Ecole Doctorale
Sciences de la Vie et de la Santé
Spécialité
Biologie-Santé - Spécialité Recherche Clinique et Santé Publique
Etablissement
Aix-Marseille Université
Mots Clés
modélisation,pharmacocinétique de population,prior,essai clinique,Suivi Thérapeutique Pharmacologique,optimisation
Keywords
modelling,population pharmacokinetics,prior,clinical study,Therapeutic Drug Monitoring,optimization
Titre de thèse
Modélisation avec méthode PRIOR pour l'optimisation de la posologie des médicaments, du développement à la pratique clinique
Modelling with PRIOR method to optimize drug administration: from development to clinical practice
Date
Vendredi 21 Mai 2021 à 15:00
Adresse
Faculté de Pharmacie
27 Boulevard Jean Moulin, 13005 Marseille
salle des thèses
Jury
CoDirecteur de these |
Mme Florence GATTACCECA |
Aix-Marseille Université |
Directeur de these |
Mme Sonia KHIER |
Université de Montpellier |
Rapporteur |
M. Michel TOD |
Université de Lyon |
Rapporteur |
M. Vincent JULLIEN |
Université de Paris 13 |
Examinateur |
M. Robert SABATIER |
Université de Montpellier |
Résumé de la thèse
La modélisation pharmacocinétique représente lorganisme par un ou plusieurs compartiment(s) pour appréhender le devenir des médicaments dans le corps. Au sein de cette discipline, lapproche de population analyse simultanément les données de plusieurs individus pour estimer les paramètres pharmacocinétiques typiques de cet ensemble dindividus ainsi que les variabilités inter-individuelles autour de ces paramètres. Lanalyse de population peut également identifier les sources de ces variabilités, donc des sous-populations pour lesquelles des adaptations de posologie sont nécessaires. Lestimation des paramètres dun modèle de population peut être impossible lorsque les données sont insuffisantes (peu de données par patient, les données sont dites « pauvres »). Cette situation est fréquente lors des analyses de population des essais cliniques de phase III, et lors de la construction de modèles en vue dadapter la posologie dans le cadre du suivi thérapeutique pharmacologique en pratique hospitalière.
Il est alors possible dinclure des informations antérieures dans lanalyse de population pour pouvoir construire un modèle : soit dautres données, soit des valeurs de paramètres provenant de modèles précédemment construits pour la molécule (valeurs de référence).
Cest dans cette deuxième stratégie danalyse de données « pauvres » que sinscrit lapproche PRIOR : elle permet destimer à partir des données dintérêt les paramètres dun modèle de population en les contraignant à sapprocher de leur valeur de référence. Lapproche PRIOR pourrait être donc utile dans différentes situations cliniques ; pourtant, elle est très peu documentée.
Lobjectif de cette thèse a donc été de proposer une méthodologie dutilisation de lapproche PRIOR puis de lappliquer à des données observées en situation clinique.
Dans une première partie, ce travail de thèse a donné lieu à une revue de la littérature à partir de laquelle nous avons établi une guidance pour lutilisation de la fonction PRIOR dans NONMEM, un logiciel de pharmacocinétique de population.
Dans une deuxième partie, nous avons utilisé lapproche PRIOR dans le développement, pour une étude transversale pédiatrique dun anticorps indiqué dans lhypercholestérolémie familiale, lalirocumab. Un premier modèle était construit avec lapproche PRIOR sur une population pédiatrique hétérozygote : les valeurs de référence étaient tirées du modèle adulte hétérozygote. Ce modèle pédiatrique hétérozygote était ensuite utilisé comme référence pour construire le modèle pédiatrique homozygote. La guidance précédemment publiée a été mise en uvre pour quantifier les différences de paramètres entre les populations adulte et pédiatrique hétérozygotes, puis les populations pédiatriques hétérozygote et homozygote.
Dans une troisième partie, nous avons exploré lapproche PRIOR pour lanalyse pharmacocinétique en pratique clinique. Nous présentons deux cas dapplication de la méthode PRIOR avec des données de suivi thérapeutique pharmacologique : pour adapter des modèles de méropénème, un antibiotique utilisé en réanimation, et pour adapter un modèle de tacrolimus, un immunosuppresseur utilisé en greffe hépatique. Dans ces deux cas, les modèles issus de la littérature navaient pas une capacité prédictive suffisante pour nos populations dintérêt, et ladaptation de ces modèles à nos populations grâce à lapproche PRIOR améliorait la capacité prédictive.
Ainsi, lapproche PRIOR a montré quelle pouvait être une solution intéressante pour modéliser des données « pauvres » tant dans le développement quen pratique clinique hospitalière.
Thesis resume
Pharmacokinetic modelling consists in the representation of the organism by one or several compartment(s) to capture the evolution of drugs inside the body. Within pharmacokinetic modelling, the population approach simultaneously analyses data from different individuals to estimate the typical pharmacokinetic parameters of this group of individuals as well as the inter-individual variability around these parameters. Population pharmacokinetics can also identify the cause of variability and so subpopulations for which the dosage has to be adapted. The estimation of the parameters of a population pharmacokinetic model can be impossible when data are insufficient (few data per patient: sparse data). This situation frequently occurs in population analyses of phase III clinical trials and in the building of models towards dosage individualization within therapeutic drug monitoring in hospital clinical practice.
Then, it is possible to include some previous information in the population analysis to be able to build a model: either other data or parameter values from previous models (reference values).
The PRIOR approach can be used to include reference values in the population analysis. This approach allows to estimate population parameters from sparse data by constraining them to be close to their reference value. Thus, the PRIOR approach could be useful in diverse clinical situations. However, this approach is poorly documented.
The objective of this thesis was to propose a methodology for the use of the PRIOR approach and then to apply it to observed data in clinical practice.
In a first part, we did a literature review, from which we created a guidance for the use of the PRIOR function in NONMEM, a population pharmacokinetic software.
In a second part, we used the PRIOR approach in development, for a transversal paediatric study of an antibody indicated in familial hypercholesterolemia: alirocumab. First, a model was built with the PRIOR approach on a heterozygous paediatric population: the reference values were those of the heterozygous adult model. This heterozygous paediatric model was then used as a reference to build the homozygous paediatric model. The previously published guidance was implemented to quantify the differences in parameters between heterozygous adult and paediatric populations, and paediatric heterozygous and homozygous populations.
In a third part, we explored the PRIOR approach for pharmacokinetic analysis in clinical practice. We present two case examples of the building of models with PRIOR on data from therapeutic drug monitoring: to adapt models of meropenem, an antibiotic used in intensive care, and to adapt a model of tacrolimus, an immunosuppressant used in liver transplantation. In both cases, models from literature did not show satisfactory predictive performances for our populations of interest, and the adaptation of these models to our populations with the PRIOR approach improved the predictive ability.
Thus, the PRIOR approach has proven to be an interesting solution to model sparse data both in development and in hospital clinical practice.