Dans les maladies complexes, comme le cancer, les chercheurs s’appuient sur des comparaisons statistiques de la survie sans maladie (DFS) des patients par rapport à des groupes témoins appariés et sains. Cette approche logiquement rigoureuse assimile essentiellement la rémission indéfinie à la guérison. La comparaison est généralement effectuée par l’approche de l’estimateur de Kaplan-Meier.
Le modèle de taux de guérison le plus simple a été publié par Joseph Berkson et Robert P. Gage en 1952. Dans ce modèle, la survie à un moment donné est égale aux personnes qui sont guéries plus celles qui ne sont pas guéries, mais qui ne sont pas encore mortes ou, dans le cas de maladies qui présentent des rémissions asymptomatiques, qui n’ont pas encore développé à nouveau des signes et des symptômes de la maladie. Lorsque toutes les personnes non guéries seront mortes ou auront développé à nouveau la maladie, il ne restera que les membres de la population définitivement guéris et la courbe DFS sera parfaitement plate. Le moment le plus précoce où la courbe devient plate est le moment où tous les survivants restants sans maladie sont déclarés définitivement guéris. Si la courbe ne devient jamais plate, alors la maladie est officiellement considérée comme incurable (avec les traitements existants).
L’équation de Berkson et Gage est S ( t ) = p + {\displaystyle S(t)=p+}
où S ( t ) {\displaystyle S(t)}
est la proportion de personnes survivantes à un moment donné, p {\displaystyle p}.
est la proportion de personnes qui sont définitivement guéries, et S ∗ ( t ) {\displaystyle S^{*}(t)}
est une courbe exponentielle qui représente la survie des personnes non guéries.
Les courbes de taux de guérison peuvent être déterminées par une analyse des données. L’analyse permet au statisticien de déterminer la proportion de personnes qui sont définitivement guéries par un traitement donné, et aussi combien de temps après le traitement il est nécessaire d’attendre avant de déclarer qu’un individu asymptomatique est guéri.
Plusieurs modèles de taux de guérison existent, comme l’algorithme d’espérance-maximisation et le modèle de Monte Carlo à chaîne de Markov. Il est possible d’utiliser des modèles de taux de guérison pour comparer l’efficacité de différents traitements. Généralement, les courbes de survie sont ajustées pour tenir compte des effets du vieillissement normal sur la mortalité, en particulier lorsque des maladies de personnes âgées sont étudiées.
Du point de vue du patient, en particulier celui qui a reçu un nouveau traitement, le modèle statistique peut être frustrant. Il peut falloir de nombreuses années pour accumuler suffisamment d’informations pour déterminer le point auquel la courbe de DFS s’aplatit (et donc qu’il n’y a plus de rechutes à prévoir). On peut découvrir que certaines maladies sont techniquement incurables, mais qu’elles nécessitent un traitement si peu fréquent qu’il n’est pas très différent d’un traitement curatif. D’autres maladies peuvent s’avérer avoir de multiples plateaux, de sorte que ce qui avait été salué comme une « guérison » se traduit de manière inattendue par des rechutes très tardives. Par conséquent, les patients, les parents et les psychologues ont développé la notion de guérison psychologique, ou le moment où le patient décide que le traitement était suffisamment susceptible d’être une guérison pour être appelé guérison. Par exemple, un patient peut se déclarer « guéri », et décider de vivre sa vie comme si la guérison était définitivement confirmée, immédiatement après le traitement.
