Estimands : définir la question clinique (ICH E9(R1))

Pourquoi les mêmes données d’essai peuvent répondre à des questions différentes — et comment les cinq attributs d’un estimande et les cinq stratégies de gestion des événements intercurrents fixent celle que vous visez

Le pont entre l’objectif d’un essai et l’analyse. Apprenez ce qu’est un estimande et pourquoi ICH E9(R1) en exige un : les cinq attributs (traitement, population, variable, événements intercurrents, résumé au niveau de la population), les cinq stratégies de gestion des événements intercurrents (politique de traitement, hypothétique, composite, pendant le traitement, strate principale), la distinction estimande vs estimateur vs estimation, et comment un estimande devient le SAP et les variables ADaM que vous dérivez.

Date de publication

30 juin 2026

Modifié

7 juillet 2026

AstucePoints clés
  • Un estimande est une description précise de l’effet du traitement — ce que l’analyse cherche à estimer — rédigée avant de choisir une méthode ou de toucher aux données.
  • Il existe parce que les mêmes données d’essai peuvent répondre à des questions cliniques différentes. Sans question clairement fixée, « l’effet du traitement » est ambigu, et deux analystes peuvent rapporter deux chiffres honnêtes mais incompatibles.
  • ICH E9(R1) définit un estimande par cinq attributs : traitement, population, variable (critère d’évaluation), événements intercurrents et résumé au niveau de la population.
  • L’attribut difficile, ce sont les événements intercurrents — des événements survenant après la randomisation (un patient arrête le médicament, prend un traitement de secours, décède) qui changent ce que signifie un critère. E9(R1) propose cinq stratégies pour les gérer : politique de traitement, hypothétique, composite, pendant le traitement, strate principale.
  • Gardez trois mots distincts : l’estimande est la question, l’estimateur est la méthode, l’estimation est le chiffre. L’estimande est le pont entre l’objectif de l’essai et le SAP (plan d’analyse statistique), puis vers les variables ADaM (Analysis Data Model) et les maquettes TLF que vous programmez.

Introduction

Un patient est randomisé vers votre médicament. Au bout de huit semaines, ses symptômes s’aggravent, alors l’investigateur ajoute un traitement de secours. À la semaine 24 — le critère d’évaluation de l’essai — il va bien. Le médicament a-t-il fonctionné ?

Il n’y a pas de réponse unique, et c’est tout l’enjeu. Si votre question est « comment le médicament se comporte-t-il dans le monde réel, où les gens prennent un traitement de secours quand ils en ont besoin ? », le bon score à la semaine 24 de ce patient compte pour le médicament. Si votre question est « quel est l’effet du médicament lui-même, non contaminé par le secours ? », il ne compte pas. Même patient, mêmes données, deux effets du traitement différents — parce qu’ils répondent à deux questions différentes.

Un estimande est la façon dont vous énoncez, d’emblée et sans ambiguïté, quelle question vous posez. ICH E9(R1) — l’addendum de 2019 de l’International Council for Harmonisation à la ligne directrice E9 sur les principes statistiques — a fait de sa rédaction une attente réglementaire. Cette leçon, c’est ce cadre : pourquoi il existe, les cinq attributs qui définissent un estimande, les cinq stratégies pour l’attribut qui piège tout le monde (les événements intercurrents) et la chaîne estimande → estimateur → estimation qui relie une question clinique aux chiffres d’un dossier de soumission.

Le flux de données d’un essai clinique a cartographié comment les données circulent jusqu’à une soumission ; le contexte réglementaire a expliqué pourquoi les autorités exigent CDISC (le Clinical Data Interchange Standards Consortium). Cette leçon est la charnière entre l’objectif de l’essai et les jeux de données ADaM que vous dérivez pour y répondre. Aucun code à installer — le seul exemple ci-dessous est en R de base, et si vous avez déjà calculé une moyenne de groupe, vous en savez assez.

