Préférences des patients et sécurité post-autorisation : maintenir la distinction entre les données probantes
En bref
La recherche sur les préférences des patients et la recherche sur la sécurité post-autorisation répondent à des questions différentes. La première examine ce que les patients valorisent et quels compromis ils jugent acceptables ; la seconde évalue les événements indésirables, les signaux de sécurité et les risques en utilisation réelle. Les publications de la FDA parues en 2026 sur les documents ICH E22, ICH E2D(R1), ICH M14 et la sécurité pendant la grossesse confèrent à ces distinctions une importance opérationnelle. Le document E22 reste à l'état de projet ; les documents de la FDA sur E2D(R1), M14 et la sécurité pendant la grossesse abordés ici sont des lignes directrices finales. La ligne directrice distincte du CDRH et du CBER sur les préférences des patients porte sur des informations fournies sur une base volontaire tout au long du cycle de vie des dispositifs médicaux. Leurs champs d'application respectifs ne doivent pas être fusionnés en un modèle logiciel unique et obligatoire. Les recommandations des lignes directrices ne sont pas contraignantes, sauf si une exigence légale ou réglementaire distincte est citée. [1] [3] [5] [7] [8]
Pour les promoteurs et les CRO, la difficulté commune consiste à préserver le sens des informations lorsqu'elles circulent d'un système à l'autre. Une réponse à une enquête sur les préférences n'est pas une déclaration d'événement indésirable. Une observation dans un jeu de données de remboursement existant ne constitue pas automatiquement un nouveau rapport individuel de sécurité. La date d'inclusion dans un registre n'indique pas nécessairement que l'issue de la grossesse était inconnue au moment de l'inclusion. Une architecture eClinical utile maintient ces distinctions visibles tout en facilitant la traçabilité, la protection des participants, l'analyse et la production de rapports. Les suggestions de mise en œuvre présentées dans cet article constituent notre propre synthèse ; elles ne prétendent pas que la FDA avalise une fonctionnalité ou un schéma de données particulier de EClinCloud.
Préférences des patients : La FDA a publié le projet de ligne directrice ICH E22 en février 2026 et la ligne directrice finale du CDRH/CBER sur les préférences des patients fournies sur une base volontaire en mars 2026. Ces documents abordent les méthodes, la représentativité, l'élaboration des instruments, l'analyse et l'interprétation. Le document E22 recommande les prétests et les études pilotes, envisage des contrôles qualité et cite E6(R3) et CDISC ODM comme ressources utiles. Il n'exige pas que chaque étude mette en œuvre un format d'enquête électronique spécifique. Les données probantes sur les préférences complètent les données d'efficacité et de sécurité cliniques ; elles ne les remplacent pas. [1] [3] [9]
Sécurité des cas post-autorisation : La ligne directrice E2D(R1) publiée par la FDA en mars 2026 distingue les déclarations spontanées des déclarations sollicitées et traite des plateformes numériques, des systèmes organisés de collecte de données (ODCS), des programmes de soutien aux patients, des études de marché et des études non interventionnelles. La classification dépend de la manière dont l'information a été obtenue et du contexte de l'activité. Les critères minimaux, l'évaluation de la causalité et les délais de déclaration doivent être pris en compte conjointement avec les exigences régionales et locales. Un même canal numérique peut véhiculer différents types d'informations ; la seule désignation du canal est insuffisante. [5] [6]
Études de sécurité en vie réelle : La ligne directrice M14 publiée par la FDA en mars 2026 porte sur la planification, la conception, l'analyse et le compte rendu des études non interventionnelles utilisant des données en vie réelle pour l'évaluation de la sécurité des médicaments. Elle met l'accent sur une question adaptée à l'objectif visé, une conception réalisable, des données pertinentes et fiables, ainsi que sur l'évaluation des biais. Ses exemples n'établissent ni une règle universelle fondée sur deux codes diagnostiques, ni un algorithme figé, ni une implémentation logicielle obligatoire. L'analyse quantitative des biais peut aider à évaluer la sensibilité aux erreurs systématiques ; elle ne garantit pas l'élimination des biais. [7]
Sécurité pendant la grossesse : la ligne directrice finale de la FDA de mai 2026 traite de la pharmacovigilance, des registres de grossesse et des études complémentaires. Chaque approche apporte des données probantes différentes et présente des limites distinctes. La ligne directrice cite environ 3.6 millions de naissances annuelles aux États-Unis et une estimation selon laquelle 41.6 % des grossesses survenues aux États-Unis en 2019 n'étaient pas planifiées. Ces chiffres soulignent l'importance d'obtenir des informations utiles sur l'exposition ; ils ne constituent pas des estimations du risque lié à un médicament particulier. Un registre et une étude basée sur des données de santé électroniques doivent être conçus pour se compléter, en accordant une attention particulière au recrutement, à la détermination des issues, au chaînage et au biais de sélection. [8]
Le corpus local NIH RePORTER fournit un contexte descriptif : 4,876 identifiants de demande dédupliqués issus de 31 requêtes eClinical, collectés le 23 août 2026. Les correspondances par mots-clés comprennent 430 résultats pour les termes relatifs aux RWD/EHR/registres, 407 pour les termes eCOA/ePRO, 387 pour les termes de surveillance de la sécurité, 152 pour les termes liés à la grossesse, 86 pour les termes généraux relatifs aux préférences et à la décision partagée, et 11 pour le filtrage plus restreint des préférences déclarées. Les pourcentages qui en résultent décrivent ce corpus sélectionné par requêtes, et non l'adoption commerciale, les dépenses de subvention ou les fonctionnalités des plateformes. Nous ne déduisons pas de déficit d'infrastructure de l'absence de mention d'un mot-clé dans un résumé. [13]
| Flux de données probantes | Source principale et statut | Question à préserver lors de la mise en œuvre |
|---|---|---|
| Préférences des patients | Projet ICH E22 ; ligne directrice finale volontaire du CDRH/CBER sur les PPI | Les préférences de qui, recueillies comment et pour quelle décision ? |
| Cas individuels de sécurité | FDA E2D(R1), version finale | Quels sont la source, les informations minimales et le contexte de déclaration ? |
| Études de sécurité sur RWD | FDA M14, version finale | Ces données et ce schéma d'étude permettent-ils de répondre à la question de sécurité ? |
| Sécurité pendant la grossesse | FDA mai 2026, version finale | Quand les informations sur l'exposition et l'issue ont-elles été connues, et que manque-t-il ? |
1. Contexte descriptif de la recherche
L'analyse du NIH utilise les identifiants de demande uniques comme unité, et non les investigateurs, les organisations, les produits ou les essais cliniques uniques. Les 31 requêtes ont produit 5,137 résultats bruts avant déduplication à 4,876 identifiants. Le matériel CDISC constitue un index distinct daté du 31 juillet 2026, regroupant 32 pages de standards et 54 ressources liées : 25 téléchargements publics et 29 ressources exclues car une authentification était requise. Cette couverture est utile pour l'exploration, mais ne permet pas d'étayer des affirmations sur le contenu complet ou l'absence d'un standard. [13]
