Évaluation d’une approche d’augmentation de données par génération de données synthétiques pour l’estimation précoce de l’effet traitement dans un essai clinique de survie : étude de simulation rétrospective
Objectives
Évaluer la capacité d’une approche d’augmentation de données par la méthode Avatar à reproduire l’estimation finale d’un essai de survie à partir de cohortes partiellement recrutées, et identifier le niveau minimal d’inclusion associé à des performances proches de celles observées à 90 % de recrutement.
Conclusion
Dans cette étude de simulation rétrospective, l’augmentation de données par la méthode Avatar permettait de rapprocher progressivement les estimations intermédiaires de l’analyse finale à mesure que la proportion de données observées augmentait. Une stabilisation des performances était observée dès 50% d’inclusion. Ces premiers résultats suggèrent que la génération de données synthétiques pourrait constituer un levier majeur pour sécuriser les analyses intermédiaires et optimiser le succès des essais cliniques. Bien qu'une validation sur des contextes thérapeutiques variés reste requise, cette approche offre de nouvelles perspectives pour accélérer la recherche clinique.