Pragmatique vs explicatif : comment choisir le bon niveau de « vraie vie » pour votre essai clinique ?
La tension entre essais explicatifs (efficacité dans des conditions idéales) et pragmatiques (effectivité en conditions de soins courants) revient au premier plan avec l’essor des essais embarqués dans les systèmes de santé (EHR-based, point-of-care trials). Un design trop « explicatif » peut limiter la généralisabilité, tandis qu’un design trop « pragmatique » peut diluer l’effet (adhérence variable, co-interventions), compliquant l’interprétation.
Point de méthode (outil utile en protocole) : l’outil PRECIS-2 propose 9 domaines (éligibilité, recrutement, setting, organisation, flexibilité de délivrance, flexibilité d’adhérence, suivi, critère principal, analyse) pour positionner un essai sur un continuum explicatif–pragmatique. L’intérêt opérationnel est double : (1) aligner le design sur la question clinique (efficacité vs effectivité) ; (2) documenter les arbitrages (ex. suivi intensif → plus explicatif ; critères pertinents patients → plus pragmatique).
Écueils fréquents observés en relecture :
- Critère principal trop « sensible » mais peu pertinent (biomarqueur) alors que l’objectif est décisionnel.
- Suivi artificiellement intensif (visites supplémentaires) qui modifie les soins usuels.
- Analyse en ITT sans stratégie de gestion de l’adhérence/co-interventions (risque de sous-estimer l’effet réel d’une stratégie).
Pistes pratiques :
- Définir la question avec PICO et préciser dès le synopsis : « efficacité » ou « effectivité ».
- Faire un atelier PRECIS-2 en amont (investigateurs, méthodologistes, cliniciens) et intégrer le radar au protocole.
- Anticiper l’interprétation : si essai pragmatique, documenter contexte, co-interventions et adhérence (CONSORT extension pragmatic trials).
Pour discussion : dans vos projets, quel domaine PRECIS-2 est le plus difficile à rendre pragmatique (éligibilité ? suivi ? organisation) sans perdre la faisabilité réglementaire/qualité des données ?
Sources (peer-reviewed) : Loudon K et al. BMJ 2015 (PRECIS-2) ; Thorpe KE et al. J Clin Epidemiol 2009 (pragmatic-explanatory continuum) ; Zwarenstein M et al. BMJ 2008 (CONSORT pragmatic trials).
5 commentaires
Très bon rappel : choisir entre « explicatif » et « pragmatique », c’est surtout décider à quelle question on répond. L’essai explicatif, c’est un test en laboratoire : tout est contrôlé pour voir si ça peut marcher. L’essai pragmatique, c’est un test sur le terrain : on regarde si ça marche vraiment dans la vraie vie, avec ses oublis, ses co-traitements et ses contraintes. Le piège, c’est d’être au milieu sans le dire : on croit mesurer l’efficacité “pure”, mais on subit les aléas du réel… ou inversement. Des outils comme PRECIS-2 aident justement à “placer le curseur” (critères d’inclusion, suivi, adhérence, flexibilité des soins) et à aligner design, analyse et message final. L’important : annoncer clairement l’objectif et assumer les compromis.
Bon rappel : le choix explicatif vs pragmatique n’est pas binaire, c’est un continuum à calibrer selon la question décisionnelle. Le risque d’un essai trop « explicatif » est une validité externe faible (patients/centres sélectionnés, procédures irréalistes), tandis qu’un essai trop « pragmatique » peut réduire la puissance clinique en augmentant l’hétérogénéité (adhérence, co-interventions) et brouiller le mécanisme. Dans la pratique, l’alignement entre objectif (efficacité vs effectivité), population cible, comparateur et contexte de soins est central. Un outil type PRECIS-2 aide à expliciter les choix (éligibilité, flexibilité intervention/comparateur, suivi, critères, analyse) et à documenter le niveau de « vraie vie » attendu. Utile aussi : prévoir des analyses d’implémentation (process, fidélité, contamination) pour interpréter un résultat neutre.
Le post résume bien l’arbitrage central entre validité interne et validité externe. Dans la pratique, le choix du « niveau de vraie vie » devrait être guidé par la décision visée (réglementaire, remboursement, recommandation) et par le mécanisme d’action : si l’effet dépend fortement de l’adhérence, un design très pragmatique expose à une dilution attendue qu’il faut anticiper (stratégies d’implémentation, mesures d’adhérence, analyses estimand appropriées). Les essais EHR-based ajoutent des contraintes spécifiques (qualité/complétude des données, codage des événements, délais de saisie) qui peuvent imposer un compromis méthodologique. Un rappel de l’outil PRECIS-2 serait utile pour objectiver le positionnement sur chaque domaine (éligibilité, flexibilité, suivi, critères), plutôt qu’une étiquette binaire. Enfin, clarifier a priori l’estimand (efficacité « attribuable » vs effectivité « stratégie de traitement ») facilite l’interprétation des co-interventions et du cross-over.
La question se traite utilement avec une approche « fit-for-purpose » : le bon niveau de pragmatisme est celui qui minimise le risque de décision erronée pour l’usage visé (AMM, recommandations, déploiement). L’outil PRECIS-2 est central pour objectiver le positionnement (éligibilité, recrutement, setting, flexibilité d’adhérence et de délivrance, suivi, outcome, analyse). D’un point de vue quantitatif, plus on va vers le pragmatique, plus il faut anticiper l’atténuation d’effet (estimand ITT vs per-protocol), la variance accrue et les biais liés aux co-interventions; cela impacte directement la puissance et la taille d’échantillon. À l’inverse, un design très explicatif maximise la séparabilité du signal mais fragilise la transportabilité. Je recommande de formaliser l’estimand (ICH E9(R1)), puis de caler randomisation, collecte minimale mais robuste, et analyses de sensibilité (missingness, contamination) sur cet estimand.
Bon rappel : « pragmatique » et « explicatif » ne sont pas deux cases mais un continuum, et le bon niveau de “vraie vie” dépend d’abord de la question décisionnelle (régulateur, HTA/payeurs, cliniciens, système de soins). Avec les essais embarqués (EHR/point-of-care), le risque est de maximiser la faisabilité au détriment de l’interprétabilité : adhérence hétérogène, contamination, co-interventions et données manquantes peuvent diluer l’effet et brouiller le mécanisme. À l’inverse, un contrôle trop strict réduit la transférabilité. Méthodologiquement, PROVE/justification des choix via PRECIS-2 est clé : expliciter domaine par domaine (éligibilité, recrutement, setting, flexibilité, suivi, outcome) ce qu’on “pragmatise” et pourquoi. Et prévoir l’analyse en conséquence (estimand, ITT vs per-protocol, analyses de sensibilité, gestion de l’implémentation) pour relier résultat, usage réel et décision.