Fournir des réponses rapides dans l’évaluation de nouveaux traitements sans adopter la stratégie d’évaluation standard semble de plus en plus fréquent, les essais non contrôlés étant de plus en plus utilisés comme modèle de choix pour l’évaluation de nouveaux traitements. Ce processus accéléré a un impact sur la procédure d’approbation (1). Pour augmenter le niveau de preuve dans ces contextes précoces, les comparaisons externes, c’est-à-dire la recherche de contrôles historiques, y compris les données du monde réel (RWD), semblent intéressantes (2). Toutefois, pour être valables, ces comparaisons nécessitent une mise en œuvre minutieuse de méthodologies statistiques innovantes tenant compte des variations entre les études, en fonction de la disponibilité et du type de données externes, qu’il s’agisse de données individuelles sur les patients ou de données agrégées, obtenues à partir d’essais interventionnels antérieurs ou de données du monde réel. La plupart des auteurs ont mis en garde contre l’utilisation abusive de chaque approche, et d’autres ont fait état de certaines considérations méthodologiques concernant l’utilisation de contrôles externes, mais aucun n’a fait état de toutes les méthodes disponibles et de leurs objectifs et hypothèses sous-jacents pour tirer parti de la RWD en fonction du type de données disponibles. Notamment, la plupart des méthodes visant à remédier au non-chevauchement, telles que l’élagage ou la sous-pondération des données dans les régions où les données sont peu fiables, modifient l’estimation de sorte qu’il n’est plus possible d’inférer sur l’échantillon ou la population sous-jacente, ce qui se traduit par des populations cibles ambiguës qui ne peuvent être définies avec précision (3).
L’objectif de ce projet est, sur la base d’une vue d’ensemble des méthodes existantes et du développement de nouveaux modèles, de fournir un cadre méthodologique bien défini pour l’utilisation de données externes dans les essais uniques.
- Les étapes du projet sont les suivantes
- (a) Examiner la littérature existante sur les approches de conception et d’analyse des essais à un seul bras avec des comparaisons externes.
- (b) Développer de nouveaux modèles, notamment en utilisant des méthodes bayésiennes incorporant des données agrégées ou individuelles provenant de l’élicitation d’experts ou des données individuelles avec des approches de score de propension.
- (c) élaborer des mesures de performance pour ces comparaisons indirectes et évaluer les propriétés statistiques des plans d’essai et des stratégies d’analyse sélectionnés
- (d) illustrer les nouveaux modèles efficaces par des études de cas (analyses post hoc basées sur des ensembles de données d’essais existants) ou influencer les méthodologies des futurs essais de ce type.
Ce projet devrait donner lieu à au moins deux publications dans une revue spécialisée dans les essais méthodologiques/cliniques.
Le candidat sera basé dans l’équipe ECSTRRA (Epidémiologie et Statistiques Cliniques pour les Tumeurs, la Respiration et la Réanimation) de l’INSERM U1153, située dans le Département de Biostatistique de l’hôpital Saint Louis à Paris (https://www.sbim-stlouis.org/), France, où il bénéficiera d’une expérience concrète en travaillant avec des spécialistes sur les essais cliniques, y compris les essais de phases précoces et l’inférence causale.
Ce projet fait partie du consortium SMATCH « Statistical and AI based Methods for Advanced Clinical Trial CHallenges in Digital Health » du programme national PEPR Santé Numérique, Programme #1 (https://pepr-santenum.fr/). L’équipe de supervision de ce projet comprend les Professeurs Jérôme Lambert et Sylvie Chevret. Le projet comprendra une consultation avec les autres membres du consortium SMATCH pour concevoir et planifier l’étude, pour présenter les résultats, et pour évaluer l’impact de l’étude sur la santé publique.
Le poste (doctorat ou post-doc) sera défini en fonction du candidat. Dans le cas d’un programme de doctorat, le poste sera un contrat de doctorat à temps plein de 36 mois et l’étudiant sera affilié à l’Ecole doctorale 393 Pierre Louis de Santé Publique – Université Paris Cité – Sorbonne Université (https://ed393.sorbonne-universite.fr/lecole-doctorale-393). Dans le cas d’un post-doctorat, la durée exacte du contrat dépendra de la formation et de l’expérience du candidat, et sera de 36 mois au maximum.
Exigences : Master ou doctorat en biostatistique, épidémiologie clinique, mathématiques appliquées, avec expérience et maîtrise de la programmation R.
Date limite de dépôt des candidatures : Le poste est disponible immédiatement et restera ouvert jusqu’à ce qu’un candidat approprié soit sélectionné.
Date de début : Automne 2024 (année universitaire 2024-25).
Durée : 24 à 36 mois (en fonction du niveau d’entrée).
Salaire : Niveau doctoral ou postdoctoral ; échelle des salaires de l’INSERM.
To apply, please send your CV and cover letter to jerome.lambert@u-paris.fr , and sylvie.chevret@u-paris.fr
References
- Beaver JA, Pazdur R. “Dangling” Accelerated Approvals in Oncology. New England Journal of Medicine 2021; 384(18): e68. Doi:10.1056/NEJMp2104846
- Wang CY, Berlin JA, Gertz Bet al. Uncontrolled Extensions of Clinical Trials and the Use of External Controls—Scoping Opportunities and Methods. Clin. Pharmacol. Ther. 2022;111:187-199
- Crump RK, Hotz VJ, Imbens GW, et al. Dealing with limited overlap in estimation of average treatment effects. Biometrika 2009;96(1):187–199
