📊 statistics

Causal treatment effect decompositions with time-to-event outcomes under competing events

Este artículo propone una novedosa descomposición causal de cuatro vías de los efectos del tratamiento sobre resultados de tiempo hasta el evento en presencia de eventos competitivos, utilizando estimandos de mundos cruzados para desentrañar mecanismos distintos y ofrecer perspectivas interpretables causalmente validadas mediante dos ensayos aleatorizados.

Autores originales: Mikko Valtanen, Tommi Härkänen, Jenni Lehtisalo, Tiia Ngandu, Miia Kivipelto, Kari Auranen

Publicado 2026-05-20

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mikko Valtanen, Tommi Härkänen, Jenni Lehtisalo, Tiia Ngandu, Miia Kivipelto, Kari Auranen

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás tratando de evaluar qué tan bien funciona un nuevo medicamento para prevenir una enfermedad específica, llamémosla "El Objetivo". Pero hay un problema: los pacientes podrían morir de otra cosa primero, llamémosla "El Competidor".

Si un paciente muere por "El Competidor", no puede desarrollar "El Objetivo". Esto hace muy difícil determinar si el medicamento realmente ayudó a prevenir "El Objetivo", o si simplemente cambió el momento de otros eventos.

Este artículo propone una nueva forma de descomponer el "efecto total" de un tratamiento en cuatro partes distintas para entender exactamente cómo funciona (o no funciona) el medicamento en esta situación complicada.

Aquí está la explicación sencilla usando una analogía de una Carrera con Obstáculos.

La Analogía de la Carrera

Imagina una carrera donde los corredores intentan llegar a la meta ("El Objetivo"). Sin embargo, hay obstáculos en la pista que pueden eliminarlos de la carrera antes de tiempo ("El Competidor").

Los investigadores se preguntan: "¿Cuánto ayudó realmente el medicamento a los corredores a llegar a la meta, y cuánto de esa 'ayuda' fue solo una ilusión causada por los obstáculos?"

Dividen la respuesta en cuatro partes:

1. El Efecto Directo Controlado (El medicamento "Puro")

Esto mide qué tan bien funciona el medicamento si mágicamente eliminamos todos los obstáculos de la pista.

Qué nos dice: ¿El medicamento realmente hace que los corredores sean más rápidos, independientemente de los obstáculos?
En el artículo: Este es el efecto del tratamiento sobre el evento objetivo si el evento competidor nunca ocurriera.

2. La Intercepción de Referencia (Los obstáculos "Inalterados")

Esto mide cómo los obstáculos detienen naturalmente a los corredores, incluso si el medicamento no cambia los obstáculos en absoluto.

Qué nos dice: A veces, el medicamento ayuda al corredor, pero el obstáculo (el evento competidor) aún lo elimina antes de que termine. Esta parte captura la "pérdida" causada por la existencia de los obstáculos en el mundo real, incluso si el medicamento no hizo que los obstáculos fueran peores o mejores.
En el artículo: Esto ocurre cuando el evento competidor intercepta el evento objetivo basándose en su comportamiento natural bajo el escenario de "sin tratamiento".

3. La Intercepción Mediada (Los obstáculos "Modificados")

Esto mide cuánto cambió el medicamento los obstáculos mismos, lo cual luego cambió el resultado de la carrera.

Qué nos dice: ¿El medicamento hizo que los obstáculos aparecieran antes o después?
- Ejemplo A: Si el medicamento hace que los obstáculos aparezcan más tarde, los corredores tienen más tiempo para llegar a la meta. Esto parece un beneficio, pero en realidad es porque los obstáculos se retrasaron.
- Ejemplo B: Si el medicamento hace que los obstáculos aparezcan más pronto, los corredores son eliminados más rápido. Esto parece un daño, pero es porque los obstáculos se aceleraron.
En el artículo: Este es el cambio en la intercepción que ocurre específicamente porque el tratamiento alteró el evento competidor.

4. El Efecto Indirecto Puro (La salida por la "Puerta Lateral")

Esto mide cómo el medicamento cambia los obstáculos, lo cual luego impide que el evento objetivo ocurra nunca, incluso si el medicamento no tuvo un efecto directo sobre el objetivo en sí.

Qué nos dice: A veces el medicamento no ayuda al corredor en absoluto, pero acelera los obstáculos tanto que el corredor es eliminado antes de tener siquiera la oportunidad de intentarlo. Esta "prevención" del evento objetivo es en realidad un efecto secundario de acelerar al competidor.
En el artículo: Esto ocurre cuando el tratamiento afecta el evento competidor, el cual luego intercepta el evento objetivo, incluso si el tratamiento no tiene un efecto directo sobre el objetivo.

¿Por qué necesitamos esto?

El artículo argumenta que observar el "Efecto Total" (el resultado final) a menudo es engañoso.

