Sommaire de l’article
Un rapport d'investigation raconte une histoire cohérente : la chronologie est complète, l'erreur est identifiée, une cause est nommée. Le rapport se lit bien. Personne ne demande si une deuxième hypothèse a été envisagée, si la preuve retenue pourrait tout aussi bien soutenir une explication différente, ni si un réviseur indépendant pourrait reconstruire le chemin allant de l'observation à la cause. Un récit poli n'est pas une preuve causale.
L'hypothèse de recherche du sous-sujet 6.3 est la suivante : une investigation devient scientifiquement défendable lorsqu'elle sépare les observations vérifiées de l'inférence causale, teste plus d'une hypothèse causale contre une preuve confirmante et disconfirmante, et préserve une chaîne visible preuve-vers-cause qu'un réviseur indépendant peut reconstruire.
L'hypothèse est conditionnellement soutenue. La preuve soutient le mécanisme, pas une taille d'effet de réduction de récurrence pharmaceutique. Une revue systématique de 21 études RCA (analyse de cause racine) de santé a trouvé que la RCA était souvent appliquée de façon incomplète et que seules deux études pouvaient établir une certaine amélioration de la sécurité patient. Une étude observationnelle de 91 rapports d'analyse d'événements a trouvé que 88 % contenaient une chronologie et 84 % investiguaient les causes, mais seulement 23 % recherchaient les sept domaines de facteurs latents. Une méta-analyse de 29 études contrôlées portant sur 2 732 participants a trouvé une amélioration faible de l'exactitude diagnostique grâce à des outils de raisonnement cognitif orientés lieu de travail, après retrait de trois études à forte composante d'entraînement (g de Hedges = 0,20, IC 95 % 0,10–0,29 ; I² = 38 %). En recherche de bioprocédé, des graphiques de contribution en « golden batch » peuvent relier des déviations au niveau du lot à des paramètres critiques de procédé spécifiques et à des fenêtres temporelles, mais l'étude 2024 a utilisé un jeu de données simulé rigoureusement conçu et appelle explicitement à une validation en conditions réelles.
Ce qui n'est pas établi : aucune étude prospective multi-site de fabrication pharmaceutique n'a été localisée quantifiant dans quelle mesure cette architecture d'investigation réduit les déviations répétées, le rejet de lots, ou le temps de cycle d'investigation.
| Section | Question gouvernante | Incluse ici ? |
|---|---|---|
| 6.3 | L'explication causale est-elle scientifiquement défendable ? | Oui |
| 6.4 | La cause retenue soutient-elle un chemin de décision et d'action prouvé ? | Non — transmission seulement |
| 6.5 | L'incertitude a-t-elle été réduite suffisamment pour clore le dossier ? | Non — transmission seulement |
Le rapport s'arrête donc à la défendabilité de l'explication. La force de l'action corrective, la propriété d'implémentation, la vérification d'efficacité et la suffisance de clôture sont délibérément traitées comme des sujets en aval.
Partie 1 — Établir les faits avant de les expliquer
Clausewitz distingue la narration chronologique de la critique, et fait commencer l'enquête critique par « l'investigation historique et la détermination des faits douteux », qu'il sépare ensuite de la recherche des effets vers les causes (On War, traduction Graham, révision Maude, livre II, chap. 5, p. 80 du PDF numérisé). C'est un cadre sémantique utile pour l'architecture d'investigation : l'enregistrement d'événement doit d'abord contenir un substrat factuel défendable avant que le langage causal ne soit introduit.
François et al., PLOS ONE, 2018 — sous licence CC BY 4.0.« Table 3. Characteristics of analysis reports reported to committee (n = 91). »
Ce que montre la figure : sur 91 rapports, la chronologie des faits est présente dans 80 (88 %) et l'investigation des causes et facteurs contributifs dans 76 (84 %). Mais les méthodes de collecte de données restent limitées : entretiens individuels dans seulement 32 (35 %), visite de site dans 22 (24 %), recherche documentaire dans 13 (14 %). Une chronologie bien rédigée peut donc coexister avec une base de preuve empirique étroite — la complétude narrative n'est pas la complétude de preuve.