1.1 Correspondances par mots-clés dans le corpus sélectionné
Les catégories lexicales se chevauchent et utilisent différents niveaux de spécificité. Un terme large tel que registre a beaucoup plus de chances d'apparaître que le nom d'une méthode de préférence particulière. Les décomptes suivants constituent donc des résultats de recherche descriptifs, et non une évaluation hiérarchisée de la maturité méthodologique. [13]
| Filtrage lexical dans le corpus sélectionné | Identifiants de demande | Part sur 4,876 |
|---|---|---|
| Termes relatifs aux RWD, EHR et registres | 430 | 8.82 % |
| Termes eCOA/ePRO | 407 | 8.35 % |
| Termes de surveillance de la sécurité et de pharmacovigilance | 387 | 7.94 % |
| Termes relatifs à la grossesse et au domaine maternel/périnatal | 152 | 3.12 % |
| Termes généraux de préférence et de décision partagée | 86 | 1.76 % |
| Filtrage restreint des préférences déclarées | 11 | 0.23 % |
1.2 L'index des standards est un outil d'exploration
La note de bas de page 6 d'E22 renvoie à ICH E6(R3) et à CDISC ODM v2.0 en tant que ressources utiles pour la saisie des données. Il s'agit d'une recommandation visant à prendre en compte les lignes directrices pertinentes, et non d'une exigence d'implémenter ODM ni de le citer dans chaque enquête. L'index local limité de CDISC ne prouve pas qu'il n'existe aucun modèle ni guide d'implémentation adapté. Pour une étude réelle, l'équipe doit examiner la spécification applicable, sa version et les exigences de soumission prévues. Les enregistrements conceptuels proposés plus loin dans cet article ne sont délibérément pas présentés comme des variables CDISC normatives ni comme un remplacement de ces spécifications. [1] [9] [13]
2. Études sur les préférences des patients
2.1 Champ d'application et perspective
Entérinée par l'Assemblée de l'ICH à l'étape 2 le 19 novembre 2025 et publiée par la FDA le 6 février 2026 (91 FR 5484, dossier n° FDA-2026-D-0207), la ligne directrice ICH E22 General Considerations for Patient Preference Studies propose un cadre harmonisé pour la conception, la conduite, l'analyse et la soumission des études sur les préférences des patients (PPS) dans le développement et l'évaluation post-commercialisation des médicaments et des produits biologiques [1]. En complément de l'ICH E22 sur le volet des dispositifs médicaux et des produits combinés à prédominance dispositif médical figure la ligne directrice finale du CDRH et du CBER de la FDA du 30 mars 2026, Incorporating Voluntary Patient Preference Information over the Total Product Life Cycle (FDA-2015-D-1580, 91 FR 15622, numéro de document GUI01500006, remplaçant la ligne directrice du 24 août 2016) [3], [12].
Quatre distinctions sont particulièrement utiles pour déterminer si des données probantes relatives aux préférences sont appropriées. [1] [3]
Les préférences déclarées et les préférences révélées constituent des approches différentes. E22 porte sur les méthodes de préférences déclarées ; elle exclut les méthodes de préférences révélées qui déduisent les préférences à partir d'un comportement observé. Une tâche de choix hypothétique et un relevé de renouvellement d'ordonnances ne répondent pas à la même question. L'étude doit expliquer pourquoi l'approche retenue est adaptée à l'utilisation prévue. [1]
Les informations sur les préférences ne sont pas un score PRO. Un PRO recueille un aspect de l'état de santé directement auprès du patient. Une étude de préférence examine la désirabilité ou l'acceptabilité relative, y compris les arbitrages entre des résultats ou des caractéristiques de traitement. Les deux peuvent éclairer le développement, mais leur combinaison exige une approche analytique justifiée plutôt que de traiter leurs valeurs comme interchangeables. La ligne directrice PFDD de la FDA relative aux critères d'évaluation apporte un contexte connexe pour les évaluations des résultats cliniques. [1] [3] [4]
La perspective compte. Les préférences des patients, des aidants et des professionnels de santé sont distinctes. Une étude doit préciser la perspective qu'elle mesure et pourquoi cette population est pertinente. Le rapport du webinaire de l'ICH destiné aux parties prenantes illustre comment les priorités des patients peuvent différer des hypothèses des équipes de développement. La contribution des aidants peut être pertinente dans des contextes appropriés, mais elle ne doit pas être requalifiée tacitement comme la propre préférence du patient. [1] [2] [3]
Les données probantes sur les préférences complètent les autres données probantes. L'acceptabilité d'un risque n'établit pas que le traitement est efficace ni ne détermine son risque réel. L'argumentaire réglementaire relatif au rapport bénéfice-risque nécessite toujours des données probantes cliniques et une explication de la manière dont les préférences éclairent l'interprétation. La ligne directrice volontaire relative aux dispositifs médicaux aborde des utilisations possibles tout au long du développement et de l'évaluation réglementaire ; elle ne garantit ni autorisation ni approbation sur la base des résultats de préférence. [1] [3] [11]
2.2 Utilisation tout au long du cycle de vie du produit
E22 décrit des utilisations tout au long du développement et de la prise de décision post-approbation. Plusieurs sont particulièrement pertinentes pour un plan opérationnel de données probantes. [1]
La recherche sur les préférences peut aider à identifier des besoins non satisfaits, à hiérarchiser les résultats, à éclairer la conception des essais et à expliquer l'acceptabilité des arbitrages bénéfice-risque. Elle peut aider à interpréter l'importance des composantes d'un critère d'évaluation à plusieurs composantes ou la valeur que les patients accordent aux variations d'un résultat. Elle peut également éclairer les caractéristiques du traitement, le recrutement et la rétention, ainsi que la planification de la gestion des risques. Il s'agit d'utilisations potentielles, et non d'une liste de contrôle que chaque étude doit satisfaire. Une étude conçue pour classer la commodité d'un traitement ne doit pas être réutilisée comme preuve de tolérance à un risque grave sans examiner si ses questions et sa population étayent cette inférence. [1] [4]
De plus, dans la section 2.4 (Les travaux de novo ne sont pas toujours justifiés, lignes 80–84) et la section 2.5 (Applicabilité mondiale, lignes 85–92), ICH E22 souligne que les promoteurs devraient d'abord évaluer la littérature existante de haute qualité relative aux PPS avant d'imposer aux communautés de patients des études de novo redondantes, et qu'une PPS menée dans une région peut étayer la prise de décision réglementaire dans une autre région, à condition que le demandeur justifie la comparabilité sur le plan culturel et des systèmes de santé (idéalement étayée par des données qualitatives locales de rapprochement des préférences conformément à la section 4.3, lignes 226–229) [1].
