Étude PMCF : comment concevoir un eCRF efficace ?

Le suivi clinique post-commercialisation (PMCF, Post-Market Clinical Follow-up) permet aux fabricants de dispositifs médicaux de collecter et d’évaluer des données cliniques après leur mise sur le marché afin de documenter dans le temps leur sécurité, leurs performances et leur bénéfice clinique.

Pour structurer cette collecte, les fabricants peuvent s’appuyer sur un eCRF (electronic Case Report Form), ou cahier d’observation électronique, dans lequel les investigateurs saisissent les données prévues par le protocole.

La conception de cet eCRF joue un rôle direct dans la qualité des données obtenues. Un formulaire trop complexe augmente la charge des investigateurs et le risque de données manquantes. À l’inverse, un eCRF construit à partir des objectifs scientifiques de l’étude facilite la collecte et prépare dès le départ l’analyse des données.

La conception de l’étude doit donc intervenir bien en amont de la programmation de l’eCRF.

Pourquoi un eCRF PMCF ne doit-il pas être calqué sur un CRF pharmaceutique ?

Les études portant sur les dispositifs médicaux présentent des caractéristiques différentes des essais médicamenteux.

Trois différences doivent notamment être prises en compte : les contraintes économiques et opérationnelles diffèrent de celles des grands essais pharmaceutiques ; certaines méthodologies, comme le double aveugle, peuvent être impossibles lorsqu’une intervention implique nécessairement un praticien informé du dispositif utilisé ; enfin, le résultat clinique peut dépendre non seulement du dispositif, mais aussi de son utilisation par l’opérateur.

À cela s’ajoutent des durées de suivi parfois très différentes.



Il est donc rarement pertinent de reprendre tel quel un modèle de CRF provenant d’une étude médicamenteuse. Le formulaire doit être construit autour du dispositif, de son utilisation, des objectifs du protocole et des données qui seront réellement analysées.

Adapter l’eCRF à la temporalité de votre stratégie PMCF

À court terme : privilégier l’agilité sans sacrifier la méthode

Certaines études PMCF doivent être mises en place rapidement afin de répondre à une question immédiate.

Elles peuvent notamment être rétrospectives et s’appuyer sur des informations déjà présentes dans les dossiers médicaux. Dans ce cas, l’eCRF doit être construit en fonction des données réellement disponibles, et non de toutes celles que l’équipe aurait idéalement souhaité collecter.

Un eCRF plus exhaustif ne fera pas apparaître une donnée qui n’a jamais été documentée dans le dossier source.

Ces études peuvent également reposer sur un nombre limité d’investigateurs et de patients. La puissance statistique peut alors être limitée, tandis que quelques événements peuvent fortement influencer les taux observés. Sur 50 patients, deux complications représentent déjà 4 %, alors que leur poids relatif serait très différent dans une cohorte beaucoup plus importante.

La conception du CRF doit donc rester proportionnée aux analyses réellement envisageables.

La rapidité ne doit pas non plus conduire à négliger les investigateurs. Une étude rapidement construite mais insuffisamment concertée peut rendre la collecte trop contraignante et détériorer la relation avec les équipes cliniques, avec des conséquences possibles sur leur participation à de futurs projets.

À moyen terme : préserver la continuité des données

Une étude ponctuelle peut s’inscrire dans une stratégie plus globale.

Si plusieurs projets successifs portent sur le même dispositif ou la même gamme, il est utile d’anticiper la cohérence entre les bases : nomenclature des variables, définitions, unités, structure des visites et formats de collecte.

Certaines variables déjà validées peuvent également être réutilisées afin d’éviter de reconstruire systématiquement les mêmes éléments d’une étude à l’autre.



Cela ne signifie pas recopier aveuglément un ancien CRF : chaque variable doit rester pertinente pour les objectifs du nouveau protocole.

À long terme : penser base de données et registre

Lorsque le suivi s’étend sur 5, 10 ou 15 ans, la logique change.

Il ne s’agit plus seulement de créer un formulaire pour une étude ponctuelle, mais potentiellement de constituer un véritable registre clinique. Cette base peut alimenter une étude principale et, selon le protocole, contribuer à des études ou analyses ancillaires.

Sur plusieurs années, l’environnement évolue : de nouveaux investigateurs peuvent rejoindre le projet, certains peuvent le quitter et les besoins scientifiques peuvent changer.



L’eCRF doit donc être suffisamment stable pour préserver la cohérence des données et suffisamment flexible pour rester pertinent dans le temps.

Comment concevoir efficacement l’eCRF d’une étude PMCF ?

1. Commencez par les objectifs, pas par les variables

La première question n’est pas : « Quelles données pouvons-nous collecter ? » mais : « À quelles questions voulons-nous répondre ? »

Les objectifs et hypothèses de l’étude doivent être définis avant la construction du CRF. Ils déterminent les critères de jugement, influencent la taille d’échantillon et les analyses envisagées, puis permettent d’identifier les variables nécessaires.

La logique est donc :

Pour chaque variable, demandez-vous : Cette donnée sera-t-elle réellement utilisée pour répondre à un objectif ou conduire une analyse prévue ?