Martin-Delgado et al. ont systématiquement examiné 21 publications sur l'usage et l'efficacité pratique de la RCA. Les échantillons allaient de 20 à 1 707 unités analysées ; 18 des 21 études étaient menées en milieu hospitalier. Seules deux études pouvaient établir une certaine amélioration des soins, tandis qu'une exécution incomplète et des recommandations faibles constituaient des limitations récurrentes.
Partie 2 — Faire concourir les hypothèses causales
Clausewitz définit la deuxième opération critique comme « la recherche des effets vers les causes », et met en garde contre l'arrêt sur « quelque supposition ou hypothèse arbitraire » (livre II, chap. 5, p. 80). Appliqué à l'investigation pharmaceutique, l'avertissement est opérationnel : la première cause plausible ne doit pas devenir la cause simplement parce qu'elle correspond au récit initial.
Staal et al., BMJ Quality & Safety, 2022 — sous licence CC BY 4.0.« Figure 2. Forest plot of the overall pooled estimate. »
Ce que montre la figure : sur 29 études contrôlées et 2 732 participants, l'estimation initiale poolée présentait une hétérogénéité substantielle (I² = 70 %) ; le retrait de trois études où les participants recevaient un entraînement intensif juste avant la mesure a réduit l'hétérogénéité à 38 %, pour un effet poolé de g de Hedges = 0,20 (IC 95 % 0,10–0,29, p < 0,001) — ces statistiques poolées, rapportées ici d'après le texte de l'article, ne figurent pas sur l'extrait d'image ci-dessus, qui s'arrête avant le losange d'estimation groupée. Les auteurs qualifient la preuve de modérée et notent que seules deux études ont été menées hors d'un cadre artificiel, les effets à long terme restant inconnus.
Partie 3 — Préserver une chaîne visible preuve-vers-cause
Clausewitz affirme que la critique doit progresser en langage clair avec « une chaîne d'idées claire et toujours visible » (livre II, chap. 5, p. 92 du fichier numérisé, affiché comme p. 91 imprimée). Pour une investigation scientifiquement défendable, ceci se traduit par une traçabilité observation → preuve → mécanisme → conclusion causale, incluant la preuve contradictoire et l'incertitude résiduelle.
Luo et al., Frontiers in Manufacturing Technology, 2024 — sous licence CC BY 4.0.« Key contributors to deviation in penicillin production for batches 99, 92, and 96. »
Ce que montre la figure : les variables comparées incluent l'aération, les débits d'alimentation, le débit de base, les flux de chauffage/refroidissement, le débit PAA, le pH, la température, l'oxygène dissous et le taux d'absorption d'oxygène. Le contributeur dominant diffère par lot — ce n'est qu'une fois combiné à une localisation temporelle (figure suivante) que ce classement devient un candidat causal testable plutôt qu'une simple corrélation.
Luo et al., Frontiers in Manufacturing Technology, 2024 — sous licence CC BY 4.0.« Analysis of topmost significant contributor to deviations over time for penicillin production batches 99, 92, and 96. »
Ce que montre la figure : trois panneaux temporels comparent la variable de lot sélectionnée à la trajectoire golden-batch et à ses bornes supérieure/inférieure sur environ 230 heures — pH pour les lots 99 et 96, débit de base pour le lot 92 — permettant une localisation temporelle des excursions. La revue systématique RCA montre que les investigations s'arrêtent fréquemment aux erreurs actives ou à des méthodes appliquées de façon incomplète ; ces figures de bioprocédé démontrent un motif explicatif techniquement plus fort, sans pour autant prouver, à elles seules, la causalité — elles produisent des candidats causaux testables et un chemin de preuve transparent, contestable à l'aide de la connaissance du procédé, des enregistrements d'équipement, de la généalogie des matériaux et de vérifications contrefactuelles.
Un second avertissement empirique vient de Kwok et al. Dans 214 rapports RCA hospitaliers, 504 causes racines ont été reclassées : 49 % facteurs système, 46 % facteurs comportementaux du personnel, 4 % facteurs patient. L'équipe de revue a trouvé des rapports utilisant le terme « violation » sans preuve d'intention délibérée ni investigation plus poussée sur la raison pour laquelle la règle n'avait pas été suivie.
