Recherche approfondie

Calibrer les indicateurs de risque dans le monitoring des essais cliniques (2026)

38 min de lectureÉquipe éditoriale de EClinCloud
Indicateurs de risque des essais cliniques — couverture éditoriale de EClinCloud

En bref

N'approuvez un schéma de monitoring qu'une fois que l'équipe de l'étude est en mesure d'expliquer trois décisions : à quel moment un événement est transmis immédiatement à un responsable clinique ou réglementaire, à quel moment un profil statistique justifie une investigation, et quel problème à l'échelle de l'étude menacerait la protection des participants ou l'interprétation des résultats. Utilisez des dénominateurs adaptés à chaque mesure. Entraînez l'équipe à réagir aussi bien face à un événement isolé grave que face à un ensemble de signaux de qualité des données de moindre ampleur.

La ligne directrice ICH E6(R3) soutient une gestion proportionnée de la qualité. Appliquez l'instrument régional et le droit applicable. Les seuils d'alerte et le déploiement ci-dessous illustrent une mise en œuvre et nécessitent une validation propre à l'étude [1] [2] [3] [4].

1. Choisir ce qui rend l'essai fiable

Une évaluation des risques doit commencer par les éléments du protocole qui importent pour les droits des participants, la sécurité ou la fiabilité. Reliez la décision à la fois aux données qui mettent en évidence un problème et à la personne en mesure d'y répondre. Par exemple, un écart de visite n'a pas les mêmes conséquences selon qu'il concerne la fenêtre du résultat principal, un questionnaire facultatif ou le calendrier d'une évaluation de sécurité. Demandez aux collègues cliniciens et statisticiens de s'accorder sur la définition et sur les questions auxquelles répondre lors de l'adjudication. Les lignes directrices ICH E8(R1) et ICH E6(R3) abordent les facteurs critiques pour la qualité et une approche proportionnée aux risques [1] [2] [5].

Planifiez les activités sur site, à distance et centralisées de manière à répondre à des questions distinctes. L'analyse rétrospective de TransCelerate a examiné les modifications enregistrées sur les données disponibles d'essais cliniques ainsi que la contribution de la vérification des données sources (SDV). Dans une autre étude post hoc portant sur trois essais, les taux d'erreur sur les champs étaient de 0.27 % avec une vérification complète et de 0.53 % avec une vérification partielle selon les approches étudiées. Ces chiffres concernent des données d'essais sélectionnées et des erreurs sur les champs. Ils laissent ouverte la question de l'effet sur la surveillance de la sécurité propre à l'étude, sur les critères d'évaluation principaux complexes et sur les coûts opérationnels totaux. Une équipe peut avoir besoin d'une revue directe des documents sources même lorsque les mesures centralisées se situent dans leur plage attendue. Décidez des vérifications à la source en fonction des risques liés au protocole et des voies d'accès disponibles aux dossiers originaux [3] [6] [7].

Faire correspondre l'obligation à la région

Dans l'Union européenne, le règlement relatif aux essais cliniques fixe les obligations applicables aux essais de médicaments, y compris les GCP à l'article 47. L'EMA indique le 23 juillet 2025 comme date d'entrée en vigueur des Principes et de l'annexe 1 d'ICH E6(R3), et le 15 janvier 2027 pour l'annexe 2, qui porte sur les essais comportant certains éléments supplémentaires de conception ou opérationnels. Aux États-Unis, la FDA a publié la ligne directrice finale E6(R3) en septembre 2025, et les questions-réponses de 2023 sur le monitoring basé sur les risques constituent également une ligne directrice. Au Royaume-Uni, la MHRA précise que les Principes GCP d'ICH E6 sont devenus une exigence légale le 28 avril 2026, les annexes devant être lues conjointement avec ses lignes directrices et les exigences britanniques. Identifiez ce qui s'applique à l'essai et documentez séparément les familles d'indicateurs, les seuils et les pratiques de classement proposés par le promoteur [1] [2] [3] [4] [8].

Utiliser les observations d'inspection pour concevoir des questions

Nombre d'observations sélectionnées du formulaire FDA BIMO 483 par exercice fiscal

Les décomptes sont passés de 221 pour l'exercice fiscal 2020 à 334 pour l'exercice fiscal 2025 dans les dossiers sélectionnés.

Faites défiler horizontalement pour afficher la figure complète.

Nombre d'observations sélectionnées du formulaire FDA BIMO 483 par exercice fiscal0100200300400EF 2018, Observations du formulaire FDA BIMO 483 (nombre): 400EF 2018EF 2019, Observations du formulaire FDA BIMO 483 (nombre): 395EF 2019EF 2020, Observations du formulaire FDA BIMO 483 (nombre): 221EF 2020EF 2021, Observations du formulaire FDA BIMO 483 (nombre): 249EF 2021EF 2022, Observations du formulaire FDA BIMO 483 (nombre): 298EF 2022EF 2023, Observations du formulaire FDA BIMO 483 (nombre): 301EF 2023EF 2024, Observations du formulaire FDA BIMO 483 (nombre): 312EF 2024EF 2025, Observations du formulaire FDA BIMO 483 (nombre): 334EF 2025
Afficher les données du graphique
CatégorieObservations du formulaire FDA BIMO 483 (nombre)
EF 2018400
EF 2019395
EF 2020221
EF 2021249
EF 2022298
EF 2023301
EF 2024312
EF 2025334

Les fréquences de citations publiées dépendent de la couverture des dossiers ainsi que du nombre et de la répartition des inspections.

Source : Analyse EClinCloud, fréquences de citations BIMO sélectionnées pour les exercices fiscaux 2018–2025. Données FDA Inspection Observations, série BIMO des exercices fiscaux 2018–2025. https://www.fda.gov/inspections-compliance-enforcement-and-criminal-investigations/inspection-references/inspection-observations

L’agrégation par EClinCloud des données d’observations d’inspection de la FDA comprend 11,746 décomptes de citations BIMO pour les exercices fiscaux 2006 à 2025, dont 1,715 portent sur les exercices fiscaux 2020 à 2025. Sur cette dernière période, les décomptes annuels sont passés de 221 en 2020 à 334 en 2025. La source regroupe les observations d’inspection disponibles, avec des différences de couverture et de répartition des inspections. Les décomptes correspondent aux fréquences de citations issues des dossiers sélectionnés et doivent être interprétés au regard des formulaires sous-jacents, de la couverture documentée par la FDA et de la répartition des inspections. N’établissez qu’une comparaison descriptive entre les dossiers publiés [9].

Citations réglementaires sélectionnées dans les données d’observations BIMO, exercices fiscaux 2020–2025

Deux citations réglementaires représentent 793 des 1,715 observations de ce jeu de données.

Faites défiler horizontalement pour afficher la figure complète.