Escenario 1: Un medicamento podría parecer que cura una enfermedad porque retrasa una muerte competidora. Pero si miras las cuatro partes, ves que el medicamento en realidad no curó la enfermedad; simplemente retrasó la otra muerte, dando a la enfermedad más tiempo para ocurrir.
Escenario 2: Un medicamento podría parecer que causa una enfermedad porque acelera una muerte competidora. Pero las cuatro partes revelan que el medicamento en realidad era muy bueno para curar la enfermedad (Parte 1), pero también aceleró la muerte competidora (Partes 3 y 4), lo cual ocultó la cura.

Ejemplos del Mundo Real del Artículo

Los autores probaron esta "Descomposición de Cuatro Vías" en dos estudios médicos reales:

El Estudio FINGER (Intervención de Estilo de Vida):
- Objetivo: Prevenir el deterioro cognitivo.
- Competidor: Muerte por otras causas.
- Resultado: La intervención de estilo de vida retrasó tanto el deterioro cognitivo como las muertes por otras causas. El análisis mostró que el beneficio fue mayormente el efecto "Puro" (Parte 1), pero como también retrasó otras muertes, aumentó ligeramente el riesgo de deterioro cognitivo más adelante (Parte 4).
El Ensayo de Cáncer de Próstata (Tratamiento con Estrógenos):
- Objetivo: Prevenir la muerte por cáncer de próstata.
- Competidor: Muerte por otras causas.
- Resultado: El tratamiento en realidad aumentó el riesgo de morir por otras causas. Esto hizo que pareciera que el tratamiento prevenía las muertes por cáncer de próstata. La descomposición mostró que, aunque el tratamiento tuvo un beneficio directo (Parte 1), una gran parte del "beneficio" fue en realidad solo porque el tratamiento mató a los pacientes por otras causas más rápido (Partes 3 y 4), dejando menos tiempo para que el cáncer de próstata los matara.

La Conclusión

Este artículo proporciona una "lente" matemática para separar el verdadero poder de un medicamento de los efectos secundarios confusos causados por otras cosas que ocurren a los pacientes al mismo tiempo. Ayuda a los investigadores a responder: "¿El medicamento realmente funcionó, o simplemente cambió el momento de otros eventos?"

Los autores señalan que este método depende de supuestos específicos (como la ausencia de factores ocultos que cambien con el tiempo) y funciona mejor cuando podemos medir con precisión las condiciones iniciales de los pacientes.

Resumen Técnico: Descomposiciones del Efecto Causal del Tratamiento con Resultados de Tiempo hasta el Evento bajo Eventos Competitivos

Planteamiento del Problema
La inferencia sobre los efectos del tratamiento para resultados de tiempo hasta el evento se complica frecuentemente por eventos competitivos, los cuales impiden que ocurra el evento de interés (el evento objetivo). Este problema es particularmente agudo cuando el tratamiento mismo influye en la ocurrencia del evento competitivo. En tales escenarios, las medidas estándar basadas en riesgo pueden producir interpretaciones engañosas: un tratamiento puede parecer protector contra el evento objetivo simplemente al acelerar el evento competitivo (reduciendo así el tiempo disponible para que ocurra el objetivo), o, por el contrario, parecer nocivo al retrasar el evento competitivo. Los marcos existentes, como la separación de riesgos específicos de causa y riesgos netos, o el marco de efectos separables, a menudo dependen de supuestos restrictivos (por ejemplo, la viabilidad de descomponer un tratamiento en componentes independientes) o no logran distinguir de manera comprehensiva los mecanismos subyacentes que generan el efecto total aparente.

Metodología
Los autores proponen una descomposición de cuatro vías del efecto total del tratamiento (ET) sobre un evento objetivo en presencia de riesgos competitivos. Este enfoque se fundamenta en un modelo causal que utiliza estimandos de mundos cruzados.

Estructura de Datos y Notación: El estudio emplea un modelo de tiempo discreto con un tratamiento binario $A$ , un proceso indicador de evento objetivo $Y$ , un proceso indicador de evento competitivo $D$ y un proceso de censura $C$ .
Proceso Conjunto y Estimadores de Mundos Cruzados: La innovación metodológica central es la definición de un proceso conjunto $Z^{a', a''}$ construido combinando los indicadores de los dos eventos bajo intervenciones hipotéticas donde el evento competitivo es eliminado. Específicamente, $Y^{a', \emptyset}$ representa el evento objetivo bajo el tratamiento $a'$ con el proceso de evento competitivo eliminado, y $D^{\emptyset, a''}$ representa el evento competitivo bajo el tratamiento $a''$ con el evento objetivo eliminado. El proceso conjunto $Z^{a', a''}$ rastrea estos eventos hasta que ocurre uno de ellos.
Descomposición de Cuatro Vías: El efecto total se partitiona en cuatro componentes distintos basados en estas cantidades de mundos cruzados:
- Efecto Directo Controlado (EDC): El efecto del tratamiento en un mundo hipotético donde el evento competitivo es eliminado.
- Intercepción de Referencia ( $INT_{ref}$ ): La contribución al efecto total que surge de la intercepción de eventos objetivos por el evento competitivo bajo el nivel de tratamiento de referencia (no tratado).
- Intercepción Mediada ( $INT_{med}$ ): El cambio en los efectos de intercepción cuando el evento competitivo se considera bajo el nivel de tratado versus el nivel de referencia. Este componente es distinto de cero solo si el tratamiento afecta al evento competitivo.
- Efecto Indirecto Puro (EIP): La diferencia en las porciones interceptadas cuando el evento objetivo sigue su distribución bajo el tratamiento de referencia, reflejando cómo el efecto del tratamiento sobre el evento competitivo altera el riesgo del evento objetivo.
Identificación: El artículo especifica un conjunto de supuestos requeridos para identificar estos promedios a nivel poblacional a partir de datos observados:
- Intercambiabilidad: Condicionado a covariables basales, los procesos controlados son independientes de la asignación del tratamiento; la intercambiabilidad secuencial se cumple para los procesos.
- Consistencia: Los resultados observados corresponden a los resultados potenciales bajo el tratamiento observado.
- Positividad: Es posible sobrevivir hasta el final del seguimiento para todos los patrones de covariables.
  Bajo estos supuestos, los componentes se identifican utilizando riesgos específicos de causa derivados de los datos observados.

