Interprétation d`une enquête épidémiologique

DIU « Chef de projet »
Méthodologie des essais
thérapeutiques
Dr Rachid ABBAS
Pr Florence Tubach
Dpt Epidémiologie et Recherche Clinique
Hôpital Bichat-Claude Bernard
Université Paris Diderot
Quelle est la question?
• Évaluation de l’efficacité ou de la tolérance d’un
traitement médicamenteux ou non, d’une
intervention, d’une stratégie de prise en charge
– Domaine de l’évaluation thérapeutique
DIU Chef de Projet - Rachid ABBAS
2
Evaluation thérapeutique
Un traitement est habituellement ce qui est prescrit
par des médecins à des malades pour améliorer leur
état de santé :
• Médicaments
• Dispositifs médicaux
• Conseils hygiénodiététiques
Régime
Exercices physiques
…
•
•
•
•
Chirurgie
Acupuncture
Rééducation
…
DIU Chef de Projet - Rachid ABBAS
3
Évaluation thérapeutique
Études avant/ après
Injections intradiscales de dextrose chez les patients
lombalgiques chroniques
Miller, Pain physician 2006
DIU Chef de Projet - Rachid ABBAS
4
Évaluation thérapeutique
Études avant/ après
• Études avant-après: conclusions possiblement
erronées
–
–
–
–
–
Amélioration spontanée de la maladie
Régression vers la moyenne
Effet Hawthorne
Effet placebo
Effet du traitement
DIU Chef de Projet - Rachid ABBAS
5
Amélioration spontanée de la maladie
• Maladies aiguës
– Grippe
• Maladies Chroniques
– Évolution par poussées
DIU Chef de Projet - Rachid ABBAS
6
Régression à la moyenne
• Le phénomène de régression à la moyenne survient
lorsqu’un groupe de patients est sélectionné sur des
valeurs extrêmes d’une variable (ex: pression artérielle)
• Une deuxième mesure de cette variable dans ce groupe
sera plus proche de la moyenne de la population que la
première variable
Inclusion
Evaluations
7
Régression à la moyenne
• Les patients ayant des scores les plus élevés (les
plus graves) auront l’amélioration la plus
importante
• Les patients ayant les scores les plus faibles (les
moins graves) auront une amélioration la moins
importante
DIU Chef de Projet - Rachid ABBAS
8
Effet Hawthorne
• Exemple éclairage et productivité (1930)
• Amélioration liée à l’attention portée aux ouvriers
et non pas à l’éclairage
• Effet Hawthorne = modification des résultats d’un
patient liée au fait qu’il participe à une étude,
qu’ils font l’objet d’une attention particulière
DIU Chef de Projet - Rachid ABBAS
9
Placebo
Définitions
• Placebo
– Substance ou intervention qui n’a pas d’effet
thérapeutique spécifique dans la pathologie étudiée
(Shapiro 1983).
• Effet placebo
– tous les effets thérapeutiques « non spécifiques »
associés à l’administration d’un placebo (ou d’un
traitement).
