Dans les études longitudinales, les critères d’intérêt sont souvent tronqués par le décès, ce qui signifie qu’ils sont observés ou bien définis que conditionnellement à des événements intermédiaires tels que la survie. Les estimandes causales standards, tels que l’effet causal moyen chez les survivants (survivor average causal effect), portent sur un sous-groupe non identifiable et peuvent donc être difficiles à interpréter et à justifier pour une utilisation pratique. Nous répondons à ces difficultés en introduisant un nouvel ensemble d’estimandes qui (1) concernent l’ensemble de la population et (2) résument les issues potentielles sur des périodes de survie distinctes. Ces estimandes couvrent une gamme de résumés cliniquement pertinents, tels que des issues cumulées ou la dernière issue observée, et peuvent être adaptés au moyen de schémas de pondération afin de s’aligner sur différents objectifs de décision. En outre, nous étendons ces résultats pour construire une nouvelle classe d’estimandes pour un monde unique (single-world), généralisant les résultats existants sur les effets séparables (separable effects). Nous illustrons l’approche par une réanalyse d’un essai sur le cancer de la prostate, en montrant comment différentes estimandes peuvent conduire à des conclusions thérapeutiques différentes.