En medicina , un estudio cruzado o ensayo cruzado es un estudio longitudinal en el que los sujetos reciben una secuencia de diferentes tratamientos (o exposiciones). Si bien los estudios cruzados pueden ser estudios observacionales , muchos estudios cruzados importantes son experimentos controlados , que se analizan en este artículo. Los diseños cruzados son comunes para los experimentos en muchas disciplinas científicas , por ejemplo , psicología , ciencia farmacéutica y medicina.
Los experimentos cruzados controlados y aleatorizados son especialmente importantes en el ámbito de la atención sanitaria. En un ensayo clínico aleatorizado , los sujetos se asignan aleatoriamente a diferentes brazos del estudio que reciben diferentes tratamientos. Cuando el ensayo tiene un diseño de medidas repetidas , se recopilan las mismas medidas varias veces para cada sujeto. Un ensayo cruzado tiene un diseño de medidas repetidas en el que cada paciente se asigna a una secuencia de dos o más tratamientos, de los cuales uno puede ser un tratamiento estándar o un placebo .
Casi todos los ensayos cruzados están diseñados para lograr un "equilibrio", de modo que todos los sujetos reciban la misma cantidad de tratamientos y participen durante el mismo número de períodos. En la mayoría de los ensayos cruzados, cada sujeto recibe todos los tratamientos en un orden aleatorio.
Los estadísticos sugieren que los diseños deberían tener cuatro períodos, lo cual es más eficiente que el diseño de dos períodos, incluso si el estudio debe reducirse a tres períodos. [1] [2] Sin embargo, el diseño de dos períodos a menudo se enseña en libros de texto no estadísticos, en parte debido a su simplicidad.
Los datos se analizan utilizando el método estadístico que se especificó en el protocolo del ensayo clínico , que debe haber sido aprobado por las juntas de revisión institucional y las agencias reguladoras correspondientes antes de que el ensayo pueda comenzar. La mayoría de los ensayos clínicos se analizan utilizando ANOVA ( análisis de varianza ) de mediciones repetidas o modelos mixtos que incluyen efectos aleatorios .
En la mayoría de los estudios longitudinales con sujetos humanos, los pacientes pueden retirarse del ensayo o " perderse del seguimiento ". Existen métodos estadísticos para abordar estos problemas de datos faltantes y de " censura ". Un método importante analiza los datos según el principio de intención de tratar .
Un estudio cruzado tiene dos ventajas sobre un estudio paralelo y un estudio longitudinal no cruzado . En primer lugar, la influencia de las covariables de confusión se reduce porque cada paciente cruzado sirve como su propio control . [3] En un estudio no cruzado aleatorizado, a menudo ocurre que se descubre que los diferentes grupos de tratamiento están desequilibrados en algunas covariables. En un diseño cruzado aleatorizado y controlado , tales desequilibrios son improbables (a menos que las covariables cambiaran sistemáticamente durante el estudio).
En segundo lugar, los diseños cruzados óptimos son estadísticamente eficientes y, por lo tanto, requieren menos sujetos que los diseños no cruzados (incluso otros diseños de medidas repetidas).
Los diseños de cruce óptimos se analizan en el libro de texto de posgrado de Jones y Kenward y en el artículo de revisión de Stufken. Los diseños de cruce se analizan junto con diseños de mediciones repetidas más generales en el libro de texto de posgrado de Vonesh y Chinchilli.
Estos estudios suelen realizarse para mejorar los síntomas de pacientes con enfermedades crónicas . En el caso de tratamientos curativos o enfermedades que cambian rápidamente, los ensayos cruzados pueden resultar inviables o poco éticos.
Los estudios cruzados suelen tener dos problemas:
En primer lugar, está la cuestión de los efectos del "orden" , ya que es posible que el orden en que se administran los tratamientos pueda afectar el resultado. Un ejemplo podría ser un medicamento con muchos efectos adversos que se administra primero, lo que hace que los pacientes que toman un segundo medicamento, menos dañino, sean más sensibles a cualquier efecto adverso.
En segundo lugar, está la cuestión del "efecto de arrastre" entre tratamientos, que confunde las estimaciones de los efectos del tratamiento . En la práctica, los efectos de "arrastre" se pueden evitar con un período de "limpieza" suficientemente largo entre tratamientos. Sin embargo, la planificación de períodos de limpieza suficientemente largos requiere un conocimiento experto de la dinámica del tratamiento, que a menudo se desconoce.