Resultados Clave e Ilustraciones
Los autores demuestran la utilidad de esta descomposición mediante simulación y dos ensayos aleatorizados del mundo real:

Escenarios de Simulación: Se simuló tres escenarios para ilustrar cómo se comportan los componentes bajo diferentes dinámicas tratamiento-evento competitivo:
1. El tratamiento retrasa el evento competitivo: El efecto total es impulsado por el EDC, pero el Efecto Indirecto Puro (EIP) introduce una contribución nociva porque retrasar el evento competitivo permite más tiempo para que ocurra el evento objetivo.
2. El tratamiento acelera el evento competitivo: El efecto total es beneficioso. Aquí, el Efecto Indirecto Puro contribuye positivamente porque acelerar el evento competitivo reduce el tiempo disponible para el evento objetivo.
3. El tratamiento no afecta al evento competitivo: La intercepción mediada y los efectos indirectos puros son cero, destacando que el evento competitivo aún influye en el efecto total aparente a través de la intercepción de referencia, incluso si el tratamiento no altera el riesgo del evento competitivo.
Aplicaciones Empíricas:
- Ensayo FINGER (Deterioro Cognitivo/ECV): Analizando una intervención en el estilo de vida donde el tratamiento probablemente retrasa tanto la ECV como la muerte. La descomposición mostró que el Efecto Directo Controlado dominó, con interferencia mínima de los eventos competitivos, sugiriendo que el efecto del tratamiento sobre la ECV es robusto.
- Ensayo de Cáncer de Próstata (DES vs. Placebo): Analizando un tratamiento (DES) que aumenta el riesgo de muerte por otras causas (evento competitivo) mientras reduce la mortalidad por cáncer de próstata. La descomposición reveló que, aunque el Efecto Directo Controlado mostró un efecto protector, el Efecto Indirecto Puro también contribuyó al beneficio aparente al acelerar las muertes por otras causas, reduciendo así el tiempo para que ocurra la muerte por cáncer de próstata.

Significado y Afirmaciones
El artículo afirma proporcionar un marco comprehensivo para caracterizar los efectos del tratamiento en presencia de eventos competitivos sin requerir el supuesto restrictivo de que un tratamiento puede descomponerse físicamente en componentes independientes (como lo requiere el marco de efectos separables).

Perspectiva Mecanística: La descomposición de cuatro vías revela el papel específico del evento competitivo en dar forma al efecto aparente del tratamiento, distinguiendo entre mecanismos donde el tratamiento actúa directamente sobre el objetivo, actúa a través del evento competitivo, o donde el evento competitivo intercepta al objetivo.
Interpretabilidad Causal: Al depender de estimandos de mundos cruzados, los autores definen estimandos que son causalmente interpretables incluso cuando el tratamiento influye en el evento competitivo.
Flexibilidad: Los componentes pueden recombinarse para formar otros estimandos estándar, como el Efecto Directo Natural (EDN) y el Efecto Indirecto Natural (EIN), o el Efecto Directo Total (EDT), permitiendo a los investigadores adaptar el análisis a preguntas de investigación específicas (por ejemplo, mecanismos etiológicos versus mejoras holísticas de la salud).
Limitaciones: Los autores señalan que el enfoque actualmente depende de covariables basales; la presencia de confusores que varían en el tiempo plantea desafíos significativos para los estimandos de mundos cruzados, ya que requeriría supuestos sobre trayectorias longitudinales no observables bajo asignaciones de tratamiento conflictivas.

En conclusión, la descomposición propuesta sirve como base para definir estimandos causalmente interpretables que dan cuenta de la compleja interacción entre tratamiento, eventos objetivo y eventos competitivos, ofreciendo una comprensión más matizada de la eficacia del tratamiento que las medidas de efecto total por sí solas.