Shiny-MAGEC: Una aplicación R shiny bayesiana para el metaanálisis de eventos adversos censurados

Área de la Ciencia:

• Farmacología Clínica
• Bioestadística
• Evaluación de la Seguridad de los Medicamentos

Sus antecedentes:

• La evaluación precisa de la incidencia de eventos adversos (EA) es crucial para la seguridad de los medicamentos en la investigación clínica.
• El metaanálisis sintetiza la evidencia, pero a menudo enfrenta desafíos debido a la notificación incompleta de EA, lo que lleva a datos censurados a la izquierda.
• Ignorar los datos censurados de EA puede sesgar las estimaciones de incidencia, comprometiendo las evaluaciones de seguridad.

Objetivo del estudio:

• Presentar una aplicación R Shiny que implementa un modelo bayesiano de metaanálisis diseñado para incorporar datos censurados de EA.
• Proporcionar a los investigadores una herramienta fácil de usar para la estimación de la probabilidad de incidencia de EA sin sesgos.
• Destacar los sesgos de los métodos convencionales comparando modelos que tienen en cuenta o no el sesgo.

Principales métodos:

• Desarrollo de una aplicación R Shiny que presenta un modelo bayesiano de metaanálisis.
• El modelo incorpora específicamente datos de EA censurados a la izquierda, abordando la falta de notificación por debajo de los umbrales del estudio.
• La aplicación permite la comparación directa de modelos de metaanálisis censurados vs. no censurados.

Principales resultados:

• La aplicación Shiny facilita la estimación de la probabilidad de incidencia de EA sin sesgos.
• Se demostró el sesgo significativo introducido por los métodos convencionales de metaanálisis que ignoran los datos censurados.
• Un ejemplo ilustrativo que utiliza datos de seguridad de inhibidores de PD-1/PD-L1 mostró la utilidad de la herramienta.

Conclusiones:

• La aplicación Shiny desarrollada, Shiny-MAGEC, mejora la precisión y la transparencia de la evaluación del riesgo de EA en la seguridad de los medicamentos.
• La incorporación de datos censurados a través del metaanálisis bayesiano conduce a estimaciones de incidencia de EA más confiables.
• Esta herramienta es vital para la investigación clínica sólida y las evaluaciones de seguridad de los medicamentos.