Our Evidence Framework

Aperçu

PeptideInsight utilise un système structuré de classement des preuves pour aider les lecteurs à évaluer rapidement la qualité et la quantité de la recherche scientifique derrière chaque peptide et ses effets revendiqués. Ce système est fondé sur les principes de la médecine fondée sur les preuves (MFP) et adapté spécifiquement au paysage de la recherche sur les peptides, où une grande partie des données disponibles sont précliniques.

Les grades de preuve sont attribués par peptide et, le cas échéant, par effet revendiqué spécifique. Un seul peptide peut avoir des preuves solides pour une application, des preuves modérées pour une autre, et uniquement des données précliniques pour une troisième. Cette granularité est importante car les supports marketing et les discussions en ligne généralisent fréquemment l'utilisation la plus solidement étayée d'un peptide à tous ses avantages revendiqués.

La Hiérarchie des Preuves

Avant d'expliquer notre système de classement spécifique, il est important de comprendre la hiérarchie plus large des preuves scientifiques qui le sous-tend. Listé du plus fort au plus faible :

Niveau 1 : Revues Systématiques et Méta-Analyses

Une revue systématique utilise une stratégie de recherche prédéfinie et reproductible pour identifier toutes les études pertinentes sur une question, puis évalue et synthétise de manière critique leurs résultats. Une méta-analyse va plus loin en combinant statistiquement les résultats quantitatifs de plusieurs études pour produire une estimation groupée de l'effet avec une plus grande précision que toute étude individuelle.

Pourquoi ce niveau est le plus élevé : En agrégeant les données de plusieurs essais, les méta-analyses augmentent la puissance statistique, peuvent détecter des effets petits mais réels, et aident à identifier la cohérence (ou l'incohérence) des résultats dans différentes populations et contextes.

Mises en garde : Une méta-analyse n'est aussi bonne que les études qu'elle inclut. La combinaison d'études défectueuses produit une synthèse défectueuse — « garbage in, garbage out ». L'hétérogénéité entre les études (différentes populations, dosages, critères d'évaluation) peut rendre la combinaison inappropriée.

Niveau 2 : Essais Contrôlés Randomisés (ECR)

Les participants sont assignés aléatoirement pour recevoir soit le traitement, soit un contrôle (placebo ou comparateur actif). La randomisation minimise le biais de sélection et équilibre les facteurs de confusion connus et inconnus entre les groupes. Le double aveugle (ni le participant ni l'investigateur ne connaît l'assignation) réduit davantage les biais de mesure et de déclaration.

Pourquoi ce niveau est élevé : La randomisation est la méthode la plus fiable pour établir la causalité. Si la seule différence systématique entre les groupes est le traitement, alors les différences dans les résultats peuvent être attribuées au traitement.

Facteurs de qualité clés :

Taille de l'échantillon et puissance statistique
Adéquation de la randomisation et du masquage de l'allocation
Aveugle (simple, double ou ouvert)
Analyse en intention de traiter
Critères d'évaluation primaires prédéfinis
Taux d'abandon et gestion des données manquantes
Durée du suivi

Niveau 3 : Études de Cohorte

Études observationnelles qui suivent des groupes de personnes dans le temps, comparant ceux exposés à un facteur (ou traitement) à ceux non exposés. Les études de cohorte prospectives suivent les participants dans le temps ; les cohortes rétrospectives examinent les données historiques.

Forces : Peuvent étudier les résultats à long terme, les expositions rares et les résultats multiples simultanément. Utiles lorsque les ECR seraient contraires à l'éthique ou impraticables.

Faiblesses : Ne peuvent pas établir la causalité en raison des variables confondantes. Les personnes qui choisissent de prendre un peptide peuvent différer systématiquement de celles qui n'en prennent pas.

Niveau 4 : Études Cas-Témoins

Les chercheurs identifient les personnes atteintes d'un résultat (cas) et celles qui n'en sont pas atteintes (témoins), puis remontent dans le temps pour comparer les expositions. Utile pour étudier les maladies rares.

