Comparaisons à un groupe contrôle externe

1 Introduction

2 TL ; DR - Guide d’évaluation des comparaisons à un groupe contrôle externe

3 Les études de comparaison externe, de quoi s’agit-il ?

4 Pour quels usages

5 Les problématiques méthodologiques soulevées par les comparaisons externes

6 Les comparaisons externes sont des études observationnelles

7 Position des agences de régulation et de HTA

8 De la nécessité d’avoir des preuves de l’intérêt cliniques des nouveaux traitements

9 Les sources de données utilisables

10 Les problématiques liées à l’aspect rétrospectif de ces études

11 Rédaction du protocole

12 Démarche hypothético déductive

13 L’inférence causale et les hypothèses sous-jacentes

14 Le biais de confusion

15 Les techniques d’analyses statistiques

16 Le diagnostic d’absence de biais de confusion résiduel

17 Les biais de sélection

18 Identifications des patients dans la source de données

19 Biais liés aux données

20 La qualité des données

21 Les outils d’évaluation du risque de biais

22 L’émulation d’un essai cible

23 Le benchmarking et les contrôles positifs

24 Analyses de sensibilité , analyses quantitatives du biais

25 Calcul d’effectif

§ Conséquences des analyses ajustées

§ Déséquilibres d’effectifs

§ Rareté des patients contrôles indépendamment de la fréquence de la maladie

§ Importance du calcul d’effectifs

§ Calcul d’effectif et choix de la source de données

§ Que faire en cas de nombre de sujets disponibles insuffisants

26 Contrôle du risque alpha global

27 Pertinence clinique

28 Méta-épidémiologie et étude de cas

29 Synopsis - les critères d’acceptabilité des études de comparaisons externes pour la modification des stratégies thérapeutiques

Références

30 Annexes

PDF

§ Que faire en cas de nombre de sujets disponibles insuffisants

Lorsqu’il s’avère qu’aucune source de données ne peut donner le nombre de patients/événements nécessaire, deux solutions peuvent être envisagées.

La première solution consiste à construire le groupe contrôle externe non pas à partir d’une seule source de données, mais de plusieurs (par exemple le registre français de la maladie associée à d’autres registres européens, nord-américains, etc.) [92] . Cette approche augmente la complexité de l’étude et soulève à son tour de nouvelles problématiques pratiques : homogénéisation des variables et des définitions, disponibilité dans toutes sources de données utilisées des variables nécessaires, etc. Se posent aussi des questions en termes d’homogénéité à travers les populations de patients réunies des facteurs de confusion, des déterminants des critères de jugements et d’éventuels modificateurs d’effet.

Se pose aussi la question de réaliser une seule comparaison à un groupe contrôle externe unique, construite par regroupement des différentes sources, ou de réaliser une comparaison pour chaque source et de regrouper ces différentes estimations de l’effet du traitement par méta-analyse. Cette dernière option présente l’avantage supplémentaire de documenter la stabilité des estimations quelle que soit la source utilisée, et, le cas échéant, de renforcer la confiance accordée au résultat.

L’autre solution consiste à différer l’analyse afin d’attendre l’intégration dans la source de données du nombre suffisant de patients et/ou d’événements (de la même façon de ce qui se passe dans un recrutement prospectif). Outre l’inconvénient de ne pouvoir apporter disposer des résultats de la comparaison externe immédiatement, cette option amène aussi la question de la réalisation d’un groupe contrôle comptemporain (cf. section 9.2).

Tableau 14 – Mention du calcul d’effectif dans les guides des agences

Agence

Document

Page

Extrait

EMA

Reflection paper on use of real-world data in noninterventional studies to generate real-world evidence for regulatory purposes

NA

EMA

Draft Concept Paper on the Development of a Reflection Paper on the Use of External Controls for Evidence Generation in Regulatory Decision-Making

NA

MHRA

MHRA draft guideline on the use of  external control arms based on real- world data to support regulatory decisions

NA

MHRA

MHRA guidance on the use of real-world data in clinical studies to support regulatory decisions

§3

it is recommended that statistical power calculations are used to assess whether the potential number of patients would enable a clinically important treatment effect to be detected

FDA

Real-World Evidence: Considerations Regarding Non-Interventional Studies for Drug and Biological Products [53]

7

Assessment of feasibility, including sample size calculation and anticipated operating characteristics (e.g., statistical power)

FDA

Considerations for the Design and Conduct of Externally Controlled Trials for Drug and Biological Products [6]

13

Before conducting an externally controlled trial, sponsors should develop a statistical analysis plan that prespecifies analyses of interest, such as analyses of primary and secondary endpoints, calculations of statistical power and sample size,

HAS

Rapid access to innovative medicinal products while ensuring relevant health technology assessment. Position of the French National Authority for Health [44]

NA

NICE

NICE real-world evidence framework [64]

NA