Estimación robusta al truncamiento en ensayos clínicos de tiempo hasta el evento con muestra fija y aleatorización...

Área de la Ciencia:

• Metodología de Ensayos Clínicos
• Bioestadística
• Análisis de Supervivencia

Sus antecedentes:

• La aleatorización adaptativa ajusta dinámicamente las probabilidades de asignación de tratamiento durante los ensayos clínicos.
• No se comprende completamente su impacto en la estimación de la eficacia del tratamiento en ensayos de tiempo hasta el evento con efectos variables en el tiempo.
• Los métodos existentes pueden ser poco fiables cuando los efectos del tratamiento cambian con el tiempo.

Objetivo del estudio:

• Investigar los efectos de la aleatorización adaptativa en la estimación de las razones de riesgo marginales en ensayos de tiempo hasta el evento.
• Desarrollar y validar un método estadístico robusto para abordar los posibles sesgos introducidos por la aleatorización adaptativa.
• Aplicar el método propuesto a datos de ensayos clínicos del mundo real.

Principales métodos:

• Derivación analítica que muestra que la aleatorización adaptativa altera los patrones de truncamiento.
• Simulaciones de Monte Carlo para evaluar el sesgo en el estimador de riesgos proporcionales de Cox.
• Desarrollo de un estimador robusto al truncamiento utilizando puntuaciones de verosimilitud parcial reponderadas.
• Derivación de las propiedades asintóticas y evaluación de la muestra finita del estimador propuesto.

Principales resultados:

• La aleatorización adaptativa altera demostrablemente los patrones de truncamiento en los ensayos de tiempo hasta el evento.
• El estimador estándar de riesgos proporcionales de Cox puede producir resultados sesgados bajo aleatorización adaptativa.
• El estimador robusto al truncamiento propuesto corrige eficazmente estos sesgos.
• El rendimiento del método se validó mediante simulaciones y la aplicación a un ensayo clínico real de SIDA.

Conclusiones:

• La aleatorización adaptativa requiere una cuidadosa consideración en el análisis de ensayos de tiempo hasta el evento debido a un posible sesgo.
• El estimador robusto propuesto proporciona un método fiable para estimar la eficacia del tratamiento.
• Este enfoque mejora la precisión del análisis de supervivencia en ensayos clínicos adaptativos.