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 experimentos en muchas disciplinas científicas , por ejemplo , psicología , ciencia farmacéutica y medicina.
Los experimentos cruzados controlados y aleatorios son especialmente importantes en la atención sanitaria. En un ensayo clínico aleatorizado , los sujetos son asignados aleatoriamente a diferentes brazos del estudio que reciben diferentes tratamientos. Cuando el ensayo tiene un diseño de medidas repetidas , las mismas medidas se recopilan varias veces para cada sujeto. Un ensayo cruzado tiene un diseño de medidas repetidas en el que a cada paciente se le asigna una secuencia de dos o más tratamientos, de los cuales uno puede ser un tratamiento estándar o un placebo .
Casi todos los cruces están diseñados para tener un "equilibrio", mediante el cual todos los sujetos reciben la misma cantidad de tratamientos y participan durante la misma cantidad de períodos. En la mayoría de los ensayos cruzados, cada sujeto recibe todos los tratamientos, en 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 truncarse 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 especificado en el protocolo del ensayo clínico , que debe haber sido aprobado por las juntas de revisión institucional y las agencias reguladoras apropiadas antes de que pueda comenzar el ensayo. La mayoría de los ensayos clínicos se analizan mediante ANOVA ( análisis de varianza ) de mediciones repetidas o modelos mixtos que incluyen efectos aleatorios .
En la mayoría de los estudios longitudinales en seres humanos, los pacientes pueden retirarse del ensayo o "perderse del seguimiento ". Existen métodos estadísticos para abordar estos problemas de falta de datos 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 aleatorio no cruzado, a menudo ocurre que diferentes grupos de tratamiento están desequilibrados en algunas covariables. En diseños cruzados aleatorios controlados , tales desequilibrios son inverosímiles (a menos que las covariables cambien 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 cruzados óptimos se analizan en el libro de texto de posgrado de Jones y Kenward y en el artículo de revisión de Stufken. Los diseños cruzados se analizan junto con diseños más generales de medidas repetidas en el libro de texto de posgrado de Vonesh y Chinchili.
Estos estudios a menudo se realizan para mejorar los síntomas de pacientes con enfermedades crónicas . Para tratamientos curativos o condiciones que cambian rápidamente, los ensayos cruzados pueden ser inviables o poco éticos.
Los estudios cruzados suelen tener dos problemas:
En primer lugar está la cuestión de los efectos del "orden" , porque es posible que el orden en que se administran los tratamientos afecte el resultado. Un ejemplo podría ser un medicamento con muchos efectos adversos administrado 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 "arrastre" entre tratamientos, que confunde las estimaciones de los efectos del tratamiento . En la práctica, los efectos de "arrastre" pueden evitarse con un período de "lavado" suficientemente largo entre tratamientos. Sin embargo, la planificación de períodos de lavado suficientemente largos requiere un conocimiento experto de la dinámica del tratamiento, que a menudo se desconoce.