Citations réglementaires sélectionnées dans les données d’observations BIMO, exercices fiscaux 2020–202521 CFR 312.60 — Resp…21 CFR 312.60 — Responsabilités générales des investigateurs (522), Part des citations BIMO des exercices fiscaux 2020–2025 (%): 30.430.421 CFR 312.62(b) — D…21 CFR 312.62(b) — Dossiers des participants inadéquats ou inexacts (271), Part des citations BIMO des exercices fiscaux 2020–2025 (%): 15.815.821 CFR 312.64(b) — D…21 CFR 312.64(b) — Déclaration de sécurité par l’investigateur (71), Part des citations BIMO des exercices fiscaux 2020–2025 (%): 4.14.121 CFR 312.62(a) — G…21 CFR 312.62(a) — Gestion et comptabilité du médicament (63), Part des citations BIMO des exercices fiscaux 2020–2025 (%): 3.73.721 CFR 312.66 — Prob…21 CFR 312.66 — Problèmes imprévus et assurance relative à l’IRB (52), Part des citations BIMO des exercices fiscaux 2020–2025 (%): 3321 CFR 312.50 — Resp…21 CFR 312.50 — Responsabilités générales de supervision du promoteur (43), Part des citations BIMO des exercices fiscaux 2020–2025 (%): 2.52.521 CFR 56.115(a)(2) …21 CFR 56.115(a)(2) — Procès-verbaux des réunions de l’IRB (40), Part des citations BIMO des exercices fiscaux 2020–2025 (%): 2.32.321 CFR 50.20 et 50.27…21 CFR 50.20 et 50.27(a) — Défauts de consentement éclairé (55 au total), Part des citations BIMO des exercices fiscaux 2020–2025 (%): 3.23.2
Afficher les données du graphique
CatégoriePart des citations BIMO des exercices fiscaux 2020–2025 (%)
21 CFR 312.60 — Responsabilités générales des investigateurs (522)30.4
21 CFR 312.62(b) — Dossiers des participants inadéquats ou inexacts (271)15.8
21 CFR 312.64(b) — Déclaration de sécurité par l’investigateur (71)4.1
21 CFR 312.62(a) — Gestion et comptabilité du médicament (63)3.7
21 CFR 312.66 — Problèmes imprévus et assurance relative à l’IRB (52)3
21 CFR 312.50 — Responsabilités générales de supervision du promoteur (43)2.5
21 CFR 56.115(a)(2) — Procès-verbaux des réunions de l’IRB (40)2.3
21 CFR 50.20 et 50.27(a) — Défauts de consentement éclairé (55 au total)3.2

Contexte illustratif pour la conception des contrôles. Les proportions décrivent les enregistrements de citations présents dans l’extraction, avec une couverture non exhaustive.

Source : Analyse EClinCloud, sélection de citations réglementaires BIMO des exercices fiscaux 2020–2025. Données d’observations d’inspection de la FDA, série BIMO des exercices fiscaux 2020–2025. Voir la section 1.

Dans le sous-ensemble des exercices fiscaux 2020–2025, 522 citations ont été codées sous 21 CFR 312.60 et 271 sous 312.62(b). Ensemble, elles représentent 793 citations sur 1,715 (46.2 %). L’ajout des articles 312.64(b), 312.62(a) et 312.66 porte le total à 979. Ces codes constituent des repères utiles lors de la conception, dans le cadre d’un essai sous IND aux États-Unis, des contrôles portant sur la conduite selon le protocole, l’exhaustivité des dossiers des participants, les déclarations de l’investigateur, la gestion du médicament et les obligations vis-à-vis d’un IRB. Une catégorie de citation peut recouvrir plusieurs situations sous-jacentes. Par exemple, une saisie tardive et une donnée manquante ont des causes et des justificatifs distincts. Validez chaque contrôle de monitoring par rapport au protocole réel, à la disposition applicable, à l’outil utilisé et aux responsabilités de déclaration [9] [10] [11].

Un exemple relatif au consentement éclairé commence par ce que le calendrier répertorie comme une procédure spécifique à l’essai et par le moment où le circuit d’autorisation et de recueil du consentement applicable l’autorise. Examinez la version datée, la preuve du consentement lorsqu’elle est requise, la chronologie réelle des procédures, la disponibilité du dossier et toute dérogation autorisée. Un horodatage manquant peut refléter un import incomplet. Toute préoccupation crédible concernant le consentement ou la protection des participants doit parvenir rapidement aux responsables cliniques et qualité avec les éléments disponibles. Les démarches externes requises suivent le cadre applicable et les faits tels qu’ils sont établis [1] [12] [8].

2. Sélectionner une exposition et la calibrer par rapport à la référence appropriée

Un indicateur clé de risque (KRI) est une mesure que l’équipe utilise pour orienter sa réponse face à un risque opérationnel ou qualité. Une limite de tolérance qualité (QTL) constitue une approche permettant d’établir une plage acceptable prédéfinie au niveau de l’essai lorsque cela est pertinent. Le monitoring statistique centralisé (CSM) compare les schémas dans les données de l’essai selon un processus documenté. Une même méthode peut appuyer plusieurs activités. Une première question de conception consiste à déterminer quels participants, quelles visites ou quelles expositions au traitement étaient réellement à risque de présenter l’événement que l’équipe souhaite dénombrer [1] [3] [13] [14].

Nombre de centres publiés dans les dossiers d’essais sélectionnés

1,416 des 15,255 dossiers comportant des établissements comptent au moins 100 centres publiés.

Faites défiler horizontalement pour afficher la figure complète.

Nombre de centres publiés dans les dossiers d’essais sélectionnés01,013.52,0273,040.54,0541 établissement publié, Essais industriels de phase 2/3 (nombre): 4,0541 établissement p…2 à 9 centres, Essais industriels de phase 2/3 (nombre): 3,3142 à 9 centres10 à 29 centres, Essais industriels de phase 2/3 (nombre): 3,34510 à 29 centres30 à 99 centres, Essais industriels de phase 2/3 (nombre): 3,12630 à 99 centresAu moins 100 centres publiés, Essais industriels de phase 2/3 (nombre): 1,416Au moins 100 cent…
Afficher les données du graphique
CatégorieEssais industriels de phase 2/3 (nombre)
1 établissement publié4,054
2 à 9 centres3,314
10 à 29 centres3,345
30 à 99 centres3,126
Au moins 100 centres publiés1,416

Les dates enregistrées peuvent être estimatives ou futures. Les lignes d'établissements décrivent les enregistrements de centres publiés.

Source : Analyse EClinCloud de l’extraction AACT d’août 2026, essais de phase 2/3 comportant des établissements publiés. Archive AACT d’août 2026, https://aact.ctti-clinicaltrials.org/ ; sélection des sources dans les sections 2 et 6.

L'analyse AACT d'août 2026 a sélectionné 16,524 études interventionnelles enregistrées à promotion industrielle dont l'année de date de début enregistrée est 2020 ou ultérieure et qui sont classées en phase 2 ou phase 3. Parmi celles-ci, 15,255 comportent des établissements publiés et 11,201 comportent au moins deux centres publiés. Sur ces 15,255, 3,126 comptent de 30 à 99 centres et 1,416 en comptent au moins 100. Les décomptes reposent sur les enregistrements d'établissements et n'établissent ni les activités actuelles ni le statut géographique. Parmi les études de phase 3 enregistrées comportant des établissements publiés, le nombre médian de centres est de 22 [15].

Inclusions enregistrées divisées par le nombre de centres déclarés

Le ratio médian au niveau des essais est de 5.0 dans les dossiers de phase 2 sélectionnés et d'environ 6.0 dans ceux de phase 3.

Faites défiler horizontalement pour afficher la figure complète.