Pourquoi ce cadre existe

Avant E9(R1), les protocoles d’essai énonçaient un objectif (« démontrer l’efficacité du médicament X ») et sautaient directement à une méthode (« un modèle mixte à mesures répétées sur le changement par rapport à la valeur initiale »). Ce qui se trouvait entre les deux — l’effet du traitement exactement ciblé — restait implicite, et les lacunes apparaissaient sous la forme d’événements post-randomisation que personne ne s’était mis d’accord pour gérer. Une équipe n’analysait que les patients restés sous médicament ; une autre reportait la dernière observation de chacun ; une troisième comptait les sorties d’étude comme des échecs. Les trois sont défendables. Les trois répondent à des questions différentes. Et la différence peut être assez grande pour faire basculer une conclusion.

Le cadre des estimandes comble cette lacune en imposant d’écrire la question en premier, avec assez de détails pour qu’il n’y ait qu’une seule chose que l’analyse pourrait estimer. La démarche est délibérément ordonnée :

objectif → estimande → estimateur → estimation

Énoncez l’objectif, traduisez-le en un estimande précis (les cinq attributs ci-dessous), choisissez un estimateur aligné sur cet estimande, puis rapportez l’estimation. Inversez l’ordre — choisir d’abord une méthode puis remonter vers une question — et vous risquez une réponse précise, mais à une question que personne n’a posée.

Les cinq attributs d’un estimande

ICH E9(R1) indique qu’un estimande se construit à partir d’exactement cinq attributs (Clark et al. 2022 : « Définir un estimande revient à spécifier cinq attributs : la ou les conditions de traitement, la population, le critère, le résumé au niveau de la population et les événements post-randomisation »). Spécifiez les cinq et la question clinique est sans ambiguïté ; laissez-en un vague et elle ne l’est plus.

# Attribut La question qu’il fixe Exemple
1 Traitement La condition de traitement d’intérêt et le comparateur auquel elle est mesurée Médicament X 50 mg/jour vs placebo, chacun en sus du traitement standard
2 Population Les patients visés par la question scientifique (souvent un sous-groupe cliniquement pertinent, pas seulement « tous les inclus ») Adultes atteints d’une maladie modérée à sévère
3 Variable (critère d’évaluation) La mesure obtenue pour chaque patient afin de répondre à la question Changement du score de symptômes par rapport à la valeur initiale à la semaine 24
4 Événements intercurrents Comment tenir compte des événements post-randomisation qui affectent le sens ou l’existence du critère Traitement de secours géré par la stratégie hypothétique (voir plus bas)
5 Résumé au niveau de la population La comparaison unique entre conditions de traitement qui répond à la question Différence de changement moyen par rapport à la valeur initiale

Lisez une ligne et vous obtenez une proposition de phrase ; lisez les cinq et vous obtenez l’estimande : « Chez les adultes atteints d’une maladie modérée à sévère (population), la différence (résumé) de changement moyen du score de symptômes par rapport à la valeur initiale à la semaine 24 (variable) entre le médicament X 50 mg et le placebo (traitement), si aucun patient n’avait pris de traitement de secours (événement intercurrent, stratégie hypothétique). » Cette phrase est l’estimande — et remarquez qu’elle est en langage clinique pur, sans la moindre méthode statistique pour l’instant.

Quatre des cinq attributs sont généralement faciles à énoncer. Le quatrième — les événements intercurrents — est là où se joue la vraie réflexion, et là où E9(R1) a le plus apporté.

Les événements intercurrents : l’attribut qui fait le travail

Un événement intercurrent (ICE) est un événement qui survient après le début du traitement et qui soit change le sens du critère, soit l’empêche complètement d’exister. Les exemples canoniques :

  • Arrêt du traitement — le patient interrompt prématurément le médicament à l’étude.
  • Traitement de secours ou supplémentaire — le patient prend autre chose pour contrôler ses symptômes.
  • Changement de traitement — le patient passe à l’autre bras.
  • Décès — pour un critère non lié à la mortalité, il n’y a aucun score de symptômes à la semaine 24 à mesurer.

