Exploitation de données réelles à l'aide d'outils d'analyse à la pointe de la technologie : aider à atteindre les objectifs en termes de recrutement des patients

En 1848, la plus célèbre ruée vers l'or de l'histoire américaine a commencé à Sutter's Mill près de l'actuelle Coloma, en Californie, façonnant la carte économique américaine à jamais. À cette époque, il n'existait pas d'outils scientifiques pour guider les prospecteurs dans leurs recherches. Les sites des découvertes précédentes ont été le point de départ de ce qui est devenu, pour beaucoup, un rêve brisé.

En raison de la demande sans précédent de recrutement de patients dans les essais cliniques, cette initiative est devenue la ruée vers l'or du 21e siècle. D'après des études indépendantes récentes, seuls 10 à 17 % des essais cliniques réalisent leur recrutement dans les délais voulus [1] et comme seulement 3 % des patients souffrant de cancer choisissent de participer à des essais cliniques [2], le recrutement des patients reste une question épineuse et coûteuse dans la recherche en matière de développement de médicaments.

Le défi des promoteurs – Identification des sites les plus performants

L'étape initiale de la conception de l'essai est un processus laborieux qui exige une concentration et une vigilance minutieuses.

Il est primordial de minimiser les coûts des essais en choisissant des sites très performants. Cela veut dire notamment augmenter les taux de randomisation, mais en minimisant les taux d'échec au dépistage tout en maintenant un niveau élevé de conformité du protocole. S'il est atteint, pour les paramètres évalués par l'investigateur, cela contribuera à accroître la puissance statistique par la réduction de la variabilité.

Historiquement, les sites d'essais cliniques étaient choisis parmi des sites connus, ce qui a amené de nombreux promoteurs à se faire concurrence pour la même ressource. Heureusement, la base de données LabCorp des résultats de tests de laboratoire dépersonnalisés, y compris l'emplacement des centres de services aux patients LabCorp, peut être associée avec d'autres sources de données du monde réel (RWD), notamment les taux d'incidence des Centres de contrôle et de prévention des maladies. Allié à des techniques d'analyse efficaces (p. ex. l'analyse en regroupements spatiaux – Spatial Cluster), cela offre aux promoteurs une approche alternative pour relever leur défi.

La solution Covance

L'analyse par regroupement spatial permet à nos promoteurs de tenir compte de l'impact des critères d'inclusion et d'exclusion fondés sur les données du monde réel. Ils peuvent s'en servir pour améliorer les critères d'identification et de sélection des sites grâce à une meilleure connaissance de l'incidence de la maladie et des densités de patients évaluables par protocole, indépendamment des interactions directes qui ont existé avec les investigateurs. En superposant les données de localisation des sites/investigateurs connus, nos promoteurs peuvent non seulement classer les investigateurs en fonction de leurs antécédents de rendement (s'ils ont déjà participé à d'autres essais), mais aussi utiliser la concentration des patients potentiels dans un rayon géographique réaliste du lieu de l'étude. Lorsqu'il est impossible d'atteindre les objectifs de recrutement en utilisant les chercheurs précédents, il est maintenant possible d'identifier les sites nouveaux pour Covance, quand l'avantage d'avoir accès à un protocole important – une disponibilité des patients évaluable – l'emporte sur les investissements supplémentaires requis pour créer un nouveau site.

En résumé, le regroupement spatial aide les promoteurs :

  • Analyser l'impact des critères d'inclusion/exclusion basés sur les données du monde réel et utiliser cette information pour identifier les emplacements des sites.
    • Basé non seulement sur les performances historiques, mais aussi sur des variables telles que l'incidence de la maladie et des informations sur la densité des patients pouvant être évaluées à l'aide de protocoles
  • Identifier d'autres sites potentiels où il existe des densités de patients évaluables par protocole, mais qui sont trop éloignés d'un investigateur connu pour que ce dernier puisse aider à faire face à un contexte hautement concurrentiel.
  • Alléger le nombre de sites dans les situations où le paramètre primaire d'efficacité est fondé sur une évaluation subjective de l'investigateur, en contrôlant la variabilité intersites, ce qui permet de maximiser la puissance statistique d'une étude

La carte ci-dessous illustre les résultats de l'utilisation de la technique d'analyse de regroupement spatial (Spatial Cluster).

Croix bleues  - Investigateurs pré-identifiés (points bleus = référence potentielle de sujets répondant aux critères d'inclusion)

Étoiles vertes - Sites supplémentaires suggérés dans la base de données des investigateurs (cercles verts = possible recommandation)

Pentagones violets - Emplacements supplémentaires d'importantes densités de patients (regroupements) nécessitant une sélection par l'investigateur

Cercles jaunes - Localisations d'autres sujets, mais densité trop faible pour un positionnement de site.

Références :

1 Enquêtes Centerwatch. 2012 Rapport NIH. 2013.

2 Forbes, How Can We Encourage Participation in Clinical Trials?, 1/2015.