Implementación de diseños adaptativos a la respuesta cuando faltan respuestas: ¿Imputar o ignorar?

Área de la Ciencia:

• Ensayos clínicos
• Salud digital
• Estadísticas biológicas

Sus antecedentes:

• La falta de datos es un desafío importante en los ensayos clínicos, especialmente para las intervenciones de salud digital.
• La desconexión en los ensayos de salud digital a menudo conduce a resultados perdidos, a menudo perdidos no al azar (MNAR).
• Los diseños adaptativos a la respuesta requieren el manejo en línea de los datos faltantes, no solo la imputación posterior al juicio.

Objetivo del estudio:

• Proponer y evaluar una nueva estrategia de imputación en línea para el manejo de datos faltantes en ensayos clínicos adaptativos a la respuesta.
• Evaluar el impacto de las estrategias de datos faltantes en la compensación de exploración y explotación y el sesgo en las probabilidades de éxito estimadas.
• Investigar la influencia de los mecanismos MNAR en los resultados de los ensayos.

Principales métodos:

• Desarrolló una nueva estrategia de imputación en línea que permite la re-imputación de estimaciones anteriores.
• Troncación incorporada de algoritmos deterministas y modificación de algoritmos semi-aleatorios.
• Se realizó un estudio de simulación basado en un ensayo de intervención digital para dejar de fumar.

Principales resultados:

• La estrategia de datos faltantes elegida afecta significativamente a la compensación entre exploración y explotación, especialmente con las diferentes tasas de datos faltantes entre los brazos.
• Identificó combinaciones problemáticas de diseños adaptativos a la respuesta y estrategias de manejo de ausencias.
• Las probabilidades de éxito estimadas pueden ser sesgadas por el muestreo optimista y los mecanismos MNAR.

Conclusiones:

• Las estrategias de imputación en línea son vitales para gestionar los datos que faltan en los ensayos de salud digital adaptativos.
• Es necesario seleccionar cuidadosamente los métodos de tratamiento de las ausencias para evitar estimaciones sesgadas y mantener la integridad del ensayo.
• El estudio destaca la compleja interacción entre los diseños adaptativos, los datos faltantes y la estimación de los resultados.