Proximal Learning for Trials With External Controls: A Case Study in HIV Prevention

Este artículo presenta un nuevo enfoque de inferencia causal proximal que utiliza datos de control externos y variables de control negativo para estimar la eficacia relativa al placebo de la profilaxis preexposición con cabotegravir en ensayos activos, superando desafíos como las diferencias no medidas en el riesgo de VIH y las bajas tasas de incidencia.

Lo esencial

Imagina que eres un médico que ha descubierto una nueva medicina milagrosa para prevenir el VIH. La has probado en un grupo de personas y ha funcionado increíblemente bien. Pero hay un problema: no tienes un grupo de control que haya tomado un placebo (una pastilla de azúcar) en el mismo momento, porque por razones éticas no podías negarles a todos una medicina que ya sabías que funcionaba (como el TDF/FTC, un tratamiento estándar).

Entonces, te preguntas: "¿Qué habría pasado si a este grupo de personas les hubiéramos dado un placebo en lugar de mi nueva medicina?".

Este es el gran desafío que resuelve el artículo que me has compartido. Los autores, un equipo de estadísticos y científicos de la salud, han creado una "piedra mágica" matemática para responder a esa pregunta sin necesidad de tener un grupo de placebo real en el mismo estudio.

Aquí te explico cómo funciona, usando analogías sencillas:

1. El Problema: La "Sombra" que no podemos ver

Imagina que quieres comparar dos equipos de fútbol.

• Equipo A (Tu nuevo estudio): Juegan en un campo de césped perfecto, con un entrenador genial y jugadores muy rápidos.
• Equipo B (Un estudio antiguo): Juegan en un campo de tierra, con lluvia y jugadores más lentos.

Si el Equipo A gana, ¿fue por su talento o porque el campo era mejor? En medicina, esa "calidad del campo" es el riesgo de infección que no podemos medir (como la densidad de parejas sexuales, el virus en la comunidad local, etc.). A esto los autores le llaman "confundidores no medidos". Son variables invisibles que distorsionan la comparación.

2. La Solución: El "Detective" de Datos (Inferencia Proximal)

En lugar de intentar ver lo invisible, los autores usan un truco de detective. Usan dos pistas indirectas, como si fueran espejos que reflejan la realidad oculta:

• El Espejo de la Exposición (Z - Región Geográfica): Imagina que el lugar donde vives (Latinoamérica vs. el resto del mundo) es como el "clima" del campo. No es el virus en sí, pero el clima afecta cómo se juega.
• El Espejo del Resultado (W - Infecciones de Transmisión Sexual): Imagina que tener una infección como la gonorrea o la clamidia es como tener un "golpe" en el campo. No es el virus del VIH, pero si tienes ese golpe, es muy probable que el campo (tu entorno de riesgo) sea peligroso.

La analogía clave:
Si ves que en el estudio antiguo (Equipo B) los jugadores que vivían en zonas de "lluvia" (Z) tenían muchos "golpes" (W), y en tu estudio nuevo (Equipo A) los jugadores de "lluvia" también tienen muchos "golpes", entonces puedes asumir que el "clima" (el riesgo oculto) es similar en ambos, aunque los campos parezcan diferentes a simple vista.

3. Los Dos Métodos Mágicos

Los autores proponen dos formas de usar estos espejos para calcular el resultado del placebo:

Método A: El "Pesaje Justo" (IPCW)

Imagina que tienes una balanza. Quieres que el Equipo B (el antiguo) se vea exactamente igual al Equipo A (el nuevo).

• Si el Equipo B tiene demasiados jugadores de "zona de lluvia", les das menos peso en la balanza.
• Si tiene pocos, les das más peso.
• Usando las pistas de los "golpes" (infecciones) y el "clima" (región), ajustan la balanza matemáticamente para que el Equipo B antiguo se convierta en un "doble fantasma" del Equipo A nuevo. Así, pueden decir: "Si el Equipo B hubiera jugado bajo las mismas condiciones ocultas que el Equipo A, habrían perdido X veces".

Método B: El "Paso a Paso" (Regresión de Dos Etapas)

Este método es como construir un puente.

1. Paso 1: Miden cómo se relacionan las pistas (clima y golpes) con el riesgo oculto en el estudio antiguo.
2. Paso 2: Usan esa relación para "traducir" el riesgo oculto al estudio nuevo.
   Es como si dijeras: "En el estudio antiguo, cada vez que había lluvia y un golpe, el riesgo subía un 10%. Como en tu estudio nuevo también hay lluvia y golpes, aplicamos esa misma regla de aumento de riesgo".