Kwok, Mah & Pang, BMC Health Services Research, 2020 — sous licence CC BY 4.0.« Table 2 Distribution of Root Causes by Factors. »
Ce que montre la figure : 46 % des causes racines (233 sur 504) sont regroupées comme « facteurs comportementaux du personnel », contre 49 % (249) de facteurs système et 4 % (22) de facteurs patient. Les auteurs notent que dans certains rapports, seuls des facteurs comportementaux étaient identifiés sans qu'aucun facteur système ne le soit — alors que les défaillances humaines (glissements, pertes de vigilance) sont un comportement humain normal, difficile à éliminer à la source. Une étiquette comme « violation » ou « erreur humaine » est donc une invite à une investigation plus profonde, pas un mécanisme final scientifiquement suffisant.
Aide d'interprétation non figurative
- Le statut d'un fait doit être explicite : observé, mesuré, inféré, contredit ou inconnu.
- La chronologie est une structure de données, pas un modèle causal.
- Les causes candidates doivent être plurielles dès le début de l'analyse.
- Chaque candidate doit prédire une preuve observable.
- Les investigateurs doivent activement rechercher une preuve disconfirmante.
- « Erreur humaine » et « violation » sont des invites à une enquête plus profonde, pas des mécanismes finaux.
- Une contribution statistique n'est pas une preuve causale.
- La population de référence ou le golden batch doit être justifié et versionné.
- Un réviseur indépendant doit pouvoir reconstruire le chemin preuve-vers-cause.
- L'explication finale doit énoncer l'incertitude résiduelle avant transmission à 6.4 et 6.5.
Une explication défendable n'est pas une étiquette de catégorie : c'est une affirmation de mécanisme soutenue par une chaîne visible d'observations, d'enregistrements contextuels et de tests — reconstructible par un réviseur indépendant.
Graphe de décision — application opérationnelle
| Étape | Question | Suite |
|---|---|---|
| 1. Fait vérifié | La provenance (source + horodatage) est-elle suffisante ? | Non → pas de langage causal avant complétude de la chronologie et du contexte. Oui → étape suivante. |
| 2. Causes candidates | Au moins deux affirmations de mécanisme ont-elles été formulées ? | Non → générer des candidats supplémentaires. Oui → étape suivante. |
| 3. Preuve prédite | Chaque candidate prédit-elle une preuve observable ? | Non → reformuler l'hypothèse. Oui → collecter preuve confirmante et disconfirmante. |
| 4. Trace de mécanisme | Où, quand et comment sont-ils établis ? | Non → retour à la collecte de preuve. Oui → revue indépendante. |
| 5. Défendabilité | L'explication retenue est-elle meilleure que les alternatives ? | Non → rouvrir la recherche de preuve, ne pas clore sur la seule plausibilité ; tenir un registre de lacunes de preuve avec propriétaire et méthode de récupération. Oui → transmission à 6.4 : chemin de décision/action prouvé. |
Informations manquantes
- Aucune méta-analyse de fabrication pharmaceutique évaluant directement la qualité d'investigation contre des résultats de récurrence ou de perte de lot n'a été localisée sous les contraintes de source autorisée et de libre accès.
- La preuve RCA de plus haut niveau provient de l'investigation d'incidents de santé ; le transfert vers la fabrication GMP est mécanistiquement plausible mais non directement validé.
- L'étude de bioprocédé Frontiers utilise le jeu de données industriel simulé IndPenSim ; ce n'est pas une preuve de déploiement de production validé.
- La méta-analyse d'outils cognitifs concerne le raisonnement diagnostique, pas l'investigation de déviation GMP.
- La figure Staal (BMJ Quality & Safety) reste techniquement inaccessible en version complète — Cloudflare côté éditeur, 403 côté portail de thèse EUR — l'extrait utilisé ici est réel mais tronqué avant le losange d'estimation poolée ; à revisiter dans une session future avec un accès navigateur.
Sources citées
- Clausewitz, C. von. On War (J. J. Graham, Trans.; F. N. Maude, Rev.). Vol. 1. Kegan Paul, Trench, Trübner & Co., réimpression 1909, livre II, chap. 5.