2.3 Méthodes, instruments et qualité
La sélection de la méthode, l'élaboration de l'instrument et l'analyse devraient suivre la question de recherche et la décision visée. E22 et le document d'orientation volontaire relatif aux PPI pour les dispositifs médicaux décrivent des considérations plutôt qu'une méthode privilégiée unique pour chaque contexte. [1] [3]
A. Sélection de la méthode
Les travaux qualitatifs peuvent éclairer les attributs, le langage et le contexte ; les méthodes quantitatives peuvent estimer les arbitrages ou l'importance relative. Le document d'orientation aborde plusieurs méthodes, notamment les suivantes. [1] [3]
Une expérience à choix discrets demande aux répondants de choisir parmi des profils dont les attributs et les niveaux varient selon un plan expérimental. L'échelle meilleur-pire demande de sélectionner les éléments ou caractéristiques les plus et les moins préférés, l'interprétation dépendant du plan particulier. Les techniques de seuil étudient le point auquel le choix d'un répondant change lorsqu'un attribut varie. La pondération par variation évalue les passages d'un niveau d'un attribut à un autre. Ces approches diffèrent par leurs hypothèses, la charge associée et les grandeurs qu'elles estiment. Une enquête courte n'est pas automatiquement moins biaisée, et un modèle plus élaboré n'est pas automatiquement plus informatif. [1] [3]
La décision pratique consiste à déterminer si la méthode peut répondre à la question posée dans la population visée. L'équipe devrait documenter ce qu'il est demandé aux répondants de comparer, quels attributs sont maintenus constants, comment les niveaux varient et ce que signifie une estimation résultante. Les estimations du risque maximal acceptable ou du bénéfice minimal acceptable sont conditionnées par les attributs, les plages et les hypothèses analytiques effectivement étudiés. Elles ne devraient pas être présentées comme des propriétés indépendantes du contexte d'une population de patients. [1]
B. Pertinence et plage des attributs
La conception des attributs détermine les limites de l'inférence. Trois considérations méritent une documentation explicite. [1]
Premièrement, les attributs devraient être pertinents pour les patients et pour la question de recherche. Les hypothèses propres à chaque méthode importent ; E22 donne le fait que les participants considèrent les attributs comme indépendants à titre d'exemple, et non comme une règle universelle d'indépendance statistique pour toute méthode de préférence. Deuxièmement, l'alignement avec les critères d'évaluation cliniques est particulièrement important lorsque l'étude éclairera l'évaluation du rapport bénéfice-risque. Un alignement parfait peut ne pas toujours être possible, mais cette limite devrait être expliquée. Troisièmement, les niveaux devraient couvrir les valeurs pertinentes attendues dans les groupes de traitement et de contrôle de l'étude clinique. L'extrapolation au-delà des niveaux étudiés est généralement déconseillée. [1]
À titre d'exemple de problème d'inférence, une enquête qui ne présente un risque qu'entre 1 % et 8 % n'observe pas directement les choix à 14 %. Un résultat clinique ultérieur à 14 % nécessite donc une évaluation attentive de son applicabilité ; la capacité d'un modèle à calculer un chiffre ne valide pas l'extrapolation. La même réserve s'applique lorsque le stade de la maladie, les alternatives thérapeutiques ou la charge diffèrent du contexte de l'enquête. Ce sont là des raisons de conserver les attributs et niveaux exacts présentés parallèlement aux réponses. [1]
C. Prétest et étude pilote
Les informations doivent être compréhensibles, neutres et adaptées à la population. Les présentations numériques et graphiques peuvent aider à communiquer les probabilités, mais leur adéquation doit être évaluée plutôt que présumée. Le cadrage, l'ordre et la charge cognitive peuvent influencer les réponses. Notre recommandation de mise en œuvre consiste à conserver la formulation exacte et la version d'affichage, à tester les appareils et les langues prévus, et à documenter la justification de toute présentation randomisée. De tels contrôles soutiennent le plan méthodologique ; ils ne garantissent pas l'élimination de tout biais de cadrage ou de sélection. [1] [3]
E22 décrit le prétest et le pilotage comme des étapes distinctes et essentielles du développement d'un instrument. [1]
Le prétest examine la compréhension, la pertinence, la formulation et le format auprès des patients et utilise les résultats pour affiner l'instrument. Le pilotage teste ensuite le fonctionnement de l'étude à plus petite échelle avant la mise en œuvre complète. Les deux activités répondent à des questions différentes : un répondant peut comprendre une question alors que l'implémentation électronique affiche encore un ensemble de choix incorrect ou ne conserve pas une réponse. L'équipe doit consigner ce qui a été testé, ce qui a été modifié et pourquoi l'instrument final demeure adapté. Aucune de ces deux activités ne se résume à une simple signature sur une liste de contrôle de validation. [1]
Les principes de qualité et de gouvernance des données de E6(R3) constituent un contexte utile pour les enregistrements contrôlés et les systèmes adaptés à l'usage prévu. La référence de E22 à E6(R3) n'efface pas les différences entre une étude de préférences et un essai clinique interventionnel. Les garanties applicables, le processus de consentement et les enregistrements doivent être déterminés pour l'étude réelle, avec une responsabilité clairement définie pour les décisions. [1] [9]
Il convient également de relever, dans le webinaire de mobilisation des parties prenantes de l'ICH E22 du 6 février 2026 (sections 2.2.2–3 du rapport de réunion), l'étude de cas Sick Cells (drépanocytose) présentée par A. Valentine [2] : pour surmonter les obstacles liés à la fracture numérique, à la littératie et à la méfiance envers la médecine associés aux panels en ligne (ICH E22, section 4.3, lignes 231–234), l'étude a déployé un modèle de « formation des formateurs » porté par la communauté, en partenariat avec des organisations communautaires (CBO) régionales et des agents de santé communautaires (CHW) formés qui ont administré l'enquête en personne ou lors de séances assistées, fourni un soutien en temps réel face aux traumatismes émotionnels, rémunéré équitablement les CBO, les CHW et les patients, et transmis un résumé vulgarisé à la communauté [2].
D. Contrôles qualité et décisions relatives aux ensembles d'analyse
E22 fournit des exemples de contrôles qualité et met en garde contre le fait de considérer un contrôle isolé comme une preuve définitive qu'une réponse doit être écartée. [1]
Parmi ces exemples figurent un choix manifestement dominé, des informations incohérentes, une complétion inhabituellement rapide, la non-prise en compte d'attributs et des réponses potentiellement frauduleuses, y compris de participants synthétiques. Il s'agit de signaux à examiner. Un patient qui privilégie systématiquement un attribut peut exprimer une préférence réelle ; un temps de complétion rapide peut refléter une familiarité plutôt qu'une fraude. Les règles d'exclusion doivent être prédéfinies et justifiées, en tenant compte de leurs implications sur la représentativité. [1]
Le projet recommande de présenter l'impact des exclusions fondées sur la qualité. Lorsque des observations sont écartées pour l'analyse principale, les résultats incluant ces observations doivent également être présentés afin de montrer la sensibilité à cette décision. Une mise en œuvre doit conserver la réponse d'origine, le signalement, le résultat de l'examen et la dérivation des ensembles d'analyse. La suppression automatique des participants signalés rendrait plus difficile l'évaluation visant à déterminer si une règle de nettoyage a modifié la conclusion de fond ou écarté de manière disproportionnée un sous-groupe de patients. [1]
E. Compte rendu de l'étude
E22 recommande d'inclure la PPS dans les modules 2 et 5 du CTD, avec le rapport complet dans la section 5.3.5.4, Autres rapports d'études cliniques. Elle décrit des renvois possibles dans le module 2, notamment l'argumentaire de développement du produit et la discussion sur le rapport bénéfice-risque. Il s'agit de recommandations de présentation, et non d'une obligation de dupliquer le même contenu à chaque emplacement. Le rapport devrait relier l'objectif, le plan d'étude, la population, l'instrument, l'analyse, les limites et l'utilisation réglementaire envisagée. La présentation du rapport bénéfice-risque devrait également distinguer les estimations de préférence des preuves cliniques auxquelles elles s'appliquent. [1] [11]
3. Cas de sécurité post-autorisation
Publiée en tant que ligne directrice finale de la FDA le 4 mars 2026 (91 FR 10619, FR Doc. 2026-04252, Docket No. FDA-2024-D-0803), la ligne directrice E2D(R1) Postapproval Safety Data: Definitions and Standards for Management and Reporting of Individual Case Safety Reports met à jour la ligne directrice ICH E2D de 2003 afin d'encadrer les plateformes numériques modernes, les écosystèmes de collecte organisée de données et les études sur données en vie réelle [5], [6].
