Desarrollo de Fármacos

Área de la Ciencia:

• Bioestadística
• Diseño de Ensayos Clínicos
• Enfermedades Neurodegenerativas

Sus antecedentes:

• Los ensayos clínicos de enfermedad de Alzheimer muestran efectos de tratamiento proporcionales y consistentes en todas las visitas y puntos finales.
• Los Modelos Mixtos para Medidas Repetidas (MMRM) tradicionales que utilizan solo la última visita son estadísticamente ineficientes.
• Es necesario repensar MMRM para utilizar mejor los datos longitudinales de las visitas posteriores al inicio.

Objetivo del estudio:

• Proponer y evaluar modelos estadísticos alternativos para ensayos de enfermedad de Alzheimer.
• Mejorar la eficiencia estadística aprovechando múltiples visitas posteriores al inicio.
• Reducir los requisitos de tamaño de muestra para ensayos clínicos.

Principales métodos:

• Simulación de datos de ensayos semirrealistas de ensayos de Alzheimer (por ejemplo, Clarity-AD, TRAILBLAZER-ALZ 2).
• Los modelos ilustrados incluyen MMRM-multiple-visits, MMRM proporcional, MMRM de spline cúbica y MMRM de spline cúbica proporcional.
• Se exploraron estadísticas de prueba globales utilizando múltiples puntos finales.

Principales resultados:

• La estimación de los efectos del tratamiento en múltiples visitas puede reducir el tamaño de la muestra en un 20% o más.
• MMRM-multiple-visits es una extensión natural de MMRM-Last-Visit, utilizable como método de análisis primario.
• Se evaluaron las fortalezas y limitaciones de modelos alternativos.

Conclusiones:

• Los tratamientos modificadores de la enfermedad en el Alzheimer a menudo exhiben efectos tempranos y consistentes.
• Los modelos que utilizan múltiples visitas pueden reducir significativamente el tamaño de la muestra, acelerando el desarrollo de fármacos.
• Se recomienda la adopción de modelos de múltiples visitas como análisis primario, con MMRM-Last-Visit para sensibilidad, para futuros ensayos.