Les ICE ne sont pas la même chose que les données manquantes. Un patient qui arrête mais qui est tout de même mesuré à la semaine 24 a produit une valeur — la question est de savoir si cette valeur répond à votre question. Un patient perdu de vue a des données manquantes. Les deux interagissent, mais la décision sur l’estimande porte sur le sens, pas sur l’absence : étant donné que l’ICE s’est produit, quel critère voulez-vous au juste ?

E9(R1) propose cinq stratégies (voir §A.3.2 de l’addendum). La première décision pour chaque ICE d’un essai est de savoir laquelle appliquer — et des ICE différents dans un même essai peuvent utiliser des stratégies différentes.

Les cinq stratégies de gestion des événements intercurrents

Stratégie Ce qu’elle fait de l’ICE La question à laquelle elle répond Exemple du traitement de secours
Politique de traitement Ignore l’ICE : utiliser la valeur du critère quel que soit le fait que l’ICE soit survenu ou non « Effet du fait d’être assigné au traitement, observance en vie réelle comprise » (l’esprit de l’intention de traiter, ou ITT) Utiliser le score à la semaine 24, que le patient ait pris ou non le traitement de secours
Hypothétique Cible le critère dans un scénario où l’ICE ne serait pas survenu « Effet du traitement lui-même, si personne n’avait eu besoin de secours » Estimer le score à la semaine 24 qui aurait été observé sans traitement de secours
Composite Intègre l’ICE à la définition du critère — l’événement fait partie du fait d’être (non-)répondeur « Effet sur un succès qui exige d’éviter l’ICE » Un patient qui prend le traitement de secours est défini comme non-répondeur, quel que soit son score
Pendant le traitement Utilise le critère uniquement jusqu’à l’ICE, en écartant ce qui vient après « Effet du traitement tant qu’il est pris » Utiliser le dernier score de symptômes enregistré avant le début du traitement de secours
Strate principale Restreint au sous-groupe de patients chez qui l’ICE surviendrait (ou ne surviendrait pas) « Effet chez les patients qui n’auraient jamais besoin de secours » Estimer l’effet uniquement au sein de la strate qui ne prendrait pas de traitement de secours dans l’un ou l’autre bras

Trois points permettent de les distinguer :

  • La politique de traitement et l’hypothétique sont les deux plus courantes, et elles se situent aux extrémités opposées. La politique de traitement mesure l’efficacité en conditions réelles (le médicament tel qu’il est réellement utilisé, ICE compris) ; l’hypothétique isole l’effet pharmacologique du médicament (le monde sans l’ICE). Le patient de notre introduction compte pour le médicament sous politique de traitement et est neutralisé sous l’hypothétique — mêmes données, gestion opposée.
  • La composite et le pendant le traitement changent la variable elle-même : la composite redéfinit ce qui compte comme réponse ; le pendant le traitement redéfinit la fenêtre de mesure. Elles ne nécessitent aucune imputation car l’ICE est intégré au critère.
  • La strate principale change la population, et c’est la plus subtile. L’appartenance se définit par la façon dont un patient se comporterait (une propriété potentielle, en partie contrefactuelle) — non par ce qui a été observé — ce qui est précisément ce qui la rend difficile à estimer et explique son usage parcimonieux.

Mêmes données, deux estimandes, deux réponses

Toute la thèse du cadre est que c’est l’estimande — et non les données — qui décide du chiffre. Voici cette thèse en quelques lignes de R de base : un petit essai, deux stratégies pour le même ICE, deux effets du traitement différents. Aucun package, des valeurs inventées à titre d’illustration.