3.1 Contexte de collecte
E2D(R1) distingue les notifications spontanées des notifications sollicitées tout en traitant séparément les autres observations et les exigences de déclaration régionales. La source et les circonstances de la collecte importent. Un événement indésirable n'est pas synonyme d'effet indésirable suspecté, et un cas valide n'est pas automatiquement un cas soumis à déclaration accélérée. Les logiciels devraient préserver ces distinctions afin que l'équipe de sécurité qualifiée puisse appliquer les règles de déclaration appropriées. [5]
Collecte organisée : Un ODCS recueille de manière planifiée des données pertinentes relatives au produit ou au domaine pathologique. Pour les activités sans protocole, la ligne directrice recommande de documenter cinq éléments : les objectifs, les sources, le jeu de données et la période de collecte, la méthode d'examen, ainsi que le processus de gestion des informations de sécurité identifiées. Cette documentation définit l'activité ; elle est plus informative que le simple fait d'étiqueter chaque application comme un ODCS. [5]
Responsabilité numérique et contexte : Les plateformes placées sous la responsabilité du titulaire de l'AMM devraient être examinées suffisamment fréquemment pour respecter les délais de déclaration applicables. Pour ces plateformes, le jour zéro commence lorsque des informations suffisantes répondant aux critères minimaux sont publiées. Sur une plateforme ne relevant pas de la responsabilité du titulaire de l'AMM, il n'existe aucune attente générale de surveillance systématique de l'ensemble des contenus. Si le titulaire de l'AMM mène une activité planifiée d'examen des données, il devrait documenter cet ODCS et gérer les informations répondant aux critères trouvées lors de l'examen planifié. Dans ce contexte, le jour zéro correspond au moment où l'examen identifie l'événement et des informations suffisantes, et non nécessairement à la date d'accès aux données. Une notification ad hoc rencontrée en dehors d'une collecte organisée est examinée dans son propre contexte. [5]
Programmes de soutien : E2D(R1) définit les PSP en accordant une attention particulière à la communication bidirectionnelle ainsi qu'à la sollicitation ou à la réception prévisible d'informations médicales. Un service de livraison autonome diffère d'un programme combiné incluant un accompagnement infirmier répondant aux critères. Lorsqu'un programme combiné répond à la définition d'un PSP, les notifications issues de ses activités constitutives sont gérées comme provenant du PSP. Les supports de formation de la ligne directrice illustrent pourquoi la conception du programme devrait être documentée avant la mise en place des règles de routage. [5] [6]
Études non interventionnelles : La collecte primaire et l'utilisation secondaire de données existantes ont des implications différentes. Les notifications sollicitées issues d'une collecte primaire nécessitent une évaluation appropriée de la causalité. E2D(R1) indique que les événements identifiés lors d'une utilisation secondaire de données ne devraient pas être notifiés en tant qu'ICSR, sauf indication contraire des exigences régionales ou locales. Les résultats à l'échelle de l'étude nécessitent toujours une évaluation et une communication, y compris les résultats de sécurité importants. Cette distinction ne constitue pas une autorisation d'ignorer un risque significatif. La collecte sélective des données de sécurité ne devrait être utilisée que lorsqu'elle est justifiée et applicable ; E19 possède son propre champ d'application et ne constitue pas une exemption générale pour tout registre. [5] [7] [10]
3.2 Validité, caractère déclarable et délais
La validité du cas, l'éligibilité à la notification et les délais de notification doivent être évalués séparément. La ligne directrice établit les distinctions suivantes. [5]
Informations minimales : Les critères minimaux habituels portent sur un événement ou une autre observation, un médicament suspect ou impliqué dans une interaction, un patient identifiable et un notificateur identifiable. Les exigences régionales déterminent quels cas sont soumis à notification. La ligne directrice aborde une exception relative au patient identifiable pour les erreurs médicamenteuses interceptées qui n'ont jamais atteint un patient. Il s'agit d'un contexte spécifique, et non d'une dérogation générale en matière de qualité des cas. [5]
Identifiabilité : Un identifiant sur les réseaux sociaux seul, sans information permettant de le qualifier, est insuffisant pour confirmer l'existence réelle d'un patient ou d'un notificateur. Lorsque cela est autorisé et réalisable, le suivi doit viser à obtenir les informations nécessaires pour évaluer l'identifiabilité. Une notification anonyme n'est pas automatiquement invalide si l'existence d'un notificateur réel est connue et que les autres exigences sont remplies. Un flux de travail doit conserver les informations incomplètes ainsi que les tentatives de suivi plutôt que d'écarter silencieusement un cas potentiel. [5]
Causalité et autres observations : La notification spontanée implique une suspicion de lien de causalité aux fins de notification, tandis que les notifications sollicitées nécessitent une évaluation appropriée. D'autres observations — telles qu'une exposition pendant la grossesse, une erreur médicamenteuse ou un manque d'efficacité — peuvent nécessiter un traitement différent selon les règles régionales. Une règle automatisée générale supprimant tout dossier sollicité classé comme non lié pourrait ainsi omettre des informations qui nécessitent encore une évaluation. Le dossier doit conserver le récit du notificateur ainsi que l'évaluation distincte du titulaire de l'AMM. [5]
Notifications initiales, suivi et modifications : Tout nouveau suivi médicalement pertinent possède sa propre date de réception et peut modifier l'éligibilité d'un cas à une notification accélérée. Il n'efface pas la date de réception initiale et ne prolonge pas rétroactivement le délai initial. Une modification interne liée à la qualité, sans nouvelle information externe, ne doit pas recevoir de nouvelle date de jour zéro. Conservez la chronologie, les informations disponibles lors de chaque décision et le motif des changements de classification. Les exigences américaines prévues dans 21 CFR 314.80 et 600.80 doivent être appliquées selon la catégorie et le délai de notification pertinents, plutôt que de supposer que chaque dossier entrant dispose d'un délai identique de 15 jours. [5] [12]
4. Études de sécurité en vie réelle
Publiée parallèlement à l'ICH E2D(R1) le 4 mars 2026 (91 FR 10615, FR Doc. 2026-04253, Docket No. FDA-2024-D-2754), la ligne directrice ICH M14 General Principles on Planning, Designing, Analyzing, and Reporting of Non-Interventional Studies That Utilize Real-World Data for Safety Assessment of Medicines fournit des recommandations pour les études pharmacoépidémiologiques de sécurité post-commercialisation [7].
