Query management CRF : l'agent qui détecte, vous décidez

Chaque nuit, un agent parcourt les données saisies dans les CRF de l'essai. Au matin, le data manager ouvre un digest : les incohérences repérées, les queries déjà rédigées, prêtes à émettre ou corriger. Voici à quoi ça ressemble.

En bref
Pour qui : data managers, Clinical Operations
Le problème : des heures passées chaque semaine à repérer manuellement les anomalies dans les CRF, avec un risque de manque sur des études à fort volume
Le résultat : un digest matinal des incohérences détectées, les queries pré-rédigées, le data manager valide et émet
Le gain : le temps de détection passe de 3 à 5 h à 20–30 min de validation matinale (à titre illustratif) — réorienté vers la revue de fond et la relation investigateur

Le quotidien aujourd'hui

Le query management est un métier de détail. Il faut croiser une date de visite avec la fenêtre du protocole, comparer un poids saisi à J0 avec celui de la visite précédente, vérifier qu'un champ de sortie d'étude est renseigné dès qu'un événement indésirable grave apparaît. Aucune de ces vérifications n'est difficile — mais sur une étude de 300 patients avec 40 variables par visite, les faire toutes, sans en rater une, à chaque data transfer, prend des heures.

En pratique, les data managers travaillent à partir de listings filtrés, de macros maison et de checklists. Certaines anomalies passent entre les mailles — non par manque de rigueur, mais par volume. Les queries émises tardivement rallongent les délais de clean database. Et à chaque cycle de révision, on recommence à zéro.

Comptez 3 à 5 heures par semaine et par étude rien que pour le scan de détection, avant même d'écrire et de suivre les queries. Sur un portfolio de 4 études actives, c'est un demi-poste absorbé par de la détection qui pourrait être automatisée.

Ce que change l'automatisation

L'idée n'est pas de remplacer le data manager : c'est de lui confier le niveau 1 — la détection et la pré-rédaction — à un agent qui tourne la nuit. Le data manager conserve la décision : il valide l'anomalie, ajuste la formulation si nécessaire, émet la query dans le système officiel. L'agent ne touche pas à l'EDC directement.

flowchart LR
  CRF[Données CRF<br>export EDC] --> A[Agent de contrôle<br>chaque nuit]
  A --> D[Digest matinal :<br>incohérences + queries pré-rédigées]
  D --> DM[Data manager<br>valide · ajuste · émet]
  DM --> EDC[Query émise<br>dans l'EDC — tracée Part 11]

Ce que vous recevez, concrètement

Chaque matin, le data manager ouvre un digest structuré :

En moins de dix minutes, le data manager a passé en revue les anomalies critiques, ajusté deux formulations, et émis les queries dans l'EDC — avec la traçabilité Part 11 habituelle, comme si elles avaient été rédigées à la main.

Le gain, chiffré

Pour que ça marche chez vous

• Les données patient ne quittent pas le périmètre sécurisé. Un patient pseudonymisé reste une donnée personnelle au sens du RGPD. L'agent travaille sur un export partiel et chiffré, dans un environnement contractuellement isolé — pas sur un outil IA grand public.
• La règle protocole est la seule référence. L'agent applique ce que vous lui avez défini : fenêtres de visite, limites de laboratoire, champs obligatoires selon les critères du protocole. Tout nouveau cycle de révision commence par une mise à jour de ces règles — c'est là que réside la vraie valeur métier.
• L'humain émet, l'humain signe. L'agent détecte et prépare. La query n'est jamais émise sans validation du data manager. La traçabilité dans l'EDC reste celle du collaborateur — ALCOA+ et Part 11 préservés sans exception.