Balance bénéfice-risque des immunosuppresseurs dans les maladies inflammatoires chroniques intestinales – émulation d’essais cliniques à partir de plusieurs sources de données en vie réelle – IBD-RCT-Emulate

Les données de vie réelle ont été essentiellement utilisées pour évaluer la sécurité des médicaments, mais très peu utilisées pour évaluer leur efficacité en vie réelle. Plusieurs sources de données de vie réelle sont disponibles pour atteindre cet objectif, notamment les bases de données médico-administratives, les bases de données issues de dossiers cliniques informatisées et les cohortes dédiées, mais chacune de ces sources de données a des forces et limites spécifiques pouvant impacter la validité des résultats. Utiliser au cours d’une même recherche plusieurs bases de données chaînées pourrait permettre de dépasser ces limites et potentialiser les forces de chacune d’entre elles. Les maladies inflammatoires chroniques intestinales (MICI) incluant la maladie de Crohn et la rectocolite hémorragique affectent plus de 200 000 personnes en France. De nouvelles thérapies avancées ont récemment été mises sur le marché, sans essai face à face permettant de clarifier leur position dans la prise en charge.
Ce projet a pour objectif général d’évaluer la balance bénéfice-risque des thérapies avancées dans les MICI à partir de trois sources de données de vie réelle : une base de données médico-administratives (le Système National des Données de Santé (SNDS)), une base de données issues de dossiers cliniques informatisées (l’entrepôt de données de santé de l’Assistance Publique-Hôpitaux de Paris (EDS AP-HP)), et une cohorte prospective de patients atteints de MICI suivis dans des centres de l’AP-HP (SUVIMIC).
Les patients atteints de MICI seront tout d’abord identifiés dans le SNDS et l’EDS AP-HP puis une cohorte de patients atteints de MICI sera extraite de chaque source de données séparément. Les données de SUVIMIC, de l’EDS AP-HP et du SNDS seront chaînées entre elles pour obtenir une unique cohorte. Cette cohorte permettra de développer et d’évaluer dans le SNDS les performances d’algorithmes d’identification de variables non ou partiellement collectés dans le SNDS, notamment des caractéristiques de la MICI, des critères d’efficacité des traitements utilisés dans les essais de phase III et des évènements indésirables, en utilisant comme gold standard les données de SUVIMIC et l’EDS AP-HP. Ces algorithmes seront développés à partir de deux approches : une approche basée sur des avis d’experts et une basée sur des techniques d'apprentissage automatique.
Secondairement, des essais cliniques seront émulés pour chaque comparaison et chaque sous-type de MICI, en se basant sur les critères d’efficacité et de sécurité précédemment validées. Le risque relatif avec intervalle de confiance à 95% sera évalué pour chaque critère d’intérêt après appariement sur un score de propension. Des analyses stratifiées sur les caractéristiques de la MICI précédemment validées seront réalisées afin d’évaluer la balance-bénéfice risque des thérapies avancées dans des sous-groupes pertinents de patients atteints de MICI.
Finalement, une solution digitale disponible sur internet incorporant les résultats des essais émulés sera mise à disposition des cliniciens et permettra de résumer en une seule mesure l’efficacité et la tolérance des traitements, tout en prenant en compte les préférences des patients. L’impact de cet outil sur l’efficacité et la tolérance des traitements sera évalué en vie réelle à par un essai randomisé en cluster niché dans le SNDS.
Basé sur une approche méthodologique innovante évaluant la balance bénéfice-risque des traitements dans les MICI, ce projet permettra de clarifier la position de chaque thérapie avancée dans la prise en charge des MICI. Cette approche méthodologique pourra être utilisée pour évaluer à faible coût et dans un délai beaucoup plus court qu’un essai clinique randomisé la balance bénéfice-risque de nouveaux traitements dans les MICI et pour disséminer les résultats aux patients et cliniciens à l’aide d’un outil numérique d’aide à la décision, et pourra être potentiellement répliquée dans d’autres pathologies.