4.1 Une évaluation de faisabilité guidée par la question
M14 présente un cadre itératif reliant la question de recherche, le schéma d'étude, l'adéquation des données, le protocole, l'analyse et la présentation des résultats. La faisabilité vise à évaluer si l'étude proposée peut produire des données probantes adéquates. [7]
La question doit préciser, selon le cas, la population, l'exposition ou l'intervention, le comparateur, le critère de jugement, la temporalité et le contexte, et clarifier si l'objectif est descriptif ou causal. Les choix relatifs au schéma d'étude doivent ensuite être effectués dans ce contexte. Un cadre d'essai cible peut aider à expliciter l'éligibilité, les stratégies thérapeutiques et le suivi pour une question causale, mais il ne se substitue pas à l'évaluation des données réellement disponibles. [7]
M14 recommande au moins deux phases de faisabilité : un examen initial des sources candidates et une évaluation plus approfondie de leur adéquation. La faisabilité ne doit pas être utilisée pour comparer les effets exposition-résultat et choisir la source présentant le résultat le plus attrayant. Les éléments pertinents à prendre en compte comprennent les participants disponibles, la détermination de l'exposition, le recueil des résultats, les covariables, la durée d'observation et la provenance des données. Si les données ne permettent pas de répondre à la question, l'équipe doit envisager une autre source, un schéma d'étude adapté ou un recueil complémentaire plutôt que de forcer une analyse à partir d'un jeu de données inadéquat. [7]
Notre interprétation opérationnelle consiste à séparer le dossier de faisabilité de l'analyse finale des effets, avec une traçabilité transparente des sources envisagées et des motifs de sélection. La ligne directrice n'impose aucune barrière cryptographique ni aucun produit de base de données particulier. Le contrôle doit être proportionné au risque et rendre visibles les écarts par rapport au processus prévu. [7]
4.2 Mesure et biais
M14 distingue le concept clinique de la définition opérationnelle utilisée pour l'identifier dans un jeu de données. Cette distinction est centrale pour l'interprétation d'une estimation de sécurité en vie réelle. [7]
Un code diagnostique, une dispensation de médicament ou un résultat de laboratoire est une observation produite dans un but particulier. Sa signification dépend de la source et du contexte. Une définition opérationnelle doit expliquer les listes de codes, la temporalité, les combinaisons et les exclusions utilisées pour représenter le concept clinique, accompagnées d'éléments de validation le cas échéant. M14 n'impose pas d'exigence universelle de deux codes diagnostiques ni d'un nombre fixe de jours entre eux. Un algorithme plus complexe peut tout de même être erroné, et un algorithme simple peut être approprié lorsqu'il est suffisamment étayé. [7]
La conception de l'étude doit tenir compte des biais pertinents, notamment la confusion, les erreurs de classement et la sélection. L'alignement de l'éligibilité, de l'exposition et du suivi peut aider à éviter les biais liés au temps. Le choix entre un schéma à nouveaux utilisateurs et un schéma à utilisateurs prévalents doit suivre la question posée et les biais probables, et non un modèle universel. Les méthodes telles que l'ajustement, la validation et l'analyse de sensibilité reposent sur des hypothèses qui doivent être documentées. Une longue liste de techniques avancées ne démontre pas que ces hypothèses sont remplies. [7]
Les indicateurs de validation doivent correspondre au problème de mesure et à la norme de référence. La sensibilité, la spécificité ou les valeurs prédictives peuvent être informatives, mais leur interprétation dépend de la population et du schéma d'étude. L'analyse quantitative des biais peut explorer le sens et l'ampleur probables de l'erreur selon des hypothèses spécifiées, tant lors de la planification d'une étude que lors de l'interprétation des résultats. Elle ne constitue pas une garantie qu'une estimation ajustée soit sans biais. Indiquez les paramètres et leurs sources, ce que l'on a fait varier et l'incertitude qui demeure. [7]
4.3 Responsabilités des détenteurs de données et des chercheurs
M14 attribue aux détenteurs de données et aux chercheurs des responsabilités liées mais distinctes en matière de qualité. Leur documentation doit relier l'historique de la source à l'analyse finale. [7]
Les informations du détenteur de données peuvent expliquer les pratiques de recueil, la curation, les corrections, les évolutions au fil du temps et les limites connues. Les chercheurs doivent documenter leur extraction, leur sélection, leurs transformations, leurs dérivations et leurs contrôles qualité. Un modèle de données commun peut faciliter la mise en œuvre des analyses d'une source à l'autre, mais il ne rend pas les sources d'origine interchangeables. La conservation des correspondances et des exceptions aide les évaluateurs à comprendre où la standardisation modifie l'interprétation ou entraîne une perte de détail. [7]
Le livrable pratique est un jeu de données analytiques traçable et un compte rendu reproductible de la manière dont il a été créé. Cela inclut les versions de logiciels et de spécifications qui ont effectivement été exécutées, avec une documentation des écarts. E6(R3) propose des principes pertinents de gouvernance des données dans son propre champ d'application relatif aux essais cliniques ; elle ne doit pas être citée comme si toute étude non interventionnelle avait automatiquement des exigences identiques. M14 fournit elle-même le cadre le plus direct pour les études de sécurité fondées sur les données en vie réelle (RWD) examinées ici. [7] [9]
5. Sécurité pendant la grossesse : des données probantes complémentaires assorties de limites explicites
Publiée au Federal Register le 11 mai 2026 (91 FR 25579, FR Doc. 2026-09268, Docket No. FDA-2018-D-4693), la ligne directrice finale de 33 pages de la FDA intitulée Postapproval Pregnancy Safety Studies (datée de mai 2026, élaborée par l'Office of New Drugs, l'Office of Surveillance and Epidemiology et l'Office of Translational Sciences du CDER, en coopération avec le CBER et l'Office of Women's Health) formule des recommandations pour l'évaluation des expositions aux médicaments et aux produits biologiques chez les femmes enceintes [8].
5.1 Contexte réglementaire et chronologie de l'exposition
Le contexte de la ligne directrice sur la grossesse mentionne environ 3.6 millions de naissances annuelles aux États-Unis ainsi que l'estimation selon laquelle 41.6 % des grossesses en 2019 n'étaient pas planifiées. Ce dernier chiffre décrit l'intention de grossesse, et non un taux d'exposition médicamenteuse. La ligne directrice explique que l'exclusion historique de nombreuses études préalables à la mise sur le marché peut laisser une incertitude substantielle lors de l'approbation, tout en reconnaissant la valeur de données probantes préalables à la mise sur le marché appropriées. L'implication opérationnelle consiste à planifier la manière dont les informations relatives à l'exposition et aux issues seront obtenues et interprétées, plutôt que de supposer que les déclarations spontanées suffiront à elles seules à établir un risque comparatif. [8]
En vertu de la section 505(o)(3) du FD&C Act (21 U.S.C. 355(o)(3), lignes 243–286), la FDA est autorisée à exiger des études ou des essais cliniques post-commercialisation au moment de l'approbation (ou après l'approbation lorsqu'elle prend connaissance de nouvelles informations de sécurité en vertu de la section 505(o)(3)(C)) afin d'évaluer un risque grave connu, d'évaluer un signal de risque grave ou d'identifier un risque grave inattendu pour la femme enceinte ou le fœtus en développement [8], [12]. Les fenêtres d'exposition et d'observation pertinentes doivent suivre la question de recherche et les caractéristiques du produit. [8]
La période d'exposition pertinente dépend du médicament et de l'issue considérée. Les informations avant la grossesse, pendant la grossesse et après l'accouchement peuvent être pertinentes, mais un calcul générique tel que cinq demi-vies ne constitue pas une règle universelle d'inclusion ou d'analyse. Un protocole doit justifier les définitions d'exposition et les fenêtres d'observation des issues en s'appuyant sur le produit et la question scientifique. Il doit également distinguer les issues maternelles, les issues de grossesse et les issues chez le nourrisson, car leurs périodes d'observation et leurs sources de données peuvent différer. La base de données doit conserver des informations chronologiques suffisantes pour l'analyse prévue sans prétendre que des dates imprécises sont exactes. [8]
La FDA aborde les contributions complémentaires de la pharmacovigilance, des registres de grossesse et d'autres études, y compris celles fondées sur des données de santé électroniques. Ces approches n'ont pas à être fusionnées en un seul jeu de données ni présentées comme une architecture en trois volets nouvellement imposée. Une notification de cas peut identifier une préoccupation, un registre peut recueillir des informations prospectives détaillées et une étude sur données électroniques peut fournir une population comparative plus large. Chaque source présente des limites auxquelles les autres ne peuvent répondre que partiellement. [8]
5.2 Conception des registres, connaissance de l'issue et comparateurs