DIU Chef de Projet - Rachid ABBAS
10
Évaluer = Comparer
DIU Chef de Projet - Rachid ABBAS
11
Groupe Contrôle
Amélioration
Effet du traitement
Effet Placebo
Effet Hawthorne
Aucun
traitement
Suivi
Placebo
Histoire naturelle
et régression à
Traitement la moyenne
actif
DIU Chef de Projet - Rachid ABBAS
7 12
Structure des essais cliniques
R.H. Fletcher, Epidémiologie clinique, Ed Pradel, p140
Groupe
expérimental
Evaluation du critère
de jugement
Exposée
Population
TEMPS
Échantillon
Non Exposé
Groupe contrôle
comparaison
Evaluation du critère
de jugement
Sélection population
DIU Chef de Projet - Rachid ABBAS
13
Critères de jugement
• Critère qui va permettre de juger l’efficacité d’un traitement
– Efficacité du traitement de fond de la polyarthrite rhumatoïde
• Douleur, la déformation articulaire, la fonction, la qualité de vie
– Efficacité d’un antihypertenseur sur
• Pression artérielle
• Maladies cardiovasculaires (infarctus du myocarde, accident vasculaire
cérébral etc)
• Décès par maladie cardiovasculaire
• Décès
DIU Chef de Projet - Rachid ABBAS
14
Généralités: Validité interne
Population
Sélection des groupes
Groupe traité A
Groupe contrôle B
Administration du traitement
Évaluation du critère de jugement
Résultats de A
Résultats de B
DIU Chef de Projet - Rachid ABBAS
Perdus de vue
15
L’essai randomisé
Biais potentiels
Population
Biais de sélection
Groupe traité A
Groupe contrôle B
Biais de performance
(réalisation du traitement et des
traitements concomitants)
Biais de mesure
(évaluation du critère de jugement)
Résultats
dans le
groupe A
Résultats
dans le
groupe B
Biais d’attrition
(perdus de vue)
16
L’essai randomisé
Biais potentiels
Population
Randomisation
Groupe traité A
Groupe contrôle B
Biais de sélection
Biais de performance
(réalisation du traitement et des
traitements concomitants)
Biais de mesure
(évaluation du critère de jugement)
Résultats
dans le
groupe A
Résultats
dans le
groupe B
Biais d’attrition
(perdus de vue)
17
Biais de sélection
• Les caractéristiques des groupes ne sont pas réparties de
façon uniforme entre les 2 groupes d’intervention (les 2
groupes ne sont pas comparables initialement)
• La différence de taux de guérison entre le groupe traité et
le groupe témoin ne peut être attribuée au seul effet de
l’intervention, que si les deux groupes ne diffèrent que par
leur intervention
DIU Chef de Projet - Rachid ABBAS
18
Biais de sélection
• Exemples :
– Les niveaux de motivation des équipes sont différents
dans les différents centres et les centres qui pratiquent
l’intervention sont les plus motivés
– Le taux de patients dénutris dans les 2 groupes n’est pas
comparable
DIU Chef de Projet - Rachid ABBAS
19
Biais de sélection
• Problème dans les études observationnelles et les études
interventionnelles non randomisées (quasiexpérimentales)
 Constitution intentionnelle des 2 groupes
 Groupes intervention et contrôle sont non comparables
DIU Chef de Projet - Rachid ABBAS
20
L'évolution clinique dépend de nombreux paramètres en dehors
du traitement
- évolution naturelle,
- degré de gravité de la maladie
- cofacteurs de morbidité
- facteurs pronostiques connus ou inconnus
La différence de taux de guérison entre le groupe traité et le
groupe témoin ne peut être attribuée au seul effet traitement que
si les deux groupes ne diffèrent que par leur traitement.
La randomisation garantit (si échantillon suffisant) que tous
les facteurs déterminants de l'évolution (connus ou inconnus)
sont également répartis entre groupes traité et témoin.
DIU Chef de Projet - Rachid ABBAS
21
Biais de sélection
• Comment faire pour assurer la comparabilité
initiale des groupes?
DIU Chef de Projet - Rachid ABBAS
22
Biais de sélection
• Randomisation:
– Répartition aléatoire du traitement (de l’intervention), par tirage au sort
 les patients d’un groupe ont la même probabilité d’avoir une
caractéristique donnée que ceux de l’autre groupe
 Garantit la comparabilité initiale des 2 groupes, et l’équilibre des
caractéristiques (connues et inconnues) des patients dans les 2 groupes
(d’autant plus que le nombre de sujets par groupe est grand)
– Sans randomisation on peut essayer de constituer des groupes
comparables, mais seulement pour les caractéristiques connues
DIU Chef de Projet - Rachid ABBAS
23
Randomisation
Tirage au sort du traitement que va recevoir chaque
patient, tous les patients étant issus de la même population
source.