Commençons par l’essai : huit sujets, un critère de réponse à la semaine 24 et un indicateur rescue marquant l’événement intercurrent (les deux sujets Drug ayant pris un traitement de secours).

trial <- data.frame(
  USUBJID   = sprintf("01-%03d", 1:8),
  ARM       = c("Drug", "Drug", "Drug", "Drug",
                "Placebo", "Placebo", "Placebo", "Placebo"),
  rescue    = c("Y", "Y", "N", "N", "N", "N", "N", "N"),   # the intercurrent event
  responded = c("Y", "N", "Y", "Y", "N", "Y", "N", "N")    # observed at week 24
)
trial
  USUBJID     ARM rescue responded
1  01-001    Drug      Y         Y
2  01-002    Drug      Y         N
3  01-003    Drug      N         Y
4  01-004    Drug      N         Y
5  01-005 Placebo      N         N
6  01-006 Placebo      N         Y
7  01-007 Placebo      N         N
8  01-008 Placebo      N         N

Estimande sous politique de traitement. L’ICE n’a pas d’importance : prenez la réponse observée à la semaine 24 de chaque patient telle quelle, puis calculez le taux de réponse par bras.

# Treatment policy: use the observed response regardless of rescue
tp <- tapply(trial$responded == "Y", trial$ARM, mean)
round(tp, 2)
   Drug Placebo 
   0.75    0.25

Estimande composite. Mêmes données, un seul changement : prendre un traitement de secours est un échec du traitement, donc un patient ayant reçu le secours est recodé comme non-répondeur avant le calcul des taux.

# Composite: taking rescue medication counts as a non-responder
resp_composite <- ifelse(trial$rescue == "Y", "N", trial$responded)
cs <- tapply(resp_composite == "Y", trial$ARM, mean)
round(cs, 2)
   Drug Placebo 
   0.50    0.25

Le bras placebo est inchangé, mais le taux de réponse du médicament passe de 0.75 sous politique de traitement à 0.5 sous composite — de sorte que l’effet du traitement estimé (Drug moins Placebo) chute de 0.5 à 0.25. Rien dans les données n’a changé. La seule chose qui a bougé, c’est la question — comment traiter l’événement intercurrent — et la réponse a bougé avec elle. C’est pourquoi l’estimande s’écrit avant l’analyse, pas après.

Estimande vs estimateur vs estimation

Trois mots qui se ressemblent et désignent des choses très différentes. Les distinguer, c’est l’essentiel de la compréhension du cadre — l’addendum est explicite : l’ estimande est distinct de l’estimateur et de l’estimation, et la méthode d’analyse doit être choisie pour correspondre à l’estimande :

  • Estimande — ce que vous voulez estimer. La question clinique, rendue précise par les cinq attributs. Il ne contient aucune statistique — c’est une phrase qui parle de traitements et de patients.
  • Estimateur — comment vous l’estimez. La méthode d’analyse (un modèle mixte, un modèle de Cox, une différence de taux) alignée sur l’estimande. Un estimande sous politique de traitement et un estimande hypothétique pour le même critère nécessitent des estimateurs différents.
  • Estimation — le chiffre que l’estimateur produit à partir des données de l’essai, avec son intervalle de confiance et sa p-value.

L’ordre est unidirectionnel et il compte : estimande → estimateur → estimation. Vous définissez la question, choisissez une méthode qui la cible, et rapportez le résultat. Choisir d’abord une méthode familière et traiter ce qu’elle renvoie comme étant « l’effet » est exactement l’erreur que ce cadre a été écrit pour empêcher.

E9(R1) associe à cela l’analyse de sensibilité : des analyses qui ciblent le même estimande mais relâchent les hypothèses sur lesquelles l’estimateur principal s’appuyait (par exemple, les hypothèses sur les données manquantes derrière une stratégie hypothétique). Si la conclusion tient lorsque ces hypothèses sont mises à l’épreuve, elle est robuste. L’analyse de sensibilité n’est pas une question différente — ce serait une analyse supplémentaire (un estimande entièrement différent). Même estimande, hypothèses mises à l’épreuve : sensibilité.

