Improving the planning and monitoring of recruitment to clinical trials - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

Improving the planning and monitoring of recruitment to clinical trials

Améliorer la planification et le suivi du recrutement pour les essais cliniques

Résumé

Successfully recruiting the pre-specified number of participants in a clinical trial remains a difficult challenge that negatively impacts all stakeholders. The approaches used to predict and monitor recruitment, including sources of information utilised, remains frequently hidden and unreported. There is an increasing number of publications describing statistical models for recruitment prediction, however there is not enough evidence about how this is done in practice. We conducted three systematic reviews to identify (1) statistical models used for recruitment prediction at the design stage of a trial, (2) methods to monitor patient recruitment and (3) statistical models used for prediction during trial conduct. To determine methods used in practice, a cohort of 125 RCTs was investigated regarding the reporting of predicted and observed recruitment. In addition, two surveys were conducted, one to statisticians working in clinical trials and the other to the chief investigators of newly funded trials. To facilitate the implementation of selected models identified, we developed an interactive web application with Shiny. Using feedback from the statisticians’ survey, a new approach building on the Poisson model is provided to address concerns around flexibility and complexity of recruitment process. Existing models to predict recruitment at the design stage of the trial were either deterministic or stochastic, including Poisson, Poisson-Gamma, Bayesian and simulation models. Models were increasingly complex when used for ongoing recruitment prediction where accrual data were available. Conversely, for monitoring of patient recruitment against initial targets, the methods identified were simplistic and included tables and graphs to present the expected versus the actual number of patients recruited per month. Recruitment prediction reporting in main trial publications was often limited to stating the sample size target. The survey of chief investigators indicated that the data source most commonly used to predict trial recruitment was audit data from across multiple centres with the impact of specific eligibility criteria being the most frequently adjusted factor. The survey of statisticians indicated that statisticians are not always involved in recruitment prediction, and simple approaches are mainly used for both recruitment prediction and monitoring. The Shiny application developed bridges the gap between development and implementation of some models. The new web-based tool based on the Poisson model, which focuses greater attention on allowance factors whilst maintaining stochasticity but minimising complexity, may help investigators to better plan, monitor patient recruitment, and in decision making about the corrective actions required. This thesis contributes to knowledge enhancement of the methods used for recruitment prediction and monitoring of patients in clinical trials and in providing an interface to facilitate implementation. In addition, a simple model is provided which places the emphasis on allowing for factors that reduce recruitment capacity. This work will assist investigators with choosing the right model/approach for their trial leading to improvements in the accuracy of recruitment prediction and reducing waste in research.
Réussir à recruter le nombre prédéfini de participants à un essai clinique demeure un défi complexe qui a un impact négatif sur toutes les parties prenantes. Les méthodes utilisées pour prévoir et suivre le recrutement, y compris les sources d'information utilisées, restent souvent cachées et non déclarées. Il existe un nombre croissant de publications décrivant des modèles statistiques pour la prévision du recrutement, mais il n'y a pas suffisamment d’évidences sur la façon dont cela est fait en pratique. Nous avons mené trois revues systématiques pour identifier (1) les modèles statistiques utilisés pour la prédiction du recrutement au stade de la conception d'un essai, (2) les méthodes de suivi du recrutement des patients et (3) les modèles statistiques utilisés pour la prédiction au cours du déroulement de l'essai. Afin de déterminer la méthodologie utilisée dans la pratique, une cohorte de 125 ECR a été étudiée concernant le recrutement prévu et observé. De plus, deux enquêtes ont été menées, l'une auprès des statisticiens travaillant sur les essais cliniques et l'autre auprès des investigateurs en chef des essais nouvellement financés. Pour faciliter la mise en œuvre de certains modèles identifiés, nous avons développé une application web interactive réalisée avec Shiny. En utilisant les résultats de l'enquête auprès des statisticiens, une nouvelle approche s'appuyant sur le modèle Poisson est proposée pour répondre aux préoccupations concernant la flexibilité et la complexité du processus de recrutement. Les modèles existants pour prédire le recrutement au stade de la conception de l'essai étaient soit déterminant, soit stochastique, y compris les modèles de Poisson, Poisson-Gamma, bayésien et de simulation. Les modèles étaient de plus en plus complexes lorsqu'ils étaient utilisés pour la prévision des recrutements en cours lorsque des données accumulées étaient disponibles. À l'inverse, pour le suivi du recrutement des patients par rapport aux objectifs initiaux, les méthodes identifiées étaient simplistes et comprenaient des tableaux et des graphiques pour présenter le nombre attendu par rapport au nombre réel de patients recrutés par mois. Les rapports de prédiction de recrutement dans les principales publications sur les essais se limitaient souvent à indiquer la taille cible de l'échantillon. L'enquête auprès des investigateurs en chef a indiqué que la source de données la plus couramment utilisée pour prédire le recrutement des essais était constituée par les données d'audit provenant de plusieurs centres, l'impact des critères spécifiques d'éligibilité étant le facteur le plus fréquemment ajusté. L'enquête auprès des statisticiens a indiqué que les statisticiens ne sont pas toujours impliqués dans la prédiction du recrutement, et que les approches simples sont principalement utilisées à la fois pour la prédiction et le suivi du recrutement. L'application Shiny développée comble l'écart entre le développement et la mise en œuvre de certains modèles. Le nouvel outil en ligne basé sur le modèle Poisson, qui accorde une plus grande attention aux facteurs d'allocation tout en maintenant la stochasticité mais en minimisant la complexité, est susceptible d'aider les investigateurs à mieux planifier et suivre le recrutement des patients et à prendre des décisions sur les mesures correctives nécessaires. Cette thèse contribue à l'amélioration des connaissances sur les méthodes utilisées pour la prédiction du recrutement et le suivi des patients dans les essais cliniques et fournir une interface pour faciliter la mise en œuvre. En outre, un modèle simple est fourni mettant l'accent sur la prise en compte des facteurs qui réduisent la capacité de recrutement. Ce travail aidera les investigateurs à choisir le modèle approprié ou la bonne approche pour leur essai, ce qui permettra d'améliorer la précision des prévisions de recrutement et de réduire le temps perdu dans la recherche.
Fichier principal
Vignette du fichier
Gkioni_Efstathia_va2.pdf (6.61 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04557475 , version 1 (24-04-2024)

Identifiants

  • HAL Id : tel-04557475 , version 1

Citer

Efstathia Gkioni. Improving the planning and monitoring of recruitment to clinical trials. Statistics [math.ST]. Université Paris Cité; University of Liverpool, 2021. English. ⟨NNT : 2021UNIP5232⟩. ⟨tel-04557475⟩
14 Consultations
2 Téléchargements

Partager

Gmail Facebook X LinkedIn More