Intervention expérimentale
(traitement à l’étude)
Intervention contrôle
homme
femme
dénutrition
CHU
EHPAD
DIU Chef de Projet - Rachid ABBAS
24
Randomisation
Délai randomisation - intervention
R
évènement
Délai le plus
court
possible
décès
retrait de consentement
non confirmation
de diagnostic
A
B
DIU Chef de Projet - Rachid ABBAS
25
Randomisation
• Clause d’ambivalence
– Chaque patient doit pouvoir recevoir le traitement
prévu dans chacun des bras de l’étude
– Pas de contre-indication à l’une au l’autre des
interventions planifiées (problème pour la validation
externe)
DIU Chef de Projet - Rachid ABBAS
26
Randomisation
• Respecter l’assignation secrète
– Le médecin qui inclut ne doit pas connaître la prochaine
intervention assignée par la liste de randomisation
• Risque de ne pas inclure le patient si la prochaine intervention ne
lui parait pas appropriée  perte de la comparabilité des groupes
• Exemple :
– Essai contrôlé randomisé: appendicectomie sous cœlioscopie versus
appendicectomie à ciel ouvert
• Difficulté d’inclusion des patients la journée /le nuit
• Absence d’un chirurgien capable de faire une appendicectomie sous
cœlioscopie la nuit
• Problèmes d’organisation liés à la durée d’une appendicectomie sous
cœlioscopie la nuit.
Lecture par transparence des enveloppes de randomisation
DIU Chef de Projet - Rachid ABBAS
27
Randomisation
• Respecter l’assignation secrète
– Méthodes adéquates
•
•
•
•
Randomisation centralisée (serveur vocal ou internet)
Liste par blocs de taille variable
Enveloppes opaques et scellées
Médicaments préparés par la pharmacie
– Méthodes inadéquates
• Administrer chacun des traitements alternativement à un patient
sur deux (alternance)
• Donner le traitement A aux sujets nés les années paires et les
traitements B aux sujets nés les années impaires (utilisation de
l'année de naissance)
• Enveloppes non opaques et scellées
DIU Chef de Projet - Rachid ABBAS
28
Randomisation
1) Méthode pour générer la liste de
randomisation
– Adéquates
• Tables
• Informatisée
– Inadéquates: méthodes comportant une attitude
décisionnelle systématique
– randomisation alternée (ABABAB …)
– méthodes basées sur une caractéristique du malade (ex :
initiale du prénom, date de naissance …)
– méthodes basées sur le jour d’inclusion
DIU Chef de Projet - Rachid ABBAS
29
Randomisation
Randomisation simple
•On fixe les probabilités d’attribution de chacun des
traitements (en général 0,5 pour chacun des deux), et
on prépare une liste de randomisation  1 chance sur
2 d’être dans chaque bras
•Avantage : imprévisibilité (+ grande objectivité)
•Inconvénient : possibilité de déséquilibre entre les
groupes, surtout si ce sont de petits effectifs (variabilité
d’échantillonnage)
DIU Chef de Projet - Rachid ABBAS
30
Randomisation
Randomisation par blocs
• Bloc de 4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
A
A
B
B
A
B
A
B
B
B
A
A
B
A
B
A
DIU Chef de Projet - Rachid ABBAS
31
Randomisation
• Randomisation par blocs
– taille des blocs = multiple du nombre de bras
– avantage : limite les déséquilibres
– inconvénient : potentielle connaissance du prochain
traitement (si essai en ouvert)
– aspects pratiques : la taille des blocs doit être inconnue des
investigateurs et doit être la plus importante possible (elle
peut être modifiée en cours d’essai) ou blocs de taille
variable (impératif si essai en ouvert)
DIU Chef de Projet - Rachid ABBAS
32
Randomisation
• Celui qui recrute et inclue un malade dans un essai
ne doit pas pouvoir prévoir quel traitement lui sera
assigné
• Ex : essai dans le cadre du myélome : autogreffe de
moelle (AG) versus chimiothérapie CT
blocs de 4
centre 1 :
malade 1 CT
malade 2 AG
malade 3 CT
malade 4 : … prochain malade prévisible AG
DIU Chef de Projet - Rachid ABBAS
33
Randomisation
Randomisation stratifiée
• Bloc de 4
A = traitement actif
B = Placebo
1
A
2
A
3
B
4
B
5
A
6
B
7
A
8
B
9
B
10
B
11
A
12
A
13
B
14
A
15
B
16
A
DIU Chef de Projet - Rachid ABBAS
Stade avancé de la maladie
Stade modéré de la maladie
34
Randomisation stratifiée
Stade avancé de la maladie
1
2
3
4
5
6
7
8
A
A
B
B
A
B
A
B
Randomisation
Stade modéré de la maladie
1
2
3
4
5
6
7
8
B
B
A
A
B
A
B
A
La stratification permet de forcer la comparabilité
DIU Chef de Projet - Rachid ABBAS
35
Randomisation
• Objectif
