Reevaluación causal de la asociación espacial entre la dosis de tejido normal y la supervivencia global en la...

Área de la Ciencia:

• Oncología de la radiación oncología de la radiación.
• La bioestadística es la bioestadística.
• La inferencia causal es la inferencia causal.

Sus antecedentes:

• El análisis basado en voxel (VBA) identifica las distribuciones espaciales de dosis vinculadas a los resultados.
• Los modelos multivariables tradicionales en VBA no deducen la causalidad.
• Se necesitan métodos de inferencia causal para abordar el sesgo en el ABV.

Objetivo del estudio:

• Para aplicar los principios de inferencia causal mediante el uso de gráficos acíclicos dirigidos (DAG) a VBA.
• Para obtener conjuntos mínimos de ajuste causal para estudios de VBA.
• Para volver a analizar una publicación de VBA utilizando los principios causales como ejemplo.

Principales métodos:

• Desarrolló un DAG para modelar el efecto causal de la dosis en la supervivencia global (OS).
• Identificado y ajustado para las covariables de confusión utilizando conjuntos mínimos de ajuste.
• Se han vuelto a analizar los datos de 1100 pacientes con NSCLC utilizando regresión multivariable de Cox.

Principales resultados:

• Las covariables comunes para los conjuntos de ajuste mínimo incluyeron estadificación, modalidad de radioterapia, ubicación del tumor y dosis.
• Los análisis originales estaban potencialmente sesgados por la dosis pulmonar, la fracción de eyección y los eventos adversos.
• El exceso de dosis cardíaca base aumentó el riesgo de mortalidad dentro de los 18 meses (HR: 1.133), sin ningún efecto observado a partir de entonces (HR: 0.948).

Conclusiones:

• Los principios teóricos de la causalidad deben guiar la investigación VBA.
• Minimizar el sesgo es crucial para estudios precisos de eventos adversos de RT y estudios de supervivencia.
• Los DAG proporcionan un marco para un análisis causal robusto en la oncología de la radiación.