Inclusions enregistrées divisées par le nombre de centres déclarés016.633.349.966.625e percentile (P25), Essais multicentriques de phase 2 (n = 6,344): 2.625e percentile (P25), Essais multicentriques de phase 3 (n = 4,707): 325e percentile (P…Médiane (P50), Essais multicentriques de phase 2 (n = 6,344): 5Médiane (P50), Essais multicentriques de phase 3 (n = 4,707): 6Médiane (P50)75e percentile (P75), Essais multicentriques de phase 2 (n = 6,344): 11.775e percentile (P75), Essais multicentriques de phase 3 (n = 4,707): 16.675e percentile (P…90e percentile (P90), Essais multicentriques de phase 2 (n = 6,344): 3090e percentile (P90), Essais multicentriques de phase 3 (n = 4,707): 66.690e percentile (P…
Essais multicentriques de phase 2 (n = 6,344)Essais multicentriques de phase 3 (n = 4,707)
Afficher les données du graphique
CatégorieEssais multicentriques de phase 2 (n = 6,344)Essais multicentriques de phase 3 (n = 4,707)
25e percentile (P25)2.63
Médiane (P50)56
75e percentile (P75)11.716.6
90e percentile (P90)3066.6

Le numérateur peut correspondre aux inclusions prévues ou réelles. Les ratios ne mesurent pas les inclusions par centre au sein d'un essai.

Source : Analyse EClinCloud de l'extraction AACT d'août 2026, dossiers multicentriques sélectionnés avec un effectif d'inclusion enregistré positif. Archive AACT d'août 2026, https://aact.ctti-clinicaltrials.org/ ; voir les sections 2 et 6.

Pour 11,051 des enregistrements multicentriques présentant une inclusion positive, le numérateur correspond au champ d'inclusion soumis, qu'il soit prévisionnel ou réel, et le dénominateur au nombre de centres publié. Le ratio médian au niveau de l'étude est de 5.0 pour la phase 2 (6,344 études) et de 5.97 pour la phase 3 (4,707). Sur l'ensemble des deux, 5,231 (47.3 %) présentent un ratio inférieur à 5. Ce ratio décrit l'échelle de l'enregistrement et ne fournit ni le recrutement réel par centre ni le dénominateur de monitoring réel de l'essai. Utilisez l'exposition vérifiée sur la période monitorée de l'essai réel. Une visite programmée ou un flux d'inclusion obsolète peut donner l'impression qu'un centre a eu moins de temps à risque qu'il n'en a effectivement eu [15].

Comparer des seuils fixes à un filtrage exact sur la queue supérieure

Prenons un KRI illustratif : le nombre de participants distincts présentant au moins une déviation majeure spécifiée, parmi les participants atteignant la fenêtre d'éligibilité et d'évaluation pour ce contrôle. Pour une seule revue, supposons des résultats binaires indépendants et une référence commune de 10 %. Le filtre fixe signale un centre au-dessus de 20 %. Le filtre fondé sur un modèle classe pour examen une queue binomiale unilatérale exacte inférieure à 5 %, et pour examen prioritaire une queue inférieure à 1 %. Il s'agit d'exemples de seuils de filtrage, l'étiquette la plus stricte prévalant. Les événements sont évalués cliniquement comme requis, quelle que soit l'étiquette. Aucune des deux probabilités n'établit une erreur dans un centre donné. Un graphique en entonnoir montre où se situent ces mêmes seuils de queue pour différents dénominateurs [16].

Pour 5 participants évalués, 2 participants signalés donnent une proportion fixe de 40 % et une queue supérieure binomiale d'environ 8.15 %. Sur 60 centres comptant 5 participants chacun sous l'hypothèse nulle de cette règle fixe, le nombre attendu de centres satisfaisant à la règle fixe lors d'une revue est d'environ 4.89 (60 × 0.08146 = 4.8876 avec les valeurs non arrondies). Selon le filtre de queue supérieure à 5 %, 3 déviations sont nécessaires à cette taille, et le nombre attendu sous l'hypothèse nulle est d'environ 0.51. Si la probabilité réelle du centre était de 30 %, la règle fixe signalerait environ 47.2 % de ces centres et le filtrage exact à 5 % environ 16.3 %. La perte de sensibilité peut avoir plus d'importance que la réduction de la charge de revue. Pour 60 participants évalués, 11 présentent le résultat binaire (18.3 %). La règle fixe ne fournit aucun signal statistique, tandis que la queue supérieure exacte est d'environ 3.42 %. Le nombre de personnes concernées dans un grand centre constitue une quantité opérationnelle distincte. Ces tailles de centre sont hypothétiques, et non des quantiles d'inclusion des centres [16].

Participants évalués Participants répondant à la définition de l'événement Proportion observée Probabilité de queue supérieure Filtre fixe Filtre exact
3 1 33.3 % 27.10 % Examen Aucun signal statistique
5 2 40.0 % 8.15 % Examen Aucun signal statistique
10 3 30.0 % 7.02 % Examen Aucun signal statistique
20 4 20.0 % 13.30 % Aucun signal statistique Aucun signal statistique
40 7 17.5 % 9.95 % Aucun signal statistique Aucun signal statistique
40 8 20.0 % 4.19 % Aucun signal statistique Examen
60 11 18.3 % 3.42 % Aucun signal statistique Examen
60 15 25.0 % 0.07 % Examen Examen prioritaire

Le choix dépend de la réaction de l'équipe face à un signal manqué et de la profondeur d'examen disponible. Conservez des déclencheurs absolus pour les événements cliniques critiques et évaluez si des tendances persistantes au niveau des centres nécessitent un examen même lorsque les analyses prises isolément sont faibles. La surveillance répétée repose sur des données qui se chevauchent et des indicateurs corrélés. Les occurrences attendues de signalements s'additionnent d'un examen à l'autre par linéarité de l'espérance, et un nombre attendu constant par examen peut être multiplié par le nombre d'examens. Les centres distincts signalés, le délai jusqu'à la première alerte, la probabilité d'un quelconque signalement et la variabilité dépendent du processus conjoint. Les investigations effectives dépendent également de la manière dont le processus traite les signaux répétés. Des dénominateurs évolutifs ou des révisions dépendantes des données peuvent modifier les espérances marginales. Simulez les calendriers d'activité et les délais de constatation avec les fenêtres d'examen du centre. Estimez la charge d'examen attendue, le délai de signalement lors d'une dérive significative et la sensibilité lorsqu'un centre connaît une variation localisée ou lente. Si le contrôle des tests multiples est un objectif, précisez quelles analyses et quels critères d'évaluation constituent la famille de tests et comment les ajustements modifient la sensibilité.

Pour un décompte récurrent au niveau des visites, utilisez les visites éligibles, les participants distincts ou le temps à risque selon ce qui convient à la question. Si les événements récurrents par exposition sont modélisés comme des événements de Poisson indépendants, évaluez si des visites répétées chez un même participant ou des visites manquantes induisent un regroupement ou une surdispersion. Examinéz l'inégalité de probabilité d'évaluation et la composition valide des cas. Une cible historique doit être représentative pour le critère d'évaluation choisi ; comparez les données nécessaires à l'estimation à ce moment-là à celles qui étaient disponibles. Les données contemporaines regroupées peuvent dériver lorsque la composition des centres change ou qu'un problème partagé émerge. Demandez qui peut évaluer la référence et si le regroupement en aveugle est compatible avec les responsabilités de sécurité et de conception. Utilisez un point de contrôle prédéfini, consignez la version de contrôle et la date d'entrée en vigueur, et conservez les anciens libellés dans la piste d'audit [1] [16] [17].