4. El Resultado: La Verdad Revelada

Al aplicar estos métodos a los datos reales del estudio HPTN 083 (sobre la medicina Cabotegravir) y compararlos con datos antiguos del estudio AMP (que sí tenía placebo), descubrieron algo crucial:

• La realidad oculta: Si a los participantes de HPTN 083 les hubieran dado un placebo, la tasa de infección habría sido mucho más alta de lo que pensábamos (alrededor del 4.3% al 5.5% en un año).
• La victoria: La medicina Cabotegravir redujo esa tasa a solo el 0.41%.
• La conclusión: La medicina es extremadamente efectiva. Sin este método, solo habríamos sabido que era mejor que la medicina estándar, pero no habríamos podido cuantificar cuánto mejor era comparado con no hacer nada.

En Resumen

Este artículo es como tener una máquina del tiempo estadística. Nos permite viajar al pasado, tomar datos de un estudio antiguo, limpiarlos de sus "suciedades" (diferencias ocultas) usando pistas inteligentes (infecciones y regiones), y proyectar lo que habría pasado en un estudio nuevo sin grupo de control.

Gracias a esto, los médicos y pacientes pueden tomar decisiones más informadas, sabiendo exactamente cuán poderosa es una nueva prevención, incluso cuando no es ético hacer un experimento con placebo en el presente.

Resumen técnico

1. Planteamiento del Problema

Los ensayos clínicos de prevención del VIH que utilizan un control activo (por ejemplo, comparar un nuevo fármaco con la profilaxis pre-exposición estándar, TDF/FTC) se han vuelto comunes debido a la eficacia ya establecida de los agentes existentes. Sin embargo, esto plantea un desafío metodológico y ético: la ausencia de un brazo de placebo concurrente.

• Necesidad: Es crucial estimar la eficacia absoluta de una nueva intervención comparándola con un escenario de placebo definido, no solo con el control activo.
• Desafío Principal: Utilizar datos de un ensayo externo con brazo de placebo (como control externo) introduce confusión no medida. Las diferencias en la dinámica de transmisión del VIH local, la carga viral de las parejas sexuales o las redes sexuales entre los dos estudios no se capturan completamente por las covariables observadas, lo que puede sesgar las estimaciones.
• Dificultad Estadística: Las tasas de incidencia del VIH en ensayos de prevención modernos son muy bajas (eventos raros), lo que genera inestabilidad en las estimaciones y problemas de precisión en los intervalos de confianza.

El objetivo del estudio es estimar la incidencia acumulada contrafactual de VIH bajo placebo para los participantes del ensayo HPTN 083 (que comparó cabotegravir inyectable con TDF/FTC), utilizando datos externos del estudio AMP (HVTN 704/HPTN 085), que incluyó un brazo de placebo.

2. Metodología Propuesta

Los autores desarrollan y aplican métodos de inferencia causal próxima (proximal causal inference). Esta técnica utiliza variables de control negativo para abordar el confusor no medido sin necesidad de medirlo directamente.

Variables de Control Negativo

Se identificaron dos variables clave que actúan como proxies del confusor no medido (el riesgo del entorno de transmisión local del VIH):

1. Exposición de Control Negativo (NCE, $Z$): La región geográfica (Latinoamérica vs. No Latinoamérica). Correlaciona con el entorno de transmisión local pero no afecta directamente el riesgo individual de infección más allá de ese entorno.
2. Resultado de Control Negativo (NCO, $W$): El estado de infección por ITS (gonorrea o clamidia rectal) en la línea base. Comparte factores de riesgo conductuales y biológicos con la adquisición del VIH, pero no influye causalmente en la asignación al estudio ni en la infección por VIH directamente (una vez ajustado por el confusor).

Dos Enfoques de Inferencia Desarrollados

Para abordar los desafíos de los eventos raros y la censura, se propusieron dos métodos:

A. Estimador Semiparamétrico de Ponderación por Probabilidad Inversa de Censura (IPCW)

• Extiende el marco semiparamétrico de Cui et al. (2024) para manejar datos de tiempo hasta el evento con censura.
• Utiliza funciones de puente (bridge functions):
  • $h(W, X)$: Función de puente de resultado.
  • $q(Z, X)$: Función de puente de tratamiento.
• Estas funciones se estiman resolviendo ecuaciones integrales en el conjunto de datos externo para identificar el efecto causal en el estudio principal.
• Permite estimadores "doblemente robustos" (si una de las funciones de puente está correctamente especificada, el estimador es consistente).

