A simple and powerful test of vaccine waning

Título: Una prueba sencilla y potente del desvanecimiento de las vacunas

Autores: Gellért Perényi, Matias Janvin y Mats J. Stensrud

Enunciado del Problema

Determinar si la eficacia de la vacuna (EV) disminuye con el tiempo es fundamental para la toma de decisiones en salud pública. Sin embargo, cuantificar el desvanecimiento es metodológicamente sutil. Los enfoques convencionales, que comparan estimaciones de EV en diferentes momentos (por ejemplo, EV a 1 mes frente a EV a 3 meses), están sujetos a sesgo de selección debido al "agotamiento de los susceptibles". A medida que avanza el tiempo, la población que permanece en riesgo en el grupo placebo difiere de la población inicial, ya que aquellos más susceptibles a la infección ya han experimentado el resultado. En consecuencia, una disminución en la EV observada con el tiempo puede reflejar este cambio en la composición de la población en lugar de un verdadero descenso en la protección biológica que ofrece la vacuna.

Aunque trabajos recientes (Janvin et al., 2024) propusieron estimandos causales (efectos de desafío) para cuantificar el desvanecimiento bajo supuestos más débiles, estos estimandos a menudo solo son parcialmente identificables en ensayos controlados aleatorizados (ECA) estándar. Los límites resultantes son frecuentemente demasiado amplios para afirmar definitivamente la presencia o ausencia de desvanecimiento. Además, los análisis estándar de tiempo hasta el evento que utilizan razones de riesgo (HR) no son adecuados para probar el desvanecimiento, ya que las HR también se ven afectadas por el agotamiento de los susceptibles, lo que conduce a interpretaciones sesgadas incluso cuando el efecto subyacente de la vacuna es constante.

Metodología

Los autores proponen una prueba de hipótesis formal para evaluar si un efecto del tratamiento es constante en el tiempo a nivel individual, fundamentada en un marco causal.

1. Estimando Objetivo e Hipótesis:
Los autores definen una "hipótesis nula aguda" de ausencia de desvanecimiento (Hipótesis 1). Esta hipótesis postula que, para cualquier individuo, el resultado potencial tras la exposición es idéntico, independientemente de si la exposición ocurre en el tiempo 1 o en el tiempo 2 (asumiendo aislamiento en el tiempo 1). Formalmente:
$$\Delta Y^{a, e_1=1}_1 = \Delta Y^{a, e_1=0, e_2=1}_2 \quad \text{c.p.1} \quad \forall a \in \{0, 1\}$$
Esto implica que la susceptibilidad individual es constante a través de los intervalos e independiente del momento de la exposición. Los autores argumentan que, bajo supuestos razonables (específicamente, que el efecto placebo no cambia con el tiempo y no hay una cancelación perfecta de desvanecimientos positivos y negativos), esta hipótesis nula aguda a nivel individual es equivalente a la noción a nivel poblacional de ausencia de desvanecimiento ($EV^{desafío}_1 = EV^{desafío}_2$).

2. Supuestos Clave:
La prueba se basa en cuatro supuestos principales, que son plausibles en ECA a ciegas:

• Necesidad de Exposición: Un resultado no puede ocurrir sin exposición.
• Restricción de Exclusión de Exposición: La exposición en el tiempo 1 no afecta el resultado en el tiempo 2 excepto a través de la supervivencia (sin efectos de arrastre como inmunidad inducida por infecciones asintomáticas).
• Ausencia de Efecto del Tratamiento sobre la Exposición: En un ensayo a ciegas, la asignación del tratamiento no influye en la probabilidad de buscar exposición en el tiempo 1 o en el tiempo 2 (condicional a la supervivencia).
• Intercambiabilidad de la Exposición: Los patrones de exposición son intercambiables entre los brazos de tratamiento, condicional a la supervivencia y las características basales.

3. La Estadística de Prueba:
Bajo la hipótesis nula y los supuestos enunciados, los autores derivan una igualdad simple: la razón de las tasas de incidencia (TI) en el primer intervalo debe ser igual a la razón de las tasas de incidencia en el segundo intervalo.
$$TI_1 = \frac{E[\Delta Y_1 | A=1]}{E[\Delta Y_1 | A=0]} = \frac{E[\Delta Y_2 | A=1]}{E[\Delta Y_2 | A=0]} = TI_2$$
La estadística de prueba es la razón de estas tasas de incidencia ($TI_1 / TI_2$). Si se cumple la hipótesis nula, esta razón debería ser 1. Los autores proporcionan tres métodos para calcular intervalos de confianza para esta razón:

• Un método $\delta$ directo aplicado a la razón.
• Un método $\delta conservador.
• Bootstrap no paramétrico (requiriendo datos a nivel individual).