Pourquoi un programmeur devrait s’en soucier : le pont vers le SAP et ADaM

C’est un cadre de biostatistique, mais il atterrit en plein dans la programmation. L’estimande est le sommet d’une chaîne qui débouche directement sur les jeux de données que vous construisez :

estimande → plan d’analyse statistique (SAP) → variables ADaM & maquettes TLF → estimation

Le biostatisticien écrit l’estimande et le SAP ; les jeux de données ADaM sont l’endroit où ses attributs deviennent des colonnes. La stratégie de gestion de l’événement intercurrent en particulier est programmée — elle décide quels enregistrements et quels indicateurs dérivés un jeu de données d’analyse doit porter :

  • Un estimande sous politique de traitement conserve chaque mesure post-ICE, de sorte que le jeu de données d’analyse BDS (Basic Data Structure) retient ces lignes et que l’indicateur d’analyse (ANL01FL) les inclut.
  • Un estimande pendant le traitement nécessite un seuil de coupure dérivé — l’analyse doit s’arrêter à l’ICE, donc les enregistrements postérieurs sont écartés par un indicateur.
  • Un estimande composite nécessite une variable dérivée de réponse/échec qui encode déjà l’ICE.
  • Un estimande hypothétique pilote la gestion des données manquantes / l’imputation que l’estimateur suppose.

Dans un critère de type délai jusqu’à l’événement (ADTTE), la même logique décide des règles de censure — déterminer quand un patient qui arrête ou change de traitement est censuré plutôt que compté comme un événement est précisément une décision sur l’ événement intercurrent. Définissez bien l’estimande et les dérivations ADaM ont une spécification claire, défendable ; laissez-le vague et la programmation hérite de l’ambiguïté. Les standards CDISC (la suite de cette série) et les leçons ADaM sur admiral, plus loin dans le pilier, sont, en grande partie, la machinerie qui transforme ces cinq attributs en variables d’analyse traçables.

🟢 Avec un agent IA

Demandez à Prova « quelle est la différence entre les stratégies politique de traitement et hypothétique pour un événement intercurrent ? » — elle répond en s’appuyant sur les leçons de ce pilier, avec du R exécutable que vous pouvez essayer sur des données d’essai d’exemple. The runtime is the judge. Demandez à Prova →

Problèmes fréquents

Voici les confusions conceptuelles qui font dérailler ceux qui découvrent le cadre des estimandes.

Confondre un événement intercurrent avec des données manquantes. Un ICE concerne le sens d’un critère, pas son absence. Un patient qui arrête le médicament mais qui est tout de même mesuré à la semaine 24 a une valeur — la question de l’ICE est de savoir si cette valeur répond à votre estimande et quelle stratégie s’applique. Les données manquantes sont un problème distinct (aucune valeur du tout), géré par les hypothèses de l’estimateur. Décidez d’abord de la stratégie de l’ICE ; la méthode pour les données manquantes en découle.

Prendre l’« intention de traiter » pour toute la réponse. L’ITT nomme un principe de population (analyser les patients selon leur randomisation). En soi, il ne dit pas comment gérer un patient qui a changé de traitement ou pris un traitement de secours. La stratégie politique de traitement est l’expression, dans le cadre des estimandes, de l’esprit de l’ITT pour les événements intercurrents — mais le cadre vous demande de choisir une stratégie explicitement, ICE par ICE, plutôt que d’agiter le mot « ITT » et de le laisser implicite.

Choisir l’estimateur avant l’estimande. Se rabattre sur un modèle familier (MMRM, Cox) puis demander « quel effet cela donne-t-il ? » inverse le cadre. La méthode doit être choisie pour cibler un estimande pré-spécifié. Deux essais cliniques faisant tourner le même modèle peuvent estimer des choses différentes si leurs estimandes diffèrent — et seul l’estimande vous dit ce que signifie le chiffre.