Un modèle autorisant un taux sous-jacent différent dans chaque centre constitue une option lorsque les connaissances scientifiques et opérationnelles justifient un regroupement partiel. Estimez l'hétérogénéité initiale à partir de données pertinentes et évaluez si l'hypothèse d'échangeabilité est raisonnable. Lorsque les centres de petite taille sont nombreux, une forte contraction vers une moyenne regroupée peut rendre difficiles à détecter des problèmes locaux réels. Affichez à la fois le décompte observé et l'estimation du modèle ou l'aire de queue avec son incertitude. Évaluez l'étalonnage par rapport à des problèmes connus ou synthétiques plutôt que de considérer l'ajustement d'un modèle ou une faible valeur p comme une confirmation. Dans les contextes rares à faibles effectifs, un test exact associé à un circuit d'escalade explicite peut être plus facile à reproduire pour les moniteurs qu'un nouveau modèle [16] [17] [14].

3. Orienter les problèmes urgents et ceux à l'échelle de l'étude indépendamment des signaux statistiques

Trois décisions de surveillance complémentaires

Sélectionnez une méthode pour répondre à la question de supervision. Certaines méthodes analytiques appuient plus d'une activité.

Faites défiler horizontalement pour afficher la figure complète.

Axe opérationnelExemple de baseRéponse
Indicateur opérationnelDécompte binaire par participant, exposition éligible et filtre spécifique à l'étudeÉvaluer le contexte, le plan de soutien ou l'examen ciblé
Plage de qualité au niveau de l'essaiProblème critique de résultat, de sécurité ou de fiabilité avec un périmètre définiÉvaluer le dépassement et documenter les constatations significatives et les actions, le cas échéant
Surveillance statistique centraliséeDistributions inter-centres, temporelles ou de mesures dans des données comparablesValider les données et investiguer le profil observé avec des responsables qualifiés
Source : ICH E6(R3) Annexe 1 §§3.10–3.11 ; questions-réponses de la FDA sur la surveillance fondée sur les risques ; Venet et al. ; cadre QTL de TransCelerate, voir Sources.

Définissez le nombre d'indicateurs et la fréquence de revue en adéquation avec le plan qualité. Évaluez un dépassement de seuil ainsi que son effet sur les données et les participants. Documentez les problèmes de qualité importants et les actions dans les rapports applicables, y compris dans le cadre GCP pertinent. La section 9.6 de l'ICH E3 porte sur l'assurance qualité des données et la section 10.2 porte sur les déviations au protocole. Utilisez les exigences de déclaration et le format de rapport applicables pour les problèmes à l'échelle de l'étude, sans traiter l'observation d'un signal de KRI comme une règle de publication ni écarter un problème significatif au motif qu'un autre seuil est resté dans sa limite [1] [2] [13] [18].

Exemple quantitatif pour une plage à l'échelle de l'étude

Supposons qu'un essai de supériorité randomisé en groupes parallèles utilise un estimand de politique de traitement et prévoie un critère de résultat continu à la semaine 24. La comparaison porte sur la différence entre les groupes assignés quant à la variation moyenne par rapport à la valeur initiale, y compris après l'arrêt du traitement dans le cadre du suivi défini par l'étude. L'assignation et l'éligibilité au suivi sont préspécifiées. Un arrêt de traitement est un événement intercurrent. Un résultat manquant peut survenir chez un participant recevant encore le traitement ou l'ayant arrêté. L'indicateur de qualité dénombre les participants assignés dont la fenêtre de la semaine 24 s'est clôturée sans évaluation, parmi toutes les personnes dont la fenêtre de la semaine 24 est clôturée selon le protocole. Suivez séparément les décès ou autres événements pour lesquels le critère d'évaluation ou l'estimand prévoit une prise en charge spécifique. Conservez les motifs et les attributions d'évaluateurs, et rapportez les données pendant et après le traitement lorsque cela est pertinent [19].

À titre de vérification de planification volontairement simplifiée, supposons qu'il y ait 200 participants par bras, un effet réel de 0.36 écart-type du critère de résultat, une variance égale, une erreur de type I bilatérale de 5 % et des données manquantes aléatoires identiques entre les groupes. Avec des données complètes, la puissance selon l'approximation normale est d'environ 95 %. Avec 10 % de données manquantes non informatives, il reste 180 participants par bras et la puissance est d'environ 93 %. Avec 20 % de données manquantes, il reste 160 participants par bras et la puissance est d'environ 90 %. Le calcul intermédiaire utilise une différence moyenne standardisée de 0.36 rapportée à une erreur type en unités d'écart-type de sqrt(2 / n). Pour une étude réelle comportant un ajustement sur la valeur initiale, des variances variables ou des mesures corrélées, utilisez le modèle d'analyse ainsi que les paramètres de variance et d'abandon du plan. Par exemple, l'équipe pourrait planifier une analyse ajustée sur la valeur initiale avec imputation multiple pour le résultat ciblé sous une hypothèse spécifiée de données manquantes aléatoires, et mener une analyse de sensibilité qui rend les résultats après retrait systématiquement plus défavorables dans certains cas plausibles sélectionnés. Un calcul sur cas complets en présence de données manquantes non informatives quantifie la perte de précision. Il ne fournit aucune borne sur le biais dû aux données manquantes sélectives [19].

Supposons que l'équipe souhaite mener une investigation à 10 % parce que les données manquantes évitables comptent, et effectuer une évaluation supplémentaire au niveau de l'étude à proximité d'une marge de puissance validée. Les seuils relèvent de choix de conception. Demandez-vous si une perte de suivi survient de manière disproportionnée après un arrêt de traitement, dans un réseau partenaire ou dans un groupe de traitement selon un cadre en aveugle ou indépendant dûment autorisé. Examinez la tendance, la fenêtre et la latence d'enregistrement. Distinguez deux cas de figure : un centre saisit les dossiers avec trois jours de retard tout en disposant de l'ensemble des documents sources probants, et un centre perd le suivi après l'arrêt d'une visite assistée par dispositif. Tous deux nécessitent un examen contextuel ; l'un affecte la disponibilité des données en temps utile, l'autre peut affecter l'estimande et la sensibilité aux données manquantes. Convenez des actions qui améliorent les données probantes futures, documentez les déviations importantes et évaluez les risques persistants sans modifier les données déjà observées [1] [13] [19].

Distinguer un suivi incomplet d'un dénominateur mature

Prenons une date intermédiaire illustrative pour l'indicateur de la semaine 24. Supposons que 400 participants aient été randomisés et que 160 aient atteint la fin de la fenêtre de recueil définie au protocole à la date de coupure des données. On compte 145 résultats vérifiés, 11 avec des évaluations confirmées indisponibles et quatre que le prestataire central répertorie comme recueillis mais non encore acceptés par le promoteur. Les 240 dont la fenêtre reste ouverte sont hors du dénominateur mature de cette coupure. Sur 160 dossiers matures, 11/160 (6.9 %) sont confirmés manquants et 4/160 (2.5 %) supplémentaires ne sont pas résolus. Si la politique convenue suspend la classification des résultats jusqu'à la résolution de la latence, l'évaluation du seuil présente une plage de 6.9 % à 9.4 % selon les candidats retenus. Enregistrez la date du flux et l'arrivée attendue, et maintenez un statut distinct pour les quatre dossiers. Supposons que trois arrivent ultérieurement et qu'un n'ait pas été observé. Le décompte final pour cette coupure est de 12/160 (7.5 %). Conservez la date de rapport provisoire et la version corrigée. Utilisez la gestion définie de l'exposition et des données manquantes, y compris les événements intercurrents comptabilisés séparément ; cet exercice relève d'une décision de monitoring plutôt que d'une estimation de l'effet du traitement [3].

