Estimands and the Choice of Non-Inferiority Margin under ICH E9(R1)

Cet article examine comment le choix de l'estimande dans les essais de non-infériorité, conformément à l'addendum ICH E9(R1), influence la détermination de la marge de non-infériorité en démontrant, via des simulations dans le domaine de la gestion du poids, que la marge historique dépend de la stratégie des événements intercurrents et peut varier même pour des questions d'étude similaires.

L'essentiel

Voici une explication simple de ce document scientifique, imaginée comme une histoire de course et de règles de jeu.

Le Titre du Jeu : « Comment définir la règle du « Pas assez mauvais » ? »

Imaginez que vous êtes un juge dans une course de relais. Vous avez une équipe de référence (appelons-la l'Équipe A) qui a déjà gagné des médailles d'or dans le passé. Maintenant, une nouvelle équipe (l'Équipe B) veut rejoindre la compétition.

Le but n'est pas de prouver que l'Équipe B est meilleure que l'Équipe A (ce serait une course de « supériorité »). Le but est de prouver qu'elle n'est pas trop mauvaise. C'est ce qu'on appelle un essai de non-infériorité.

Mais voici le problème : comment savoir à quel point l'Équipe B peut être « moins bonne » sans être disqualifiée ? C'est là que ce papier intervient. Il explique comment choisir la « marge de tolérance » (la taille du fossé acceptable entre les deux équipes) en tenant compte d'une nouvelle règle du jeu très importante : les « Événements Intercurrents ».

---

1. La Nouvelle Règle du Jeu : Les « Événements Intercurrents »

Dans une course, des choses imprévues arrivent toujours. Un coureur tombe, il se blesse, il décide de manger un sandwich en plein milieu de la course, ou il utilise un vélo pour finir.

Dans le monde médical (ici, pour la perte de poids), ces événements sont :

• Arrêter le traitement.
• Prendre un autre médicament pour maigrir.
• Changer de régime alimentaire.

Avant, les statistiques traitaient tout cela de manière floue. Avec la nouvelle règle (ICH E9(R1)), on doit décider avant la course comment on va compter ces événements. C'est ce qu'on appelle le Estimand (le but précis qu'on cherche à mesurer).

Il y a deux façons principales de voir la course :

1. La stratégie « Politique de Traitement » (Le réel) : On compte le coureur tel qu'il est, même s'il a mangé un sandwich ou s'est arrêté. On mesure la performance réelle dans le monde réel, avec tous les imprévus.
2. La stratégie « Hypothétique » (Le rêve) : On imagine une course parfaite où personne ne s'arrête, personne ne mange de sandwich. On demande : « Quelle aurait été la performance si tout était allé comme prévu ? »

Le message clé du papier : Le choix de cette stratégie change tout. Si vous choisissez la stratégie « Réelle », la performance moyenne de l'Équipe A (la référence) sera différente de celle de la stratégie « Hypothétique ».

2. L'Analogie du Marge de Tolérance (Le « M1 » et le « M2 »)

Pour juger l'Équipe B, le juge a besoin de deux nombres :

• M1 (La force de l'Équipe A) : C'est la distance que l'Équipe A a gagnée par rapport à un coureur qui ne fait rien (le placebo).

  • Le problème : Si on mesure la force de l'Équipe A avec la règle « Réelle », on obtient un chiffre. Si on la mesure avec la règle « Hypothétique », on obtient un chiffre différent (souvent plus grand, car dans le rêve, tout fonctionne mieux).
  • L'analogie : Imaginez que l'Équipe A a couru 100 mètres.
    • En mode « Réel » (avec des obstacles), elle a fait 90 mètres.
    • En mode « Hypothétique » (sans obstacles), elle a fait 100 mètres.
    • M1 est la distance gagnée par rapport à zéro. Elle dépend de la règle choisie !

• M2 (La marge acceptable) : C'est la distance maximale que l'Équipe B peut perdre par rapport à l'Équipe A tout en restant acceptable.

