Recrutement des patients, Prévision du recrutement, Modèles statistiques, Suivi, Essais cliniques

Réussir à recruter le nombre prédéfini de participants à un essai clinique demeure un défi complexe qui a un impact négatif sur toutes les parties prenantes. Les méthodes utilisées pour prévoir et suivre le recrutement, y compris les sources d'information utilisées, restent souvent cachées et non déclarées. Il existe un nombre croissant de publications décrivant des modèles statistiques pour la prévision du recrutement, mais il n'y a pas suffisamment d'évidences sur la façon dont cela est fait en pratique. Nous avons mené trois revues systématiques pour identifier (1) les modèles statistiques utilisés pour la prédiction du recrutement au stade de la conception d'un essai, (2) les méthodes de suivi du recrutement des patients et (3) les modèles statistiques utilisés pour la prédiction au cours du déroulement de l'essai. Afin de déterminer la méthodologie utilisée dans la pratique, une cohorte de 125 ECR a été étudiée concernant le recrutement prévu et observé. De plus, deux enquêtes ont été menées, l'une auprès des statisticiens travaillant sur les essais cliniques et l'autre auprès des investigateurs en chef des essais nouvellement financés. Pour faciliter la mise en œuvre de certains modèles identifiés, nous avons développé une application web interactive réalisée avec Shiny. En utilisant les résultats de l'enquête auprès des statisticiens, une nouvelle approche s'appuyant sur le modèle Poisson est proposée pour répondre aux préoccupations concernant la flexibilité et la complexité du processus de recrutement. Les modèles existants pour prédire le recrutement au stade de la conception de l'essai étaient soit déterminant, soit stochastique, y compris les modèles de Poisson, Poisson-Gamma, bayésien et de simulation. Les modèles étaient de plus en plus complexes lorsqu'ils étaient utilisés pour la prévision des recrutements en cours lorsque des données accumulées étaient disponibles. À l'inverse, pour le suivi du recrutement des patients par rapport aux objectifs initiaux, les méthodes identifiées étaient simplistes et comprenaient des tableaux et des graphiques pour présenter le nombre attendu par rapport au nombre réel de patients recrutés par mois. Les rapports de prédiction de recrutement dans les principales publications sur les essais se limitaient souvent à indiquer la taille cible de l'échantillon. L'enquête auprès des investigateurs en chef a indiqué que la source de données la plus couramment utilisée pour prédire le recrutement des essais était constituée par les données d'audit provenant de plusieurs centres, l'impact des critères spécifiques d'éligibilité étant le facteur le plus fréquemment ajusté. L'enquête auprès des statisticiens a indiqué que les statisticiens ne sont pas toujours impliqués dans la prédiction du recrutement, et que les approches simples sont principalement utilisées à la fois pour la prédiction et le suivi du recrutement. L'application Shiny développée comble l'écart entre le développement et la mise en œuvre de certains modèles. Le nouvel outil en ligne basé sur le modèle Poisson, qui accorde une plus grande attention aux facteurs d'allocation tout en maintenant la stochasticité mais en minimisant la complexité, est susceptible d'aider les investigateurs à mieux planifier et suivre le recrutement des patients et à prendre des décisions sur les mesures correctives nécessaires. Cette thèse contribue à l'amélioration des connaissances sur les méthodes utilisées pour la prédiction du recrutement et le suivi des patients dans les essais cliniques et fournir une interface pour faciliter la mise en œuvre. En outre, un modèle simple est fourni mettant l'accent sur la prise en compte des facteurs qui réduisent la capacité de recrutement. Ce travail aidera les investigateurs à choisir le modèle approprié ou la bonne approche pour leur essai, ce qui permettra d'améliorer la précision des prévisions de recrutement et de réduire le temps perdu dans la recherche.