Los ensayos clínicos son estudios de investigación médica realizados en sujetos humanos. [1] Los sujetos humanos son asignados a una o más intervenciones y los investigadores evalúan los efectos de esas intervenciones. [1] [2] El progreso y los resultados de los ensayos clínicos se analizan estadísticamente. [3] [4]
Los ensayos clínicos aleatorizados analizados por el enfoque de intención de tratar (ITT) proporcionan comparaciones justas entre los grupos de tratamiento porque evita el sesgo asociado con la pérdida no aleatoria de los participantes. [5] [6] El principio básico de ITT es que los participantes en los ensayos deben analizarse en los grupos a los que fueron asignados aleatoriamente, independientemente de si recibieron o se adhirieron a la intervención asignada. [5] Sin embargo, los investigadores médicos a menudo tienen dificultades para aceptar el análisis ITT debido a problemas de ensayos clínicos como datos faltantes o adherencia al protocolo . [6]
Este análisis puede restringirse únicamente a los participantes que cumplen con el protocolo en términos de elegibilidad, adherencia a la intervención y evaluación de resultados. Este análisis se conoce como análisis "durante el tratamiento" o "por protocolo". Un análisis por protocolo representa un "escenario óptimo" para revelar el efecto del fármaco en estudio. Sin embargo, al restringir el análisis a una población de pacientes seleccionada, no muestra todos los efectos del nuevo fármaco. Además, la adherencia al tratamiento puede verse afectada por otros factores que influyen en el resultado. En consecuencia, los efectos por protocolo corren el riesgo de sesgo, mientras que la estimación por intención de tratar no lo tiene. [7]
Un método para manejar los datos faltantes es simplemente imputar o completar los valores en función de los datos existentes. Un método estándar para hacer esto es el método de la última observación realizada (LOCF).
El método LOCF permite el análisis de los datos. Sin embargo, investigaciones recientes muestran que este método proporciona una estimación sesgada del efecto del tratamiento y subestima la variabilidad del resultado estimado. [8] [9] Como ejemplo, supongamos que hay 8 evaluaciones semanales después de la observación inicial. Si un paciente abandona el estudio después de la tercera semana, entonces este valor se "transfiere" y se supone que es su puntuación para los 5 puntos de datos faltantes. La suposición es que los pacientes mejoran gradualmente desde el inicio del estudio hasta el final, de modo que trasladar un valor intermedio es una estimación conservadora de cómo le habría ido a la persona si hubiera permanecido en el estudio. Las ventajas del enfoque LOCF son que:
Sin embargo, la Academia Nacional de Ciencias , en un informe consultivo a la Administración de Alimentos y Medicamentos sobre datos faltantes en ensayos clínicos, recomendó no utilizar de forma acrítica métodos como LOCF, afirmando que "los métodos de imputación única como la última observación trasladada y la observación de referencia trasladada no deberían utilizarse como enfoque principal para el tratamiento de datos faltantes a menos que las suposiciones que los sustentan estén justificadas científicamente". [10]
En cambio, el panel asesor de la Academia Nacional de Ciencias recomendó métodos que proporcionen tasas de error de tipo I válidas bajo supuestos explícitamente establecidos que tengan en cuenta el estado de los datos faltantes, y el uso de métodos de imputación múltiple basados en todos los datos disponibles en el modelo. Recomendó un uso más generalizado de los métodos Bootstrap y de ecuaciones de estimación generalizadas siempre que los supuestos subyacentes a ellos, como Missing at Random para los métodos GEE , puedan justificarse. Recomendó recopilar datos auxiliares que se cree que están asociados con los abandonos para proporcionar modelos más sólidos y confiables, recopilar información sobre el motivo del abandono y, si es posible, realizar un seguimiento de los abandonos y obtener datos de resultados de eficacia. Finalmente, recomendó análisis de sensibilidad como parte de los informes de ensayos clínicos para evaluar la sensibilidad de los resultados a los supuestos sobre el mecanismo de los datos faltantes. [10]
Si bien los métodos recomendados por el informe de la Academia Nacional de Ciencias son de desarrollo más reciente, más sólidos y funcionarán en una variedad más amplia de condiciones que los métodos de imputación única como LOCF, no se conoce ningún método para manejar datos faltantes que sea válido en todas las condiciones. Como se señaló en la Guía E9 sobre Principios Estadísticos para Ensayos Clínicos de la Conferencia Internacional de Armonización de 1998 , "Desafortunadamente, no se pueden recomendar métodos universalmente aplicables para manejar valores faltantes". [11] El criterio estadístico y médico experto debe seleccionar el método más apropiado para las condiciones particulares del ensayo de las técnicas imperfectas disponibles, dependiendo de los objetivos, los puntos finales, los métodos estadísticos y el contexto del ensayo en particular.
{{cite book}}: CS1 maint: DOI inactivo a partir de noviembre de 2024 ( enlace )