  • Si M1 change (selon la règle choisie), alors M2 doit aussi changer.

La conclusion du papier : Vous ne pouvez pas choisir une marge de tolérance (M2) au hasard. Elle doit être calibrée en fonction de la règle (l'Estimand) que vous avez choisie. Si vous mélangez les règles, vous risquez de dire « C'est bon » alors que c'est faux, ou « C'est mauvais » alors que c'est bien.

3. Les Deux Exemples du Papier (Les Enquêtes)

Les auteurs ont pris deux cas concrets pour montrer la difficulté :

Cas 1 : Les Archives Parfaites (Les études STEP)

Ici, l'Équipe A (Semaglutide) a couru récemment avec des règles très claires. Les chercheurs ont deux jeux de données : un pour la stratégie « Réelle » et un pour la stratégie « Hypothétique ».

• Le résultat : Ils ont vu que la performance de l'Équipe A était différente selon la règle.
• Le défi : La nouvelle course (l'Équipe B) veut utiliser un mélange des deux règles (une règle réelle pour l'arrêt du traitement, mais une règle hypothétique pour les autres médicaments).
• La solution : Comme il n'y a pas de données exactes pour ce mélange, les chercheurs doivent faire une estimation intelligente (une moyenne entre les deux chiffres) et en parler aux médecins pour décider de la marge de tolérance.

Cas 2 : Les Archives Confuses (Les études SCALE)

Ici, l'Équipe A (Liraglutide) a couru il y a longtemps, avant l'arrivée de la nouvelle règle. Les archives sont floues. On ne sait pas exactement comment ils ont compté les coureurs qui sont tombés ou arrêté.

• Le défi : C'est comme essayer de reconstruire une course d'il y a 10 ans avec des photos floues. On doit deviner : « Est-ce qu'ils ont compté les coureurs qui ont arrêté ? »
• La solution : Les chercheurs doivent fouiller dans les vieux documents, regarder les graphiques de départ et d'arrivée, et faire des hypothèses transparentes. « On suppose qu'ils ont utilisé la règle Réelle parce que c'était la norme à l'époque. »
• Le risque : Si on se trompe sur la règle utilisée dans le passé, la marge de tolérance sera fausse.

4. Pourquoi c'est important pour vous ?

Imaginez que vous achetez une voiture.

• Si le vendeur dit : « Cette voiture fait 100 km/h », c'est bien.
• Mais si vous ne savez pas s'il a mesuré la vitesse sur un circuit plat (Hypothétique) ou dans la boue (Réel), vous ne savez pas si la voiture est vraiment bonne pour votre usage.

Ce papier dit aux médecins et aux régulateurs : « Ne choisissez pas la vitesse de référence (la marge) sans savoir dans quelles conditions elle a été mesurée. »

En Résumé

1. Le but : Prouver qu'un nouveau médicament n'est pas trop inférieur à l'ancien.
2. Le problème : La performance de l'ancien médicament dépend de comment on gère les imprévus (arrêts, autres médicaments).
3. La solution : Il faut définir clairement la règle du jeu (l'Estimand) dès le début.
4. Le danger : Si on mélange les règles (par exemple, on utilise des données anciennes avec des règles floues pour juger une nouvelle course), on risque de se tromper sur la qualité du nouveau médicament.

Ce papier est un guide pour s'assurer que les règles du jeu sont claires, justes et cohérentes, afin que les décisions médicales soient basées sur une réalité solide et non sur des hypothèses confuses.

Résumé technique

Voici un résumé technique détaillé de l'article « Estimands and the Choice of Non-Inferiority Margin under ICH E9(R1) » (Estimands et choix de la marge de non-infériorité selon ICH E9(R1)), rédigé en français.

1. Problématique

Depuis la publication de l'addendum ICH E9(R1) sur les estimands, son application dans les essais de supériorité a fait l'objet de nombreuses recherches, mais son impact sur les essais de non-infériorité reste sous-étudié.