- François, P., Lecoanet, A., Caporossi, A., Dols, A.-M., Seigneurin, A., & Boussat, B. (2018). Experience feedback committees: A way of implementing a root cause analysis practice in hospital medical departments. PLOS ONE, 13(7), e0201067. doi.org/10.1371/journal.pone.0201067
- Kwok, Y. T. A., Mah, A. P. Y., & Pang, K. M. (2020). Our first review: an evaluation of effectiveness of root cause analysis recommendations in Hong Kong public hospitals. BMC Health Services Research, 20, 507. doi.org/10.1186/s12913-020-05356-6
- Luo, D., He, M., Darko, J., Seymour, F. L., & Maturana, F. (2024). The golden batch-driven root cause analysis for anomalies in bioreactor fermentation process. Frontiers in Manufacturing Technology, 4, 1392038. doi.org/10.3389/fmtec.2024.1392038
- Martin-Delgado, J., Martínez-García, A., Aranaz-Andrés, J. M., et al. (2020). How Much of Root Cause Analysis Translates into Improved Patient Safety: A Systematic Review. Medical Principles and Practice, 29(6), 524–531. doi.org/10.1159/000508677
- Staal, J., Hooftman, J., Gunput, S. T. G., et al. (2022). Effect on diagnostic accuracy of cognitive reasoning tools for the workplace setting: systematic review and meta-analysis. BMJ Quality & Safety, 31(12), 899–910. doi.org/10.1136/bmjqs-2022-014865
Date limite de preuve : 20 février 2026.
An investigation report tells a coherent story: the chronology is complete, the error is identified, a cause is named. The report reads well. Nobody asks whether a second hypothesis was considered, whether the retained evidence could just as well support a different explanation, or whether an independent reviewer could reconstruct the path from observation to cause. A polished narrative is not causal proof.
Subtopic 6.3's research hypothesis is: an investigation becomes scientifically defensible when it separates verified observations from causal inference, tests more than one causal hypothesis against confirming and disconfirming evidence, and preserves a visible evidence-to-cause chain an independent reviewer can reconstruct.
The hypothesis is conditionally supported. The evidence supports the mechanism, not a pharmaceutical recurrence-reduction effect size. A systematic review of 21 healthcare RCA studies found that RCA was often incompletely applied and that only two studies could establish some improvement in patient safety. An observational study of 91 event-analysis reports found that 88% contained a chronology and 84% investigated causes, but only 23% searched all seven latent-factor domains. A meta-analysis of 29 controlled studies involving 2,732 participants found a small improvement in diagnostic accuracy from workplace-oriented cognitive reasoning tools after removal of three training-heavy studies (Hedges' g = 0.20, 95% CI 0.10–0.29; I² = 38%). In bioprocess research, golden-batch contribution plots can link batch-level deviations to specific critical process parameters and time windows, but the 2024 study used a rigorously designed simulated dataset and explicitly called for real-world validation.
What is not established: no qualifying prospective, multi-site pharmaceutical manufacturing study was located that quantifies how much this investigation architecture reduces repeated deviations, batch rejection, or investigation cycle time.
| Section | Governing question | Included here? |
|---|---|---|
| 6.3 | Is the causal explanation scientifically defensible? | Yes |
| 6.4 | Does the selected cause support a proven decision and action path? | No — hand-off only |
| 6.5 | Has uncertainty been reduced enough to close the record? | No — hand-off only |
The report therefore stops at the defensibility of the explanation. Corrective-action strength, implementation ownership, effectiveness verification and closure sufficiency are deliberately treated as downstream subjects.
Part 1: Establish the facts before explaining them
Clausewitz distinguishes chronological narration from criticism, and begins critical inquiry with "the historical investigation and determining of doubtful facts," which he then separates from tracing effects to causes (On War, Graham translation, Maude revision, Book II, chap. 5, p. 80 of the scanned PDF). This is a useful semantic frame for investigation architecture: the event record must first contain a defensible factual substrate before causal language is introduced.
François et al., PLOS ONE, 2018 — licensed CC BY 4.0.“Table 3. Characteristics of analysis reports reported to committee (n = 91).”
What the figure shows: across 91 reports, chronology of the facts is present in 80 (88%) and investigation of causes and contributing factors in 76 (84%). But data-collection methods remain limited: individual interviews in only 32 (35%), site visits in 22 (24%), document searches in 13 (14%). A well-written chronology can therefore coexist with a narrow empirical evidence base — narrative completeness is not evidence completeness.
