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

9.1 Données historiques, RWD

§ Avantages inconvénients des différentes sources de données secondaires

9.2 Groupe contrôle externe prospectif

9.3 Sources dédiées

9.4 « Données de la baseline »

9.5 Recherche et qualification de la source de données

9.6 Accès aux données

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

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

9.3 Sources dédiées

Devant l’importance prise par les études monobras dans le développement de certains nouveaux traitements, en oncologie en particulier, des bases dédiées ont été créées à la construction de groupe contrôle externe ont faites leur apparition. La plus importante est la base commerciale Flatiron (https://flatiron.com/real-world-evidence/real-world-data ).

La société MEDIDATA commercialise pour la création de groupes contrôles externes des données historiques issues de fichiers d’essais cliniques (https://www.medidata.com/en/clinical-trial-products/medidata-ai/real-world-data/synthetic-control-arm/ ).

Transcelerate biopharma inc. propose le même type de partage de données historiques d’études cliniques  (https://www.transceleratebiopharmainc.com/initiatives/historical-trial-data-sharing/ )

Quelques initiatives se mettent en place pour regrouper aux mêmes endroits des données d’études précédentes ou de registres dans le but de simplifier la création de groupe contrôle externes. L’initiative la plus aboutie en avril 2026 concerne le glioblastome [76] .Ces registres peuvent être constitués soit prospectivement soit en regroupant des sources de données existantes.

Tableau 10 – Comparaissons des différences sources de données historiques

Avantages

Inconvénients

Registres, cohortes

Effectifs importants

Suivi longitudinal

Standardisation du recueil des données

Diversité des patients

Biais de sélection type 2

Limitation aux données collectées

Manque souvent des variables clés (critères de jugement, facteurs de confusion, contrôles négatifs

Données manquantes

Dossiers médicaux, EDS, electronic health records

Richesse en variables cliniques

Effectifs importants

Exhaustivité des variables patients

Données biologiques et d'imagerie

Inconsistance dans le recueil des données (non standardisées,)

Données non structurées nécessitant un pré-processing important

Données manquantes

Chart review

Spécifique à la question de recherche

Information spécifique

Recueil de données ciblées

Capture les nuances médicales, biologiques, etc.

Couteux en temps et en argent

Effectifs plutôt réduits

Nécessite un consentement patient

Non représentatif de la population

Bases de données administratives

Disponibilité

Grand nombre de patients

Conservation des historiques des traitements et des actes

Finalité très éloignée de la recherche clinique

Pas de données cliniques

Essais cliniques précédents

Qualité optimale des données

Variables bien définies et mesurées directement

Disponibilité des critères de jugement spécifiques à l’évaluation (PFS par exemple)

Données propriétaires, difficilement accessibles en cas d’études industrielles de traitements qui seront concurrencés par le nouveau traitement

N’existe pas toujours (maladies rares)