Questions fréquentes

Un estimande est une description précise de l’effet du traitement qu’un essai cherche à estimer — la question clinique, écrite avant l’analyse. ICH E9(R1) le définit à travers cinq attributs : traitement, population, variable (critère d’évaluation), événements intercurrents et résumé au niveau de la population. Spécifier les cinq lève l’ambiguïté d’une expression comme « l’effet du traitement ».

Le traitement (les conditions comparées), la population (les patients visés), la variable (le critère mesuré sur chaque patient), les événements intercurrents (comment sont gérés les événements post-randomisation qui changent le sens du critère) et le résumé au niveau de la population (la comparaison unique — p. ex. une différence de moyennes ou un hazard ratio — qui répond à la question).

Un événement intercurrent survient après le début du traitement et soit change le sens du critère, soit l’empêche d’exister — arrêt du traitement, traitement de secours, changement de traitement ou décès. Il s’agit de sens : une valeur mesurée peut toujours exister mais ne plus répondre à votre question. Les données manquantes sont le problème distinct de l’absence totale de valeur. Vous choisissez une stratégie de gestion de l’événement intercurrent d’abord ; la gestion des données manquantes suit.

ICH E9(R1) en définit cinq : politique de traitement (utiliser le critère quel que soit l’événement), hypothétique (le critère si l’événement n’était pas survenu), composite (l’événement devient une composante de la définition du critère), pendant le traitement (utiliser le critère uniquement jusqu’à l’événement) et strate principale (restreindre au sous-groupe de patients chez qui l’événement surviendrait, ou non).

L’estimande est ce que vous voulez estimer (la question clinique, sans statistique dedans). L’ estimateur est comment vous l’estimez (la méthode d’analyse, alignée sur l’estimande). L’ estimation est le chiffre obtenu avec son intervalle de confiance. La discipline du cadre, c’est l’ordre : l’estimande d’abord, puis un estimateur correspondant, puis l’estimation.

L’estimande se trouve au sommet de la chaîne estimande → SAP → variables ADaM et maquettes TLF → estimation. Sa stratégie de gestion de l’événement intercurrent est programmée dans les jeux de données d’analyse : quels enregistrements sont conservés, quels indicateurs dérivés (indicateurs d’analyse, variables de réponse) sont construits et — pour un critère de type délai jusqu’à l’événement (ADTTE) — les règles de censure. Un estimande clair donne aux dérivations ADaM une spécification défendable.

Testez vos connaissances

Un essai mesure le changement par rapport à la valeur initiale d’un score de dépression à la semaine 12. Certains patients commencent un nouvel antidépresseur (l’événement intercurrent) avant la semaine 12. Pour chaque question clinique ci-dessous, nommez la stratégie E9(R1) qui lui correspond :

  1. « Nous voulons l’effet du médicament tel qu’il serait utilisé en pratique, où certains patients ajoutent un autre traitement. »
  2. « Nous voulons l’effet de notre médicament seul, comme si personne n’avait ajouté un autre antidépresseur. »
  3. « Ajouter un nouvel antidépresseur est en soi un échec du traitement — comptez ces patients comme non-répondeurs. »
  4. « Nous ne nous intéressons au score que tant que le patient est encore sous notre médicament, avant qu’il n’ajoute quoi que ce soit. »

Reliez chaque question à ce qu’elle fait de l’événement : l’ignorer, l’imaginer absent, l’intégrer au critère ou cesser de mesurer à son apparition. Ce sont quatre des cinq stratégies.

  1. Politique de traitement — utiliser le score à la semaine 12 quel que soit le traitement ajouté (la question d’efficacité en conditions réelles ; l’esprit de l’ITT).
  2. Hypothétique — cibler le score dans le scénario où le nouvel antidépresseur n’a pas été commencé.
  3. Composite — l’événement intercurrent est intégré au critère ; commencer un autre médicament définit le patient comme non-répondeur.
  4. Pendant le traitement — utiliser uniquement les scores enregistrés jusqu’au moment où le nouveau traitement a commencé. (La cinquième stratégie, la strate principale, restreindrait plutôt la population aux patients qui n’ajouteraient jamais un autre antidépresseur.)

