I - Introduction

• Pourquoi l’émergence de nouvelles méthodologies et sur quelles bases ?
• Quels enjeux et impacts sur l’évaluation clinique des molécules ?

  II - Les groupes contrôles externes

• Problématiques méthodologiques des essais monobras :
  • Références aux guidelines EMA et FDA.
• Comparaisons indirectes :
  • Par rapport à un groupe contrôle externe (cohorte historique, autres sources) ;
  • Par rapport à une publication (MAIC).
• Biais et ajustements :
  • Biais de confusion et ajustements nécessaires ;
  • Biais de confusion résiduelle et analyse quantitative des biais ;
  • Autres biais rencontrés.
• Essais comparatifs à contrôle externe :
  • Références aux guidelines HAS et FDA ;
  • Études de cas illustratives.

III - Les essais bayésiens

• Principe des essais bayésiens :
  • Notions de probabilités a priori et a posteriori.
• Résultats produits :
  • Probabilité d’efficacité a posteriori ;
  • Intervalle de crédibilité.
• Considérations méthodologiques :
  • Sensibilité à l’a priori et utilisation d’a priori non informatifs ;
  • Seuil de probabilité a posteriori pour la conclusion et approche mixte.
• Applications :
  • Études de cas ;
  • Utilisation pour la démonstration de non-infériorité ;
  • Réanalyse bayésienne des essais classiques.

    IV - Les essais randomisés sur registre (pragmatiques, randomisation en vraie vie)

• Principes et intérêts :
  • Références aux guidelines FDA ;
  • Notion de master protocole.
• Biais spécifiques :
  • Biais liés à la mesure ;
  • Biais de classification.
• Études de cas :
  • Illustrations pratiques et lessons learned.

    V - Les essais plateformes

• Principes et intérêts :
  • Références aux guidelines FDA ;
  • Dynamique des comparaisons.
• Particularités organisationnelles :
  • Gestion des essais complexes et évolutifs.
• Contrôle statistique :
  • Gestion du risque alpha global ;
  • Variante MAMS (Multi-Arm Multi-Stage).

    VI - L’emprunt d’information (dynamic borrowing)

• Principes et limites :
  • Approches statistiques pour intégrer des données externes ou historiques.
• Exemples pratiques :
  • Études concrètes pour illustrer l’utilisation et les limites.