Faiblesses : Très sensibles aux biais de rappel et de sélection. Ne peuvent pas établir la causalité.

Niveau 5 : Séries de Cas et Rapports de Cas

Descriptions de patients individuels ou de petits groupes de patients. Ils peuvent générer des hypothèses et identifier des événements indésirables rares, mais ne peuvent pas établir l'efficacité ou la causalité.

Niveau 6 : Études sur Animaux (In Vivo)

Études menées sur des animaux vivants, le plus souvent des souris et des rats. Celles-ci fournissent des informations essentielles sur les mécanismes, la toxicité et la pharmacocinétique dans un système biologique complet, mais les résultats se traduisent fréquemment mal chez l'homme. Environ 90 % des médicaments qui réussissent dans les études animales échouent dans les essais cliniques humains.

Niveau 7 : Études In Vitro

Expériences menées sur des cultures cellulaires, des préparations tissulaires ou des systèmes biochimiques isolés. Précieuses pour comprendre les mécanismes moléculaires, mais les plus éloignées de la pertinence clinique.

Niveau 8 : Opinion d'Experts et Raisonnement Mécanistique

Arguments théoriques basés sur la biologie connue ou le consensus d'experts sans test empirique direct. La forme de preuve la plus faible, bien qu'elle soit parfois la seule forme disponible pour les composés nouveaux.

Nos Quatre Niveaux de Preuve

Basé sur la hiérarchie ci-dessus, PeptideInsight attribue l'un des quatre grades de preuve (plus une catégorie « Données Insuffisantes ») à chaque paire peptide-indication.

Preuves Solides

Critères — tous les éléments suivants doivent être remplis :

Au moins deux ECR bien conçus chez l'homme avec des résultats positifs cohérents
De préférence soutenus par au moins une revue systématique ou une méta-analyse
Résultats reproduits par des groupes de recherche indépendants (pas tous issus du même laboratoire)
Publiés dans des revues à comité de lecture avec des facteurs d'impact établis
Tailles d'effet cliniquement significatives (pas seulement statistiquement significatives)
Généralement, au moins une approbation de la FDA, de l'EMA ou d'une autre agence réglementaire majeure

Ce que cela signifie pour les lecteurs : Les preuves soutiennent que ce peptide fonctionne pour cette indication spécifique chez l'homme, avec des paramètres de sécurité connus. Cela ne signifie pas que le peptide est sans risque ou approprié pour tous les patients.

Exemples :

Sémaglutide pour le diabète de type 2 et la gestion du poids (des dizaines d'ECR de phase III, plusieurs méta-analyses)
Tirzépatide pour le diabète de type 2 et l'obésité (programmes d'essais SURPASS et SURMOUNT)
Brémélanotide pour le trouble du désir sexuel hypoactif chez les femmes préménopausées (essais RECONNECT de phase III)
Octréotide pour l'acromégalie et le syndrome carcinoïde

Preuves Modérées

Critères — au moins deux des éléments suivants :

Un ou plusieurs ECR humains avec des résultats positifs, mais limités en nombre, en taille d'échantillon ou en portée
Plusieurs études observationnelles bien conçues chez l'homme avec des résultats cohérents
Données précliniques étendues et cohérentes soutenant un mécanisme plausible
Au moins des essais cliniques de phase II terminés ou en cours
Données provenant de plus d'un groupe de recherche indépendant

Ce que cela signifie pour les lecteurs : Il existe des preuves significatives suggérant que ce peptide peut être efficace pour cette indication, mais les preuves ne sont pas encore définitives. D'autres essais humains sont nécessaires.

