Differences in Performance of Bayesian Dynamic Borrowing and Synthetic Control Methods: A Case Study of Pediatric Atopic Dermatitis

Resumen Técnico: Diferencias en el Desempeño de la Toma de Prestamos Dinámicos Bayesianos y los Métodos de Control Sintético

Planteamiento del Problema
En el diseño de ensayos clínicos, particularmente en poblaciones pediátricas, enfermedades raras o escenarios donde el estándar de cuidado difiere significativamente de los tratamientos de prueba de concepto, reclutar y retener participantes para un brazo de control prospectivo presenta desafíos sustanciales. Dos metodologías han surgido para abordar esto: la Toma de Préstamos Dinámicos Bayesianos (BDB, por sus siglas en inglés) y los Métodos de Control Sintético (SCM). Aunque ambas buscan aumentar o reemplazar los brazos de control prospectivos utilizando datos históricos, su desempeño no ha sido comparado directamente. Esta brecha existe debido a diferencias fundamentales en su aplicación, la naturaleza de sus resultados (una distribución a priori frente a un brazo de control generado) y las métas utilizadas para evaluar su calidad. Este estudio busca cerrar esta brecha comparando el poder estadístico y las tasas de error de Tipo 1 de BDB (utilizando una distribución a priori Meta-Analítica Predictiva) y SCM dentro del contexto específico de la Dermatitis Atópica Pediátrica.

Metodología
El estudio utilizó un enfoque de caso de estudio basado en seis Ensayos Controlados Aleatorizados (RCTs) históricos que involucraron dermatitis atópica pediátrica. El resultado primario de interés fue la tasa de respuesta EASI-75 (mejora del 75% en el Índice de Área y Severidad del Eczema).

• Fuente de Datos: Se seleccionaron seis RCTs históricos, que proporcionaron tamaños de muestra y recuentos de respondedores para los grupos de control. Los rangos de edad de los participantes oscilaron entre los 6 meses y los 18 años, y las intervenciones incluyeron diversos tratamientos como Dupilumab, Baricitinib y Tralokinumab.
• Toma de Préstamos Dinámicos Bayesianos (BDB): Se empleó la biblioteca de R RBesT para construir una distribución a priori Meta-Analítica Predictiva (MAP). Esta distribución a priori se informó con los datos del control histórico. La metodología implicó la simulación de nuevos datos hipotéticos para combinarlos con la distribución a priori, permitiendo que el modelo ajuste dinámicamente el peso de los datos históricos basándose en la similitud entre la distribución a priori histórica y los datos observados del ensayo (reduciendo el peso si la heterogeneidad es alta).
• Métodos de Control Sintético (SCM): Se utilizó la biblioteca de R Synthpop para generar un brazo de control sintético. Esto implicó la simulación de los resultados del grupo de control basándose en los tamaños de muestra y los recuentos de respondedores observados de los estudios históricos. La probabilidad de respuesta del control global se modeló como la media combinada de la tasa de respuesta y su distribución.
• Simulación y Métricas: A través de 10,000 réplicas simuladas, ambos métodos fueron evaluados utilizando pruebas exactas de Fisher y cálculos analíticos de potencia. Las métricas de desempeño primarias fueron el poder estadístico y la tasa de error de Tipo 1. Para el SCM, se creó un conjunto de datos sintético para cada réplica con recuentos de participantes iguales al tamaño de muestra medio histórico.

El estudio evaluó las siguientes métricas de desempeño:

• BDB: Produjo un poder de 0.580 y una tasa de error de Tipo 1 de 0.026. La distribución a priori MAP resultante tuvo una tasa de respuesta media de 0.20 con un intervalo de credibilidad del 95% de 0.02–0.71.
• SCM: Produjo un poder de 0.641 y una tasa de error de Tipo 1 de 0.027. El control sintético tuvo una tasa de respuesta media de 0.24 con un intervalo de confianza del 95% de 0.14–0.36.

El estudio señaló que el modelo SCM demostró un poder ligeramente superior (una diferencia de 0.061) mientras mantenía una tasa de error de Tipo 1 casi idéntica a la de BDB. El intervalo de credibilidad del 95% para la distribución a priori de BDB fue notablemente más amplio que el intervalo de confianza del 95% para el control sintético, lo que refleja la mayor incertidumbre inherente a la distribución a priori bayesiana al incorporar estudios históricos heterogéneos.

Un análisis secundario ajustó el SCM para que coincidiera con el tamaño de muestra efectivo total del diseño de BDB (n=64). Bajo esta restricción, el SCM alcanzó un poder de 0.639 pero una tasa de error de Tipo 1 de 0.312, ilustrando el aumento esperado en el riesgo de falsos positivos cuando se reducen los tamaños de muestra.

Contribuciones y Significado
La contribución principal de este trabajo es la primera comparación empírica directa de las métricas de desempeño (poder y error de Tipo 1) de BDB y SCM dentro de un marco de caso de estudio unificado. Los autores enfatizan que, si bien los métodos produjeron estimaciones de respuesta de control comparables (con una diferencia de aproximadamente el 5%) e intervalos de incertidumbre superpuestos, sirven roles operativos distintos:

1. Contexto de Aplicación: BDB está diseñado para minimizar el número total de participantes necesarios mediante la toma de información prestada, lo que lo hace adecuado cuando el reclutamiento es difícil pero la asignación a un brazo de control es factible. SCM está diseñado para generar un brazo de control enteramente a partir de datos históricos, lo que lo hace preferible cuando asignar pacientes a un grupo de control es poco ético o prácticamente imposible.
2. Diferencias Metodológicas: BDB es adaptativo, ajustando su influencia basándose en la similitud de los datos del ensayo, mientras que SCM sigue un enfoque de "una vez y listo" donde el brazo de control se genera y luego se analiza de forma estática.
3. Marco de Decisión: El artículo concluye que ningún método es universalmente superior. La elección entre BDB y SCM debe ser impulsada por las restricciones específicas del posible ensayo, específicamente la viabilidad ética de la asignación al brazo de control y la dificultad de reclutamiento.

Limitaciones y Alcance
Los autores declaran explícicamente que la comparación se limita al brazo de control. Los resultados no pueden extrapolarse a escenarios donde se aumenta el brazo de intervención, ya que los efectos del tratamiento pueden interactuar con los factores específicos del ensayo (por ejemplo, población, abandono) de manera diferente a las tasas basales. Además, el SCM en este estudio utilizó conjuntos de datos simulados derivados de estadísticas resumidas históricas en lugar de datos reales a nivel de paciente, lo que pudo haber resultado en intervalos de confianza más estrechos de lo que se observarían en una aplicación real utilizando datos brutos. El estudio mantiene una postura modesta, señalando que el "mejor" método depende de las necesidades específicas del ensayo en lugar de una superioridad definitiva en las métricas estadísticas.