– Assurer une comparabilité des groupes à
l’inclusion (s’affranchir du biais de sélection)
– Petits effectifs
la randomisation peut faillir
DIU Chef de Projet - Rachid ABBAS
36
Randomisation
Recommandations
• Larges essais (> plusieurs centaines de malades)
– Si multicentrique
• Stratification par centre
• Stratification sur autres facteurs est inutile car le nombre de
malades est important
• Essais de taille limitée
– Stratification par centre
– Si peu de facteurs pronostics importants  stratification
– Si trop de facteurs pronostics importants  schéma adaptatif
(minimisation)
DIU Chef de Projet - Rachid ABBAS
37
Randomisation
• Vérifier la comparabilité initiale des groupes
– descriptif de la population incluse par bras de
traitement (tableau 1)
 Facteurs pronostiques connus également répartis entre les
deux groupes
– La randomisation ne donne pas toujours des
groupes comparables (petits effectifs)
• Méthodes d’amélioration :
– Stratification (avant rando)
– Ajustement (après rando) : correction a posteriori des
résultats de l'étude (mais ne prend pas en compte les facteurs
pronostiques inconnus)
DIU Chef de Projet - Rachid ABBAS
38
Biais
Population
Sélection des groupes
Randomisation
Groupe traité A
Groupe contrôle B
Administration du traitement
Évaluation du critère de jugement
Résultats de A
Résultats de B
Prise en compte des
perdus de vue
DIU Chef de Projet - Rachid ABBAS
39
Biais de performance / mesure
• Biais de performance :
– différence systématique entre les groupes lors de
l’administration des soins autres que l’intervention à
l’étude
• intensité du suivi
• prescription et utilisation de co-interventions, coprescriptions
• compliance au traitement
• respect du protocole d’étude
– Exemples :
• Prescription plus fréquente de matelas anti-escarres dans
le groupe intervention
• Visites de suivi plus fréquentes ou plus longues
DIU Chef de Projet - Rachid ABBAS
40
Biais de performance / mesure
• Biais de performance
• Biais de mesure :
– Différence systématique lors de l’évaluation des
critères de jugement
– Appréciation du critère d’efficacité du traitement
– Évaluation des effets indésirables
– Exemple :
• Evaluation des escarres par l’infirmière qui mobilise ou le
kiné qui dispense les massages
 différences de suivi ou de mesure entre les groupes :
perte de la comparabilité initiale des groupes.
41
L’essai randomisé
Biais potentiels
Population
Biais de sélection
Randomisation
Groupe traité A
Groupe contrôle B
Insu
Résultats
dans le
groupe A
Biais de performance
(réalisation du traitement et des
traitements concomitants)
Biais de mesure
(évaluation du critère de jugement)
Résultats
dans le
groupe B
Biais d’attrition
(perdus de vue)
42
Biais de performance / mesure
• Insu :
– Tentative de ne pas informer les différents participants à une étude, du
type d’intervention reçue par les patients afin d’éviter des modifications
systématiques de leur comportement pouvant biaiser les résultats de
l’étude
– Le malade (simple aveugle), l’équipe soignante et
évaluatrice (double aveugle) doivent être tenus dans
l’ignorance du traitement reçu, dans la mesure du
possible
– L’insu assure la meilleure égalité possible du suivi, indépendamment
des effets des traitements
DIU Chef de Projet - Rachid ABBAS
43
• La randomisation a pour but d’obtenir la
comparabilité des groupes au début de
l’essai
• L’aveugle (l’insu) a pour but de
maintenir cette comparabilité tout au
long de l’essai
DIU Chef de Projet - Rachid ABBAS
44
Insu
• Si le malade connait la nature de son intervention (si pas
d’insu du patient), cela risque de :
– modifier son comportement dans un sens différent selon le groupe
auquel il appartient
– retentir sur son mode de vie (régime,…)
– modifier l’observance du traitement
– fausser son propre jugement sur l’effet qu’il ressent (un malade qui
sait qu’il appartient au groupe placebo aura tendance à minimiser
ses résultats)
DIU Chef de Projet - Rachid ABBAS
45 45
Mise en œuvre de l’insu
• Placebo :
– substance ou intervention « inerte » dénuée d’activité
pharmacologique mais perçue par le malade comme
ayant un effet
DIU Chef de Projet - Rachid ABBAS
46
Mise en œuvre de l’insu
• Placebo de traitement médicamenteux :
– Similarité des caractéristiques physiques du traitement
actif et du placebo (ou du traitement de référence)