B. Estimador de Regresión en Dos Etapas (Tailado para Eventos Raros)

• Diseñado específicamente para la baja incidencia del VIH.
• Asume que la probabilidad de no evento es cercana a 1 (asunción de evento raro), lo que permite aproximar la función de riesgo de Cox con la función de densidad (que es colapsable).
• Modela el resultado de control negativo ($W$) mediante un modelo log-lineal y el tiempo hasta el evento ($T^*$) mediante un modelo de Cox.
• Permite identificar la función de riesgo condicional en el estudio principal utilizando los coeficientes estimados en el estudio externo y la relación entre $W$ y el confusor no medido.

3. Contribuciones Clave

1. Aplicación de Inferencia Próxima a Controles Externos: Es una de las primeras aplicaciones de métodos de inferencia próxima para integrar datos de ensayos activos con controles externos en el contexto de supervivencia (tiempo hasta el evento).
2. Manejo de Eventos Raros: Desarrollo de una estrategia de regresión en dos etapas basada en el modelo de Cox que es más eficiente y estable en escenarios de baja incidencia, superando las limitaciones de los métodos semiparamétricos puros en estos casos.
3. Identificación sin Placebo Concurrente: Demuestra la viabilidad de estimar la eficacia absoluta (comparación con placebo) en ensayos que carecen de un brazo de placebo, utilizando solo datos observacionales externos y variables de control negativo.
4. Validación Teórica y Numérica: Proporcionan pruebas de identificación teórica (Teoremas 1 y 2) y estudios de simulación exhaustivos que validan la ausencia de sesgo y la cobertura de los intervalos de confianza bajo diversas condiciones.

4. Resultados del Estudio de Caso (HPTN 083)

Se aplicaron ambos métodos a los datos de HPTN 083 utilizando el brazo de placebo del estudio AMP como control externo.

• Incidencia Contrafactual bajo Placebo:

  • Ambos métodos (IPCW y regresión en dos etapas) produjeron estimaciones consistentes de la incidencia acumulada de VIH a un año bajo placebo en HPTN 083.
  • Las estimaciones oscilaron entre 4.3% y 5.5% (4.3 a 5.5 por 100 personas-año).
  • En contraste, los modelos de regresión "ingenuos" (que ajustan solo por covariables observadas sin considerar el confusor no medido) subestimaron la incidencia (aprox. 2.9% - 3.0%), evidenciando el sesgo residual.

• Eficacia Absoluta:

  • Cabotegravir: Mostró una superioridad estadísticamente significativa sobre el placebo estimado en todos los métodos (p-valores ≤ 0.001). La eficacia relativa estimada fue de aproximadamente 90-92%.
  • TDF/FTC: También mostró superioridad significativa sobre el placebo, aunque con p-valores más altos y una eficacia relativa estimada entre 71.6% y 77.8%.
  • Nota: La eficacia del TDF/FTC fue menor en comparación con el placebo estimado que la observada en el ensayo original, probablemente porque el brazo de placebo del estudio AMP tenía un uso no nulo de PrEP (TDF/FTC detectable en el 39% de las muestras), lo que define un "placebo" clínicamente relevante pero más difícil de superar.

• Comparación de Métodos:

  • El enfoque de regresión en dos etapas tendió a producir intervalos de confianza más estrechos en el análisis de datos completos debido a una mayor eficiencia en eventos raros.
  • El método IPCW mostró mayor flexibilidad pero con intervalos más amplios en algunos escenarios, reflejando la incertidumbre adicional por el confusor no medido.

5. Significado e Implicaciones

• Viabilidad de Diseños sin Placebo: El estudio valida que es posible evaluar la eficacia absoluta de nuevas intervenciones de prevención del VIH sin necesidad de un brazo de placebo concurrente, lo cual es éticamente preferible y logísticamente más factible dado el declive de la incidencia del VIH.
• Herramienta para la Toma de Decisiones: Proporciona a clínicos y pacientes una estimación clara del nivel de protección real de las nuevas terapias (como el cabotegravir) en comparación con la ausencia de intervención, más allá de las comparaciones relativas con otros fármacos activos.
• Generalización: Aunque se aplicó al VIH, la metodología es aplicable a otros ensayos de prevención de enfermedades infecciosas o crónicas donde los controles externos son necesarios y existen variables proxy válidas para el confusor no medido.
• Advertencia sobre la Definición de Placebo: El estudio enfatiza que la eficacia absoluta estimada debe interpretarse en el contexto de la definición de "placebo" del estudio externo (en este caso, un placebo que permitía cierto uso de PrEP), lo cual es clínicamente relevante pero requiere transparencia en la interpretación.

En conclusión, el artículo presenta un avance metodológico robusto que combina teoría causal avanzada con aplicaciones prácticas en salud pública, ofreciendo soluciones estadísticas para los desafíos éticos y operativos de los ensayos clínicos modernos de prevención del VIH.