Crucialmente, los autores demuestran que, a diferencia de las razones de riesgo, las razones de incidencia no están sujetas al mismo sesgo de selección con respecto al agotamiento de los susceptibles en este marco de prueba específico.

Contribuciones Clave

1. Una Prueba Novel para el Desvanecimiento: El artículo introduce una prueba de hipótesis nula aguda que evita el sesgo de selección inherente a comparar estimaciones de EV a lo largo del tiempo o utilizar razones de riesgo.
2. Potencia y Simplicidad: La prueba propuesta ofrece ganancias considerables de potencia sobre los enfoques de identificación parcial existentes (Janvin et al., 2024). Puede implementarse utilizando solo datos resumidos (conteos de incidencia) disponibles en la mayoría de los ECA publicados, sin requerir datos a nivel individual ni modelado complejo de heterogeneidad no observada.
3. Clarificación Teórica: El trabajo aclara la distinción entre el desvanecimiento a nivel poblacional y el desvanecimiento a nivel individual, mostrando que, bajo condiciones plausibles (ausencia de cancelación perfecta de efectos), rechazar la hipótesis nula aguda implica desvanecimiento a nivel poblacional.
4. Mejora de Límites: Más allá de la prueba, los autores proporcionan nuevos resultados que acotan el efecto de desvanecimiento, ofreciendo una estrategia para mejorar los límites derivados por Janvin et al. (2024) cuando se dispone de datos adicionales (por ejemplo, rastreo de contactos).

Resultados

Los autores ilustran el método mediante ejemplos reales y simulados:

• Reanálisis de BNT162b2 (COVID-19): Reanalizando datos del ensayo BNT162b2 (Thomas et al., 2021), los autores encontraron que, aunque el análisis previo de Janvin et al. (2024) no pudo rechazar la hipótesis nula de ausencia de desvanecimiento debido a límites amplios, la nueva prueba rechazó la hipótesis nula ($P=0.01$). La razón estimada de razones de incidencia fue 0.48, proporcionando evidencia de desvanecimiento.
• Vacuna contra Helicobacter pylori: En un reanálisis de un ensayo de Zeng et al. (2015), la prueba no rechazó la hipótesis nula ($P=0.97$). Este resultado se alineó con explicaciones biológicas (niveles estables de anticuerpos) y los hallazgos originales del ensayo de eficacia estable, demostrando la capacidad de la prueba para identificar correctamente la ausencia de desvanecimiento.
• Simulaciones: Los estudios de simulación confirmaron que la prueba mantiene la tasa de error Tipo I correcta bajo la hipótesis nula y exhibe mayor potencia que las pruebas basadas en razones de riesgo o límites conservadores, particularmente cuando varían los niveles de exposición.

Significado y Afirmaciones

Los autores afirman que su método proporciona una herramienta "sencilla y potente" para evaluar el desvanecimiento de las vacunas que es válida bajo supuestos interpretables en ensayos de vacunas convencionales.

• Validez: La prueba es válida bajo supuestos que son estándar para ECA a ciegas, evitando los "supuestos poco razonables" requeridos por los enfoques clásicos.
• Utilidad: Permite a los investigadores detectar el desvanecimiento en ensayos existentes donde los métodos anteriores no pudieron proporcionar respuestas definitivas.
• Limitaciones: Los autores notan modestamente que, si bien la prueba es potente para detectar la existencia de desvanecimiento, generalmente no es informativa sobre la magnitud precisa del desvanecimiento sin supuestos o datos adicionales. Sugieren que, si se confirma el desvanecimiento, se necesitan pasos adicionales (por ejemplo, ensayos de seguimiento o reanálisis con supuestos adicionales) para cuantificar la extensión del declive.
• Alcance: El artículo enfatiza que la prueba evalúa la existencia de desvanecimiento. Si la prueba rechaza la hipótesis nula, indica un cambio en el efecto de desafío poblacional, aunque el mecanismo específico (por ejemplo, efectos de vacuna "fugaces" frente a "todo o nada") puede requerir una investigación adicional.

En resumen, el artículo ofrece un marco estadístico riguroso y con pocos supuestos para distinguir el verdadero desvanecimiento de las vacunas de los artefactos causados por el agotamiento de los susceptibles, permitiendo inferencias más fiables a partir de datos de ECA estándar.