• Comprimé : même aspect, couleur, consistance, forme, goût
(penser à masquer le goût)
DIU Chef de Projet - Rachid ABBAS
47
Biais de performance / mesure
• Placebo de traitement médicamenteux :
• Injection ou perfusion : sérum physiologique, poche+tubulure
masquée
DIU Chef de Projet - Rachid ABBAS
48
Insu
Double placebo : Pour comparer des produits de présentation
et/ou de voie d’administration différents
matin
traitement A 2 injections/jour
traitement B 3 gélules x 2/jour
soir
A
B
Placebo B
Les patients recevront :
bras intervention
bras contrôle (placebo ou
référence)
DIU Chef de Projet - Rachid ABBAS
Placebo A
49
Biais de performance / mesure
• Placebo de traitement non médicamenteux :
– Kinésithérapie : massages
– Education thérapeutique
• Insu pas toujours possible…
• Tenter de simuler une intervention placebo (le patient doit
avoir l’impression qu’on s’est autant occupé de lui dans les 2
groupes)
 Massages différents des points d’appui
• Mesure objective +++ et par un évaluateur indépendant
DIU Chef de Projet - Rachid ABBAS
50
Insu
– Exemples d’intervention placebo :
• Appareil éteint (traitement par US, lithotripsie)
DIU Chef de Projet - Rachid ABBAS
51
Insu
– Exemples d’intervention placebo :
• Autre type d’intervention (chirurgie, kiné, etc…) :
– placebo pas toujours facile
DIU Chef de Projet - Rachid ABBAS
52
Biais de performance / mesure
• Influence du type de critère de jugement (critère qui
mesure l’efficacité de l’intervention):
– Critères « durs » ou « objectifs » : d’autant plus que l’insu n’est
pas respecté ou n’est pas possible
• Décès
• Dosage biologique
– Critères « mous » ou « subjectifs »
• Symptômes déclarés par le patient (ex : douleur)
• Connaissances du patient sur sa maladie
• Satisfaction de l’éducation reçue
DIU Chef de Projet - Rachid ABBAS
53
Insu
• Au moment de la mesure de l’efficacité
– Evaluateur indépendant de l’étude : ne doit pas savoir dans quel bras
d’intervention est le patient
• Ex : recueil du critère de jugement par du personnel de recherche employé
pour l’étude
• Ex : lecture centralisée de radios par un radiologue indépendant
– Choix d’un critère de jugement objectif (d’autant plus que l’insu n’est
pas possible à assurer dans l’étude)
– Si insu du patient et du thérapeute impossible
 Evaluation du critère de jugement en insu (évaluateur en insu)
PROBE studies : Prospective Randomized Open Blinded
Endpoint
DIU Chef de Projet - Rachid ABBAS
54 54
Biais de performance / mesure
• Appréciation identique du critère de jugement dans les 2
groupes
– en insu de l’intervention reçue (évaluateur indépendant de l’équipe
soignante)
– standardiser conditions et techniques de mesure
• Exemple :
– Photos des lésions (escarres) et interprétation par un évaluateur
unique indépendant
– Technique de mesure de laboratoire standardisée (automate)
– Formation à la prise de tension artérielle
DIU Chef de Projet - Rachid ABBAS
55
Biais de performance / mesure
• Remarque : placebo / traitement de référence
– Pour des raisons éthiques, quand il existe un traitement
efficace et qu’il y a un risque de perte de chance pour le
patient à ne pas être traité, il n’est pas acceptable de
comparer une intervention à un placebo
– Dans ce cas le bras contrôle reçoit une intervention de
référence = meilleur traitement disponible actuellement
– Intervention expérimentale et intervention contrôle
doivent être indiscernables pour assurer l’insu
DIU Chef de Projet - Rachid ABBAS
56
L’essai randomisé
Biais potentiels
Population
Biais de sélection
Randomisation
Groupe traité A
Groupe contrôle B
Insu
Résultats
dans le
groupe A
Biais de performance
(réalisation du traitement et des
traitements concomitants)
Biais de mesure
(évaluation du critère de jugement)
Résultats
dans le
groupe B
Biais d’attrition
(perdus de vue)
57
Biais d’attrition
• Biais d’attrition:
– Différence systématique survenant au moment de
l’analyse du critère de jugement, quand des patients
randomisés sont écartés de l’analyse statistique
• analyse uniquement des patients présents à la dernière visite
(pas les perdus de vue)
 les groupes ne sont plus comparables au
moment de l’analyse
DIU Chef de Projet - Rachid ABBAS
58
Biais d’attrition
• Comment faire pour maintenir la comparabilité
initiale des groupes?