2. Résistez à la peur de manquer une donnée

Une erreur fréquente consiste à vouloir créer un CRF aussi complet que possible : multiplier les scores, mesures et informations « au cas où ».

Plus le nombre d’items augmente, plus la charge imposée aux investigateurs devient importante et plus le risque de données manquantes augmente.

Une variable théoriquement intéressante perd rapidement son intérêt si elle n’est disponible que pour une minorité des patients. Sur 50 patients, une variable renseignée pour seulement 20 réduit fortement la population réellement disponible pour l’analyse ; une comparaison de deux groupes peut encore réduire les effectifs exploitables.

Un bon eCRF ne collecte donc pas le maximum de données : il collecte les données nécessaires avec le meilleur niveau de complétude possible.

3. Faites correspondre le formulaire au protocole

L’eCRF ne doit pas permettre facilement des réponses incompatibles avec le protocole.

Par exemple, si seuls trois diagnostics permettent l’inclusion d’un patient, proposer une catégorie « Autre » dans le champ diagnostic n’est pas pertinent : une autre pathologie signifierait précisément que le patient ne répond pas aux critères d’inclusion.

De même : Pathologie présente ? → Oui → laquelle ?

peut parfois être remplacé par une seule variable structurée permettant directement de sélectionner la pathologie concernée.

Le CRF doit traduire la logique du protocole, sans créer d’étapes inutiles.

4. Privilégiez les variables structurées au texte libre

Le texte libre est simple à créer, mais beaucoup moins simple à analyser.

Prenons « Antécédents chirurgicaux ». Un investigateur peut fournir une description détaillée alors qu’un autre écrira simplement « plusieurs opérations ».

Ces informations ne sont alors ni standardisées ni directement comparables.

Lorsque l’information recherchée est connue à l’avance, il est préférable de la décomposer : existence d’un antécédent, type d’intervention, nombre d’interventions, présence d’une infection, etc.

La même logique s’applique à l’activité professionnelle : un champ libre « profession » est difficile à exploiter statistiquement, tandis qu’une catégorie d’activité professionnelle peut directement alimenter l’analyse.

Le texte libre reste utile pour certains commentaires exceptionnels, mais ne devrait pas remplacer une variable structurée lorsque l’information peut être définie à l’avance.

5. Définissez précisément ce que vous mesurez

Une variable subjective ou ambiguë réduit la comparabilité des données.

Demander simplement la « qualité de l’os » sans méthode standardisée conduit par exemple chaque investigateur à appliquer sa propre appréciation.

Le même principe vaut pour une douleur de 0 à 10, une consommation considérée comme « chronique » ou une mesure radiologique : il faut préciser ce qui doit être mesuré, dans quelles conditions et selon quelle définition.

6. Indiquez les unités et utilisez des bornes cohérentes

Une confusion entre mètres et centimètres peut suffire à générer une valeur totalement incohérente. L’unité attendue doit donc être explicitement indiquée.

Lorsque cela est pertinent, une plage de valeurs peut également permettre de signaler une donnée improbable dès sa saisie. Une taille attendue en centimètres peut par exemple être associée à des valeurs minimales et maximales cohérentes.

7. Utilisez des contrôles de cohérence pour détecter les erreurs

Toutes les incohérences ne peuvent pas être détectées en contrôlant une variable isolément.

Un eCRF peut intégrer des contrôles de cohérence entre plusieurs données. Une date de visite antérieure à la date d’inclusion, une réponse incompatible avec un critère d’éligibilité ou deux informations contradictoires peuvent ainsi être signalées lors de la saisie ou de la revue des données.

Ces contrôles permettent d’identifier plus tôt certaines erreurs et de réduire le travail de vérification et de nettoyage des données.

Ils doivent toutefois rester pertinents : multiplier les alertes inutiles risque au contraire de compliquer la saisie pour les investigateurs.

8. Automatisez les variables dérivées

Lorsqu’une information peut être directement calculée à partir de données déjà collectées, il est inutile de demander une saisie supplémentaire à l’investigateur.

Si l’eCRF contient déjà le poids et la taille, l’IMC peut par exemple être calculé automatiquement.

La même logique peut s’appliquer à certains scores ou sous-scores lorsque leur formule est connue. L’automatisation évite une nouvelle saisie et réduit les risques d’incohérence.

9. Distinguez « non applicable », « indisponible » et « manquant »

Une absence de donnée n’a pas toujours la même signification.

Une information peut ne pas être applicable au patient, ne pas être disponible ou avoir simplement été oubliée.

Pour certains examens d’imagerie, il peut par exemple être pertinent de demander d’abord si le scanner ou l’IRM est disponible. Si ce n’est pas le cas, il devient inutile d’afficher toutes les variables qui en dépendent.

Une classification peut également inclure une modalité « non applicable » plutôt que de générer artificiellement une donnée manquante.

10. Utilisez des illustrations lorsque l’interprétation visuelle compte

Certaines classifications cliniques ou radiologiques comportent plusieurs stades.

