En recherche clinique, la population en intention de traiter (ITT) constitue la référence réglementaire pour l’analyse des études randomisées. Elle garantit le maintien de l’aléa de la randomisation en incluant tous les sujets selon leur groupe d’attribution initial. Toutefois, d’autres populations d’analyse, telle que la population Per Protocol (PP), peuvent être définies afin d’évaluer l’effet du traitement dans des conditions optimales. Dans tout les cas, les populations d’analyse, ainsi que les critères stricts qui les définissent, doivent impérativement être spécifiées a priori dans le Plan d’Analyse Statistique (PAS).
🔴 Qu’est ce qu’une population d’analyse statistique ?
Il faut bien comprendre qu’une étude clinique ne peut jamais inclure tout le monde ; elle travaille d’abord sur un échantillon de patients sélectionnés avec soin. C’est au sein même de cet échantillon que l’on va affiner la sélection pour l’analyse statistique finale.
Cet ensemble de sujets sélectionnés, qui est en réalité un « échantillon de l’échantillon », est ce que nous appelons la Population d’Analyse.
En résumé, la population d’analyse correspond à l’ensemble des sujets dont les données seront réellement utilisées pour produire les résultats de l’étude. Cette sélection s’appuie sur des critères précis tel que le groupe de randomisation, l’exposition réelle au traitement, le respect du protocole ou encore la disponibilité des données.
Pour garantir l’intégrité de la recherche, ces populations doivent impérativement être définies a priori dans le Plan d’Analyse Statistique (PAS). Ce choix est crucial : il conditionne directement les résultats et leur interprétation clinique. En pratique, analyser les mêmes données sur des populations différentes peut conduire à des conclusions statistiquement et cliniquement divergentes.
🔴 Pourquoi définir plusieurs populations d’analyse en recherche clinique ?
Dans une étude clinique, le nombre de sujets est calculé afin de répondre à un objectif principal. Tous les sujets inclus participent donc à la production des données. Toutefois, une seule population d’analyse ne permet pas de répondre à tous les objectifs et les critères de l’étude:
- L’efficacité globale du traitement.
- L’efficacité dans des conditions idéales.
- La tolérance et la sécurité.
- La robustesse des résultats.
Chacune de ces questions repose sur des hypothèses statistiques différentes et nécessite une population d’analyse adaptée.
Les populations d’analyse ne correspondent donc pas à des jeux de données différents, mais à des manières distinctes d’exploiter les mêmes données, selon des règles fixées avant la levée de l’aveugle.
🔴 Les principales populations d’analyse : ITT, PP et Safety
Dans les essais cliniques, trois populations majeures sont généralement définies dans le protocole et le Plan d’Analyse Statistique (PAS) :
- La population en intention de traiter (ITT)
- La population Per Protocol (PP)
- La population de sécurité (Safety)
Le choix de la population est particulièrement critique dans les études randomisées. Une modification de la population d’analyse après la randomisation peut altérer la comparabilité initiale des groupes et introduire des biais statistiques.
🟢 Population en intention de traiter (ITT)
La population en intention de traiter (ITT) regroupe tous les sujets randomisés, analysés dans leur groupe d’attribution, indépendamment du traitement réellement reçu ou des déviations au protocole. Ce principe repose sur une règle centrale : la randomisation est le seul critère qui fonde l’analyse.
🟠 Rôle statistique de l’ITT
Si les autorités réglementaires (FDA, EMA) considèrent l’ITT comme la règle d’or, ce n’est pas par excès de zèle administratif. C’est parce qu’elle est la seule approche capable de protéger l’intégrité du tirage au sort initial et de refléter la réalité clinique.
Cette importance repose sur deux piliers fondamentaux :
- Le maintien de l’homogénéité initiale des groupes : La randomisation a pour but de créer des groupes strictement comparables (âge, gravité, antécédents). En conservant chaque sujet là où le sort l’a placé, l’ITT garantit que cet équilibre reste intact. Si l’on commençait à exclure des patients en cours de route, on ne comparerait plus le « traitement A » au « traitement B », mais seulement les profils de patients ayant survécu ou adhéré au protocole, brisant ainsi la neutralité scientifique du départ.
- L’évaluation du traitement tel qu’il a été assigné : Dans la vie réelle, un patient peut oublier ses comprimés ou arrêter un traitement à cause d’un effet secondaire. L’ITT intègre ces « accidents de parcours » au lieu de les masquer, en incluant tout le monde, même ceux dont les données sont incomplètes. Cela permet de rester fidèle à la promesse de la randomisation tout en livrant une mesure de l’efficacité pragmatique.
En d’autres termes, l’ITT ne cherche pas à nous montrer ce qui se passerait dans un monde parfait. C’est notre meilleur bouclier contre le biais de sélection post-randomisation, car elle nous empêche de ne garder que les « bons élèves » pour embellir les résultats.
🟠 Exemple de population en intention de traiter ITT
Un essai randomisé compare un nouveau traitement A à un traitement standard B chez 200 patients. Après randomisation :
- 15 patients du groupe A arrêtent le traitement avant la fin de l’étude pour effets indésirables,
- 10 patients du groupe B ne prennent pas correctement le traitement.