DIU Chef de Projet - Rachid ABBAS
59
L’essai randomisé
Biais potentiels
Population
Biais de sélection
Randomisation
Groupe traité A
Groupe contrôle B
Insu
Résultats
dans le
groupe A
ITT
Biais de performance
(réalisation du traitement et des
traitements concomitants)
Biais de mesure
(évaluation du critère de jugement)
Résultats
dans le
groupe B
Biais d’attrition
(perdus de vue)
60
Biais d’attrition
• Analyse en Intention de traiter (ITT) :
Analyse de tous les patients dans leur groupe de randomisation :
- quelle que soit leur observance au traitement alloué
- quel que soit le traitement réellement reçu
- quel que soit l’éventuel retrait du patient ou déviation du
protocole
permet de limiter le biais d’attrition
analyse de l’efficacité dans des conditions proches de la réalité
DIU Chef de Projet - Rachid ABBAS
61
Biais d’attrition
Si exclusion des patients qui n’ont pas respecté le protocole :
- pas de maintien du bénéfice de la randomisation
- les résultats sont biaisés
Erreur majeure
Biais d’attrition
Raisons d’arrêt du traitement, ou d’arrêt de suivi = peuvent être en
rapport avec le pronostic
DIU Chef de Projet - Rachid ABBAS
62
Biais d’attrition
• Comment faire ?
– Si arrêt du traitement : suivre le patient jusqu’à la fin
de l’étude pour mesurer le critère de jugement
– Si perdu de vue :
• Tout au long de l’essai tout faire pour éviter les perdus de vue
+++
• essayer de retrouver le patient, d’avoir au moins le critère de
jugement principal
• sinon, imputer une valeur pour le critère de jugement
– Chaque patient inclus dans l'essai doit être pris en
compte dans les analyses
DIU Chef de Projet - Rachid ABBAS
63
Validité externe
DIU Chef de Projet - Rachid ABBAS
64
Validité externe
• La validité externe permet de juger de
l’applicabilité des résultats, de la généralisabilité
des résultats
– Les résultats de l’essai sont-ils applicables dans mon
centre ?
– Les résultats de l’essai sont-ils applicables à mes
malades ?
DIU Chef de Projet - Rachid ABBAS
65
Population à laquelle sera
prescrite le nouveau médicament
Population correspondant aux
indications du produit
Population acceptant
Population potentielle
de rentrer dans
l’étude
sélectionnée pour l’étude
R
+++
A
?
??
???
B
Sorties
d’essais
A’
B’
Analyse en intention de
traiter
Généralisation
66
Validité externe
• Critères d’éligibilité (critères d’inclusion et non
inclusion)
– Les malades doivent
• Être atteint de la maladie
• Former un groupe bien défini
• Respecter la clause d’ambivalence (essais randomisés)
– Souvent hypersélection fondée sur des critères
d’éligibilité très stricts
• recrutement difficile mais donne toutes ses chances au produit
de montrer son effet (s’il existe)
– Risque : problème de généralisabilité ultérieure des
résultats
67
Validité externe
• Critères d’éligibilité
• Mode de recrutement
– Restreint
• Identification des patients par les médecins
– Large
• Campagne de presse
• Médecin généraliste
DIU Chef de Projet - Rachid ABBAS
68
Validité externe
• Critères d’éligibilité
• Mode de recrutement
• Centres
– Nombre
• Monocentrique
• Multicentrique
– Type de centre
• CHU
• CHG
• Médecins libéraux
DIU Chef de Projet - Rachid ABBAS
69
Validité externe
• Critères d’éligibilité
• Mode de recrutement
• Centres
• Prise en charge :
– Description de l’intervention
– Souvent standardisation de l’intervention
DIU Chef de Projet - Rachid ABBAS
70
Validité externe
•
•
•
•
Critères d’éligibilité
Mode de recrutement
Centres
Prise en charge
• Adhérence au traitement
– Mise en place d’intervention pour améliorer
l’adhérence
DIU Chef de Projet - Rachid ABBAS
71
Validité externe
•
•
•
•
•
Critères d’éligibilité
Mode de recrutement
Centres
Prise en charge
Adhérence au traitement
• Administration des co-interventions
– Idéalement les patients devraient se passer de tout autre traitement
que celui attribué par le sort et étudié
– En pratique impossible : préciser les médicaments autorisés et interdits.
