S'abonner

CO10.2 - Priors et seuils de décision des essais contrôlés randomisés de phase 2 et de phase 3 évaluant l'efficacité des médicaments à l'aide de méthodes bayésiennes - 10/05/24

Doi : 10.1016/j.jeph.2024.202436 
L. Barret 1, L. Liaigre 1, J. Giai 1, S. Laporte 2, 3, E. Ollier 2, C. Khouri 1, 3, M. Cucherat 4, M. Roustit 1, 3,
1 Université Grenoble Alpes, Inserm, CIC 1406, Grenoble, France 
2 Université Jean Monnet, Mines Saint- Étienne, Inserm, U1059 SAINBIOSE, Saint-Étienne, France 
3 Réseau RECaP (Recherche en épidémiologie clinique et en santé publique), F-CRIN, CIC-EC 1433, Vandœuvre-lès-Nancy, France 
4 Metaevidence.org, Service de pharmacologie et de toxicologie, Lyon, France 

Auteur correspondant

Résumé

Introduction

Depuis le milieu des années 2010, les approches bayésiennes sont parfois utilisées pour l'analyse des essais contrôlés randomisés (ECR) évaluant l'efficacité des médicaments. Bien que ces approches permettent une interprétation directe (en donnant la probabilité de supériorité par rapport au contrôle), l'introduction : d'information a priori peut modifier l'estimation de l'effet du traitement. En outre, alors que les seuils standards pour le risque de faux positifs dans l'inférence fréquentiste sont depuis longtemps acceptés par les agences d'enregistrement et d'accès au marché, l'expérience reste encore limitée avec les méthodes bayésiennes. L'objectif principal de cette étude est de décrire les priors et les seuils de décision utilisés dans les essais contrôlés randomisés de phase 2 et 3 évaluant l'efficacité des médicaments.

Méthodes

Une revue systématique des ECR de phase 2 et 3 évaluant sur le critère de jugement principal l'efficacité des médicaments à l'aide de l'inférence bayésienne a été effectuée dans les bases de données MEDLINE, EMBASE et Cochrane, sans restriction de date jusqu'en septembre 2022. Le type de prior utilisé pour l'analyse du critère de jugement principal (CJP) ainsi que l'ensemble de ses caractéristiques (type et paramètres de la distribution, présence de justification sur son utilisation, présence d'analyse de sensibilité sur le prior), l'utilisation d'un seuil de probabilité postérieure défini a priori, ainsi que sa valeur, étaient recherchés.

Résultats

Parmi 1161 articles extraits à partir des mots clés, 144 articles ont été retenus après analyse des résumés. Au total, 69 articles ont été inclus. Les principaux motifs d'exclusion étaient le design de l’étude et l'absence d'analyse bayésienne ; 67 % (n=46) concernaient des essais de phase 2 et 33 % (n=23) des essais de phase 3. L'infectiologie (25 %, n=17, dont 15 concernant la COVID-19) et l'oncologie (20 %, n=14) étaient les disciplines les plus représentées. Le nombre médian de sujets inclus par étude était de 128 (min : 11 - max : 3259). Les articles pouvant étudier plusieurs critères de jugements principaux ou plusieurs molécules ou dosages, 91 résultats ont été extraits dans cette étude. Pour 51% (n=46) des résultats, le prior était donné sur l'effet traitement. Il était défini comme étant « informatif », « faiblement informatif », « non informatif », « vague » et « neutre » dans 13 % (n=6), 20 % (n = 9), 26 % (n=12), 13 % (n=6) et 37 % (n=17) des cas respectivement. Plusieurs qualificatifs étaient parfois employés pour un seul prior. Dans 37 % (n=34) des résultats, le prior concernait chaque bras et dans 12 % (n =11), il n’était pas explicitement défini. Un seuil de probabilité postérieure était fixé à priori dans 68 % des cas (n=62). Les valeurs de seuil prédéfinies variaient de 70 % à 99 %. La valeur médiane du seuil était de 95 %, et cette valeur était la plus fréquemment retenue (24 %, n=15). La conclusion par rapport au seuil de décision, lorsqu'il était présent, était favorable au traitement étudié dans 44 % des cas (n=27). Enfin 30 % (n=27) des résultats présentaient également une analyse fréquentiste, avec parmi elles, 30 % (n=8) de conclusions favorables au traitement expérimental.

Conclusion

Cette étude montre une grande hétérogénéité dans l'utilisation des méthodes bayésiennes pour l'analyse des ECR médicamenteux. Une plus grande transparence sur les choix méthodologiques est par ailleurs souhaitable.

Le texte complet de cet article est disponible en PDF.

Mots-clés : Bayésien, Essai contrôlé randomisé, Prior, Seuil



© 2024  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 72 - N° S2

Article 202436- mai 2024 Retour au numéro
Article précédent Article précédent
  • CO10.1 - A randomization algorithm for phase II clinical trials design involving a hybrid-synthetic-control
  • S. Ganame, J. Hadoux, T. Walter, O. Boussari
| Article suivant Article suivant
  • CO10.3 - Revue méthodologique des essais cibles émulés
  • N. Simon-Tillaux, G. Martin, D. Hajage, C. Scheifer, M. Beydon, A. Dechartres, F. Tubach

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.