La base de données de l’analyse de la population en ITT comprend tous les participants inclus dans l’étude même ceux ayant arrêté le traitement et les patients n’ayant pas respecté le protocole.
L’analyse évalue l’effet de l’intervention telle qu’elle a été assignée initialement chacun dans son groupe de traitement initial. Ainsi, l’ITT fournit une estimation fiable et non biaisée de l’effet du traitement sur l’ensemble de la population randomisée.
🟢 Population per protocol (PP)
La population per protocol (PP) inclut uniquement les sujets ayant respecté strictement le protocole de l’étude, sans déviation majeure, et disposant des données complètes et requises jusqu’à la fin du suivi.
Elle reflète l’effet du traitement dans des conditions « idéales » c’est-à-dire chez des participants pleinement observants. Par contre cette perspective de choix de population peut introduire des biais.
🟠 Les biais introduits par l’analyse per protocol
Contrairement à l’ITT, la population PP repose sur une sélection après randomisation. Cette sélection expose l’étude à plusieurs risques :
- Biais d’attrition : L’exclusion non aléatoire des patients non observants (souvent de moins bon pronostic) peut fausser les résultats.
- Rupture de l’homogénéité des groupes : les facteurs de confusion connus ou inconnus peuvent devenir déséquilibrés entre les groupes.
- Surestimation de l’éffet : en excluant les patients non-observants ou ceux qui sortent de l’étude (souvent parce que le traitement ne marche pas ou les rend malades), les données analysées en PP ne présentent qu’un « échantillon idéal » qui surestime l’efficacité.
C’est pourquoi l’analyse PP conduit fréquemment à une surestimation de l’effet de l’intervention.
🟠 Rôle statistique de la population Per Protocole
La population Per Protocol (PP) ne conserve que les patients ayant suivi le protocole à la lettre. Elle agit comme une loupe pour analyser les données sans les « bruits » parasites, comme les oublis de doses ou les erreurs de procédure.
Un outil pour détecter des tendances
L’analyse PP permet de vérifier si le traitement fonctionne lorsqu’il est pris exactement comme prévu. Contrairement à l’ITT, qui peut parfois « diluer » l’effet d’un médicament à cause d’une mauvaise observance, la PP révèle l’efficacité biologique pure. Elle peut ainsi faire apparaître des signaux positifs qui méritent d’être approfondis dans de futures études.
Une garantie de robustesse
Cette population est également essentielle pour réaliser des analyses de sensibilité. Elle permet de vérifier la robustesse des résultats obtenus avec l’analyse ITT. Si les deux analyses convergent, la solidité de vos conclusions est renforcée.
Un complément à la population d’analyse ITT
Enfin, la population PP sert de complément indispensable à l’analyse principale. Cependant, gardez à l’esprit qu’elle ne constitue jamais la population de référence. Dans une étude randomisée, elle ne peut pas remplacer l’ITT pour évaluer l’efficacité globale d’une intervention.
La population per protocol (PP) peut être utilisée pour des analyses exploratoires, afin de mieux comprendre certaines tendances dans les données. Puisqu’on a éliminé les « bruits » (les oublis de doses, les erreurs de protocole), la PP permet de voir si le traitement fonctionne quand il est pris exactement comme prévu. L’analyse PP peut aussi faire apaparaître une tendance positive ou un signal qui mérite d’être étudié dans une future étude contrairement à l’ITT qui « dilue » parfois l’effet d’un médicament parce qu’un trop grand nombre de patients n’ont pas bien suivi le traitement.
La population PP est également utile pour des analyses de sensibilité, permettant de vérifier la robustesse des résultats obtenus avec l’analyse ITT. Enfin, la PP peut servir de complément à l’analyse ITT, mais elle ne constitue pas la population de référence pour évaluer l’efficacité d’une intervention dans une étude randomisée.
🟠 Exemple d’analyse per protocol (PP)
Dans l’essai précédent, certains participants sont exclus de l’analyse PP : ceux ayant arrêté l’intervention pour des raisons liées à la tolérance ou au suivi incomplet. De même, les participants peu observants dans l’autre groupe sont également exclus.
La comparaison porte alors sur une population plus restreinte, souvent plus observante et de meilleur pronostic, ce qui tend à surestimer l’effet de l’intervention par rapport à l’analyse ITT.
🟢 Exemples de populations d’analyse en étude randomisée
Lors d’un essai randomisé incluant 300 patients, l’ensemble des données collectées constitue un même jeu de données. Toutefois, selon la question statistique posée, différentes populations d’analyse peuvent être définies à partir de ces sujets.
Par exemple, tous les patients randomisés peuvent constituer la population d’analyse principale, dite population en intention de traiter (ITT).
Parmi eux, seuls les patients ayant respecté le protocole de l’étude peuvent être retenus pour une analyse per protocol.
Enfin, les patients ayant effectivement été exposés au traitement étudié peuvent constituer la population de sécurité.
