An Estimator-Robust Design for Augmenting Randomized Controlled Trials with External Real-World Data

Resumen Técnico: Un Diseño Robusto al Estimador para Aumentar los Ensayos Controlados Aleatorizados con Datos del Mundo Real Externos

Planteamiento del Problema
Los Ensayos Controlados Aleatorizados (ECA) son el estándar de oro regulatorio para establecer la eficacia de un tratamiento, pero a menudo carecen de la potencia estadística para probar hipótesis relativas a resultados raros, variables secundarias o subgrupos específicos. Si bien los Datos del Mundo Real (RWD, por sus siglas en inglés) externos ofrecen una solución potencial para aumentar los ECA, la integración de estas fuentes de datos introduce desafíos significativos. Estos incluyen confusión (confounding), inconsistencias en la medición de resultados, falta de concurrencia y variaciones en el estándar de atención. Un trabajo previo de los autores introdujo el marco de la Estimación de Máxima Verosimilitud Dirigida Adaptativa (A-TMLE), que descompone el Efecto de Tratamiento Promedio (ATE) en un estimando de ATE agrupado (utilizando todos los datos) y un estimando de sesgo (corrigiendo los efectos de inscripción del ECA). Sin embargo, persiste una brecha crítica: determinar la estrategia óptima para seleccionar pacientes externos candidatos para maximizar la robustez y la eficiencia del estimador A-TMLE, particularmente cuando los modelos de trabajo de sesgo pueden estar mal especificados.

Metodología
El artículo propone una estrategia de muestreo basada en el emparejamiento (matching) y ciega al resultado, diseñada para explotar las propiedades de robustez del estimador A-TMLE. La metodología se fundamenta en un análisis teórico del término de "resto exacto" en la expansión de A-TMLE.

1. Fundamento Teórico: Los autores derivan el resto exacto para el estimando de proyección A-TMLE. Demuestran que si el puntaje de inscripción del ensayo ($P(S=1|W)$) y el puntaje de propensión en los datos externos ($P(A=1|S=0, W)$) están correctamente especificados, el resto se anula. Crucialmente, si estos puntajes son constantes con respecto a las covariables $W$, el estimador es asintóticamente insesgado para el estimando objetivo definido no paramétricamente, incluso si los modelos de regresión de resultados o de sesgo están mal especificados.
2. Estrategia de Muestreo: Para aproximar estas condiciones ideales en la práctica, los autores proponen un proceso de emparejamiento de dos pasos:
   • Paso 1 (Emparejamiento del Puntaje de Inscripción del Ensayo): Cada paciente del ECA se empareja con $k$ pacientes externos basados en el puntaje de inscripción del ensayo estimado (la probabilidad de inscribirse en el ECA dado las covariables basales). Esto tiene como objetivo que el puntaje de inscripción del ensayo sea aproximadamente constante dentro de la muestra agrupada.
   • Paso 2 (Emparejamiento del Puntaje de Propensión): Dentro de la cohorte externa seleccionada, los pacientes tratados externos se emparejan con $m$ pacientes de control externos basados en el puntaje de propensión estimado (la probabilidad de recibir el tratamiento dentro de los datos externos). Esto tiene como objetivo que el mecanismo de asignación de tratamiento sea aproximadamente constante dentro del subconjunto externo.
3. Estimación: La cohorte externa seleccionada se combina luego con los datos del ECA y se analiza utilizando el marco A-TMLE, que estima el ATE agrupado y corrige el sesgo utilizando el estimando de sesgo.

Contribuciones Clave

• Análisis de Robustez: El artículo proporciona una derivación rigurosa de la estructura de robustez de A-TMLE para la integración de datos, identificando que controlar los puntajes de inscripción del ensayo y de propensión es suficiente para asegurar la insesgadez asintótica incluso bajo la mal especificación de modelos.
• Propuesta de Diseño: Introduce un diseño de muestreo práctico, ciego al resultado, que utiliza dos puntajes unidimensionales (puntaje de inscripción del ensayo y puntaje de propensión) para seleccionar pacientes externos. Este diseño busca estabilizar la varianza del estimador y reducir la magnitud del sesgo, permitiendo así un desempeño más eficiente en muestras finitas.
• Validación Empírica: Los autores demuestran mediante simulaciones y un estudio de caso que este diseño mejora la cobertura y estrecha los intervalos de confianza de A-TMLE en comparación con el muestreo aleatorio de datos externos.

Resultados

• Simulaciones: En un estudio de simulación que involucró un ECA ($n=400$) y datos externos de cinco fuentes con diversos grados de sesgo y cambio de covariables, la estrategia propuesta de "emparejamiento TES + PS" superó significativamente al muestreo aleatorio.
  • La estrategia de emparejamiento seleccionó más pacientes de fuentes de bajo sesgo y menos de fuentes de alto sesgo.
  • En comparación con el muestreo aleatorio, la estrategia de emparejamiento redujo el sesgo absoluto (por ejemplo, de 0.119 a 0.007 para $n=500$ pacientes externos) y restauró la cobertura del intervalo de confianza del 95% a niveles nominales (0.95 frente a 0.86 para el muestreo aleatorio).
  • La estrategia produjo intervalos de confianza más estrechos y una mayor potencia estadística.
• Estudio de Caso (Ensayo DEVOTE): El método se aplicó para aumentar el ensayo de seguridad cardiovascular DEVOTE utilizando la base de datos de reclamos Optum Clinformatics.
  • Antes del emparejamiento, los estimados de integración de datos mostraron discrepancias con los estimados exclusivos del ECA.
  • Después del emparejamiento, los estimados puntuales de A-TMLE se alinearon más estrechamente con los estimados del ECA.
  • El estimador A-TMLE aplicado a los datos agrupados tras el emparejamiento produjo intervalos de confianza significativamente más estrechos que el análisis exclusivo del ECA o el estimador ES-CVTMLE, logrando significancia estadística para la superioridad del tratamiento a los 540 y 730 días, mientras que el análisis exclusivo del ECA no lo hizo.

Significancia y Reivindicaciones
El artículo sostiene que este diseño propuesto ofrece un marco práctico para aumentar los ECA con RWD externos que mitiga los sesgos potenciales sin depender de supuestos fuertes sobre los modelos de resultados. Al aprovechar la estructura de robustez de A-TMLE, los autores argumentan que su estrategia de emparejamiento permite:

1. Selección Ciega al Resultado: Evitando el riesgo de selección sesgada de resultados favorables, lo cual es crítico para la aceptación regulatoria.
2. Mayor Robustez: Reduciendo la dependencia de la especificación correcta de complejos modelos de trabajo de resultados al controlar los puntajes que impulsan el término de resto exacto.
3. Eficiencia en Muestras Finitas: Mejorando la precisión de los estimados del efecto del tratamiento en muestras finitas, lo cual es particularmente valioso para resultados raros o variables secundarias donde los ensayos grandes son logística o éticamente desafiantes.

Los autores concluyen que, si bien el emparejamiento por sí solo no puede abordar todos los sesgos, combinar este diseño con estimadores robustos como A-TMLE crea un efecto sinérgico, mejorando tanto la exactitud como la eficiencia de las inferencias causales en entornos de integración de datos. Señalan las limitaciones respecto a la dificultad del emparejamiento exacto con covariables de alta dimensión y el potencial de sesgo de selección, aunque argumentan que tal sesgo puede ser aceptable si el objetivo principal es mejorar la potencia dentro del contexto del ensayo aumentado.