidité d’action thérapeutique vs un sous-groupe priorisant l’absence de reste à charge financier).

10. Instrument de mesure / Instrument

L’Instrument d’expérience de choix discret (DCE) pour le trouble dépressif majeur présente les caractéristiques formelles suivantes :

• Type de test : Épreuve de choix discret multi-attributs basée sur des tâches comportementales de décision (task-based stated-preference instrument). Mesure de type originale.
• Format d’administration : Questionnaire auto-administré par voie informatique (plateforme électronique en ligne). La passation dure environ 15 à 20 minutes selon les données du pré-test.
• Structure du test : Le questionnaire comporte 6 tâches de choix (choice task questions). Pour chaque tâche, 3 profils thérapeutiques hypothétiques distincts sont présentés simultanément au répondant.
• Question directrice récurrente : « If you could only choose 1 option for treating depression, which do you most prefer? » (Si vous ne pouviez choisir qu’une seule option pour traiter la dépression, laquelle préféreriez-vous ?).
• Attributs et niveaux de réponse constitutifs :
  • Mode of treatment (Mode de traitement) : 3 niveaux alternatifs (médicament seul [medicine] ; médicament et psychothérapie [medicine and psychotherapy] ; l’ensemble des modalités [all modalities]).
  • Time to treatment effect (Délai d’action thérapeutique) : 3 niveaux (4 semaines [4 weeks] ; 6 semaines [6 weeks] ; 9 semaines [9 weeks]).
  • Days of hopefulness (Jours d’espoir ressentis) : 3 niveaux (2 jours/semaine [2 days/week] ; 4 jours/semaine [4 days/week] ; 6 jours/semaine [6 days/week]).
  • Effect on productivity (Impact sur la productivité) : 3 niveaux (augmentation de 40 % [40% increase] ; 60 % [60% increase] ; 90 % [90% increase]).
  • Relations with others (Relations interpersonnelles) : 3 niveaux (relations tendues/détériorées [strained] ; relations améliorées [improved] ; sans impact [no impact]).
  • Monthly out-of-pocket costs (Dépenses directes mensuelles à charge) : 3 niveaux financiers réels (30 $ ; 90 $ ; 270 $).
• Population cible et critères d’éligibilité : Hommes et femmes adultes (18 ans et plus) résidant aux États-Unis, ayant un diagnostic clinique documenté de trouble dépressif majeur. Les critères d’exclusion formels comprennent les antécédents de trouble bipolaire et de dépression du post-partum.
• Cotation et analyse des scores : L’outil ne produit pas de score brut arithmétique unifié. L’évaluation repose sur l’analyse de régression logistique des choix observés, permettant d’extraire les utilités marginales partielles ($β$), les taux marginaux de substitution entre attributs et le consentement à payer estimé pour chaque gain clinique.

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

L’instrument a été formellement introduit et diffusé en 2023 dans la revue scientifique internationale à comité de lecture The Patient: Patient-Centered Outcomes Research. Les conditions juridiques et administratives d’utilisation sont détaillées ci-après :

• Frais d’utilisation : Aucun frais financier n’est associé à l’utilisation de cet instrument. Il ne s’agit pas d’un produit commercial fermé. L’outil relève de la recherche académique en libre accès à des fins scientifiques et non lucratives.
• Autorisations et droits de reproduction : Les chercheurs et cliniciens souhaitant intégrer la matrice expérimentale ou déployer le DCE dans de nouvelles études cliniques sont invités à solliciter l’autorisation formelle auprès de l’auteure correspondante : Dr. Susan dosReis ([email protected]), Department of Pharmaceutical Health Services Research, University of Maryland Baltimore School of Pharmacy.
• Langue originale : Anglais américain. Aucune version francophone validée de manière transculturelle n’a été officiellement publiée à ce jour.

12. Références / References

Les sources scientifiques fondant la construction théorique et empirique de cet instrument sont documentées ci-dessous selon les normes bibliographiques de l’APA (7^e édition) :

• Charles, C., Gafni, A., & Whelan, T. (1997). Shared decision-making in the medical encounter: What does it mean? (or it takes at least two to tango). Social Science & Medicine, 44(5), 681–692. https://doi.org/10.1016/S0277-9536(96)00221-3
• dosReis, S., Bozzi, L. M., Butler, B., Xie, R. Z., Chapman, R. H., Bright, J., Malik, E., & Slejko, J. F. (2023). Preferences for treatments for major depressive disorder: Formative qualitative research using the patient experience. The Patient: Patient-Centered Outcomes Research, 16(1), 57–66. https://doi.org/10.1007/s40271-022-00596-6
• Hauber, A. B., González, J. M., Groothuis-Oudshoorn, C. G., Prior, T., Marshall, D. A., Cunningham, C., IJzerman, M. J., & Bridges, J. F. (2016). Statistical methods for the analysis of discrete choice experiments: An ISPOR good research practices task force report. Value in Health, 19(4), 300–315. https://doi.org/10.1016/j.jval.2016.04.004
• Joosten, E. A., DeFuentes-Merillas, L., de Weert, G. H., Sensky, T., van der Staak, C. P., & de Jong, C. A. (2008). Systematic review of the effects of shared decision-making on patient satisfaction, treatment adherence and health status. Psychotherapy and Psychosomatics, 77(4), 219–226. https://doi.org/10.1159/000126073
• Lancaster, K. J. (1966). A new approach to consumer theory. Journal of Political Economy, 74(2), 132–157. https://doi.org/10.1086/259131
• McFadden, D. (1974). Conditional logit analysis of qualitative choice behavior. In P. Zarembka (Ed.), Frontiers in Econometrics (pp. 105–142). Academic Press.
• Thurstone, L. L. (1927). A law of comparative judgment. Psychological Review, 34(4), 273–286. https://doi.org/10.1037/h0070288
• Xie, R. Z., dosReis, S., Slejko, J. F., Bright, J., Bozzi, L. M., Butler, B., Malik, E., & Chapman, R. H. (2021). Engaging patients and stakeholders in defining treatment attributes for major depressive disorder: A qualitative study. Patient Preference and Adherence, 15, 2371–2382. https://doi.org/10.2147/PPA.S328639

13. Questions et items du questionnaire / Scale Items