Maintenir les actions de sécurité et d'approvisionnement disponibles dès la première exposition

En vertu du titre 21 CFR 312.64(b), l'investigateur doit déclarer immédiatement au promoteur tout événement indésirable grave, sous réserve de l'exception prévue par le protocole pour les événements graves constituant des critères d'évaluation de l'étude conformément à la règle et à son critère relatif aux éléments suggérant une relation causale. L'investigateur inclut une évaluation visant à déterminer s'il existe une possibilité raisonnable que le médicament ait causé l'événement. En vertu de la section 312.32, le promoteur évalue séparément les critères de déclaration. Pour un risque grave éligible en vertu de la section 312.32(c)(1), déclarez-le à la FDA et à tous les investigateurs participants dès que possible dans un délai de 15 jours calendaires à compter de la détermination d'éligibilité. En vertu de la section 312.32(c)(2), une suspicion d'effet indésirable inattendu, fatal ou engageant le pronostic vital et éligible est transmise à la FDA dès que possible dans un délai de sept jours calendaires à compter de sa réception initiale. Le suivi fait l'objet de ses propres dispositions. Les exigences locales et le circuit prévu par le protocole peuvent comporter des obligations supplémentaires. Consignez les événements réels, les dates et le responsable. Une revue de file d'attente CTMS ou un objectif opérationnel illustratif de 24 heures n'a pas pour rôle de différer une déclaration immédiate ou accélérée applicable [20] [21] [22].

En cas d'écart d'approvisionnement en pharmacie, organisez l'évaluation en temps utile indépendamment de l'écran d'analyse. Confirmez le produit, les lots ou les kits concernés, et vérifiez s'ils ont été dispensés ou s'ils restent disponibles. Définissez qui peut prendre des mesures de protection sûres lors d'une atteinte potentielle à la qualité ou à la sécurité, et quand l'assurance qualité, la pharmacie et le responsable clinique confirment le sort des produits. Répétez les modalités de continuité des soins pour une visite prévue le jour même et précisez qui approuve le stock de remplacement. Appliquez selon le cas les procédures approuvées de manipulation du produit, de comptabilité et de communication aux participants, en consignant la décision finale. Une file d'attente automatisée peut émettre un avis urgent. Les contrôles d'accès doivent permettre à l'équipe qualifiée de répondre sans exposer d'informations superflues sur le traitement [1] [10] [8].

Examiner les profils statistiques centraux dans leur contexte

Un taux faible ou élevé d'événements indésirables déclarés, un espacement inhabituel des visites ou des mesures plus resserrées qu'attendu peuvent justifier une revue contextuelle. Précisez quelle population, quel dosage, quel processus de mesure, quel calendrier et quelle période sont comparables. Examinez les horodatages de mesure séparément des horodatages de saisie. Vérifiez que les déviations déclarées reflètent la fenêtre du protocole et les exceptions connues. Une distribution resserrée peut résulter d'un instrument, d'une unité, d'un étalonnage, d'un critère d'éligibilité ou d'une règle d'enregistrement différents. Des lectures répétées au niveau du participant nécessitent un modèle adapté ; un grand nombre de centres et un faible nombre d'événements peuvent réduire la capacité à distinguer les différences naturelles des différences systématiques [17] [14].

Un profil sur le chiffre terminal peut refléter la politique d'arrondi, les instruments ou la précision de déclaration. Si l'on propose une comparaison du premier chiffre selon la loi de Benford, vérifiez les hypothèses relatives à l'échelle et à la distribution attendue ; de nombreuses valeurs bornées de biomarqueurs et de nombreux scores programmés n'ont aucune raison de suivre ce schéma. Pour l'analyse multivariée, précisez les données manquantes et distinguez un profil conjoint inhabituel des effets de lot propres à un centre. Validez la covariance estimée ou choisissez une comparaison de dimension inférieure lorsque le nombre de variables est élevé par rapport à l'échantillon disponible. Examinez les données originales disponibles, le contexte documentaire et les preuves antérieures avant d'attribuer un signal. Consignez le statut du moniteur, l'action suivante et les preuves requises pour la clôture [17] [14].

4. Relier les systèmes aux personnes en mesure d'agir

Une plateforme intégrée ou un ensemble validé de systèmes interopérables peut mettre en œuvre un flux de travail commun. Pour chaque contrôle, identifiez les enregistrements faisant foi, les identifiants mis en correspondance, les horloges, l'ancienneté des données, le responsable de la réconciliation et le comportement prévu lorsque les données sont tardives ou incomplètes. La réglementation américaine 21 CFR Part 11 s'applique aux enregistrements et signatures électroniques relevant de son champ d'application, y compris aux enregistrements exigés par les règles sous-jacentes applicables de la FDA lorsqu'ils sont traités par voie électronique selon les modalités spécifiées. Le document questions-réponses de la FDA sur les systèmes électroniques formule des recommandations pour les investigations cliniques. La ligne directrice de l'EMA sur les systèmes informatisés couvre les données électroniques et les systèmes informatisés utilisés dans les essais cliniques. Déterminez le périmètre et validez en fonction des règles applicables, de l'usage prévu et des risques de l'étude [1] [23] [24] [25].

Preuves et acheminement pour certains contrôles de supervision

Attribuez à chaque contrôle les attentes en matière de source et de latence, et maintenez les circuits d'urgence disponibles de façon indépendante.

Faites défiler horizontalement pour afficher la figure complète.

ExemplePreuves requises dans le flux de travail de l'étudeRéponse si les preuves sont urgentes ou incomplètes
Chronologie du consentement et des procéduresApprobation applicable, dossier de consentement et moment réel de la procédureExaminez les écarts et orientez rapidement les préoccupations crédibles relatives à la protection des participants
Déviation majeure spécifiéeDéfinition approuvée, participants évalués éligibles et source au niveau de l'événementAffichez l'ancienneté des données et préservez la revue individuelle des événements
Événement indésirable graveCritères applicables, preuves et horodatages distincts pour l'investigateur et le promoteurUtilisez les circuits de déclaration urgente applicables à l'étude ou à la réglementation
Comptabilité du médicament expérimentalDispensation, stock, statut du produit et justificatifs pharmaceutiques faisant foiAttribuer les mesures de protection autorisées, la continuité des soins et l'orientation
Disponibilité des résultats à la semaine 24Participants assignés avec fenêtres éligibles closes et statut du résultat sourceRéconcilier les enregistrements manquants, retardés ou non applicables avant la revue au niveau de l'étude
Source : Mise en œuvre proposée. ICH E6(R3) ; 21 CFR 50.20, 50.27, 312.32, 312.64 ; ligne directrice de l'EMA sur les données électroniques des essais cliniques.

Commencez par un seul indicateur et retracez-le de bout en bout. Par exemple, identifiez l'essai, le centre, le participant, la visite et l'événement comme des identifiants distincts. Lorsqu'un gestionnaire de données fusionne un identifiant de centre, versionnez la correspondance et vérifiez les décomptes en aval. Pour un critère d'évaluation programmé, établissez un dénominateur éligible à l'aide de la date d'assignation, de la fenêtre de visite et des amendements au protocole pertinents, et confirmez l'observation par sa source. Le propriétaire des données distingue les statuts « non attendu », « indisponible en attente de transmission » et « attendu mais absent après la fenêtre d'observation ». Si le flux du prestataire est obsolète, marquez la statistique comme étant en attente et remontez les problèmes de sécurité connus via les canaux distincts établis. Enregistrez le statut du flux, le nombre de lignes envoyées et acceptées, les écarts et l'heure du recalcul.