Le problème central identifié par les auteurs est le suivant :

• Décalage réglementaire : Les guides réglementaires actuels (FDA, EMA) pour la détermination de la marge de non-infériorité ($M_2$) et l'estimation de l'effet historique du traitement de référence ($M_1$) ont été rédigés avant l'adoption de l'ICH E9(R1). Ils ne prennent pas en compte comment le choix de l'estimand influence la preuve historique et l'hypothèse de constance (sensibilité de l'essai).
• Lien critique : Comme l'ont souligné Lynggaard et al., le choix de la marge de non-infériorité doit refléter l'estimand choisi. Cependant, les stratégies de gestion des événements intercurrents (EIC) définies dans l'estimand (par exemple, stratégie de politique de traitement vs stratégie hypothétique) modifient l'effet traitement estimé.
• Conséquence : Si l'estimand de l'essai de non-infériorité diffère de celui des essais historiques utilisés pour calculer $M_1$, la marge de non-infériorité risque d'être mal calibrée, compromettant la validité de l'essai (violation de la sensibilité de l'essai).

2. Méthodologie

Les auteurs utilisent une approche mixte combinant des simulations et des études de cas réels basés sur des programmes de développement clinique existants (STEP pour le sémaglutide et SCALE pour le liraglutide).

A. Simulation (Section 2)

• Contexte : Gestion du poids (obésité).
• Modèle : Simulation de 150 000 patients sous traitement de référence et placebo.
• Variables :
  • Point final : Réduction relative du poids corporel à la semaine 68.
  • Événement intercurrent : Utilisation d'une autre intervention anti-obésité (modélisé comme irréversible).
  • Stratégies comparées : Stratégie de politique de traitement (inclut l'effet de l'événement) vs Stratégie hypothétique (exclut l'effet de l'événement).
• Objectif : Quantifier comment la fréquence des événements intercurrents et la stratégie de gestion affectent l'estimation de l'effet traitement ($M_1$).

B. Étude de cas 1 : Essais historiques avec cadre estimand (Section 3)

• Scénario : Développement d'un nouveau traitement de gestion du poids comparé au sémaglutide (référence).
• Données : Analyse des essais STEP (Semaglutide Treatment Effect in People with obesity).
• Défi : L'essai de non-infériorité planifié utilise un estimand mixte (politique de traitement pour l'arrêt, hypothétique pour les autres interventions), tandis que les essais STEP rapportent deux estimands distincts (tous deux politique de traitement ou tous deux hypothétiques).
• Analyse : Méta-analyse bayésienne des essais STEP pour estimer $M_1$ sous différentes stratégies, puis comparaison avec l'estimand cible.

C. Étude de cas 2 : Essais historiques sans cadre estimand explicite (Section 4)

• Scénario : Comparaison d'un nouveau traitement au liraglutide.
• Données : Analyse des essais SCALE (publiés avant ou pendant la transition vers ICH E9(R1)).
• Défi : Reconstruction rétrospective des estimands à partir des protocoles, des plans d'analyse statistique et des diagrammes CONSORT, car les estimands n'étaient pas explicitement définis à l'époque.
• Méthode : Inférence de la stratégie de gestion des événements intercurrents basée sur les méthodes d'imputation (LOCF, MMRM, etc.) et les définitions de l'ensemble d'analyse (FAS, PP).

