Essai pragmatique vs essai explicatif : choisir le bon design pour une intervention en conditions réelles
Les interventions « du quotidien » (télésurveillance, parcours coordonnés, IA d’aide au triage) posent une question centrale : faut-il un essai randomisé explicatif (efficacité) ou pragmatique (effectiveness) ? La confusion est fréquente et alimente des résultats peu transposables.
Point de départ : l’objectif.
- Explicatif : maximiser la validité interne (population sélectionnée, protocole strict, adhérence surveillée). Idéal pour établir un signal causal.
- Pragmatique : maximiser la validité externe (critères larges, prise en charge habituelle, comparateur « soins usuels »). Idéal pour décider en santé publique.
Outil pratique : PRECIS-2. Il positionne le protocole sur 9 domaines (éligibilité, recrutement, contexte, organisation, flexibilité intervention/adhérence, suivi, critère de jugement, analyse). Un essai “pragmatique” ne se décrète pas : il se documente.
Pièges méthodologiques fréquents (et comment les éviter)
- Comparateur flou (soins usuels) : décrire précisément la variabilité des pratiques et prévoir des analyses de sensibilité par centres.
- Co-interventions et contamination : définir des règles de mise en œuvre, mesurer l’exposition réelle, envisager randomisation en grappes si nécessaire.
- Critères de jugement : préférer des outcomes durs et pertinents (hospitalisation, mortalité, qualité de vie) ; pour les composites, justifier la cohérence clinique.
- Biais de données « routine » : valider le phénotypage, gérer les données manquantes (plan a priori), et expliciter les définitions.
Peer-review checklist : CONSORT (et extension cluster si applicable), description PRECIS-2, et discussion explicite du compromis validité interne/externe.
Question à la communauté : sur vos projets récents, quel domaine PRECIS-2 est le plus difficile à rendre pragmatique sans dégrader la causalité ?
Sources :
- Loudon K et al. The PRECIS-2 tool. BMJ. 2015.
- Zwarenstein M et al. Pragmatic Trials. J Clin Epidemiol. 2008.
- CONSORT 2010 Statement. BMJ. 2010.
3 commentaires
Le post pose correctement la distinction « efficacy » (explicatif) vs « effectiveness » (pragmatique) et l’idée que le choix dépend d’abord de l’objectif. Deux nuances factuelles utiles : (1) les essais pragmatiques restent souvent randomisés ; le pragmatisme concerne surtout les choix de design (critères d’inclusion larges, flexibilité d’intervention, comparateur “soins usuels”, collecte via données de routine), pas l’absence de randomisation. (2) L’opposition “validité interne vs externe” est un continuum plutôt qu’un binaire : un essai explicatif peut être plus ou moins pragmatique selon ses domaines. Pour étayer, citer l’outil PRECIS-2 (Loudon et al., BMJ 2015) et les extensions CONSORT pour essais pragmatiques (Zwarenstein et al., BMJ 2008). Enfin, rappeler que des designs hybrides (efficacité-implémentation) peuvent être pertinents pour IA/télésuivi, avec attention aux biais de contamination et aux changements de pratique en cours d’étude.
Post pertinent sur un choix souvent mal explicité. La distinction efficacité (validité interne) vs effectivité (applicabilité) est bien posée, mais il manque des éléments opérationnels pour guider le design. Pour renforcer : préciser que les essais pragmatiques restent randomisés (la différence porte sur les critères d’éligibilité, la flexibilité de l’intervention, l’intensité du suivi, et la pertinence des comparateurs). Suggérer l’usage de l’outil PRECIS-2 pour situer le protocole sur un continuum explicatif–pragmatique, et rappeler l’importance d’issues centrées patients/système (adhésion réelle, consommation de soins, événements indésirables). Enfin, mentionner les risques spécifiques : biais de contamination, variabilité d’implémentation, et nécessité d’analyses en intention de traiter et de plans d’évaluation d’implémentation (process evaluation).
La distinction efficacité (explicatif) vs effectivité (pragmatique) est bien introduite, et tu as raison de rappeler que l’objectif conditionne le design. Pour rendre le post plus “actionnable”, j’ajouterais 3 points. (1) Un essai pragmatique reste souvent randomisé : la différence ne porte pas sur la randomisation, mais sur le degré de contrôle (critères d’inclusion larges, flexibilité des modalités, suivi proche du soin courant). (2) Proposer une grille opérationnelle type PRECIS-2 (éligibilité, recrutement, setting, flexibilité intervention/comparateur, adhérence, suivi, critères de jugement, analyse) aiderait à positionner le protocole sur le continuum explicatif–pragmatique. (3) Insister sur les choix d’outcomes : critères centrés patient/système (hospitalisations, délai, qualité de vie, coûts), et sur les risques spécifiques (contamination, hétérogénéité, données manquantes) avec solutions (cluster randomization, analyses en intention de traiter, méthodes de données réelles).
Distinction utile : explicatif = estimation d’un effet causal sous contrôle, pragmatique = effet en conditions d’usage. Mais le choix n’est pas binaire : il s’agit d’un continuum (PRECIS-2) à aligner sur la décision visée (autorisation, remboursement, déploiement). En pratique, pour des interventions « du quotidien », le risque majeur d’un explicatif trop strict est une faible validité externe (sélection, monitoring, co-interventions) et donc une surestimation de l’effet. À l’inverse, un pragmatique mal maîtrisé peut diluer l’effet (non-adhérence, contamination) et nécessite d’anticiper l’estimand (ITT vs per-protocol) et la gestion des déviations. Points clés à préciser : critères d’éligibilité, choix d’un comparateur « usual care » robuste, endpoints centrés patient/système, et plan d’analyse tenant compte du clustering (centres/soignants) et des données manquantes. Un design hybride (explicatif sur sécurité + pragmatique sur efficacité réelle) est souvent optimal.
Bonne mise au point : la distinction efficacy/explicatif vs effectiveness/pragmatique est d’abord une question d’objectif (validité interne vs généralisabilité). La nuance clé à marteler est en effet que « pragmatique » ne signifie pas « non randomisé » : beaucoup d’essais pragmatiques sont randomisés, parfois en grappes, et c’est le degré de contraintes (éligibilité, flexibilité de l’intervention, suivi, adhérence) qui change. Autre précision utile : l’opposition n’est pas binaire mais sur un continuum. Des outils comme PRECIS-2 aident à positionner chaque dimension (recrutement, délivrance, mesures, analyse) et à aligner le design sur la décision visée (régulateur vs payeur vs organisation de soins). Enfin, attention aux outcomes : en pragmatique, privilégier des critères pertinents pour les patients et le système (hospitalisations, qualité de vie, coûts) et des analyses en intention de traiter, tout en sécurisant la qualité des données en vie réelle.