Structurer les données d'essais cliniques pour l'intégrité et la réutilisation

# Structurer les données d'essais cliniques pour l'intégrité et la réutilisation

Un patient d'un essai d'oncologie en phase II prend sa dose un mardi matin. Une infirmière note l'heure, la tumeur est mesurée par scanner trois semaines plus tard, et un laboratoire signale une enzyme hépatique élevée. Au moment où cela parvient à la FDA, cet événement unique a été transformé en une ligne de données standardisée, tracée par un audit trail, qu'un évaluateur à Silver Spring peut remonter jusqu'à la source. Cette transformation, c'est l'ingénierie invisible derrière chaque autorisation de mise sur le marché.

Cette leçon décrit comment les données d'essais cliniques sont structurées pour deux objectifs qui tirent souvent dans des directions opposées : l'intégrité (on peut leur faire confiance et prouver leur origine) et la réutilisation (on peut les regrouper, les réanalyser et les soumettre sans tout reconstruire).

Pourquoi la structure compte avant même de toucher aux données

Les essais cliniques génèrent des données désordonnées et à fort enjeu. Un seul essai de phase II peut impliquer 100 à 300 patients répartis sur des dizaines de sites, chacun collectant des centaines de points de données par patient sur plusieurs mois.

Si chaque essai inventait son propre format, la FDA devrait réapprendre les données à chaque soumission. Depuis 2016, la FDA exige donc des formats de données standardisés pour la plupart des nouvelles demandes concernant les médicaments et les produits biologiques. Ce standard, c'est CDISC (Clinical Data Interchange Standards Consortium), une organisation à but non lucratif qui maintient les modèles de données utilisés par le secteur.

Vous pouvez consulter les exigences de la FDA dans le Study Data Technical Conformance Guide.

Les deux jeux de données à connaître : SDTM et ADaM

Voyez-les comme deux couches.

SDTM (Study Data Tabulation Model) est l'*enregistrement brut organisé*. Il capture ce qui s'est passé, au plus près de la façon dont cela a été collecté, dans une structure standard. Interprétation minimale.

ADaM (Analysis Data Model) est la *couche prête pour l'analyse*. Elle est dérivée de SDTM et construite spécifiquement pour qu'un statisticien puisse exécuter les analyses prévues de l'essai, et qu'un évaluateur puisse les reproduire.

La règle qui les relie : ADaM doit être traçable jusqu'à SDTM, et SDTM doit être traçable jusqu'à la source brute (le cahier d'observation ou le dossier médical électronique). Cette chaîne est la colonne vertébrale de l'intégrité des données.

SDTM en pratique

SDTM organise les données en domaines, chacun désigné par un code à deux lettres représentant une catégorie d'information. Quelques-uns que vous croiserez constamment dans un essai d'oncologie :

• DM (Demographics) : âge, sexe, origine, bras de traitement.
• AE (Adverse Events) : effets indésirables, comme des nausées ou cette enzyme hépatique élevée.
• EX (Exposure) : quel médicament le patient a réellement reçu et quand.
• TU / TR / RS (Tumor Identification, Tumor Results, Disease Response) : les domaines spécifiques à l'oncologie qui suivent si les tumeurs ont régressé, progressé ou disparu.
• LB (Laboratory) : analyses sanguines et autres valeurs de laboratoire.

Chaque domaine est une table. Chaque ligne est une observation pour un patient. Voici un extrait simplifié d'un domaine AE :

STUDYID   USUBJID       AETERM              AESTDTC      AESEV      AEREL
ONC201    ONC201-0042   NAUSEA              2026-03-14   MODERATE   PROBABLE
ONC201    ONC201-0042   ALT INCREASED       2026-03-21   SEVERE     PROBABLE
ONC201    ONC201-0117   FATIGUE             2026-03-09   MILD       POSSIBLE

Notez les conventions. USUBJID est un identifiant unique de sujet qui reste constant dans tous les domaines, ce qui permet de relier les effets indésirables de ce patient à ses analyses de laboratoire et à ses mesures tumorales. AESTDTC est une date au format ISO 8601 (AAAA-MM-JJ), un standard qui lève l'ambiguïté entre les ordres de date américain et européen. AEREL capture le jugement de l'investigateur sur la probabilité que le médicament ait causé l'événement.

Ce ne sont pas des noms de colonnes arbitraires. Ils sont définis dans la terminologie contrôlée CDISC, si bien que « SEVERE » signifie la même chose dans tous les essais, quel que soit le sponsor.

ADaM en pratique

Les jeux de données ADaM sont construits pour une question précise. Les structures les plus courantes sont :

• ADSL (Subject-Level Analysis Dataset) : exactement une ligne par patient, avec des variables clés comme le bras de traitement, l'achèvement ou non de l'essai, et les flags d'analyse.
• BDS (Basic Data Structure) : une ligne par patient, par mesure et par point temporel, utilisée par exemple pour la réponse tumorale dans le temps.

Le concept ADaM central est la variable dérivée. Supposons que le critère principal de l'essai soit le taux de réponse globale (le pourcentage de patients dont les tumeurs ont régressé d'un montant défini). ADaM contiendra une variable comme AVAL (analysis value) et des flags indiquant quels enregistrements alimentent l'analyse principale.

Point essentiel, ADaM documente *comment* chaque valeur dérivée a été calculée. Si un flag de répondeur a été posé, le jeu de données et sa documentation montrent les mesures tumorales sous-jacentes issues de SDTM qui le justifient. Un évaluateur peut suivre le fil depuis le résultat principal jusqu'au scanner.