Exemples :

BPC-157 pour la réparation tissulaire (données animales étendues issues de plusieurs modèles, données d'essais humains très limitées, mais mécanisme plausible)
Thymosine bêta-4 pour la cicatrisation des plaies cornéennes (essais de phase II terminés)
GHK-Cu pour la régénération de la peau (plusieurs études in vivo et quelques études humaines)

Preuves Préliminaires

Critères — au moins un des éléments suivants :

Études humaines précoces (phase I, études pilotes ou petites séries de cas)
Résultats positifs cohérents d'études animales dans plusieurs groupes de recherche indépendants
Solide justification mécanistique soutenue par des données in vitro, mais confirmation in vivo limitée
Recherche principalement d'une seule région géographique ou d'un groupe de recherche, mais avec une méthodologie plausible

Ce que cela signifie pour les lecteurs : Il existe des signaux indiquant que ce peptide peut avoir l'effet revendiqué, mais les preuves sont loin d'être concluantes. Les résultats sur animaux peuvent ne pas se traduire chez l'homme, et les données humaines précoces sont trop limitées pour être fiables.

Exemples :

Semax pour l'amélioration cognitive (études cliniques russes, réplication occidentale limitée)
LL-37 pour la cicatrisation des plaies (données de phase I/II, étendue in vitro)
Ipamorelin pour la sécrétion de GH (données de phase II, phase III limitée)

Préclinique Uniquement

Critères :

Preuves limitées aux études sur animaux (in vivo) et/ou aux études de laboratoire (in vitro)
Aucune donnée d'essai clinique humain publiée pour l'indication spécifique
Le mécanisme est proposé sur la base de résultats de laboratoire, mais la traduction chez l'homme est incertaine
Peut avoir des données provenant d'un seul groupe de recherche ou d'un seul type de modèle animal

Ce que cela signifie pour les lecteurs : Ce peptide a montré des promesses en laboratoire, mais il n'y a aucune preuve directe qu'il fonctionne chez l'homme pour cette indication. Le saut de la culture cellulaire ou du modèle rongeur à la thérapie humaine est énorme, et la plupart des composés qui semblent prometteurs à ce stade ne deviennent jamais des médicaments efficaces.

Exemples :

Épithalon pour l'activation de la télomérase et l'anti-âge (données principalement du laboratoire Khavinson)
DSIP pour la régulation du sommeil (modèles animaux, données humaines limitées et incohérentes)
De nombreux peptides nouveaux ou récemment découverts

Données Insuffisantes

Trop peu de recherches publiées existent pour faire une évaluation significative. Le peptide peut être très nouveau, ou la recherche disponible peut être trop clairsemée, mal conçue ou contradictoire pour tirer des conclusions.

Types d'Études que Nous Évaluons

Lors de l'examen de la littérature pour un peptide, nous considérons les types d'études suivants et les pondérons en conséquence :

Études interventionnelles (expérimentales) :

Essais contrôlés randomisés (groupes parallèles, croisés, factoriels)
Essais contrôlés non randomisés
Études interventionnelles à bras unique (sans groupe témoin)

Études observationnelles :

Études de cohorte prospectives
Études de cohorte rétrospectives
Études cas-témoins
Études transversales
Études écologiques

Études descriptives :

Séries de cas
Rapports de cas

Recherche secondaire :

Revues systématiques (avec ou sans méta-analyse)
Revues narratives
Revues parapluies (revues de revues systématiques)

Recherche préclinique :

Études sur animaux in vivo (rongeurs, primates, autres)
Études sur tissus ex vivo
Études sur cultures cellulaires in vitro
Études computationnelles in silico

Concepts Statistiques que Nous Considérons

Valeurs P

La valeur p représente la probabilité d'observer des résultats au moins aussi extrêmes que ceux obtenus, en supposant que l'hypothèse nulle (aucun effet) est vraie. Une valeur p de 0,05 signifie qu'il y a une probabilité de 5 % d'observer de tels résultats si le traitement n'a réellement aucun effet.

Ce que les valeurs p NE vous disent PAS :

La probabilité que l'hypothèse soit vraie ou fausse
La taille ou l'importance clinique de l'effet
Si le résultat sera répliqué

Nous signalons les études qui s'appuient sur des valeurs p limites (0,04–0,05) sans tailles d'échantillon adéquates, et les études qui testent de nombreux critères d'évaluation sans ajustement pour les comparaisons multiples.