Pour l'événement comptabilisé dans un centre, conservez un enregistrement au niveau de l'événement ainsi qu'un instantané programmé et reproductible inter-centres. Dans cet exemple, une ligne qui dépasse le seuil de revue ouvre un élément de revue et comporte la version de l'indicateur, les tables sources, l'horodatage, le décompte et le dénominateur. Un moniteur central vérifie les flux manquants et la méthodologie. Un évaluateur clinique ou d'assurance qualité détermine la portée de toute action supplémentaire, le cas échéant ; un délai de sécurité déjà en cours se poursuit séparément. Si le constat justifie une formation, liez la formation et vérifiez le changement après son application. Consignez les éléments probants démontrant qu'une action corrective a résolu le problème, et indiquez si un résultat significatif reste non résolu.

Dossier de preuves de supervision proposé

Utilisez les artefacts dont un évaluateur a besoin pour reconstituer les décisions relatives à cet essai. Regroupez-les si cela facilite l'accès. Les éléments clés sont les risques définis par le protocole et leur responsable, la justification du plan de monitoring, le dénominateur et les seuils testés, l'historique des modifications, les preuves de validation logicielle, les décisions de sécurité concomitantes ainsi que les problèmes et actions significatifs présentés dans le rapport d'étude, le cas échéant. Un dossier de preuves interne peut s'appuyer sur un registre des risques désigné et un flux de gestion des problèmes. Adoptez le Trial Master File Standard Model de CDISC comme référence lorsque cela convient au plan de classement réel. La recherche effectuée par l'évaluateur doit mener à la fois au calcul à un instant donné et à l'enregistrement faisant foi. Les références relatives au monitoring par le promoteur et aux inspections de la FDA aident à délimiter les questions de préparation interne [1] [2] [3] [18] [26] [11].

Vérifiez qu'une correction de données préserve le résultat initial et la réévaluation ultérieure. Une requête émise sur un enregistrement de sécurité retardé dans un système peut comporter des horodatages et des preuves distincts de la décision d'acheminement réglementaire. Préservez la source et la traçabilité des responsabilités de chaque événement et rendez le lien explicite. Empêchez l'accès aux champs de traitement sous-jacents dans une vue de monitoring en aveugle. Demandez à un évaluateur indépendant de reconstituer un problème à partir de l'enregistrement en lecture seule et de vérifier quel utilisateur a modifié un seuil ou autorisé un rechargement de données. Incluez le transfert par le prestataire et l'accès aux archives lorsque le système cesse d'être exploité activement [23] [24] [26].

5. Un test d'acceptation par étapes avant la première revue programmée

Le promoteur peut structurer un exemple de planification d'environ 90 jours autour des données de conception disponibles, de l'accès aux fournisseurs et des jalons du protocole. Ce calendrier est donné à titre indicatif. Finalisez d'abord les événements cliniques, l'escalade et les sources approuvées. Configurez et mettez à l'épreuve les contrôles statistiques une fois les circuits de données et les dénominateurs connus. Ne démarrez l'essai qu'avec les approbations appropriées et le franchissement des jalons de préparation de l'étude. Réalisez une deuxième répétition lorsque le protocole ou le calcul concerné change.

Lors de la première étape, remettez un projet de protocole aux responsables cliniques, des données, des statistiques et de l'assurance qualité et demandez-leur d'associer chaque risque significatif à l'exposition, à l'événement, à la source disponible, à la tolérance de latence et à la réponse attendue. Testez au moins un problème de sécurité suspecté avec un flux de données manquant. Définissez ce que le centre peut consulter et transmettre, ainsi que qui conservera l'heure déclarée. Demandez au responsable de la revue d'associer le consultant ou le prestataire de l'essai à cette même répétition du transfert, le cas échéant. Consignez les décisions et précisez quelles questions nécessitent encore un examen par les autorités ou un comité d'éthique. Utilisez le plan d'escalade et de responsabilité pour déterminer qui agit lors des interruptions de service [1] [3] [24].

Lors de la validation, construisez un cas de petit centre dont le seuil fixe est atteint mais dont la queue supérieure se situe en dehors du seuil de revue, un cas de grand centre dont la queue supérieure franchit ce seuil, et un cas de décomptes répétés excessifs dont le modèle naïf d'indépendance est trompeur. Ajoutez des données retardées, des enregistrements en double et une modification légitime de la mesure après un amendement au protocole. Vérifiez le résultat observé dans chaque système et consignez la raison pour laquelle l'agrégat a changé ou non. Simulez une augmentation significative dans un centre et une autre qui touche l'ensemble des centres. Si une référence groupée masque une dégradation partagée, envisagez un indicateur absolu dûment justifié en complément du filtre comparatif. Incluez une reconstruction computationnelle indépendante à partir de données de test exportées et autorisées [16] [17].

La répétition finale comprend deux réviseurs travaillant sur des postes différents. Soumettez à l'un un problème cliniquement urgent potentiellement non déclaré et à l'autre une valeur aberrante inter-centres planifiée comportant un dénominateur obsolète. Le premier requiert la preuve du circuit immédiat autorisé et la consignation du responsable. Le second requiert un résultat en attente ou dûment qualifié, ainsi qu'un responsable du rapprochement des sources. La revue ultérieure porte sur ce qui a changé après le rapprochement, sur les actions menées et sur les parties du dossier qu'un inspecteur ou un auditeur peut reproduire. Définissez une clôture objective pour chaque scénario et maintenez tout problème non résolu ouvert avec son échéance et le décideur responsable. Fixez le prochain contrôle planifié en fonction de l'arrivée des données et de la capacité de réponse ; les délais cliniques et réglementaires courent selon leurs propres exigences [1] [3] [11] [22].

Rapprocher les enregistrements de participants et d'événements avant d'appliquer une définition d'événement révisée

Dans un transfert de données illustratif en deux revues, la liste d'évaluation du centre compte 12 participants éligibles distincts, identifiés de P01 à P12. Lors de la première revue, le système central ne reçoit que P01 à P08. Une déclaration d'événement liée à P07 est présente et un fichier d'événements supplémentaire provenant du même centre est toujours en attente d'accusé de réception. Marquez le résultat comme incomplet et transmettez le problème de transfert à son responsable des données formé. S'il concerne la sécurité des participants ou la conduite de l'étude, l'événement individuel de P07 peut être examiné immédiatement. Le seuil statistique peut attendre un numérateur et un dénominateur valides.

Lors de la deuxième revue, deux fichiers indépendants arrivent. Le fichier des participants comporte 12 participants uniques éligibles et évalués. Le fichier des événements comporte trois lignes de déclaration : la déclaration X1 et la correction X2 renvoient toutes deux au même événement initial pour P07, et la déclaration Y1 renvoie à un événement pour P11. Selon la première définition vérifiée du protocole, les deux participants répondent à l'indicateur. Dédupliquez l'événement, puis comptez les participants distincts. Le résultat attendu est de deux participants concernés sur 12 participants éligibles évalués (16.7 %). La règle fixe supérieure à 20 % ne déclenche aucun signalement. La probabilité de queue supérieure pour au moins deux avec n = 12 et p = 0.10 est d'environ 34.1 %, ce qui se situe également en dehors du seuil de revue de l'exemple. Si l'on compte à tort trois lignes de déclaration comme trois personnes, le taux apparent est de 25 % et la règle fixe le signalerait. Conservez les données d'entrée, la justification du décompte et toutes les actions de revue sous leurs dates respectives.

