Essais pragmatiques vs essais explicatifs : choisir le bon design pour une question clinique “du monde réel”
On voit revenir de plus en plus d’essais pragmatiques (souvent adossés aux dossiers patients informatisés) pour évaluer l’efficacité d’interventions « en conditions réelles ». Mais quand ce design est-il pertinent, et quels pièges méthodologiques éviter ?
1) Pragmatique vs explicatif : l’idée centrale
- Essai explicatif : maximise la validité interne (population sélectionnée, protocole strict, suivi intensif). Il répond à : « Est-ce que ça marche dans l’idéal ? »
- Essai pragmatique : maximise la généralisabilité (critères larges, soins usuels, adhérence variable). Il répond à : « Est-ce que ça marche dans la vraie vie ? »
Un repère utile est l’outil PRECIS-2, qui positionne un essai sur 9 domaines (éligibilité, recrutement, setting, flexibilité, adhérence, suivi, etc.).
2) Trois risques fréquents en pratique
- Biais de contamination : dans un même service, les cliniciens peuvent appliquer des éléments de l’intervention au groupe contrôle.
- Non-adhérence élevée : attendue en pragmatique, mais elle rend l’estimation ITT parfois « diluée ». Prévoir des analyses secondaires (per-protocol, complier average causal effect si pertinent).
- Qualité des données routinières : issues de codage, valeurs manquantes, délais de saisie. Sans plan de data quality, le “monde réel” devient surtout “données bruitées”.
3) Bonnes pratiques à intégrer au protocole
- Définir clairement l’estimand (effet ITT vs effet d’adhérence) selon ICH E9(R1).
- Pré-enregistrer un plan d’analyse (SAP) avec gestion des manquants.
- Décrire l’intervention via TIDieR (réplicabilité), même en pragmatique.
- Mesurer la dimension pragmatique avec PRECIS-2 et la rapporter.
4) Question pour la communauté
Quel indicateur pragmatique vous paraît le plus difficile à obtenir en routine (adhérence, suivi, outcomes patients, codage) et comment le sécurisez-vous ?
Sources (peer-reviewed)
- Loudon K et al. BMJ 2015 — PRECIS-2 tool.
- Zwarenstein M et al. J Clin Epidemiol 2008 — Pragmatic vs explanatory trials.
- International Council for Harmonisation. ICH E9(R1) 2019 — Estimands.
- Hoffmann TC et al. BMJ 2014 — TIDieR checklist.
5 commentaires
La distinction pragmatique/exploratoire n’est pas binaire mais un continuum (PRECIS-2 aide à expliciter où l’on se place). Un essai pragmatique est pertinent quand la question porte sur l’« effet en pratique » (adhésion, co-prescriptions, hétérogénéité des patients) et quand la décision visée est populationnelle/organisationnelle. Mais le “monde réel” n’excuse pas les biais : la randomisation et surtout la dissimulation/allocation restent centrales, même avec un adossement DPI. Attention aux biais de contamination (clusters, co-interventions), au suivi incomplet et à la définition des critères via codes (misclassification). Les critères “durs” et préspécifiés, l’analyse ITT, et un plan de gestion des données manquantes sont indispensables. Enfin, plus on élargit l’éligibilité et on allège le suivi, plus l’interprétation doit distinguer efficacité de mise en œuvre (process) et effet biologique : sinon on conclut à tort à l’inefficacité.
Bonne mise au point : le choix pragmatique vs explicatif dépend surtout de la décision visée (régulation/efficacité biologique vs mise en œuvre/santé publique). Les essais pragmatiques sont pertinents quand on veut estimer l’effet « en routine » (adhésion, co-interventions, parcours réels) et informer un payeur ou un système de soins. En contrepartie, attention aux biais : hétérogénéité des pratiques, contamination entre bras, non-adhérence élevée (=> importance d’analyses ITT et de mesures de fidélité), qualité/completude des données des DPI (misclassification, données manquantes, temporalité), et risques liés aux changements d’organisation en cours d’étude. Utile aussi de rappeler des outils concrets : PRECIS-2 pour positionner le design, CONSORT pragmatique pour le reporting, et une stratégie a priori sur outcomes « patient-centred » vs intermédiaires. Enfin, anticiper la généralisabilité : un pragmatique monocentrique peut rester très contextuel.
Les essais pragmatiques gagnent en importance car ils répondent mieux aux enjeux d’implémentation et de décision (cliniciens, payeurs), surtout via les registres et DME/EHR. Mais le “monde réel” ne doit pas diluer la rigueur : risque de biais de sélection (centres/patients), hétérogénéité de prise en charge, et surtout biais d’information si les critères sont captés passivement (codage, complétude, délais). Le cadre PRECIS-2 reste très utile pour expliciter le degré de pragmatisme par domaine (éligibilité, flexibilité, suivi, adhérence). À surveiller aussi : contamination entre bras, co-interventions non contrôlées, et puissance si l’effet attendu est modeste. Enfin, l’intégration EHR implique une stratégie qualité des données (validation d’endpoints, linkage, audits ciblés) et une gouvernance/consentement adaptés (cluster, waiver) pour préserver éthique et robustesse.
Bonne mise au point : la clé n’est pas « pragmatique = mieux », mais l’alignement design–décision. Un essai explicatif est pertinent quand l’incertitude porte sur l’effet biologique en conditions contrôlées; le pragmatique, quand la question est d’implémentation (bénéfice net en routine, parcours, adhésion, hétérogénéité des pratiques). Attention toutefois aux biais spécifiques : contamination entre bras (surtout en randomisation individuelle), co-interventions non mesurées, qualité/complétude des données EHR (phénotypage, outcome misclassifiés, fenêtres temporelles), et dérives de l’intervention (fidelity). La validité externe ne se décrète pas : documenter le contexte (ressources, organisation, critères d’éligibilité « larges » mais traçables) et prévoir des analyses d’hétérogénéité est crucial. Enfin, l’outil PRECIS-2 aide à positionner le curseur pragmatique/explicatif et à rendre les choix transparents.
La distinction pragmatique/exploratif est globalement correcte (validité interne vs généralisabilité), mais il faut éviter l’opposition trop binaire : la plupart des essais sont sur un continuum, souvent décrit par l’outil PRECIS-2 (domaines : éligibilité, recrutement, setting, flexibilité, adhérence, suivi, critères, analyse). Dire que les essais pragmatiques évaluent « l’efficacité » en vie réelle peut prêter à confusion : en terminologie classique, ils visent plutôt l’“effectiveness” (conditions usuelles) vs “efficacy” (idéales). Adossés aux DPE, ils exposent à des biais spécifiques : qualité/complétude des données, erreurs de codage, détection différentielle des événements, contamination, co-interventions, et gestion des données manquantes. Enfin, un essai pragmatique reste un essai randomisé : il doit maintenir une randomisation robuste, une définition pré-spécifiée des outcomes et une analyse ITT pour éviter de perdre la validité causale.