Operating characteristics of analysis methods for clinical trials in viral respiratory disease: A simulation study protocol

Resumen Técnico: Características Operativas de los Métodos de Análisis para Ensayos Clínicos en Enfermedades Respiratorias Virales

Planteamiento del Problema
Las infecciones respiratorias virales agudas (IRVA) son una de las principales causas de hospitalización y mortalidad a nivel mundial. El diseño de ensayos controlados aleatorizados (ECA) para estas condiciones presenta desafíos significativos en la selección de los criterios de valoración principales (endpoints). Si bien la mortalidad es clínicamente inequívoca, suele ocurrir con demasiada poca frecuencia en entornos interpandémicos como para servir como un criterio de valoración principal factible sin requerir tamaños de muestra prohibitivamente grandes. En consecuencia, los investigadores han propuesto estrategias alternativas, incluyendo escalas de severidad ordinal, criterios de valoración de tiempo hasta el evento, resultados compuestos basados en la recuperación y modelos ordinales longitudinales. Sin embargo, las características operativas comparativas (específicamente las tasas de error Tipo I y la potencia estadística) de estos diversos enfoques bajo trayectorias realistas de la enfermedad IRVA siguen siendo insuficientemente comprendidas. Esta falta de evidencia comparativa complica la selección de estrategias de análisis eficientes y clínicamente significativas para futuros ensayos.

Metodología
Este documento describe un protocolo para un estudio de simulación diseñado para comparar sistemáticamente el desempeño de diversos criterios de valoración y estrategias de análisis comúnmente utilizados y recientemente propuestos en ECA de dos brazos con participantes hospitalizados por IRVA. El estudio sigue el marco ADEMP (Objetivos, Mecanismos de generación de datos, Estimandos, Métodos y Medidas de desempeño).

• Mecanismos de Generación de Datos (DGM): El estudio emplea cuatro mecanismos distintos para simular las trayectorias de los participantes, asegurando la robustez ante diferentes supuestos:

  1. Movimiento Browniano Latente: Un proceso de severidad latente continuo en una escala logística con deriva aleatoria y fragilidad específica por participante. Este mecanismo permite trayectorias plausibles y está diseñado para violar el supuesto de Markov de primer orden, sirviendo como el DGM principal para probar la robustez de los modelos basados en Markov.
  2. Proceso de Markov Ordinal: Una cadena de Markov de tiempo discreto de primer orden donde las probabilidades de transición dependen del estado anterior, el tratamiento, las covariables y el tiempo. Este mecanismo satisface el supuesto de Markov por definición, favoreciendo teóricamente a los modelos de transición de estado ordinal de Markov (MOST, por sus siglas en inglés).
  3. Eventos Recurrentes Exponenciales Segmentados Latentes: Las transiciones de estado se modelan como eventos recurrentes independientes con tiempos de espera distribuidos exponencialmente, incorporando fragilidad a nivel de participante para romper el supuesto de Markov.
  4. Remuestreo de ACTT-2: Remuestreo empírico de datos de participantes individuales del ensayo ACTT-2 (1033 participantes) para evaluar las características operativas sobre estructuras de datos del mundo real.

• Escenarios: Las simulaciones cubren diversos horizontes de seguimiento (28 y 60 días), tamaños de muestra (que oscilan entre 200 y 1000) y granularidades de la escala ordinal (4, 6 y 8 niveles). Los efectos del tratamiento se calibran para reflejar escenarios nulos, tamaños de efecto previamente observados (por ejemplo, de ACTT-1/ACTT-2) y escenarios optimistas, medidos principalmente por la diferencia en "días vivos y fuera del hospital" (DOH).