Supposons qu'un amendement autorisé élargisse la fenêtre des procédures éligibles de deux à trois jours. P07 a eu une procédure 2.5 jours après l'événement de référence, et P11 en a eu une quatre jours après celui-ci. Dans une exécution de vérification contrôlée appliquant la définition amendée aux deux cas, P07 entre dans la nouvelle fenêtre, P11 reste en dehors et le résultat est de 1/12 si la liste des participants éligibles reste inchangée. Le résultat attendu pour les visites antérieures dépend de la version qui régit ces visites. Par exemple, un amendement appliqué de manière prospective aux visites programmées ultérieures conserve 2/12 pour cette revue historique et utilise la nouvelle règle pour les enregistrements futurs appropriés. Vérifiez par des tests que le système conserve les deux définitions, les dates d'application, l'horloge source ainsi que les enregistrements d'événements ou les corrections autorisées. Documentez tout retraitement approuvé avec son motif [3].

Pour le moniteur clinique, la valeur 2/12 affichée permet de vérifier le calcul ; aucun des deux événements ne disparaît de la revue des problèmes du centre. Si l'un s'est produit lors de la première revue puis a été de nouveau signalé dans l'agrégat, rouvrez-le ou liez-le selon les règles de l'étude. Désignez l'investigateur et le moniteur qui évaluent leurs actions distinctes et indiquez quand les événements ont été enregistrés pour la première fois et quand l'instantané d'analyse a été accepté. Pour un agrégat multicentrique, effectuez le décompte à partir du même instantané corrigé et comparez les preuves de validation avec le flux faisant autorité et les décisions de monitoring.

Vérifier la réponse à une détérioration partagée

Une alerte comparative et un garde-fou opérationnel absolu répondent à des questions différentes. Supposons que l'hypothèse nulle de l'exemple précédent représente une cohorte historique fiable, mais qu'une modification d'une interface commune entraîne des évaluations manquantes dans tous les centres. Une queue supérieure par rapport à une valeur de référence agrégée fraîchement estimée pourrait sembler ordinaire après le décalage de l'ensemble des centres. Une vérification par rapport à la limite opérationnelle prédéclarée et au nombre de centres utilisant la nouvelle interface pourrait mettre en évidence une tendance partagée. Un modèle qui ajuste les risques des centres devrait tenir compte explicitement de la modification de l'interface si des données historiques comparables l'étayent. Dans le cas contraire, suivez cette défaillance partagée séparément. Examinéz à quel moment les flux ont changé, si la mesure est manquante à la source ou lors du transfert, et quelles évaluations de participants sont touchées. Suivez les mesures correctives effectives et vérifiez si elles améliorent la disponibilité des données ou le suivi des participants [16] [17] [14].

Concevez une revue opérationnelle régulière qui évalue les signalements résolus et en attente. Pour une période de revue donnée, consignez le nombre de centres éligibles au criblage, le nombre de centres disposant de données valides et transmises dans les délais, le nombre de centres atteignant le seuil fixe, le nombre de centres répondant aux critères exacts et le nombre de centres faisant l'objet d'un monitoring complémentaire après revue contextuelle. Pour tout cas jugé comme justifiant une action, précisez qui a pris cette décision et quelles informations étaient disponibles à ce moment-là. Donnez à l'équipe d'étude un moyen d'évaluer les constatations ultérieurement, lorsque les éléments probants seront plus clairs. La proportion de signaux investigués jugés comme justifiant une action dépend des signalements examinés et des critères utilisés. Pour estimer les indices de tendances manquées, examinez un échantillon planifié de centres éligibles situés hors de la plage de signalement et comparez-le à des éléments probants indépendants. Stratifiez selon l'exposition et l'exhaustivité des données, car une proportion agrégée peut être dominée par des centres plus petits ou mieux dotés en personnel.

Distinguer les signalements répétés des nouvelles investigations

Supposons qu'il y ait 60 revues de centre éligibles portant sur cinq participants selon l'exemple à règle fixe lors de chacun des trois examens, à exposition et niveau de référence inchangés. Le nombre total attendu de signalements de revue de centre est de 3 × 4.8876, soit environ 14.66. Si chaque examen réutilise des données identiques et des règles inchangées, tout signalement survient lors des trois examens pour un centre et le nombre attendu de centres distincts signalés reste de 4.89. Pour des examens indépendants avec les mêmes paramètres marginaux, le nombre attendu de centres distincts signalés serait plutôt de 60 × (1 − (1 − 0.08146)^3), soit environ 13.50. Le chevauchement réel dépend des données de l'essai et de l'exposition. Ces scénarios contrastés illustrent la différence en matière de planification. L'indépendance est une hypothèse de comparaison. Avec des signalements mutuellement exclusifs d'un examen à l'autre, le nombre attendu de centres distincts signalés dans cet exemple pourrait être d'environ 14.66. Si l'équipe maintient une seule investigation par centre, motif et période concernée, mettez à jour un problème ouvert en cas de récurrence et ne créez une investigation distincte que conformément aux critères de gouvernance. Simulez la charge de travail de revue et d'escalade selon cette règle. Consignez les décisions cliniques relatives aux événements individuels, que le problème agrégé soit nouveau ou récurrent.

Tester comment un petit centre reçoit une constatation

Envoyez deux cas de test fictifs aux moniteurs responsables. Dans le premier, un petit centre présente un signalement de sélection planifié parce qu'un enregistrement de personne en doublon est entré dans le numérateur ; l'enregistrement d'origine et l'enregistrement réconcilié renvoient au même épisode d'inclusion. La décision requiert une correction des données, un retour d'information au personnel le cas échéant et une vérification de suivi par rapport au dossier. Dans le second, des entretiens indiquent que les documents de sécurité requis ont été systématiquement retardés, même si le décompte du centre n'atteignait pas un seuil statistique. Évaluez les faits documentés dans le processus de rapport et prenez les mesures appropriées. Les responsables cliniques et qualité devraient être en mesure d'expliquer quels éléments probants ont déterminé chaque réponse. Un test met à l'épreuve une défaillance de calcul, tandis que l'autre met à l'épreuve un événement ou une tendance nécessitant une revue qualifiée selon le processus de l'étude [1] [3] [22].

Pour chaque cas traité, consignez l'auteur de la décision, le motif, l'horodatage, les données justificatives et la conservation des enregistrements. Une action urgente peut précéder un rapport complet sur les causes profondes. Confirmez que l'équipe de relève autorisée suivante voit les actions en suspens et que les intervenants temporaires perdent leur accès comme il se doit une fois leur rôle terminé. Simulez une divergence de données qui reste ouverte après la première réponse et vérifiez que le statut et les dates d'échéance reflètent le problème sous-jacent non résolu. Pour une question courante, un moniteur clinique pourrait contacter le centre, réconcilier la source et clore le signal d'origine avec des éléments probants à l'appui. Un risque confirmé pour le produit ou le participant nécessite la décision de traitement acceptée par le responsable lui-même ainsi que son suivi. Le même journal de revue peut relier les deux enregistrements tout en conservant les communications applicables avec les autorités ainsi que tous les repères temporels critiques [23] [24] [26].

