Les essais cliniques de phase I en cancérologie permettent d’identifier la dose optimale (DO), définie comme la dose maximale tolérée (DMT). Les approches conventionnelles de recherche de dose reposent uniquement sur les événements de toxicité observés au cours du premier cycle de traitement. Le développement des thérapies moléculaires ciblées (TMC), habituellement administrées sur de longues périodes, a remis en question cet objectif. Considérer uniquement le premier cycle de traitement n’est pas suffisant. De plus, comme l'activité n'augmente pas nécessairement de façon monotone avec la dose, la toxicité et l'activité doivent être prises en compte pour identifier la DO. Récemment, les biomarqueurs continus sont de plus en plus utilisés pour mesurer l'activité.L’objectif de cette thèse était de proposer et d'évaluer des designs adaptatifs pour identifier la DO. Nous avons développé deux designs de recherche de dose, basés sur une modélisation conjointe des mesures longitudinales de l'activité des biomarqueurs et de la première toxicité dose-limitante (DLT), avec un effet aléatoire partagé. En utilisant des propriétés de distribution normales asymétriques, l'estimation reposait sur la vraisemblance sans approximation ce qui est une propriété importante dans le cas de petits échantillons qui sont souvent disponibles dans ces essais. La DMT est associée à un certain risque cumulé de DLT sur un nombre prédéfini de cycles de traitement. La DO a été définie comme la dose la moins toxique parmi les doses actives, sous la contrainte de ne pas dépasser la DMT. Le second design étendait cette approche pour les cas d’une relation dose-activité qui pouvait atteindre un plateau. Un modèle à changement de pente a été implémenté. Nous avons évalué les performances des designs avec des études de simulations en étudiant plusieurs scénarios et divers degrés d'erreur de spécification des modèles.Finalement, nous avons effectué une analyse de 27 études des TMCs de phase I, en tant que monothérapie. Les études ont été réalisées par l'Institut National du Cancer. L'objectif principal était d'estimer le risque par cycle et l’incidence cumulative de la toxicité sévère, jusqu’à six cycles. Les analyses ont été effectuées séparément pour différents sous-groupes de doses, ainsi que pour les toxicités hématologiques et non-hématologiques. / Conventional dose-finding approaches in oncology of phase I clinical trials aim to identify the optimal dose (OD) defined as the maximum tolerated dose (MTD), based on the toxicity events observed during the first treatment cycle. The constant development of molecularly targeted agents (MTAs), usually administered in chronic schedules, has challenged this objective. Not only, the outcomes after the first cycle are of importance, but also activity does not necessarily increase monotonically with dose. Therefore, both toxicity and activity should be considered for the identification of the OD. Lately, continuous biomarkers are used more and more to monitor activity. The aim of this thesis was to propose and evaluate adaptive designs for the identification of the OD. We developed two dose-finding designs, based on a joint modeling of longitudinal continuous biomarker activity measurements and time to first dose limiting toxicity (DLT), with a shared random effect, using skewed normal distribution properties. Estimation relied on likelihood that did not require approximation, an important property in the context of small sample sizes, typical of phase I/II trials. We addressed the important case of missing at random data that stem from unacceptable toxicity, lack of activity and rapid deterioration of phase I patients. The MTD was associated to some cumulative risk of DLT over a predefined number of treatment cycles. The OD was defined as the lowest dose within a range of active doses, under the constraint of not exceeding the MTD. The second design extended this approach for cases of a dose-activity relationship that could reach a plateau. A change point model was implemented. The performance of the approaches was evaluated through simulation studies, investigating a wide range of scenarios and various degrees of data misspecification. As a last part, we performed an analysis of 27 phase I studies of MTAs, as monotherapy, conducted by the National Cancer Institut. The primary focus was to estimate the per-cycle risk and the cumulative incidence function of severe toxicity, over up to six cycles. Analyses were performed separately for different dose subgroups, as well as for hematologic and non-hematologic toxicities.