Martin-Delgado et al. systematically reviewed 21 publications on RCA use and practical effectiveness. Samples ranged from 20 to 1,707 analyzed units; 18 of 21 studies were hospital-based. Only two studies could establish some improvement in patient care, while incomplete execution and weak recommendations were recurrent limitations.
Part 2: Make causal hypotheses compete
Clausewitz defines the second critical operation as "the tracing of effects to causes," and warns against stopping at "some arbitrary assumption or supposition" (Book II, chap. 5, p. 80). Applied to pharmaceutical investigation, the warning is operational: the first plausible cause must not become the cause merely because it fits the initial story.
Staal et al., BMJ Quality & Safety, 2022 — licensed CC BY 4.0.“Figure 2. Forest plot of the overall pooled estimate.”
What the figure shows: across 29 controlled studies and 2,732 participants, the initial pooled estimate showed substantial heterogeneity (I² = 70%); removing three studies in which participants received extensive tool training just before measurement reduced heterogeneity to 38%, for a pooled effect of Hedges' g = 0.20 (95% CI 0.10–0.29, p < 0.001) — these pooled statistics, reported here from the paper's own text, do not appear on the image excerpt above, which is truncated before the pooled-estimate diamond. The authors rate the evidence moderate and note that only two studies were conducted outside an artificial setting, with long-term effects unknown.
Part 3: Preserve a visible evidence-to-cause chain
Clausewitz states that criticism should progress in plain language with "a clear and always visible chain of ideas" (Book II, chap. 5, p. 92 of the scanned file, displayed as printed p. 91). For a scientifically defensible investigation, this translates into traceability from observation → evidence → mechanism → causal conclusion, including contradictory evidence and residual uncertainty.
Luo et al., Frontiers in Manufacturing Technology, 2024 — licensed CC BY 4.0.“Key contributors to deviation in penicillin production for batches 99, 92, and 96.”
What the figure shows: the compared variables include aeration, feed rates, base flow, heating/cooling flow, PAA flow, pH, temperature, dissolved oxygen and oxygen uptake rate. The dominant contributor differs by batch — only once combined with time localization (next figure) does this ranking become a testable causal candidate rather than a mere correlation.
Luo et al., Frontiers in Manufacturing Technology, 2024 — licensed CC BY 4.0.“Analysis of topmost significant contributor to deviations over time for penicillin production batches 99, 92, and 96.”
What the figure shows: three time-series panels compare the selected batch variable with the golden-batch trajectory and upper/lower bounds across roughly 230 hours — pH for batches 99 and 96, base-flow rate for batch 92 — enabling temporal localization of excursions. The RCA systematic review shows investigations frequently stop at active errors or incompletely applied methods; these bioprocess figures demonstrate a technically stronger explanatory pattern, without on their own proving causality — they produce testable causal candidates and a transparent evidentiary path that can be challenged using process knowledge, equipment records, material genealogy and counterfactual checks.
A second empirical warning comes from Kwok et al. Across 214 hospital RCA reports, 504 root causes were reclassified: 49% system factors, 46% staff-behavioral factors, 4% patient factors. The review team found reports using "violation" without evidence of deliberate intent or further investigation of why the rule was not followed.
Kwok, Mah & Pang, BMC Health Services Research, 2020 — licensed CC BY 4.0.“Table 2 Distribution of Root Causes by Factors.”
What the figure shows: 46% of root causes (233 of 504) are grouped as "staff behavioural factors," against 49% (249) system factors and 4% (22) patient factors. The authors note that in some reports, only behavioural factors were identified with no system factors identified at all — even though human failures (slips, lapses in vigilance) are normal human behaviour, difficult to eliminate at the source. A label such as "violation" or "human error" is therefore a prompt for deeper inquiry, not a scientifically sufficient final mechanism.
Non-figure interpretation helper
- Fact status must be explicit: observed, measured, inferred, contradicted or unknown.
- Chronology is a data structure, not a causal model.
- Candidate causes must be plural at the start of analysis.
- Each candidate must predict observable evidence.
- Investigators must actively seek disconfirming evidence.