• Métodos Comparados: El estudio evalúa una amplia gama de estrategias de análisis, que incluyen:

  • Modelos Ordinales Longitudinales: Modelos de transición de estado ordinal de Markov de primer orden (MOST) con errores estándar basados en el modelo y robustos de clúster.
  • Análisis de Punto de Tiempo Fijo: Modelos de proporciones de probabilidad en el día H (PO-H).
  • Escalas de Recuperación: Escala de Días hasta la Recuperación (DRS-H) analizada mediante modelos de proporciones de probabilidad.
  • Tiempo hasta el Evento: Modelos de riesgos proporcionales de Cox para la recuperación sostenida, el alta, la mejoría y la muerte.
  • Criterios Binarios: Regresión logística para la mortalidad y el fallo compuesto (ventilación o muerte) en el día H.
  • Compuestos Jerárquicos: Comparaciones Pareadas Generalizadas (GPC) para criterios de valoración compuestos.
  • Criterios Continuos: Pruebas t de dos muestras para los días vivos y fuera del hospital.

• Medidas de Desempeño: Los objetivos primarios son las tasas de rechazo incondicional de la hipótesis nula (error Tipo I bajo escenarios nulos; potencia estadística bajo escenarios alternativos) con un $\alpha$ unilateral de 0.025. Las medidas secundarias incluyen las tasas de fallo de convergencia y el Beneficio Neto del Tratamiento (NTB) para GPC.

Contribuciones Clave
El documento no presenta resultados finales, sino que establece un protocolo riguroso para abordar una brecha crítica en la metodología de ensayos clínicos para las IRVA. Sus contribuciones principales son:

1. Comparación Sistemática: Propone un marco integral para comparar métodos de análisis dispares que apuntan a diferentes estimandos (por ejemplo, odds ratios frente a hazard ratios o diferencias de medias) bajo un conjunto unificado de mecanismos de generación de datos.
2. Modelado de Trayectorias Realistas: Al utilizar un proceso de movimiento browniano latente y remuestreo empírico, el estudio pretende generar datos que reflejen trayectorias de pacientes plausibles y no markovianas, probando así la robustez de métodos como MOST cuando sus supuestos subyacentes se ven vulnerados.
3. Estandarización: El protocolo detalla reglas de implementación específicas, incluyendo cómo manejar los fallos de convergencia del modelo (imputación de peor caso) y cómo calibrar los efectos del tratamiento a través de diferentes DGM para asegurar comparaciones justas.
4. Transparencia: El estudio se compromete con la ciencia abierta, haciendo que el código de simulación, los scripts de análisis y las especificaciones de los escenarios estén disponibles públicamente tras su publicación.

Resultados
Dado que este documento es un protocolo de estudio, no se reportan resultados de características operativas (estimaciones de error Tipo I o potencia). El texto establece explícitamente que las simulaciones aún no se han completado y que se espera que los resultados estén disponibles para diciembre de 2026. El texto se centra enteramente en el diseño, la justificación y las especificaciones técnicas del próximo estudio de simulación.

Significancia y Reivindicaciones
Los autores afirman que este estudio proporcionará una comparación sistemática de las definiciones de los criterios de valoración y los métodos de análisis para los ensayos de IRVA bajo mecanismos de generación de datos clínicamente motivados. La significancia pretendida es informar la selección de estrategias de análisis primarias que sean factibles, interpretables y estadísticamente eficientes para futuros ensayos.

Los autores mantienen un tono modesto respecto al alcance y las limitaciones:

• Limitaciones: Reconocen que el estudio no evalúa sistemáticamente los datos faltantes o la pérdida de seguimiento, lo que podría impactar el desempeño, especialmente en periodos de seguimiento más largos. Señalan que el estudio se restringe a un marco frecuentista, excluyendo enfoques bayesianos. Además, reconocen que los datos de calibración provienen de ensayos de COVID-19, lo que podría no generalizarse perfectamente a otras IRVA como el VRS o la influenza.
• Trabajo Futuro: Los autores sugieren que investigaciones futuras podrían investigar violaciones específicas de los supuestos en los nuevos enfoques de análisis y explorar efectos del tratamiento que varían en el tiempo.

En última instancia, el documento se posiciona como una base metodológica necesaria para guiar el diseño de futuros ensayos clínicos de IRVA, con el objetivo de resolver la incertidumbre que rodea a la elección óptima de los criterios de valoración primarios y los métodos de análisis en esta área terapéutica de alto riesgo.