L'audit trail : prouver l'intégrité

L'intégrité, ce n'est pas seulement des données propres. Ce sont des données *démontrables*. Deux mécanismes comptent.

Define-XML

Chaque soumission inclut un fichier de métadonnées lisible par machine appelé define.xml. Voyez-le comme le dictionnaire de données et la carte. Il liste chaque jeu de données, chaque variable, son origine (collectée ? dérivée ?) et la logique de dérivation. Les évaluateurs l'ouvrent en premier. Un define.xml faible ou incohérent est l'un des moyens les plus rapides d'attirer des questions réglementaires.

ALCOA+ et 21 CFR part 11

L'intégrité des données dans les essais est régie par les principes ALCOA+. L'acronyme ALCOA d'origine signifie que les données doivent être Attribuables, Lisibles, Contemporaines, Originales et Actuelles (exactes). Le « plus » ajoute Complètes, Cohérentes, Durables et Disponibles.

En pratique, cela est imposé par les systèmes électroniques qui capturent les données. Selon le 21 CFR Part 11 (la réglementation FDA qui régit les enregistrements et signatures électroniques), le système EDC (Electronic Data Capture) doit journaliser qui a saisi ou modifié chaque valeur, quand et pourquoi. Si cette infirmière corrige l'heure de la dose de 9h00 à 9h15, le système conserve les deux valeurs et le motif. Rien n'est écrasé en silence.

🎬 [VIDEO: "CDISC Standards Explained" - https://www.youtube.com/results?search_query=CDISC+SDTM+ADaM+explained - un aperçu en langage clair de la façon dont SDTM et ADaM s'articulent dans une soumission]

Là où la réutilisation entre en jeu

La standardisation ne sert pas seulement à satisfaire les régulateurs. C'est ce qui rend les données réutilisables.

Parce que chaque essai utilise les mêmes domaines et la même terminologie, un sponsor peut regrouper les données de plusieurs études pour analyser les signaux de sécurité sur tout un programme de développement. Un effet indésirable rare qui apparaît deux fois dans un essai peut apparaître vingt fois lorsque trois essais sont combinés, ce qui change le profil de sécurité.

Une structure standard alimente aussi :

• Les synthèses intégrées de sécurité et d'efficacité requises pour la demande finale d'autorisation de mise sur le marché.
• Les outils d'évaluation réglementaire. La FDA utilise des logiciels standardisés d'analyse et de visualisation qui ne fonctionnent que parce que les données sont conformes.
• La recherche secondaire. Des données d'essais anonymisées et standardisées peuvent être partagées via des plateformes comme Vivli, permettant à des chercheurs indépendants de les réanalyser. C'est impossible si les données sont un fouillis sur mesure.

Le bénéfice se cumule. Structurez les données une fois, correctement, et elles serviront la soumission, la base de données de sécurité et la science future.

Points de défaillance courants

Même les équipes expérimentées trébuchent. Quelques problèmes récurrents à savoir repérer :

Rupture de traçabilité. Une valeur ADaM est dérivée, mais personne ne peut dire à partir de quels enregistrements SDTM. C'est la source la plus fréquente de questions de la FDA sur les données.

Dérive terminologique. Un site enregistre « tension élevée » alors que le terme standard est « hypertension ». Non corrigées, ces divergences fragmentent les données et masquent les tendances.

Standardisation tardive. Certaines équipes collectent les données dans un format maison et tentent de les convertir en SDTM tout à la fin. C'est coûteux et source d'erreurs. Les organisations matures conçoivent les formulaires de collecte en pensant à SDTM dès le premier jour, une pratique parfois appelée conception « standards-first ».

Define.xml faible. Si les métadonnées ne correspondent pas aux jeux de données réels, les évaluateurs perdent vite confiance, et une confiance perdue signifie plus de scrutin sur tout le reste.

Une note pour les lecteurs non techniques

Vous n'avez pas besoin d'écrire du SDTM pour diriger dans ce domaine. Mais vous devez savoir poser les bonnes questions :

• Pouvons-nous remonter de ce résultat principal jusqu'aux données sources ?
• Nos données sont-elles capturées dans un système conforme au Part 11 avec un véritable audit trail ?
• Concevons-nous selon les standards dès le départ, ou convertissons-nous à la fin ?
• Ce jeu de données peut-il être réutilisé dans tout notre programme, ou est-ce un one-off ?

Ces quatre questions séparent les équipes qui traitent les données comme une corvée de conformité de celles qui les traitent comme un actif durable.

Points clés à retenir

• SDTM organise l'enregistrement brut ; ADaM le rend prêt pour l'analyse. Les deux doivent remonter proprement jusqu'à la source, ce qui constitue le fondement de l'intégrité des données.
• Les standards CDISC sont exigés, pas optionnels, pour la plupart des soumissions FDA de médicaments et de produits biologiques, et ils reposent sur des domaines fixes et une terminologie contrôlée pour que les données signifient la même chose partout.
• L'intégrité est démontrable, pas seulement propre. Les principes ALCOA+ et les audit trails du 21 CFR Part 11 garantissent que chaque valeur est attribuable et chaque modification journalisée.
• La standardisation permet la réutilisation : regroupement entre essais, synthèses de sécurité intégrées, outils d'évaluation réglementaire et partage de la recherche via des plateformes comme Vivli.
• Concevez selon les standards dès le début. Construire les formulaires de collecte en pensant à SDTM vaut mieux qu'une conversion coûteuse et sujette aux erreurs à la fin.