A. Un modèle mixte à mesures répétées sur le score de changement par rapport à la valeur initiale. B. « La différence de changement moyen par rapport à la valeur initiale à la semaine 24 entre le médicament et le placebo, chez les adultes atteints d’une maladie modérée, si aucun patient n’avait pris de traitement de secours. » C. « La différence de traitement estimée était de -2.4 points (IC à 95 % -3.8 à -1.0). »

B. Un estimande est la question — les cinq attributs (traitement, population, variable, gestion de l’événement intercurrent, résumé) en langage clinique simple, sans méthode statistique. A est un estimateur (la méthode). C est une estimation (le chiffre produit par l’estimateur). Estimande → estimateur → estimation.

Références

Le cadre des estimandes présenté sur cette page — les cinq attributs, les cinq stratégies de gestion des événements intercurrents, la distinction estimande → estimateur → estimation et l’analyse de sensibilité — suit la ligne directrice réglementaire principale ; la référence évaluée par les pairs en est une explication claire et librement accessible.

  • ICH E9(R1) (2019). Addendum on Estimands and Sensitivity Analysis in Clinical Trials, to the Guideline on Statistical Principles for Clinical Trials (ligne directrice finale Step 4). International Council for Harmonisation. — la source primaire de chaque affirmation du cadre présentée ici. database.ich.org PDF · matériel de formation ICH E9(R1) · copie hébergée par l’EMA (EMA/CHMP/ICH/436221/2017).
  • Clark TP, Kahan BC, Phillips A, White I, Carpenter JR (2022). « Estimands: bringing clarity and focus to research questions in clinical trials. » BMJ Open / PubMed Central. pmc.ncbi.nlm.nih.gov/articles/PMC8724703 — un parcours évalué par les pairs des cinq attributs et de la distinction entre l’estimande et la méthode.

Conclusion

Un estimande est la phrase qui dit exactement de quel effet du traitement un essai s’enquiert, écrite avant qu’aucune méthode ne soit choisie — parce que les mêmes données peuvent honnêtement répondre à des questions différentes. ICH E9(R1) le construit à partir de cinq attributs (traitement, population, variable, événements intercurrents, résumé au niveau de la population), et l’attribut qui porte tout le poids, ce sont les événements intercurrents, gérés par l’une des cinq stratégies : politique de traitement, hypothétique, composite, pendant le traitement et strate principale. Gardez la chaîne au clair — l’estimande est la question, l’estimateur est la méthode, l’estimation est le chiffre — et le reste du pilier se met en place : l’estimande devient le SAP, le SAP devient les variables ADaM et les règles de censure que vous programmez, et l’analyse que vous livrez remonte jusqu’à une question que quelqu’un a écrite de façon délibérée.

Leçons connexes

Cette page vous a-t-elle été utile ?

Recevez les nouvelles leçons R & Python par e-mail

Pratique, reproductible, sans spam. Désinscription à tout moment.

Double opt-in. Nous ne partageons jamais votre e-mail.

Partager cette pageXLinkedInRedditHN
Note

Cette leçon est reproductible : chaque résultat de cette page a été produit par le code affiché — copiez n’importe quel bloc et exécutez-le pour les reproduire. The runtime is the judge.

Réutilisation

Citation

BibTeX
@online{2026,
  author = {},
  title = {Estimands : définir la question clinique (ICH E9(R1))},
  date = {2026-06-30},
  url = {https://www.datanovia.com/learn/pharma-clinical/01-regulatory-cdisc-foundations/03-estimands},
  langid = {fr}
}
Veuillez citer ce travail comme suit :
“Estimands : définir la question clinique (ICH E9(R1)).” 2026. June 30. https://www.datanovia.com/learn/pharma-clinical/01-regulatory-cdisc-foundations/03-estimands.