La ligne directrice recommande des définitions, des méthodes de vérification et des plans d'analyse préspécifiés pour les registres de grossesse. Ces choix doivent refléter le produit et l'objectif de recherche. [8]
Moment de l'inclusion : Idéalement, l'inclusion intervient avant que des tests prénataux ne permettent de connaître l'issue. La FDA reconnaît également qu'il peut être difficile d'inclure systématiquement avant les tests et recommande d'inclure les femmes ayant réalisé un test prénatal précoce. Consigner ce qui était connu lors de l'inclusion aide à évaluer les biais de sélection et de détection. Le système ne doit pas exclure automatiquement toute participante ayant déjà passé un test ni étiqueter à l'identique toute inclusion ultérieure sans tenir compte de la définition de l'étude. [8]
Définitions des issues : La ligne directrice distingue la naissance vivante, la fausse couche avant 20 semaines, l'interruption de grossesse et la mort fœtale ou mortinaissance à partir de 20 semaines, tout en recommandant des critères prédéfinis pour les issues de l'étude et les malformations congénitales majeures. Une constatation cohérente et une expertise clinique appropriée sont importants. La définition et le processus d'adjudication doivent être explicites, y compris la manière dont les informations sur l'exposition sont traitées afin de réduire les biais. Il s'agit d'une question de qualité des données probantes, et non d'une justification pour un diagnostic clinique généré par logiciel. [8]
Comparateurs et suivi : Le taux de base dans la population générale peut différer du groupe exposé en termes de pathologie, de traitement et d'autres facteurs pronostiques. Un comparateur adapté et la prise en compte des facteurs de confusion sont donc importants pour interpréter toute association. Le suivi doit recueillir les issues prévues, les perdus de vue et les motifs d'informations manquantes. Un taux rassurant parmi les participantes restant suivies peut ne pas être représentatif de celles qui ont été perdues de vue. Les limites liées à la taille de l'échantillon doivent être mentionnées, en particulier lors de l'examen d'issues spécifiques rares plutôt que d'une issue composite large. [8]
5.3 Données de santé électroniques complémentaires
Les études complémentaires utilisant des données de santé électroniques peuvent élargir la base de données probantes, mais leur plus grande taille ne supprime pas les limites liées à la mesure de l'exposition, à la datation gestationnelle, à la constatation des issues ou au chaînage. [8]
Un enregistrement de délivrance maternelle ne prouve pas que le médicament a été pris. Les dates de début de grossesse peuvent être estimées plutôt que directement observées. Le chaînage mère-enfant peut échouer pour des raisons liées à la couverture, à la géographie ou aux issues. Restreindre une analyse aux naissances vivantes peut omettre des issues pertinentes autres que des naissances vivantes et introduire un biais de sélection. Ces limites doivent être évaluées dans le protocole et l'analyse plutôt que traitées comme un bruit de routine lors du nettoyage des données. [8]
Des analyses de sensibilité utilisant différentes définitions de l'exposition peuvent être utiles, mais exiger deux délivrances ne constitue pas une correction universelle de la non-observance et n'élimine pas les erreurs de classement. Les taux de chaînage, les motifs de non-chaînage et les différences entre les dossiers chaînés et non chaînés doivent être examinés dans la mesure du possible. Si un registre et une étude sur données électroniques se chevauchent, le programme doit tenir compte de ce chevauchement avant de présenter les résultats comme une corroboration indépendante. Un effectif combiné plus élevé ne représente pas nécessairement une plus grande quantité de données probantes indépendantes. [7] [8]
6. Proposition d'architecture des données probantes pour les promoteurs et les CRO
Le modèle suivant traduit les distinctions relatives aux sources en enregistrements opérationnels vérifiables. Il s'agit de notre approche de conception proposée, et non d'un schéma imposé par la FDA ni d'une affirmation concernant un produit déployé. Les correspondances réelles des jeux de données, les codes de déclaration et les contrôles système nécessitent une vérification par rapport aux normes applicables, aux règles régionales et aux spécifications de l'étude.
| Flux d'informations | À préserver | À ne pas confondre |
|---|---|---|
| Étude de préférence | Instrument présenté, réponses, indicateurs de qualité et décisions d'analyse | Les préférences et les résultats cliniques observés |
| Réception de pharmacovigilance | Contexte de la source, notification d'origine, chronologie et évaluation | Le recueil et le caractère déclarable sur le plan réglementaire |
| Étude RWD | Construction de la cohorte, transformations, hypothèses et limites | Un format standardisé et une signification équivalente |
| Données probantes sur la grossesse | Moment de l'exposition, connaissance de l'issue, suivi et chaînage | Une issue manquante et une issue normale |
6.1 Provenance de l'instrument de préférence et de l'analyse
Le dossier de l'étude de préférence devrait relier ce qu'un participant a vu aux données analysées. Une réponse dépourvue de ses niveaux d'attributs, de sa langue, de la version de l'instrument et de la définition de l'ensemble de choix peut être difficile à interpréter ultérieurement. La mise en correspondance avec tout format d'échange ou de soumission devrait être validée séparément de la conception scientifique de l'enquête. La référence utile d'E22 à ODM n'établit pas de schéma ODM ou SDTM universel pour toutes les tâches de préférence. [1] [13]
Le test d'acceptation que nous recommandons suit une réponse synthétique depuis la présentation jusqu'à l'estimation rapportée, en passant par le stockage, la revue qualité et la sélection de l'ensemble d'analyse. Vérifiez qu'une modification de traduction ou d'affichage n'hérite pas silencieusement de l'ancien identifiant de version. Maintenez une distinction entre les indicateurs de qualité et les décisions d'exclusion d'observations, et veillez à ce que les résultats incluant les observations exclues puissent être reproduits au besoin. Les analystes devraient pouvoir expliquer quel instrument et quelle population étayent chaque inférence. [1]
Un transfert utile comprend une spécification lisible par l'humain ainsi que des données lisibles par machine. La spécification devrait expliquer la signification des attributs, les niveaux autorisés, la logique de choix, la gestion des réponses manquantes et les quantités dérivées. Un export techniquement valide est insuffisant s'il modifie le sens d'un choix ou supprime une distinction de version pertinente. C'est ici que les équipes du promoteur, de recherche sur les patients et de gestion des données doivent partager la responsabilité des éléments de preuve, plutôt que de procéder à un transfert tardif d'un tableur non expliqué. [1] [3]
6.2 Réception des données de sécurité et décisions de déclaration
Le modèle de réception des données de sécurité devrait préserver le contexte source et la chronologie avant d'appliquer les règles de déclaration. Sa mise en œuvre devrait être validée au regard des spécifications E2B actuelles et des exigences régionales. Le flux de travail conceptuel ci-dessous évite délibérément d'inventer des codes d'éléments de données ou de supposer que tous les destinataires utilisent la même mise en œuvre. [5] [10] [12]
Premièrement, consignez la manière dont l'information est parvenue : contact spontané, plateforme sous la responsabilité du titulaire d'AMM, revue planifiée d'une plateforme tierce, programme de soutien, étude ou autre source. Deuxièmement, conservez le récit d'origine et les informations disponibles à la réception. Troisièmement, évaluez les critères minimaux, l'imputabilité le cas échéant, la gravité, le caractère attendu et les autres considérations applicables en matière de déclaration. Enfin, documentez la décision de déclaration, la soumission et les informations ultérieures. Ces étapes peuvent se chevaucher sur le plan opérationnel, mais leurs éléments de preuve devraient rester reconstituables. [5]
Les cas de test devraient inclure un signalement incomplet issu des réseaux sociaux, un PSP combiné, un nouveau suivi qui modifie la gravité et une modification interne qui n'ajoute aucune information externe. Ils devraient également inclure un résultat d'étude sur données secondaires et une observation sans événement indésirable. De tels cas révèlent si une règle d'acheminement trop large crée, supprime ou retarde à tort une déclaration. L'objectif est de soutenir une évaluation qualifiée en temps opportun, et non de laisser l'étiquette d'un canal ou un simple indicateur automatisé d'imputabilité prendre toutes les décisions. [5] [6]
6.3 Analyse reproductible de la sécurité en vie réelle
Pour une étude de sécurité en vie réelle, la mise en œuvre devrait rendre examinables la question de recherche, la sélection des sources et la dérivation analytique. [7]
Conservez les critères de faisabilité et les raisons pour lesquelles les sources candidates ont été acceptées ou rejetées. Consignez la définition de la cohorte, les listes de codes, les fenêtres de dates, les exclusions et les transformations qui ont produit la population analysée. Distinguez une correction des données sources d'une modification de la définition analytique ; les deux peuvent avoir des implications différentes pour la reproductibilité.
