Power Calculation for Noninferiority Stepped-Wedge Cluster Randomized Trials

En el mundo de la investigación médica, los científicos a menudo necesitan probar nuevos tratamientos en muchas ubicaciones diferentes, como hospitales o clínicas, en lugar de hacerlo solo en pacientes individuales. Cuando un tratamiento no puede implementarse en todas partes al mismo tiempo —quizás porque no hay suficiente personal o equipo para capacitar a todos simultáneamente—, los investigadores utilizan un diseño llamado ensayo de cuña escalonada (stepped-wedge trial). Imagine una carrera de relevos donde todos los corredores comienzan al mismo tiempo pero cruzan la línea de meta en momentos diferentes; en este diseño de estudio, cada grupo comienza con la atención estándar y luego cambia al nuevo tratamiento uno por uno hasta que todos lo hayan recibido. Este enfoque es éticamente atractivo porque ningún grupo se queda atrás sin la nueva opción, y permite a los investigadores comparar cómo se desempeñan los grupos antes y después del cambio. Sin embargo, aunque los científicos han sabido durante mucho tiempo cómo calcular las probabilidades de demostrar que un nuevo tratamiento es mejor que el anterior, les han faltado herramientas fiables para calcular las probabilidades de demostrar que es tan bueno como el anterior. Esta distinción es profundamente importante cuando un nuevo tratamiento es más barato, más seguro o más fácil de usar, incluso si es ligeramente menos efectivo que el estándar de oro.

Un equipo de investigadores ha llenado ahora este vacío creando un nuevo método para ayudar a planificar estos ensayos cuando el objetivo es demostrar que un nuevo enfoque no es peor que el actual. Desarrollaron una herramienta informática llamada swNIsim, que simula miles de posibles escenarios de ensayos para ver si un diseño de estudio funcionará. En lugar de depender de fórmulas rígidas que asumen condiciones simples, esta herramienta imita la realidad desordenada de los estudios del mundo real. Puede manejar situaciones en las que algunos hospitales son más grandes que otros, donde el número de pacientes varía de una semana a otra, o donde el nuevo tratamiento tarda un tiempo en empezar a funcionar. Los investigadores probaron su método utilizando tanto mediciones continuas, como el número de días que un paciente pasa en un ventilador, como resultados binarios, como si un paciente fue ingresado en el hospital o no. Al ejecutar estas simulaciones, descubrieron que el factor más importante para un ensayo exitoso no es necesariamente el número de hospitales involucrados, sino el número de períodos de tiempo a lo largo de los cuales se desarrolla el estudio.

Los investigadores encontraron que, para un número fijo de pacientes, extender el estudio a lo largo de más períodos de tiempo aumentaba consistentemente las probabilidades de detectar un efecto real. Si bien añadir más hospitales a la mezcla ayudaba ligeramente, no era tan poderoso como simplemente extender la línea de tiempo. También observaron que cuando las diferencias entre hospitales eran muy grandes, se volvía más difícil encontrar un resultado claro, pero el método seguía siendo robusto. Crucialmente, la herramienta mostró que equilibrar el número de hospitales en cada grupo es más eficiente que tener grupos desiguales. Las simulaciones confirmaron que el método mantiene el riesgo de falsas alarmas muy bajo, asegurando que cuando un ensayo concluye que el nuevo tratamiento es aceptable, esa conclusión es estadísticamente sólida. El equipo también señaló que si un estudio incluye períodos de tiempo en los que no ocurre un cambio real, eliminar esos factores de tiempo del análisis puede hacer que los resultados sean más claros, aunque en la práctica, los investigadores suelen mantenerlos para dar cuenta de las tendencias naturales a lo largo del tiempo.

Para demostrar que la herramienta funciona en la vida real, los autores la aplicaron a dos estudios existentes. El primero consistió en un ensayo para pacientes en ventiladores mecánicos, donde el objetivo era ver si una nueva vía de atención podía mantener un alto número de días sin asistencia respiratoria. Utilizando su nuevo método, calcularon que se necesitaría un número específico de pacientes por hospital por período de tiempo para poder decir con confianza que el nuevo método no era peor que el anterior. El segundo ejemplo analizó un ensayo en departamentos de emergencias destinado a reducir los ingresos hospitalarios. Aquí, la herramienta ayudó a determinar el tamaño necesario de los grupos de estudio para mostrar que un nuevo programa de cuidados paliativos era comparable a la atención estándar. Estos ejemplos demostraron que el software podía manejar parámetros complejos del mundo real y proporcionar una guía clara sobre cuántos participantes se necesitan.

Los autores enfatizan que, si bien su método es flexible y potente, no es una solución mágica que elimine toda la incertidumbre. La herramienta depende de simulaciones por computadora, que son más pesadas computacionalmente que los cálculos simples, pero este esfuerzo adicional permite manejar los diseños complicados que la medicina moderna a menudo requiere. También señalan que su modelo actual asume un tipo específico de conexión entre los pacientes en un mismo hospital, y que las versiones futuras podrían necesitar considerar patrones más complejos de cómo los pacientes se influyen entre sí a lo largo del tiempo. No obstante, al proporcionar un paquete de software gratuito que los investigadores pueden usar de inmediato, este trabajo ofrece una forma práctica de diseñar ensayos mejores y más eficientes. Asegura que cuando los científicos se proponen demostrar que un nuevo tratamiento es lo suficientemente bueno, no están adivinando, sino que están confiando en un plan que ha sido rigurosamente probado contra las realidades de cómo se presta realmente la atención médica.