Reestimación del tamaño de la muestra en diseño de control híbrido ciego utilizando ponderación de probabilidad...

Área de la Ciencia:

• La bioestadística es la bioestadística.
• El diseño del ensayo clínico.
• Análisis de datos del mundo real Análisis de datos del mundo real

Sus antecedentes:

• Los diseños de control híbrido que integran datos históricos y del mundo real se utilizan cada vez más en estudios clínicos.
• La información de pre-especificación tomada de los controles históricos es crucial, pero puede ser cuestionada por las discrepancias en la distribución de covariantes.
• Tales discrepancias pueden limitar el préstamo efectivo de datos, reduciendo potencialmente el poder estadístico por debajo de los niveles objetivo.

Objetivo del estudio:

• Proponer nuevas estrategias de re-estimación del tamaño de la muestra para diseños de control híbridos.
• Para abordar el desafío de mantener el poder estadístico cuando surgen diferencias significativas de covariables de referencia entre los estudios actuales e históricos.
• Asegurar la solidez de las evaluaciones de ensayos clínicos a pesar de la potencial heterogeneidad de los datos.

Principales métodos:

• Desarrollo de dos estrategias de reestimación del tamaño de la muestra aplicables durante los estudios clínicos a ciegas.
• Utilización de la ponderación de probabilidad inversa (IPW) basada en probabilidades de asignación a estudios actuales o históricos.
• Estudios de simulación para evaluar el rendimiento de las estrategias propuestas bajo diferentes distribuciones de covariantes.

Principales resultados:

• Las estrategias propuestas basadas en IPW ajustan efectivamente el tamaño de la muestra hacia arriba cuando se detectan grandes discrepancias en las covariables de referencia.
• Estos ajustes ayudan a evitar una pérdida de poder estadístico que de otro modo ocurriría.
• Las simulaciones demostraron la capacidad de las estrategias para mantener los niveles de potencia objetivo.

Conclusiones:

• Los métodos de reestimación del tamaño de la muestra presentados ofrecen una solución práctica para diseños de control híbridos que enfrentan desequilibrios de covariantes.
• Estas estrategias mejoran la fiabilidad y el poder de los ensayos clínicos que utilizan datos externos.
• El estudio de caso ilustra la aplicación factible de estos métodos en la investigación clínica del mundo real.