Évaluation de l’immunogénicité cellulaire dans les essais cliniques vaccinaux : un modèle bivarié pour mieux prendre en compte la réponse non spécifique

• Published in: Revue d'épidémiologie et de santé publique Vol. 67; pp. S123 - S124
• Main Authors: Lhomme, E., Hejblum, B., Lacabaratz, C., Wiedemann, A., Lelièvre, J., Levy, Y., Thiebaut, R., Richert, L.
• Format: Journal Article
• Language: French
• Published: Elsevier Masson SAS 01.05.2019
• Subjects: Essai clinique; Immunogénicité; Modélisation; Simulations; Vaccin; Simulations; Immunogénicité; Vaccin; Essai clinique; Modélisation
• ISSN: 0398-7620
• DOI: 10.1016/j.respe.2019.03.079

Dans le développement clinique vaccinal, l’évaluation de la capacité du vaccin candidat à générer des réponses immunitaires est un objectif important. La mesure de l’immunogénicité cellulaire s’effectue en cytométrie de flux multiparamétrique permettant la caractérisation de lymphocytes T produisant des cytokines après stimulation antigénique spécifique. L’approche statistique actuellement utilisée pour l’analyse de ces données consiste à effectuer une comparaison inter-bras ou intra-bras des pourcentages de cellules produisant une ou des cytokine(s) d’intérêt, après soustraction de la réponse observée dans des cellules non-stimulées (NS) de chaque échantillon. Soustraire cette réponse NS vise à analyser la réponse spécifique à l’antigène, mais soulève des questions méthodologiques liées à l’erreur de mesure, à des biais potentiels et à la puissance statistique. Un modèle bivarié modélisant simultanément la réponse NS et la réponse induite par la stimulation spécifique (S) permet une évaluation plus valide de l’effet du vaccin dans les essais cliniques vaccinaux. Nous avons construit un modèle linéaire bivarié modélisant simultanément un vecteur de réponse avec deux variables dépendantes (réponses NS et S) et l’effet du vaccin comme principale variable explicative. Les performances du modèle ont été évaluées au travers de simulations numériques avec différents scénarii en termes de biais et de contrôle des erreurs de type 1 et 2, en comparaison des approches conventionnelles. Nous avons appliqué ce modèle sur les données de deux essais vaccinaux contre le VIH (ANRS VRI01 et VRI02 ANRS 149 LIGHT). Les simulations ont été effectuées sous SAS ; l’implémentation du modèle sous SAS (proc mixed) et R (package nlme). Cette nouvelle méthode permet de modéliser une relation linéaire entre la réponse NS et les réponses antigéniques, tout en tenant compte de la corrélation dans leur erreur de mesure. Le modèle garantit un contrôle de l’erreur de type 1 en toute circonstances et une puissance statistique toujours au moins aussi bonne que l’approche conventionnelle dans tous les scenarii (Fig. 1). Le modèle a aussi été appliqué sur les essais ANRS VRI01 et VRI02 ANRS 149 LIGHT. Cette nouvelle méthode permet de prendre en compte toutes les informations disponibles contrairement aux approches conventionnelles, conduisant à des résultats plus robustes et une absence de biais dans l’évaluation de l’immunogénicité vaccinale.