Si l'équipe modifie son indicateur après cette répétition, documentez pourquoi le critère de préparation a changé. Par exemple, un flux entrant quotidien peut comporter un fichier accepté valide tout en omettant un prestataire sélectionné. Un contrôle d'exhaustivité indépendant devrait s'appuyer sur les participants attendus, le manifeste des centres ou d'autres informations au-delà du seul nombre de lignes acceptées par le flux. Vérifiez que le système envoie l'avis d'obsolescence ou d'incomplétude à la personne en mesure de le corriger dans la fenêtre opérationnelle. Demandez également à l'évaluateur ce que l'indicateur affichait avant la correction et pourquoi. Une valeur aberrante présentant des calculs corrects et un contexte source contradictoire reste un élément à examiner jusqu'à ce que le décideur responsable soit satisfait des éléments probants.

6. Méthodes, champ d'application et déclaration du fournisseur

L'analyse des inspections additionne la fréquence des enregistrements d'observations BIMO sélectionnés répertoriés par la FDA. Les noms des champs de saisie diffèrent selon les années ; les options sources et la date reproduite la plus ancienne doivent donc accompagner les totaux. La FDA décrit le recueil public d'observations d'inspection comme non exhaustif. Les données ne fournissent pas le nombre de centres susceptibles d'être concernés, ne révèlent pas les dossiers d'incidents sous-jacents et ne mesurent pas un lien ultérieur avec des mesures coercitives. La correspondance entre le protocole et les indicateurs constitue un exemple éditorial [9] [10] [11].

L'analyse AACT utilise la version du 1 août 2026 et sélectionne les enregistrements interventionnels dont le promoteur principal est codé comme industriel et dont l'année de date de début enregistrée est 2020 ou ultérieure. Le filtre inclut les dates estimées et futures publiées dans l'archive. L'analyse attribue les enregistrements contenant Phase 3 à la phase 3, puis attribue les enregistrements restants contenant Phase 2 à la phase 2. Elle additionne les lignes d'établissements pour les identifiants NCT comportant des informations d'établissement publiées. Les totaux publiés contiennent les inclusions prévues et réelles ; l'estimation laisse inconnues la distribution au sein de l'essai ainsi que les centres dont le nombre d'inclusions est manquant. Les exemples détaillés de calibrage et de dotation en personnel sont hypothétiques. Les dates réglementaires renvoient aux textes mis en lien dans la section 1. EClinCloud propose des systèmes eClinical tels que décrits sur son site web. Une évaluation de plateforme doit demander au candidat de démontrer les exigences de l'étude testables indépendamment et les intégrations retenues [1] [4] [15] [27].

7. Prendre la décision de monitoring avant de configurer l'alerte

Approuvez les contrôles lorsque les bonnes données entrent dans le dénominateur, qu'un responsable qualifié peut voir quelle mesure prendre et que le promoteur peut démontrer pourquoi les décisions ont été prises. La revue qualité suivante doit réexaminer si le calendrier et le suivi prévus suffisent à détecter les risques sélectionnés. Maintenez en permanence des garde-fous disponibles pour les préoccupations urgentes relatives aux participants. Un plan de monitoring peut évoluer avec le profil de risque à condition que la décision, l'impact et les versions précédentes restent traçables [1] [3].

Sources

1. EMA. ICH E6(R3) Bonnes pratiques cliniques, Principes, Annexe 1 §§3.10–3.11 et registre des dates d'adoption et d'entrée en vigueur de l'Annexe 2.

2. FDA. E6(R3) Bonnes pratiques cliniques, ligne directrice finale, septembre 2025, Annexe 1 §§3.10–3.11.

3. FDA. A Risk-Based Approach to Monitoring of Clinical Investigations: Questions and Answers, ligne directrice finale, avril 2023.

4. MHRA. Essais cliniques de médicaments : conformité aux bonnes pratiques cliniques ICH E6 au Royaume-Uni.

5. International Council for Harmonisation (ICH), ICH E8(R1) Considérations générales relatives aux études cliniques (Qualité par la conception et facteurs critiques pour la qualité). https://database.ich.org/sites/default/files/E8-R1_Guideline_Step4_2021_1006.pdf

6. Sheetz et al. Évaluation de la vérification des données sources comme mesure de contrôle qualité dans les essais cliniques. DOI 10.1177/2168479014554400.

7. Andersen et al. Impact de la vérification des données sources sur la qualité des données dans les essais cliniques : analyse empirique post hoc de trois essais de phase 3. DOI 10.1111/bcp.12531.

8. Règlement (UE) n° 536/2014 relatif aux essais cliniques de médicaments à usage humain, y compris l'article 47 et l'annexe III.

9. FDA. Inspection Observations, fichiers annuels téléchargeables d'observations d'inspection. Analyse par EClinCloud des fréquences de citations BIMO sélectionnées, exercices fiscaux 2006–2025 et sous-ensemble des exercices fiscaux 2020–2025.

10. Code des règlements fédéraux des États-Unis, 21 CFR Part 312 — Demande de nouveau médicament expérimental (sous-partie D : responsabilités des promoteurs et des investigateurs — 312.50, 312.56, 312.60, 312.62, 312.64, 312.66). https://www.ecfr.gov/current/title-21/chapter-I/subchapter-D/part-312

11. FDA. Programme de conformité 7348.810, Promoteurs, organismes de recherche sous contrat et moniteurs.

12. 21 CFR Part 50, Subpart B. Informed consent of human subjects, y compris les §§50.20, 50.22–50.24 et 50.27 selon le cas.

13. Auteurs de TransCelerate. Quality Tolerance Limits: Framework for Successful Implementation in Clinical Development.

14. Venet et al. Une approche statistique du monitoring centralisé de la qualité des données dans les essais cliniques. Clinical Trials. 2012;9:705–713.

15. Clinical Trials Transformation Initiative. Aggregate Analysis of ClinicalTrials.gov (AACT), archive d'août 2026. Analyse par EClinCloud des registres de phase 2/3 promus par l'industrie, avec les dates enregistrées et la sélection d'établissements décrites aux sections 2 et 6.

16. Spiegelhalter DJ. Graphiques en entonnoir pour comparer les performances institutionnelles. Stat Med. 2005;24:1185–1202.

17. Desmet et al. Modèles linéaires à effets mixtes pour le monitoring statistique centralisé des essais cliniques multicentriques. Stat Med. 2014.

18. ICH E3. Structure and Content of Clinical Study Reports, §§9.6 et 10.2.

19. ICH E9(R1). Estimands et analyse de sensibilité dans les essais cliniques, §§A.3–A.5.

20. Code des règlements fédéraux des États-Unis, 21 CFR 312.32 — Déclaration de sécurité IND (délais de déclaration accélérée des effets indésirables graves et inattendus). https://www.ecfr.gov/current/title-21/chapter-I/subchapter-D/part-312/subpart-B/section-312.32

21. FDA. IND Application Reporting: IND Safety Reports, critères et délais au titre du 21 CFR 312.32(c) et (d).

22. 21 CFR 312.64. Rapports des investigateurs.

23. FDA. Electronic Systems, Electronic Records, and Electronic Signatures in Clinical Investigations: Questions and Answers, ligne directrice finale, octobre 2024.

24. Agence européenne des médicaments. Guideline on computerised systems and electronic data in clinical trials, EMA/INS/GCP/112288/2023. https://www.ema.europa.eu/en/documents/regulatory-procedural-guideline/guideline-computerised-systems-and-electronic-data-clinical-trials_en.pdf

25. 21 CFR Part 11, y compris le champ d'application au §11.1.

26. CDISC. Trial Master File Standard Model. Adaptez le modèle de référence aux conventions de classement de l'étude. https://www.cdisc.org/standards/trial-master-file-standard-model

27. EClinCloud. Site web du fabricant et description publique de ses systèmes eClinical.