Intervalles de Confiance (IC)

Un intervalle de confiance à 95 % fournit une plage dans laquelle l'effet réel est susceptible de se situer. Des intervalles plus étroits indiquent des estimations plus précises. Nous préférons les études qui rapportent des intervalles de confiance à celles qui ne rapportent que des valeurs p, car les IC transmettent à la fois l'ampleur et la précision de l'effet.

Règles d'interprétation clés :

Si l'IC à 95 % pour une différence franchit zéro (ou pour un ratio, franchit 1,0), le résultat n'est pas statistiquement significatif au niveau de 0,05
Les IC larges indiquent des estimations imprécises, souvent dues à de petites tailles d'échantillon
Deux études peuvent être toutes deux « significatives » mais avoir des magnitudes d'effet très différentes

Nombre Nécessaire à Traiter (NNT)

Le nombre de patients qui doivent être traités pour qu'un patient supplémentaire bénéficie du traitement. Des NNT plus faibles indiquent des traitements plus efficaces. Un NNT de 1 signifierait que tous les patients bénéficient ; un NNT de 100 signifie qu'il faut traiter 100 patients pour qu'un bénéficie. Nous utilisons le NNT pour contextualiser la signification clinique lorsqu'il est disponible.

Rapports de Risque (HR)

Utilisés principalement dans les analyses de survie et les études de temps jusqu'à l'événement. Un rapport de risque de 0,5 signifie que le groupe de traitement a la moitié du taux d'événement (par exemple, décès, progression de la maladie) par rapport au groupe témoin à tout moment donné. Un HR de 1,0 signifie aucune différence.

Réduction Absolue vs. Relative du Risque

Nous accordons une attention particulière à la question de savoir si les études rapportent des réductions absolues ou relatives du risque, car les mesures relatives peuvent être trompeuses. Si un traitement réduit le risque de 2 % à 1 %, la réduction relative du risque est de 50 % (ce qui semble impressionnant), mais la réduction absolue du risque n'est que de 1 % (moins impressionnant). Les deux chiffres sont techniquement corrects, mais la réduction absolue transmet mieux l'impact pratique.

Types de Biais que Nous Évaluons

Biais de Sélection

Différences systématiques entre les groupes comparés. Dans les ECR, cela est minimisé par une randomisation et un masquage d'allocation appropriés. Dans les études observationnelles, c'est une préoccupation majeure.

Biais de Publication

Les études avec des résultats positifs sont plus susceptibles d'être publiées que les études négatives. Cela crée une littérature déformée où les traitements semblent plus efficaces qu'ils ne le sont réellement. Nous recherchons des signes de biais de publication, y compris des graphiques en entonnoir asymétriques dans les méta-analyses et des essais enregistrés qui n'ont jamais publié leurs résultats.

Biais de Financement

Les études financées par l'industrie ont tendance à rapporter des résultats favorables plus souvent que la recherche financée de manière indépendante. Nous notons les sources de financement et évaluons si la conception de l'étude a pu être influencée par des intérêts commerciaux.

Biais d'Observateur/Détection

Différences dans la manière dont les résultats sont mesurés ou évalués entre les groupes. Minimisé par l'aveuglement des évaluateurs à l'assignation de groupe.

Biais d'Attrition

Différences systématiques dans les taux d'abandon entre les groupes. Si davantage de patients abandonnent le groupe de traitement (en raison d'effets secondaires, par exemple), les participants restants peuvent ne pas être représentatifs.

Biais de Rapport

Rapport sélectif des critères d'évaluation. Une étude peut mesurer 15 critères d'évaluation mais ne rapporter que les 3 qui ont montré des résultats significatifs. Nous vérifions les enregistrements d'études (ClinicalTrials.gov) par rapport aux résultats publiés pour identifier un biais de rapport potentiel.

