Is control of type I error rate needed in Bayesian clinical trial designs?

A continuación presento un resumen técnico detallado del artículo "Is control of type I error rate needed in Bayesian clinical trial designs?" (¿Es necesario el control de la tasa de error tipo I en los diseños de ensayos clínicos bayesianos?), escrito por Elja Arjas y Dario Gasbarra.

1. Planteamiento del Problema

El artículo aborda la tensión metodológica existente entre la implementación práctica de diseños de ensayos clínicos bayesianos y los requisitos de las agencias reguladoras.

• El conflicto actual: Aunque los principios bayesianos ofrecen ventajas teóricas y prácticas (como la flexibilidad en los análisis interinos y la interpretación directa de probabilidades), los reguladores suelen exigir que los diseños bayesianos se calibren bajo un límite superior estricto de la tasa de error tipo I (frecuentista).
• La inconsistencia híbrida: Esta exigencia obliga a crear metodologías híbridas que combinan la inferencia bayesiana con el control de errores frecuentista. Los autores argumentan que esto es internamente inconsistente porque viola el principio de verosimilitud (likelihood principle). En un enfoque frecuentista, los análisis interinos múltiples inflan la tasa de error tipo I, requiriendo ajustes (como funciones de gasto alfa) que reducen la potencia del estudio. En el enfoque bayesiano puro, el momento de los análisis interinos no debería afectar la inferencia si se basa en el principio de verosimilitud.
• La pregunta central: ¿Es realmente necesario controlar la tasa de error tipo I en un diseño bayesiano, o existe una alternativa coherente que respete los principios bayesianos y satisfaga a los reguladores?

2. Metodología Propuesta

Los autores proponen un marco de diseño secuencial adaptativo para un ensayo de superioridad de dos brazos con resultados dicotómicos, eliminando el concepto de error tipo I y reemplazándolo por criterios bayesianos directos.

A. Reglas de Decisión Secuencial

El diseño utiliza distribuciones a priori actualizadas secuencialmente para calcular probabilidades posteriores en tiempo real. Se definen dos umbrales de tolerancia de error:

1. Eficacia ($\epsilon_e$): Se detiene el ensayo si la probabilidad posterior de que la diferencia de éxito sea menor o igual a la Diferencia Mínima Importante (MID, $\Delta$) cae por debajo de $\epsilon_e$.
   • $P_{\pi_e}(\theta_1 - \theta_0 \le \Delta | D_n) < \epsilon_e$.
2. Futilidad ($\epsilon_f$): Se detiene el ensayo si la probabilidad posterior de que el tratamiento experimental sea mejor que el control es baja (o que la diferencia sea $\ge 0$) cae por debajo de $\epsilon_f$.
   • $P_{\pi_f}(\theta_1 - \theta_0 \ge 0 | D_n) < \epsilon_f$.

Distribuciones A Priori Diferenciadas:

• Se propone utilizar dos distribuciones a priori distintas: $\pi_e$ (para los reguladores, más escéptica) y $\pi_f$ (para los investigadores/patrocinadores, más optimista). Esto permite separar la responsabilidad de controlar falsos positivos (reguladores) de la de detectar futilidad (investigadores).

B. Nuevos Criterios de Control de Error

En lugar de la tasa de error tipo I, los autores introducen:

• Probabilidad de Falsa Descubrimiento (FDP - False Discovery Probability):
  • Definición: La probabilidad condicional de que la conclusión de eficacia sea falsa, dado que se ha concluido eficacia.
  • Fórmula: $FDP = P_{\pi_e}(\theta_1 - \theta_0 \le \Delta | \tau = \tau_e < \infty)$.
  • Propiedad Clave: Si se aplica la regla de decisión basada en el umbral $\epsilon_e$, la FDP está automáticamente acotada por $\epsilon_e$ ($FDP \le \epsilon_e$). Esto se demuestra matemáticamente sin necesidad de simulaciones previas complejas para calibrar el diseño.
• Probabilidad de Falsa Futilidad (FFP - False Futility Probability):
  • Análogo a la FDP, pero para las conclusiones de futilidad. Está acotada por $\epsilon_f$.

C. Parada Temprana por Utilidad (Inconclusiva)

Se extiende el diseño para permitir detener el ensayo antes de alcanzar el tamaño máximo ($N_{max}$) si los resultados son inconclusos pero el costo de continuar supera las ganancias esperadas.