Les analyses de validation et de sensibilité doivent répondre aux risques identifiés. Si une erreur de classification des résultats est préoccupante, documentez les éléments probants étayant la définition opérationnelle ainsi que les conséquences plausibles d'une erreur. Si la confusion non mesurée est importante, expliquez les hypothèses utilisées pour évaluer son impact possible. Ne présentez pas un module QBA automatisé comme éliminant ces incertitudes. Le rapport final doit conserver à la fois le résultat et ses limites pratiques, avec suffisamment d'informations pour qu'un autre analyste qualifié puisse comprendre la dérivation. [7]
6.4 Données probantes sur la grossesse issues de sources multiples
Le modèle de données sur la grossesse doit préserver les décisions relatives à la temporalité, à la détermination et au chaînage, sans intégrer d'algorithme clinique non validé. [8]
Dans le cas d'un registre, conservez le moment de l'inclusion, la connaissance préalable pertinente des issues, les informations relatives à l'exposition, les issues prévues et le statut de suivi. Dans le cas des données de santé électroniques, conservez les algorithmes utilisés pour identifier les épisodes de grossesse, estimer leur temporalité, déterminer les issues et chaîner les dossiers des enfants. Dans les deux cas, distinguez les valeurs observées des valeurs dérivées ou imputées, et conservez l'incertitude propre à chacune d'elles.
Une analyse inter-sources doit tenir compte des inclusions en double, des différences dans la sélection des comparateurs et des différences quant aux issues pouvant être détectées. Elle ne doit pas déclarer des données probantes comme indépendantes simplement parce que les dossiers résident dans des systèmes différents. Les tests doivent porter sur les dates incomplètes, les échecs de chaînage, les issues autres que les naissances vivantes, les modifications des informations d'exposition et les perdus de vue. L'objectif est de révéler comment ces cas affectent l'analyse, et non de les forcer à former un dossier complet par commodité. [7] [8]
7. Questions sur l'état de préparation
Une vérification délimitée de l'état de préparation doit relier la question relative aux données probantes aux dossiers opérationnels et à l'interprétation finale :
- Portée et statut : Identifiez les lignes directrices applicables, distinguez les recommandations à l'état de projet des lignes directrices finales et des exigences contraignantes, et documentez les règles régionales de notification. [1] [5] [12]
- Signification et provenance : Préservez les versions des instruments, le contexte source, les définitions de cohorte et la chronologie. Vérifiez que les transformations conservent les distinctions nécessaires à la décision envisagée. [1] [5] [7] [8]
- Perspective et protection des participants : Vérifiez si la population représentée et la méthode de recueil étayent l'inférence. Maintenez la visibilité des contraintes liées au consentement et à la confidentialité lors des transferts et du suivi. [1] [3] [8]
- Analyse et incertitude : Reproduisez les exclusions, les dérivations, les analyses de sensibilité et leurs hypothèses. Expliquez ce que les données ne peuvent pas établir au lieu de traduire chaque incertitude en une règle logicielle. [1] [7]
- Responsabilité : Attribuez la responsabilité de la revue, de la notification, du suivi et du contrôle des changements. Testez les cas difficiles avant de vous appuyer sur le flux de travail pour les opérations courantes. [5] [6]
Pour le public d'EClinCloud, la valeur de l'intégration réside dans la préservation des distinctions appropriées tout au long du cycle de vie du produit. La recherche sur les préférences explique l'acceptabilité, les flux de travail relatifs aux cas individuels soutiennent la pharmacovigilance, et les études observationnelles bien conçues évaluent les questions de sécurité en conditions réelles d'utilisation. Relier ces activités peut faciliter l'évaluation des données probantes, mais fusionner leurs catégories ou surestimer les exigences des lignes directrices peut les rendre moins fiables.
Sources
1. U.S. Food and Drug Administration (Center for Drug Evaluation and Research [CDER] et Center for Biologics Evaluation and Research [CBER]) et International Council for Harmonisation of Technical Requirements for Pharmaceuticals for Human Use (ICH). E22 General Considerations for Patient Preference Studies: Draft Guidance for Industry. Projet de ligne directrice de l'étape 2 de l'ICH approuvé le 19 novembre 2025 ; publié en tant que projet de ligne directrice de la FDA en février 2026, dossier n° FDA-2026-D-0207, 91 FR 5484 (document du Federal Register 2026-02324, publié le 6 février 2026), 21 pages. PDF officiel de la FDA : https://www.fda.gov/media/190946/download ; PDF de l'étape 2 de l'ICH : https://database.ich.org/sites/default/files/ICH_E22_Step2_draftGuideline_Assembly_Endorsed_FINAL_2025_1119.pdf ; Avis du Federal Register : https://www.federalregister.gov/documents/2026/02/06/2026-02324/e22-general-considerations-for-patient-preference-studies-international-council-for-harmonisation.
2. International Council for Harmonisation (ICH), Groupe de travail d'experts E22 (EWG). Webinar for Stakeholder Engagement on the New Draft Guideline on General Considerations for Patient Preference Studies (ICH E22): Meeting Report (6 February 2026) (4 pages) et ICH E22 EWG Work Plan (13 February 2026; Rapporteur Dr. Francesco Pignatti [EC, Europe], Regulatory Chair Dr. Laura Lee Johnson [FDA, United States]) (2 pages), accompagnés de ICH E22 Step 2 Presentation (11 December 2025) (27 diapositives). PDF officiels de l'ICH : https://database.ich.org/sites/default/files/ICH%20E22%20EWG%20Stakeholder%20Webinar%20Meeting%20Report_2026_0707.pdf et https://database.ich.org/sites/default/files/ICH52_E22_EWG_WorkPlan_2026_0318.pdf.