Considérations Spéciales : Peptides de Khavinson

Plusieurs peptides discutés sur PeptideInsight — y compris l'Épithalon, le Vilon, la Thymaline et d'autres peptides courts — proviennent principalement du laboratoire du Professeur Vladimir Khavinson à l'Institut de Biorégulation et de Gérontologie de Saint-Pétersbourg. Nous appliquons un examen supplémentaire à ces composés car :

La majorité de la recherche publiée provient d'un seul groupe de recherche
De nombreuses études sont publiées dans des revues en langue russe avec un examen par les pairs international limité
Certains mécanismes revendiqués (par exemple, interaction directe avec l'ADN par des tétrapeptides) ne sont pas bien étayés par la recherche biochimique indépendante
Les peptides sont commercialisés en Russie, créant des conflits d'intérêts potentiels
La réplication indépendante par des groupes de recherche occidentaux est très limitée

Cela ne signifie pas que ces peptides sont inefficaces, mais cela signifie que les preuves doivent être interprétées avec une plus grande prudence. Nous notons explicitement cette limitation de source unique dans nos évaluations de preuves.

Catégories de Statut Réglementaire

Nous suivons également le statut réglementaire de chaque peptide :

Approuvé par la FDA : Le peptide a été approuvé par la Food and Drug Administration des États-Unis pour au moins une indication spécifique
Approuvé par l'EMA : Approuvé par l'Agence européenne des médicaments
Approuvé dans d'autres juridictions : Approuvé dans des pays spécifiques (par exemple, Russie, Japon, Australie) mais pas par la FDA/EMA
En essais cliniques : Actuellement testé dans des essais cliniques humains enregistrés (phase I, II ou III)
Expérimental : Fait l'objet de recherches actives mais pas encore d'essais cliniques formels
Composé de recherche : Disponible pour la recherche en laboratoire ; non approuvé pour l'usage humain
Arrêté : Développement interrompu en raison de problèmes de sécurité, de manque d'efficacité ou de raisons commerciales

Comment Nous Attribuons et Mettons à Jour les Grades

Notre processus de classement suit ces étapes :

Recherche documentaire : Nous recherchons dans PubMed, Google Scholar, ClinicalTrials.gov, Cochrane Library et EMBASE toutes les recherches publiées sur chaque paire peptide-indication.
Catalogage des études : Nous catalogons chaque étude pertinente par conception, taille de l'échantillon, qualité et source de financement.
Évaluation de la qualité : Nous évaluons la qualité des études à l'aide de cadres établis (outil Cochrane sur le risque de biais pour les ECR, échelle de Newcastle-Ottawa pour les études observationnelles).
Vérification de la réplication : Nous évaluons si les résultats ont été reproduits par des groupes de recherche indépendants dans différents contextes.
Évaluation de la cohérence : Nous évaluons si la totalité des preuves pointe dans la même direction ou est contradictoire.
Attribution du grade : Nous attribuons un grade basé sur la totalité des preuves disponibles, en pondérant davantage les preuves de meilleure qualité.
Examen par les pairs : Les grades sont examinés par au moins un autre membre de l'équipe avant publication.
Mises à jour périodiques : Nous examinons et mettons à jour les grades à mesure que de nouvelles recherches significatives sont publiées, la date de la dernière révision étant indiquée sur chaque page de peptide.

Limites de Notre Système

Les grades de preuve reflètent l'état actuel de la recherche publiée et peuvent changer à mesure que de nouvelles études émergent.
Un grade de preuve faible ne signifie pas qu'un peptide est inefficace — cela signifie qu'il existe des recherches insuffisantes pour tirer des conclusions fermes.
Un grade de preuve élevé pour une application ne s'étend pas à d'autres utilisations revendiquées du même peptide.
Notre système ne peut pas tenir pleinement compte des données non publiées, des essais en cours non encore rapportés, ou des recherches dans des langues auxquelles nous ne pouvons pas accéder.
Nous visons l'objectivité, mais tous les systèmes de classement impliquent un certain degré de jugement.
Notre classement ne remplace pas la prise de décision clinique par des professionnels de la santé qualifiés.