Acceptabilité des « nouvelles méthodologies » pour l’évaluation des médicaments

1 Objectifs, démarche mise en œuvre

2 Fondamentaux et principes de base considérés

3 Définition et classification des nouvelles « méthodologies »

4 L’acceptabilité des méthodologies « moins-disantes »

5 Retour des premières utilisations de nouvelles méthodologies

6 Évaluation des revendications de bénéfice clinique d’un nouveau traitement

7 Les real world evidences (RWE )

8 Les études observationnelles

8.1 Problématiques méthodologiques spécifiques et solutions possibles

8.1.1 Confusion

8.1.2 Autres biais

8.1.3 Autres éléments de méthode

8.1.3.1 Étude exploratoire , étude de confirmation, découverte fortuite

8.1.3.2 Études multibases

8.1.3.3 P hacking

8.1.3.4 Biais de publication et selective reporting

8.1.4 Analyse en intention de traiter

8.1.5 Inférence causale (causal inference)

8.2 Synthèses des problématiques et de leurs solutions

8.3 Études de cas, retour sur expérience

8.3.1 Comparaison de la chlorthalidone et de l’hydrochlorothiazide pour le traitement de l’hypertension

8.3.2 Sécurité cardiovasculaire de l’insuline

8.4 Meta-recherche

8.5 Avis de la SFPT

9 L’approche d’émulation d’un essai cible

10 Les registres

11 Les essais pragmatiques

12 Les essais plateformes

13 Les essais bayésiens

14 Les essais adaptatifs

15 Les essais combinés (« sans couture », seamless )

16 Études mono-bras (non comparative)

17 Études à contrôle externe (groupes contrôles synthétiques )

18 L’emprunt d’information

19 Les surrogates (critères de substitution)

20 Les essais basket

21 Les analyses poolées , les méta-analyses

22 Les comparaisons indirectes en remplacement d’études « head to head » manquantes

23 Les maladies rares

Références

PDF

8.1.2 Autres biais

     

Dans un essai clinique, la combinaison de la randomisation, d’un aveugle (idéalement double) bien construit, et de la standardisation des mesures et du suivi des patients offre une protection systématique contre un grand nombre de biais. Ce n’est pas le cas dans les études observationnelles où les mécanismes de survenue des biais, parfois complexe, peut entraîner de grandes difficultés méthodologiques pour la réalisation des études, ou la nécessité d’une grande expertise pour leur évaluation.

Des outils comme l’échelle ROBINS-I ont été développés pour estimer le risque de biais de manière standardisée. ROBINS-I [43] est maintenant largement adopté (méta-analyses intégrant des études observationnelles, recommandations GRADE [44] , etc.). Il permet une évaluation du risque de biais approfondi portant sur toutes les dimensions de biais existants dans une étude observationnelle. Il a été conçu de façon à unifier les biais affectant les études contrôlées randomisées et les études observationnelles. Ainsi son niveau de « low risk of bias » correspond au degré de certitude apporté par un essai randomisé correctement conçu et réalisé [43] .

Pour être considérée comme pouvant produire des démonstrations de degré de crédibilité suffisante, comparable à ce que produit un RCT, une étude observationnelle devra être cotée à « low risk of bias » par l’outil ROBINS-I (par définition).

Ces outils doivent dorénavant être utilisés en remplacement des historiques échelles de niveau de preuve qui sont, de façon générale, à considérer comme insuffisamment précises ou caduques.

L’approche d’émulation d’un essai cible (cf. section 9) a été proposée pour permettre, par une approche systématisée, d’anticiper la survenue de biais lors de la conception puis lors de l’analyse des études observationnelles, en particulier concernant la sélection des patients, la définition de la date index de suivi des patients, le recueil des évènements critères de jugement, et la définition de la population et des modalités d’analyse [34 , 45]