← Tous les chapitres Parcours et exercices

Chapitre 02

Simulation d'essais cliniques

Racym Berrah, PharmD PMx Explain Mise à jour : Relecture scientifique par l'auteur : ORCID

Tester un essai avant de le faire : populations virtuelles, schémas posologiques et caractéristiques opératoires.

1 activités guidées

01 · Pourquoi ce chapitre

Un essai clinique coûte des années et des millions. La simulation d'essais cliniques (CTS) permet de le « répéter » virtuellement : quel design, quelle dose, quelle taille d'échantillon donnent la meilleure chance de succès ?

Son rôle pratique est le de-risking : repérer avant l'essai les designs inefficaces, réduire les itérations réelles, éviter des études dédiées inutiles et limiter le nombre de patients exposés à des scénarios peu informatifs.

C'est l'aboutissement de la modélisation : transformer un modèle en décision de développement.

02 · Intuition

On génère des patients virtuels — chacun avec ses covariables et sa variabilité — puis on leur applique le protocole simulé et le modèle PK/PD.

En répétant l'essai des milliers de fois sous un scénario fixé, on obtient la distribution des résultats possibles, donc une caractéristique opératoire : la puissance conditionnelle d'atteindre le critère.

03 · La formule décortiquée

Une CTS enchaîne trois briques :

  1. un modèle de population virtuelle (covariables corrélées — voir les copules) ;
  2. un modèle PK/PD (avec IIV, IOV, erreur résiduelle) ;
  3. un modèle d'essai (schéma, critères d'inclusion, analyse, règles d'arrêt).

On estime alors des métriques : puissance conditionnelle / caractéristique opératoire, dose optimale, taille d'échantillon nécessaire. Le terme PoS/assurance/predictive probability est à réserver aux cadres qui intègrent explicitement l'incertitude correspondante.

Power^scenario=1Nsim∑s=1Nsim1(essai s positif)\widehat{Power}_{scenario} = \frac{1}{N_{sim}}\sum_{s=1}^{N_{sim}} \mathbf{1}(\text{essai } s \text{ positif})

04 · Exemple concret

Avant une phase III, on simule plusieurs doses et tailles d'échantillon : la simulation montre qu'à 200 patients la puissance n'est que de 60 %, mais atteint 85 % à 300 — une information décisive pour le design.

On peut aussi tester la robustesse à la non-observance ou à des écarts au protocole.

05 · Piège fréquent

La simulation hérite des faiblesses du modèle.

06 · À retenir

  • La CTS « rejoue » un essai sur des populations virtuelles pour éclairer le design.
  • Trois briques : population virtuelle + modèle PK/PD + modèle d'essai.
  • Sert au de-risking : comparer designs, doses et tailles d'échantillon avant l'essai réel.
  • Fournit puissance conditionnelle/caractéristiques opératoires ; PoS/assurance seulement si l'incertitude est intégrée.
  • Propager l'incertitude des paramètres, sinon confiance illusoire.

Point de contrôle

Vérifiez votre compréhension

Q1. La simulation d'essais cliniques (CTS) permet de...

Q2. Pour simuler une population virtuelle réaliste, il faut...

Q3. La puissance conditionnelle d'un essai simulé dépend surtout de...

Exercices d'entraînement

Activités guidées

Cas en plusieurs étapes combinant calcul, interprétation et raisonnement.

Activité guidée · 10 min · Niveau 2

Puissance conditionnelle ou assurance ?

Calcul · InterprétationÀ commencer

Citer cette page

Berrah R. Simulation d'essais cliniques. PMx Explain, 2026. https://rberrah.github.io/pharmacometrie/chapitres/trials-cts/

@misc{berrah2026trialscts,
  author       = {Berrah, Racym},
  title        = {{Simulation d'essais cliniques}},
  howpublished = {PMx Explain},
  year         = {2026},
  url          = {https://rberrah.github.io/pharmacometrie/chapitres/trials-cts/},
  note         = {Texte actuel sous licence CC BY-NC-SA 4.0}
}
Contenu pédagogique uniquement. Pas de conseil médical. Pas d'ajustement posologique patient-spécifique.