Une illustration intégrée à l’eCRF peut rappeler aux investigateurs les différents niveaux de classification et limiter les divergences d’interprétation.

Pour les mesures d’imagerie, une représentation visuelle peut également montrer précisément comment la mesure attendue doit être réalisée.

11. Simplifiez les structures complexes

Un formulaire électronique ne doit pas reproduire à l’identique un tableau papier complexe.

Prenons un tableau décrivant les caractéristiques d’un implant, avec de nombreuses cellules et dépendances entre réponses. La même information peut parfois être décomposée en trois ou quatre questions simples.

Cette simplification réduit le temps de saisie, les erreurs et potentiellement la charge de monitoring.

Si une grille nécessite un mode d’emploi, demandez-vous si elle ne peut pas être remplacée par plusieurs variables simples et indépendantes.

12. Structurez également les complications

Un champ : « Avez-vous rencontré une complication ? Oui/Non. Si oui, décrivez-la. » semble intuitif, mais une description libre rend ensuite beaucoup plus difficile le calcul des fréquences de complications.

Lorsque les principaux événements sont connus, il est préférable de proposer une variable structurée listant les complications attendues, tout en conservant éventuellement une catégorie « Autre » lorsqu’elle est réellement nécessaire.

Les données deviennent alors directement quantifiables et comparables.

13. Adaptez la collecte des scores à la pratique réelle des investigateurs

Un score fonctionnel peut être recueilli de plusieurs manières.

L’eCRF peut intégrer chacune des questions permettant de calculer automatiquement le score final. Mais si le praticien recueille déjà ce score dans son logiciel médical et que l’analyse n’utilise que le score total ou certains sous-scores, lui demander de saisir une deuxième fois toutes les questions peut être inutile.

À l’inverse, si le score n’est pas déjà disponible, intégrer les différents items dans l’eCRF peut être pertinent.

Le choix doit partir de la donnée réellement disponible dans la pratique et de celle qui sera utilisée pour l’analyse. Il est donc important d’échanger avec les investigateurs sur leurs habitudes de collecte.

Il faut également éviter d’accumuler plusieurs scores mesurant pratiquement les mêmes dimensions, au risque d’augmenter inutilement la charge des investigateurs ou des patients.

14. Minimisez les données inutilement identifiantes

La conception d’un eCRF implique aussi de réfléchir aux informations personnelles réellement nécessaires.

Lorsque la date de naissance complète n’est pas nécessaire, seuls le mois et l’année peuvent par exemple être collectés, si le protocole et le cadre applicable le permettent.

Le principe est simple : ne collectez pas une information identifiable simplement parce qu’elle est disponible si elle n’est pas nécessaire à l’étude.

15. Pensez dès le départ à l’analyse, au monitoring et au data cleaning

Chaque variable devrait être pensée en fonction de ce qui se passera après la collecte.

Pourra-t-elle être filtrée ? Comparée entre deux groupes ? Utilisée dans une analyse statistique ? Sa valeur peut-elle être contrôlée ? Une absence peut-elle être distinguée d’un « non applicable » ?

Cette réflexion explique une grande partie des recommandations précédentes : limiter les champs libres, standardiser les catégories, préciser les unités, utiliser des contrôles de cohérence, automatiser certaines variables et éviter les mesures subjectives.

Une donnée structurée et contrôlée dès sa saisie permet également de limiter le travail de vérification et de nettoyage en aval.

Enfin, l’intérêt d’une base PMCF peut dépasser la réponse à une exigence immédiate. Une collecte structurée en collaboration avec les investigateurs peut permettre de répondre à de nouvelles questions scientifiques et d’aller au-delà de la seule exigence réglementaire.

Quel logiciel eCRF utiliser pour une étude PMCF ?

La conception de l’eCRF ne dépend pas uniquement du protocole, mais aussi des fonctionnalités proposées par le logiciel utilisé. Variables structurées, contrôles de cohérence, gestion des données manquantes ou encore réutilisation de variables entre plusieurs études peuvent notamment faciliter la mise en œuvre d’une stratégie PMCF.

Pour aller plus loin, découvrez comment choisir un logiciel EDC/eCRF adapté à une étude PMCF.

Un bon eCRF PMCF collecte moins, mais collecte mieux

Optimiser un eCRF ne consiste pas à créer le formulaire le plus exhaustif possible.



Il s’agit de collecter les données réellement nécessaires aux objectifs du protocole, sous une forme compréhensible pour les investigateurs et directement exploitable pour l’analyse.

Pour une étude PMCF, cette réflexion doit également tenir compte de la stratégie clinique dans le temps : une étude rétrospective rapide et un registre suivi pendant quinze ans ne doivent pas être conçus avec la même logique.

L’eCRF n’est donc pas une simple étape technique. Sa conception fait partie intégrante de la stratégie de collecte, de contrôle et de valorisation des données cliniques.

Pour aller plus loin

Pour approfondir ces bonnes pratiques et découvrir des exemples concrets de conception d’eCRF appliqués aux études PMCF, vous pouvez également regarder notre webinaire consacré au sujet