Le recrutement de patients est un problème récurrent pour les entreprises pharmaceutiques. L’incapacité à recruter un nombre adéquat de patients est l’une des causes majeures d’échec de certains essais cliniques.
Les promoteurs et les prestataires externes (CRO) ont besoin de solides outils de prévision et d’analyse du recrutement qui favorisent la collaboration entre les responsables, les analystes et les différents sites d’investigation.
Alors que la conception des essais devient de plus en plus complexe et que les moyens se raréfient, il est essentiel de pouvoir déceler et modéliser les tendances de recrutement et de prendre les bonnes décisions quant à la fermeture ou l’ouverture de sites de façon à gérer un portefeuille de développement global.
Au- delà des feuilles de calcul et des solutions traditionnelles
Malgré l’importance du recrutement de patients pour les essais cliniques, bon nombre de laboratoires pharmaceutiques s’appuient sur une technologie et des processus inadaptés pour le gérer. En général, les solutions maison et les systèmes de gestion des essais cliniques (CTMS) proposés sur le marché n’offrent pas à ces entreprises la flexibilité et la capacité de prévision nécessaires pour modéliser de A à Z leur procédure de recrutement de patients à l’échelle de leur portefeuille de développement mondial. Elles utilisent pour cela des feuilles de calcul, ce qui crée les problèmes suivants :
- L’utilisation combinée de CTMS pour collecter les données de recrutement effectives et de feuilles de calcul pour élaborer des prévisions et modéliser les scénarios futurs nuit à l’intégrité des données et entraîne un cloisonnement de l’information.
- Les feuilles de calcul n’offrent pas les puissantes fonctionnalités dont les entreprises ont besoin, notamment la possibilité de créer et gérer un workflow adapté et de diffuser les changements apportés aux modèles à des centaines d’utilisateurs en même temps.
- L’actualisation et la synchronisation de multiples systèmes constituent une tâche peu intéressante, fastidieuse et source d’erreurs.
- Les feuilles de calcul créent des îlots de données, ce qui rend le reporting à l’échelle de l’entreprise extrêmement difficile.
Aligner les essais cliniques sur les objectifs stratégiques
Basé sur les meilleures pratiques du secteur, IBM Cognos Clinical Trial Enrollment Forecasting Performance Blueprint fournit des fonctionnalités clé en main, notamment des tableaux de bord, des rapports analytiques et un modèle de données préconfiguré qui optimisent les processus de prévision et d’analyse du recrutement de patients pour les essais cliniques. Les pratiques éprouvées adoptées pour concevoir ce modèle accélèrent l’implémentation et mobilisent peu de ressources, d’où une importante réduction des coûts.
Le Blueprint vous aide à répondre aux questions suivantes :
- Est-ce que nous avons prévu un nombre suffisant de patients pour satisfaire les objectifs de notre étude ?
- Les patients sont-ils recrutés suffisamment vite pour que nous puissions respecter notre planning ?
- Quels sont les principaux indicateurs qui pourraient nous amener à décider de fermer un site d’investigation ?
- Notre ratio coût/performance est-il correct ?
- Combien devrons-nous dépenser pour rétablir un processus de recrutement efficace ?
Pour aller plus loin
Ouvrage The Performance Manager for Life Sciences
Découvrez les stratégies éprouvées qui mettent l'information au service de la gestion de la performance dans le secteur pharmaceutique.
Démo IBM Cognos 8 Business Intelligence
Un seul produit. Une architecture unique. Toutes les fonctionnalités de Business Intelligence. Découvrez les principales fonctionnalités en fonction de scénarios types.
Gérer la performance dans le secteur Pharma: Département vente et marketing
Ce livre blanc vous explique tout d’abord comment identifier vos meilleurs clients.