3. U.S. Food and Drug Administration (Center for Devices and Radiological Health [CDRH] et CBER). Incorporating Voluntary Patient Preference Information over the Total Product Life Cycle: Guidance for Industry, Food and Drug Administration Staff, and Other Interested Parties (ligne directrice finale, document n° GUI01500006, publiée le 30 mars 2026, remplaçant la ligne directrice du 24 août 2016 ; projet publié le 6 septembre 2024 à 89 FR 72856). Dossier n° FDA-2015-D-1580, 91 FR 15622 (document du Federal Register 2026-06063, publié le 30 mars 2026), 38 pages. PDF officiel : https://www.fda.gov/media/92593/download ; Avis du Federal Register : https://www.federalregister.gov/documents/2026/03/30/2026-06063/incorporating-voluntary-patient-preference-information-over-the-total-product-life-cycle-guidance.
4. U.S. Food and Drug Administration (CDER, CBER et CDRH). Patient-Focused Drug Development: Incorporating Clinical Outcome Assessments Into Endpoints for Regulatory Decision-Making: Guidance for Industry, Food and Drug Administration Staff, and Other Stakeholders (ligne directrice PFDD 4, projet de ligne directrice). Dossier n° FDA-2023-D-0026, avril 2023, 48 pages. PDF officiel : https://www.fda.gov/media/166830/download.
5. U.S. Food and Drug Administration (CDER et CBER) et International Council for Harmonisation (ICH). E2D(R1) Postapproval Safety Data: Definitions and Standards for Management and Reporting of Individual Case Safety Reports: Guidance for Industry (ligne directrice finale). Publié en tant que ligne directrice finale de la FDA en mars 2026, dossier n° FDA-2024-D-0803, 91 FR 10619 (document du Federal Register 2026-04252, publié le 4 mars 2026 ; projet publié le 14 mars 2024 à 89 FR 18644), 28 pages. PDF officiel de la FDA : https://www.fda.gov/media/176977/download ; PDF de l'étape 4 de l'ICH : https://database.ich.org/sites/default/files/ICH_E2D%28R1%29_Step4_FinalGuideline_2025_0819.pdf ; avis du Federal Register : https://www.federalregister.gov/documents/2026/03/04/2026-04252/e2dr1-postapproval-safety-data-definitions-and-standards-for-management-and-reporting-of-individual.
6. Groupe de travail d'experts E2D(R1) de l'International Council for Harmonisation (ICH). ICH E2D(R1) Training Material: Post Approval Safety Data: Definitions and Standards for Management and Reporting of Individual Case Safety Reports (November 2025; file posted December 2025) (63 diapositives) et ICH E2D(R1) Step 4 Presentation (4 September 2025) (28 diapositives). PDF officiels de l'ICH : https://database.ich.org/sites/default/files/ICH_E2D%28R1%29_TrainingMaterial_2025_1211.pdf et https://database.ich.org/sites/default/files/ICH%20E2D%28R1%29_Step%204_Presentation_2025_0904.pdf.
7. U.S. Food and Drug Administration (CDER et CBER) et International Council for Harmonisation (ICH). M14 General Principles on Planning, Designing, Analyzing, and Reporting of Non-Interventional Studies That Utilize Real-World Data for Safety Assessment of Medicines: Guidance for Industry (ligne directrice finale). Publié en tant que ligne directrice finale de la FDA en mars 2026, dossier n° FDA-2024-D-2754, 91 FR 10615 (document du Federal Register 2026-04253, publié le 4 mars 2026 ; projet publié le 5 juillet 2024 à 89 FR 55613), 47 pages. PDF officiel de la FDA : https://www.fda.gov/media/179795/download ; avis du Federal Register : https://www.federalregister.gov/documents/2026/03/04/2026-04253/m14-general-principles-on-planning-designing-analyzing-and-reporting-of-non-interventional-studies.
8. U.S. Food and Drug Administration (CDER Office of New Drugs, Office of Surveillance and Epidemiology et Office of Translational Sciences ; CBER ; et Office of Women's Health). Postapproval Pregnancy Safety Studies: Guidance for Industry (ligne directrice finale). Dossier n° FDA-2018-D-4693, 91 FR 25579 (document du Federal Register 2026-09268, publié le 11 mai 2026 ; ligne directrice datée de mai 2026), 33 pages. PDF officiel : https://www.fda.gov/media/124746/download ; avis du Federal Register : https://www.federalregister.gov/documents/2026/05/11/2026-09268/postapproval-pregnancy-safety-studies-guidance-for-industry-availability.
9. International Council for Harmonisation (ICH) et U.S. Food and Drug Administration (CDER et CBER). ICH E6(R3) Guideline for Good Clinical Practice (Principles and Annex 1) (document final de l'étape 4, 6 janvier 2025). PDF officiel de l'ICH : https://database.ich.org/sites/default/files/ICH_E6%28R3%29_Step4_FinalGuideline_2025_0106.pdf.
10. International Council for Harmonisation (ICH) et U.S. Food and Drug Administration (CDER et CBER). ICH E19 A Selective Approach to Safety Data Collection in Specific Late-Stage Pre-Approval or Post-Approval Clinical Trials: Guidance for Industry (décembre 2022) et ICH E2B(R3) Electronic Transmission of Individual Case Safety Reports (ICSRs) Implementation Guide — Data Elements and Message Specification (octobre 2026, révision 2). PDF officiels de la FDA : https://www.fda.gov/media/163670/download et https://www.fda.gov/media/81904/download.
11. International Council for Harmonisation (ICH). ICH M4E(R2) Common Technical Document (CTD) — Efficacy: Revision of M4E Guideline on Enhancing the Format and Structure of Benefit-Risk Information in ICH (sections 2.5.1, 2.5.6, 2.5.6.5 et 5.3.5.4, juin 2016). PDF officiel de l'ICH : https://database.ich.org/sites/default/files/M4E_R2__Guideline.pdf.
12. Dispositions législatives américaines et du Code of Federal Regulations relatives aux données d'expérience patient, à la déclaration de pharmacovigilance post-commercialisation et à l'étiquetage de sécurité pendant la grossesse : Federal Food, Drug, and Cosmetic Act, section 569C (21 U.S.C. 360bbb-8c, données d'expérience patient), section 505(o)(3) (21 U.S.C. 355(o)(3), études et essais cliniques post-commercialisation), 21 CFR 314.80 (déclaration post-commercialisation des événements indésirables liés aux médicaments), 21 CFR 600.80 (déclaration post-commercialisation des événements indésirables pour les produits biologiques autorisés), 21 CFR 201.57(c)(9)(i)(A) (coordonnées du registre d'exposition pendant la grossesse dans l'étiquetage des médicaments sur ordonnance), 21 CFR 860.7(c)(1) (preuves scientifiques valides pour les dispositifs médicaux) et 21 CFR Part 50 Subpart D (21 CFR 50.50–50.56, garanties supplémentaires pour les enfants dans les recherches cliniques). Portail officiel : https://www.ecfr.gov/current/title-21.
13. National Institutes of Health (NIH) Office of Extramural Research, NIH RePORTER Extramural eClinical Research Project Corpus (nih_reporter_eclinical, instantané du 23 août 2026 ; 4,876 demandes de projets dédupliquées sur 31 requêtes eClinical), et Clinical Data Interchange Standards Consortium (CDISC), Foundational and Therapeutic Area Standards Repository (cdisc_standards, instantané du 31 juillet 2026 ; 32 pages de standards incluant ODM v2.0, QRS, CDASH, SDTM, ADaM et 54 artefacts de spécification). Portails principaux : https://reporter.nih.gov/ et https://www.cdisc.org/standards.