Cette thèse est consacrée aux méthodes statistiques d’extrapolation dans les essais de recherche de dose en pédiatrie. Dans un premier temps, nous réalisons une revue systématique de la littérature sur le sujet. Elle met en évidence la nécessité de proposer de nouvelles méthodes pour la conception des études d’escalade de dose chez l’enfant. Nous apportons des réponses à cette problématique en exploitant l’information disponible chez l’adulte. Dans une première série de travaux, nous étudions l’intérêt de la prédiction des paramètres pharmacocinétiques (PK) en pédiatrie à l’aide de méthodes d’extrapolation : l’allométrie et la maturation. Cette évaluation est réalisée à partir de données PK chez l’adulte et l’enfant pour la méfloquine. Faisant appel aux paramètres prédits, nous développons une approche pour choisir les temps de prélèvements (design) d’une étude PK. Nous recommandons un design obtenu par optimisation grâce à la méthode de D-optimalité en utilisant le logiciel PFIM. Ce design est ensuite validé à l’aide de simulations sur différents modèles. Une seconde série de travaux nous amène à proposer des recommandations pour la planification d’un essai de recherche de dose. Nous avançons d’abord des techniques pour choisir les doses à tester grâce à l’utilisation des données adultes et de l’extrapolation. Nous proposons ensuite une méthode proche de la méta-analyse pour prédire les probabilités de toxicités pour chaque dose. Enfin, nous employons la méthode de l’Effective sample size afin de construire une loi a priori lors de l’utilisation d’une estimation bayésienne. Nous validons ces recommandations sur une étude de cas en utilisant une méthode d’escalade de dose, la méthode de réévaluation séquentielle bivariée, pour laquelle nous évaluons à la fois la toxicité et l’efficacité. A partir de l’exemple de la molécule erlotinib, nous effectuons une série de simulations sur plusieurs scénarios afin d’illustrer les performances de la planification. / This thesis addresses extrapolation techniques for statistical models for dose-finding studies in pediatrics. After a litterature review on these clinical trials, we observed the need of methodological propositions for the planification of dose- finding studies in pediatrics. We deal with this issue using information from the adult population. In a first research, the objectives are to design a pharmacokinetic (PK) study by using information from adults and evaluate the robustness of the recommended design through a case study of mefloquine. Pediatric PK parameters are predicted from adult PK using extrapolation functions such as allometry and maturation. A D-optimal design for children is obtained with PFIM by assuming the extrapolated design. The robustness of the recommended design is evaluated in a simulation study with four different models and is compared to the empirical design used for the pediatric data. In a second research, we propose a global approach to conduct a pediatric dose-finding clinical trial using extrapolation from adult information. First, we extrapolate the dose-range from adults using allometry and maturation. Then, using an approach to meta-analysis, we choose the initial probabilities of toxicity for each dose. Finally, we use the effective sample size method to choose the prior distribution of parameters in a Bayesian setting. We perform a simulation study based on the molecule erlotinib to evaluate the performances of this global approach.

L’objectif des essais de phase I en oncologie est d’identifier la dose maximale tolérée (DMT). Le schéma « 3+3 » nécessite d’interrompre les inclusions en attendant l’évaluation d’une cohorte de trois patients pour définir la dose à attribuer aux patients suivants. Les investigateurs d’oncologie pédiatrique ont proposé l’adaptation Rolling 6 pour éviter cette suspension temporaire des inclusions. Dans une étude de simulation, nous avons montré qu’un schéma adaptatif avec attribution des doses basées sur un modèle statistique permettait de pallier ce problème, et identifiait plus fréquemment la DMT. Néanmoins ces trois schémas restent limités pour identifier la DMT, notamment du fait que le critère de jugement est un critère binaire, la survenue de toxicité dose-limitante sur un cycle de traitement. Nous avons proposé un nouveau schéma adaptatif utilisant les données ordinales répétées de toxicité sur l’ensemble des cycles de traitement. La dose à identifier est celle associée au taux de toxicité grave maximal par cycle que l’on juge tolérable. Le grade maximal de toxicité par cycle de traitement, en 3 catégories (grave / modéré / nul), a été modélisé par le modèle mixte à cotes proportionnelles. Le modèle est performant à la fois pour détecter un effet cumulé dans le temps et améliore l’identification de la dose cible, sans risque majoré de toxicité, et sans rallonger la durée des essais. Nous avons aussi étudié l’intérêt de ce modèle ordinal par rapport à un modèle logistique mixte plus parcimonieux. Ces modèles pour données longitudinales devraient être plus souvent utilisés pour l’analyse des essais de phase I étant donné leur pertinence et la faisabilité de leur implémentation. / Phase I dose-finding trials aim at identifying the maximum tolerated dose (MTD). The “3+3” design requires an interruption of enrolment while the evaluation of the previous three patients is pending. In pediatric oncology, investigators proposed the Rolling 6 design to allow for a more continuous enrollment. In a simulation study, we showed that an adaptive dose-finding design, with dose allocation guided by a statistical model not only minimizes accrual suspension as with the rolling 6, and but also led to identify more frequently the MTD. However, the performance of these designs in terms of correct identification of the MTD is limited by the binomial variability of the main outcome: the occurrence of dose-limiting toxicity over the first cycle of treatment. We have then proposed a new adaptive design using repeated ordinal data of toxicities experienced during all the cycles of treatment. We aim at identifying the dose associated with a specified tolerable probability of severe toxicity per cycle. The outcome was expressed as the worst toxicity experienced, in three categories (severe / moderate / no toxicity), repeated at each treatment cycle. It was modeled through a proportional odds mixed model. This model enables to seek for cumulated toxicity with time, and to increase the ability to identify the targeted dose, with no increased risk of toxicity, and without delaying study completion. We also compared this ordinal model to a more parsimonious logistic mixed model.Because of their applicability and efficiency, those models for longitudinal data should be more often used in phase I dose-finding trials.