Sont autorisés ceux qui n’interfèrent ni avec le produit testé, ni avec
son évaluation
– Ce qui importe : que les médicaments reçus soient identiques dans les
deux groupes traités information très importante à recueillir
DIU Chef de Projet - Rachid ABBAS
72
Validité externe
•
•
•
•
•
•
Critères d’éligibilité
Mode de recrutement
Centres
Prise en charge
Adhérence au traitement
Administration des co-interventions
• Critère de jugement
– Pertinent :
• permet de décider de la prise en charge
• Simple et disponible chez tous les patients
– et valide : fiabilité et reproductibilité
DIU Chef de Projet - Rachid ABBAS
73
Différences essais pragmatiques
versus essais explicatifs (1)
Essai explicatif
(efficacité)
Essai pragmatique
(efficience)
Nature de la
question
posée
Le traitement est-il efficace dans
des conditions d’utilisation
idéales (de réponse prévisible
au traitement, d’administration du
traitement, de compliance, de
suivi)
Le traitement est-il
efficace dans les
conditions usuelles
d’utilisation ?
Critères
d’éligibilité
des malades
Très stricts, limités aux patients
a priori bons répondeurs et
compliants
Tous les malades atteints
de la maladie en cause
Traitement /
intervention
Administré par les meilleures
mains et suivi rapproché pour la
dose et les effets secondaires
(standardisation)
Donné comme soin de
routine
74
Différences essais pragmatiques
versus essais explicatifs (2)
Essai explicatif
Intensité du suivi
Compliance du
malade
Élevée, visites fréquentes Habituelle, pas différente
des soins de routine
Etroitement évaluée,
avec stratégies pour
améliorer la compliance
Adhésion des
Evaluée très
médecins au
précisément, avec
protocole de l’étude feedback si adhésion
incomplète
Co-intervention
Essai pragmatique
Le plus souvent interdite
et au moins précisément
définie et enregistrée
Non différente des soins
usuels
Non évaluée
Autorisée (recueillir
l’information)
75
Différences essais pragmatiques
versus essais explicatifs (3)
Conclusions issues de cet essai
Bénéfice clairement supérieur au
risque
Essai
explicatif
Essai
pragmatique
Bénéfice clairement non supérieur
au risque
Ambigu : le traitement marche mais
Le traitement doit être abandonné
les malades et les cliniciens serontdans cette indication
ils capables d’arriver au succès dans
les conditions de routine ?
Ce traitement doit être adopté et
généralisé
Ambigu : le traitement est-il
inefficace car intrinsèquement
inefficace ou parce que trop peu
de malades ou de médecins
suivent les recommandations et
prennent leur traitement ?
DIU Chef de Projet - Rachid ABBAS
76
Essais pragmatiques et essais
explicatifs
• Planification, conduite, analyse et interprétation d’un
essai sont déterminées par la question à laquelle on
veut répondre
• Essais pragmatiques et explicatifs répondent à deux
questions différentes sans échelle de valeur entre eux
• Continuum entre ces deux types d’essais
DIU Chef de Projet - Rachid ABBAS
77
Essais pragmatiques et essais
explicatifs
• Impossible de faire un essai purement explicatif (par
exemple les malades ne sont pas toujours compliants
ou purement pragmatique (par exemple il y a toujours
des critères d’inclusion)
• Proposition de D. Sackett
– Commencer par un essai explicatif, de taille limitée, rapide
– Si cet essai est positif, continuer par un essai pragmatique
plus large
DIU Chef de Projet - Rachid ABBAS
78