3. Contributions Clés

1. Preuve de la spécificité de l'estimand : L'article démontre mathématiquement et empiriquement que la marge historique ($M_1$) n'est pas une valeur fixe, mais dépend strictement de l'estimand (notamment de la stratégie de gestion des événements intercurrents).
2. Impact de la fréquence des événements : Les simulations montrent que même pour un estimand de type "politique de traitement", la magnitude de l'effet traitement varie selon la fréquence des événements intercurrents. Cela remet en question la validité de la constance si la fréquence change entre les essais historiques et l'essai actuel.
3. Guide pour la reconstruction rétrospective : La Section 4 propose un processus structuré pour déduire l'estimand cible d'essais historiques anciens en l'absence de documentation explicite, en analysant les méthodes statistiques utilisées (ex: LOCF suggère une politique de traitement, MMRM sur les données sous traitement suggère une approche hypothétique).
4. Recommandations pratiques : L'article fournit des recommandations concrètes pour aligner la marge de non-infériorité avec l'estimand, soulignant la nécessité d'une collaboration interfonctionnelle (cliniciens/statisticiens) et d'une transparence totale dans la documentation.

4. Résultats Principaux

• Simulation :

  • L'effet traitement estimé sous une stratégie hypothétique est systématiquement plus grand (en valeur absolue) que sous une stratégie de politique de traitement.
  • Pour un estimand de politique de traitement, une augmentation de la fréquence des événements intercurrents réduit l'effet traitement moyen observé, car les patients passent à un comportement de type "placebo" après l'événement.
  • Conclusion : $M_1$ varie significativement selon l'estimand. Utiliser une seule marge pour différents estimands est inapproprié.

• Étude de cas 1 (STEP) :

  • Méta-analyse des essais STEP :
    • Estimand "Politique de traitement" : $M_1 \approx -10,9\%$ (intervalle de crédibilité : -13,0 à -8,85).
    • Estimand "Hypothétique" : $M_1 \approx -12,6\%$ (intervalle de crédibilité : -14,8 à -10,3).
  • Pour l'essai cible (estimand mixte), l'effet réel se situe probablement entre ces deux valeurs. Le choix d'une marge basée uniquement sur l'estimand hypothétique (plus conservateur) pourrait être excessif si l'essai cible vise une politique de traitement.

• Étude de cas 2 (SCALE) :

  • La reconstruction des estimands a permis d'identifier que la plupart des analyses principales des essais SCALE utilisaient implicitement une stratégie de politique de traitement (via LOCF).
  • Cependant, l'absence de données sur la fréquence des événements intercurrents (comme l'utilisation d'autres médicaments) dans les essais historiques crée une incertitude majeure sur la constance de l'hypothèse, car le contexte clinique a évolué.
  • La marge dérivée ($M_1 \approx -2,94\%$) est très faible, ce qui rendrait un essai de non-infériorité difficile à réaliser, illustrant le risque d'utiliser des données historiques mal alignées.

5. Signification et Implications

• Pour les régulateurs et les promoteurs : Il est impératif de ne plus traiter la marge de non-infériorité comme une constante universelle. Elle doit être dérivée spécifiquement pour l'estimand de l'essai en cours.
• Alignement des essais historiques : Pour déterminer $M_1$, il faut sélectionner des essais historiques qui ciblent le même estimand. Si ce n'est pas possible (essais anciens), des hypothèses transparentes doivent être faites et justifiées, et des analyses de sensibilité doivent être menées.
• Risque de violation de la sensibilité de l'essai : Si l'estimand historique diffère de l'estimand actuel (changement de population, de fréquence des événements, de stratégie), l'hypothèse de constance est violée, rendant l'essai de non-infériorité invalide.
• Évolution des guides : L'article plaide pour la mise à jour des guides réglementaires (FDA, EMA) pour intégrer explicitement le cadre des estimands dans la dérivation des marges de non-infériorité, comme le suggère déjà le projet de guide EMA de 2025.
• Transparence : La documentation précise des événements intercurrents et de leurs stratégies de gestion dans les rapports d'essais cliniques est cruciale pour l'avenir de la synthèse des preuves (méta-analyses).

En conclusion, cet article établit que la détermination de la marge de non-infériorité est intrinsèquement liée à la définition de l'estimand. Ignorer ce lien conduit à des marges potentiellement erronées, mettant en péril la validité scientifique et réglementaire des essais de non-infériorité.