La problématique de l’évaluation de l’efficacité des technologies de santé (médicaments, dispositifs, etc.) par les études observationnelles prend de plus en plus d’importance depuis que les agences d’enregistrement et d’accès au marché envisagent de les considérer dans leur processus d’évaluation. Dans ce contexte, les études observationnelles doivent être capables d’apporter de réelles démonstrations, d’un niveau de fiabilité comparable à celles produites par l’approche classique basée sur l’essai randomisé et contrôlé (RCT). L’objectif de la table ronde a été d’établir les critères d’acceptabilité pour qu’une étude observationnelle (« non-randomized, non-interventional study ») puisse prétendre apporter ces démonstrations, et éventuellement servir d’étude confirmatoire pour les autorités d’enregistrement et d’accès au marché, la construction des stratégies thérapeutiques ou l’élaboration des recommandations. Pour cela, l’étude doit être une véritable étude de confirmation respectant la démarche hypothético-déductive et garantissant l’absence de HARKing et de p-hacking en attestant de l’élaboration d’un protocole et d’un plan d’analyse statistique, enregistrés avant toute analyse inférentielle. Elle doit aussi s’inscrire dans une démarche formalisée d’inférence causale et montrer qu’elle permet d’identifier correctement l’estimand causal recherché. L’étude doit garantir l’absence de biais de confusion résiduelle à l’aide d’une prise en compte de tous les facteurs de confusion affectant la comparaison, ceux-ci devant être déterminés par une approche formelle (de type graphique de causalité, DAGs). Les diagnostics de biais de confusion résiduel par analyse de falsification et de nullification doivent montrer leur absence. L’étude doit être à faible risque de biais, en particulier de biais de sélection, entre autres en utilisant un design d’émulation d’essai cible. Le risque alpha global doit être strictement contrôlé. L’absence de publication sélective de résultat et de biais de sélection doit être garantie.