• Se utiliza la Teoría de la Decisión Bayesiana.
• Se definen funciones de utilidad ($U$) que incluyen ganancias ($G$) y pérdidas ($L$) por decisiones correctas e incorrectas, más el costo por paciente adicional.
• Se calcula la utilidad esperada predictiva futura. Si esta utilidad esperada es negativa, el ensayo se detiene con un resultado inconcluso ($d_\emptyset$).

3. Contribuciones Clave

1. Eliminación del Error Tipo I: Argumentan que el control del error tipo I es innecesario y contraproducente en diseños bayesianos, ya que reintroduce problemas de multiplicidad que el principio de verosimilitud resuelve naturalmente.
2. Sustitución por FDP/FFP: Proponen que los reguladores acepten la FDP y la FFP como características operativas estándar. Estos conceptos tienen una interpretación probabilística directa y coherente con el marco bayesiano.
3. Garantía Automática: Demuestran teóricamente que si se sigue la regla de decisión secuencial con umbrales $\epsilon$, la FDP resultante no excederá ese umbral. Esto elimina la necesidad de costosas simulaciones previas para "ajustar" parámetros y cumplir con un $\alpha$ frecuentista.
4. Flexibilidad en Análisis Interinos: Al no depender de la tasa de error tipo I, el diseño permite análisis interinos opcionales o adaptativos sin penalizar la potencia estadística ni requerir ajustes de multiplicidad.
5. Integración de Utilidad Económica: Incorporan explícitamente el costo-beneficio de continuar o detener un ensayo inconcluso, algo que los diseños tradicionales de prueba de hipótesis a menudo ignoran o tratan de forma ad-hoc.

4. Resultados y Simulaciones

Los autores presentan ilustraciones numéricas (simulaciones de Monte Carlo) para un ensayo de dos brazos con resultados binarios:

• Escenarios: Se probaron tres situaciones: (a) tratamiento experimental superior (diferencia > MID), (b) tratamiento inferior, y (c) tratamiento ligeramente superior pero sin alcanzar la MID.
• Comportamiento de las Decisiones:
  • En el escenario (a), la probabilidad de concluir eficacia ($d_e$) domina rápidamente.
  • En el escenario (b), la probabilidad de concluir futilidad ($d_f$) domina.
  • En el escenario (c) (el más difícil), la opción de parada temprana por utilidad ($d_\emptyset$) se vuelve dominante, evitando que el ensayo continúe innecesariamente hasta el tamaño máximo.
• Impacto de la Parada Temprana: La inclusión de la regla de parada por utilidad reduce significativamente el tamaño muestral promedio y los costos totales en escenarios donde el tratamiento no es claramente superior ni claramente inferior, sin comprometer la capacidad de detectar efectos reales cuando estos son fuertes.
• Comparación: Se muestra que los diseños propuestos logran un equilibrio eficiente entre el riesgo de error y el costo, superando a los diseños que no permiten la parada por utilidad en términos de utilidad esperada neta.

5. Significado e Implicaciones

• Cambio de Paradigma: El artículo desafía la "perspectiva orientada a frecuentistas" que domina la aprobación regulatoria actual. Sugiere que la insistencia en el error tipo I crea diseños híbridos confusos que pierden las ventajas de la estadística bayesiana.
• Viabilidad Regulatoria: Al proponer la FDP, los autores ofrecen un lenguaje que los reguladores pueden entender (probabilidad de que un hallazgo sea falso) sin sacrificar la coherencia lógica del método bayesiano.
• Eficiencia en Investigación: El enfoque permite ensayos más flexibles, éticos (detener futilidad o daños temprano) y económicos (optimización de recursos mediante utilidad).
• Crítica a la "Calibración": Los autores critican la "Perspectiva Bayesiana Calibrada" (que intenta ajustar priors para coincidir con frecuencias a largo plazo), argumentando que es una mezcla innecesaria de paradigmas. Prefieren que la evaluación de modelos (fase 4) use métodos frecuentistas, pero el diseño y análisis del ensayo (fase 2/3) sean puramente bayesianos.

En conclusión, Arjas y Gasbarra sostienen que no es necesario controlar la tasa de error tipo I en diseños bayesianos. En su lugar, el control de la Probabilidad de Falsa Descubrimiento (FDP) ofrece una alternativa rigurosa, coherente y más eficiente, permitiendo una toma de decisiones basada en la evidencia actual y las utilidades económicas, libre de las restricciones artificiales impuestas por la multiplicidad frecuentista.