- "Human error" and "violation" are prompts for deeper inquiry, not final mechanisms.
- Statistical contribution is not causal proof.
- The reference population or golden batch must be justified and versioned.
- An independent reviewer must be able to reconstruct the evidence-to-cause path.
- The final explanation must state residual uncertainty before hand-off to 6.4 and 6.5.
A defensible explanation is not a category label. It is a mechanism claim supported by a visible chain of observations, contextual records and tests — reconstructable by an independent reviewer.
Decision graph — operational application
| Step | Question | Next |
|---|---|---|
| 1. Verified fact | Is provenance (source + timestamp) sufficient? | No → no causal wording before chronology and context are complete. Yes → next step. |
| 2. Candidate causes | Have at least two mechanism statements been formulated? | No → generate additional candidates. Yes → next step. |
| 3. Predicted evidence | Does each candidate predict observable evidence? | No → reformulate the hypothesis. Yes → collect confirming and disconfirming evidence. |
| 4. Mechanism trace | Are where, when and how established? | No → back to evidence collection. Yes → independent review. |
| 5. Defensibility | Is the retained explanation better than the alternatives? | No → reopen the evidence search, do not close on plausibility alone; keep an evidence-gap register with owner and retrieval method. Yes → hand off to 6.4: proven decision/action path. |
Missing information
- No pharmaceutical-manufacturing meta-analysis directly evaluating investigation quality against recurrence or batch-loss outcomes was located under the authorized-source and open-access constraints.
- The strongest review-level RCA evidence comes from healthcare incident investigation. Transfer to GMP manufacturing is mechanistically plausible but not directly validated.
- The Frontiers bioprocess study used the IndPenSim simulated industrial dataset; it is not evidence of validated production deployment.
- The cognitive-tool meta-analysis concerns diagnostic reasoning, not GMP deviation investigation.
- The Staal (BMJ Quality & Safety) figure remains technically inaccessible in complete form — publisher-side Cloudflare, 403 from the EUR thesis repository — the excerpt used here is genuine but truncated before the pooled-estimate diamond; to revisit in a future session with browser-based access.
Sources cited
- Clausewitz, C. von. On War (J. J. Graham, Trans.; F. N. Maude, Rev.). Vol. 1. Kegan Paul, Trench, Trübner & Co., 1909 reprint, Book II, chap. 5.
- François, P., Lecoanet, A., Caporossi, A., Dols, A.-M., Seigneurin, A., & Boussat, B. (2018). Experience feedback committees: A way of implementing a root cause analysis practice in hospital medical departments. PLOS ONE, 13(7), e0201067. doi.org/10.1371/journal.pone.0201067
- Kwok, Y. T. A., Mah, A. P. Y., & Pang, K. M. (2020). Our first review: an evaluation of effectiveness of root cause analysis recommendations in Hong Kong public hospitals. BMC Health Services Research, 20, 507. doi.org/10.1186/s12913-020-05356-6
- Luo, D., He, M., Darko, J., Seymour, F. L., & Maturana, F. (2024). The golden batch-driven root cause analysis for anomalies in bioreactor fermentation process. Frontiers in Manufacturing Technology, 4, 1392038. doi.org/10.3389/fmtec.2024.1392038
- Martin-Delgado, J., Martínez-García, A., Aranaz-Andrés, J. M., et al. (2020). How Much of Root Cause Analysis Translates into Improved Patient Safety: A Systematic Review. Medical Principles and Practice, 29(6), 524–531. doi.org/10.1159/000508677
- Staal, J., Hooftman, J., Gunput, S. T. G., et al. (2022). Effect on diagnostic accuracy of cognitive reasoning tools for the workplace setting: systematic review and meta-analysis. BMJ Quality & Safety, 31(12), 899–910. doi.org/10.1136/bmjqs-2022-014865
Evidence cut-off: 20 February 2026.
Voir aussi
- Pharmaceutical Evidence-to-Decision Assurance Le mandat qui relie donnée régulée, décision et dossier d’inspection.
- Data & outillage Outils systèmes, indexation et persistance vérifiables, écrits pour durer.
- Calculateur de mission Chiffrer l’enveloppe de ce type de mission, calcul local et reproductible.