Le jeu de données est identique, mais les populations d’analyse , et donc les résultats et leur interprétation, diffèrent.
🟢 Autres populations d’analyse : mITT et sécurité
D’autres populations sont fréquemment utilisées.
- Population modified ITT (mITT) : Elle inclut généralement les patients randomisés ayant reçu au moins une dose de traitement ou disposant d’au moins une mesure post-baseline.
Il s’agit d’un compromis pragmatique, mais qui ne correspond plus à une ITT stricte. - Population de sécurité (Safety population) : Regroupe les sujets ayant reçu au moins une dose de traitement pour l’évaluation de la tolérance.
🔴 Rôle statistique de la randomisation
La randomisation est le fondement statistique des essais contrôlés. En attribuant les participants aux groupes de manière aléatoire, elle permet d’équilibrer, en moyenne, les facteurs pronostiques connus et inconnus entre les groupes comparés. Cet équilibre est la condition nécessaire pour interpréter la différence observée entre les groupes comme un effet du traitement étudié.
Cet équilibre n’est garanti que si l’analyse respecte strictement l’allocation initiale issue de la randomisation. Toute sélection des sujets après la randomisation, par exemple en fonction de l’observance, de l’exposition réelle ou de la disponibilité des données, rompt cet aléa et compromet la comparabilité des groupes.
🟢 L’analyse en Intention de traiter ITT protège l’homogénéité initiale
C’est pour cette raison que l’analyse en intention de traiter ne constitue pas un simple choix méthodologique parmi d’autres. Elle découle directement des propriétés statistiques de la randomisation et conditionne la validité de la comparaison entre les groupes.
🔴 Références réglementaires et cadre méthodologique
Les recommandations méthodologiques internationales, notamment celles issues des lignes directrices ICH et des standards de reporting des essais cliniques, considèrent l’analyse en intention de traiter comme l’approche de référence pour l’évaluation de l’efficacité dans les études randomisées. Tout choix alternatif de population d’analyse doit être défini a priori, clairement justifié dans le plan d’analyse statistique, et interprété avec prudence.
Contrairement à une idée répandue, l’ITT n’est pas une exigence purement administrative. Elle découle directement des principes statistiques de l’inférence causale dans les essais randomisés. En analysant tous les sujets randomisés dans leur groupe d’allocation initial, l’ITT fournit une estimation non biaisée de l’effet du traitement tel qu’il serait observé en pratique réelle.
🔴 Cas particuliers : quand une autre population d’analyse peut être justifiée
🟢 L’exception des essais de non-infériorité
Si l’ITT est la référence pour les essais de supériorité, la perspective change pour les essais de non-infériorité. Dans ce contexte, l’analyse ITT peut être conservatrice et diluer les différences entre les groupes, facilitant à tort la conclusion de non-infériorité. Les autorités exigent alors une cohérence stricte des résultats entre l’analyse ITT et l’analyse Per Protocol.
🟢 Médicaments versus dispositifs médicaux
Dans les essais portant sur des médicaments ou des vaccins, les déviations au protocole et les abandons d’étude sont souvent liés à la tolérance, à la survenue d’événements indésirables ou au pronostic clinique. Dans ce contexte, l’analyse per protocol est particulièrement exposée aux biais.
Par contre, en ce qui concerne les études portant sur des dispositifs médicaux, les abandons sont plus fréquemment liés à des contraintes organisationnelles, logistiques ou à des difficultés d’utilisation, et non directement à la toxicité ou à l’évolution clinique. Cette différence explique pourquoi l’analyse per protocol est historiquement très utilisée dans ce domaine.
Toutefois, même dans ce contexte, les déviations au protocole restent des événements post-randomisation susceptibles d’introduire un biais. C’est pourquoi l’analyse en intention de traiter demeure la référence pour l’analyse principale, l’analyse per protocol étant considérée comme complémentaire.
🟢 Etudes non randomisées et études en intra-sujets
Dans certaines situations, une population d’analyse différente de l’ITT peut être pertinente, par exemple dans des études non randomisées, des études intra-individuelles ou certains essais exploratoires en dispositifs médicaux.
Dans ces cas, la population d’analyse doit être cohérente avec l’objectif scientifique de l’étude, et son choix doit être rigoureusement argumenté afin de garantir la crédibilité des résultats.
🔴 Conclusion : pourquoi l’ITT reste l’analyse de référence
L’analyse en intention de traiter ne vise pas à maximiser l’effet observé, mais à garantir la validité statistique de la comparaison.
La population d’analyse ITT demeure la référence absolue pour les essais pivots (Phase III) visant une autorisation de mise sur le marché (AMM). Elle ne vise pas à maximiser l’effet observé, mais à garantir l’intégrité statistique de la comparaison.
Comme le stipulent les Lignes directrices ICH E9 (Section 5.2 – Analysis Sets), le principe d’ITT est fondamental. Ce texte de référence mondial, adopté par la FDA et l’EMA, garantit que l’effet observé d’un traitement ne provient pas d’un tri sélectif des patients après la randomisation, mais bien de l’intervention elle-même.