Confidence Intervals for the Risk Difference in Combined Unilateral and Bilateral Data Incorporating a Distribution-Based Approach

Sintesi Tecnica: Intervalli di Confidenza per la Differenza di Rischio in Dati Combinati Unilaterali e Bilaterali

Definizione del Problema
Negli studi clinici comparativi che coinvolgono organi accoppiati (ad esempio, occhi, orecchie), gli esiti binari sono frequentemente correlati all'interno dei soggetti. I dataset pratici spesso comprendono un mix di dati unilaterali (osservato un solo organo) e bilaterali (osservati entrambi gli organi) a causa di misurazioni mancanti, interventi chirurgici precedenti o assenza congenita. Mentre la letteratura esistente ha affrontato ampiamente i test di ipotesi e le misure relative (odds ratio, rischi relativi) per tali dati, la differenza di rischio ($\delta = \pi_2 - \pi_1$) rimane una misura assoluta critica per l'interpretazione clinica.

Gli attuali metodi per la costruzione di intervalli di confidenza (CI) per la differenza di rischio in questo contesto si basano principalmente sulla normalità asintotica (test di Wald, del rapporto di verosimiglianza e dello score) o sul metodo della Recuperazione delle Stime della Varianza (MOVER). Tali approcci possono non riflettere adeguatamente le caratteristiche distributive a campioni finiti, in particolare l'asimmetria (skewness), portando a potenziali imprecisioni nelle probabilità di copertura e nelle ampiezze degli intervalli quando le dimensioni del campione sono piccole o le probabilità di base sono estreme.

Metodologia
Gli autori propongono un approccio basato sulla distribuzione per la costruzione di intervoli di confidenza per la differenza di rischio sotto il modello di correlazione costante di Donner ($\rho$), che parametrizza la dipendenza intra-soggetto.

1. Approccio Basato sulla Distribuzione:

   • Funzione Caratteristica: Il metodo deriva la funzione caratteristica dello stimatore della differenza di rischio ($\tilde{\delta}$) condizionando sui conteggi totali delle osservazioni unilaterali e bilaterali.
   • Recupero della Densità: Utilizzando la trasformata di Fourier inversa, la funzione di densità di probabilità (PDF) dello stimatore viene recuperata numericamente tramite l'algoritmo Fastest Fourier Transform in the West (FFTW). Ciò evita il ricorso ad approssimazioni normali a grandi campioni.
   • Costruzione dell'Intervallo: Gli intervalli di confidenza sono costruiti mediante un'inversione di tipo Neyman. La regione di accettazione è definita dalla regione a massima densità (HDR) della PDF recuperata, analogamente a una regione HPD (Highest Posterior Density), ma all'interno di un quadro frequentista. Un algoritmo di ricerca di backtracking adattivo determina i limiti superiore e inferiore di $\delta$ identificando i valori in cui lo stimatore osservato rientra nella regione di accettazione definita dai parametri di disturbo (stime di massima verosimiglianza del profilo).

2. Metodi Concorrenti:
   Lo studio confronta il metodo proposto con:

   • Tre metodi asintotici standard: di tipo Wald, del rapporto di verosimiglianza (Likelihood Ratio) e dello score.
   • Un procedimento MOVER modificato: L'originale MOVER è corretto per tenere conto della correlazione intra-soggetto ($\rho$) introducendo un fattore di effetto che modifica le stime della varianza delle singole proporzioni. Due varianti sono testate utilizzando gli intervalli di Wilson score e Agresti-Coull per le componenti proporzionali.

Contributi Chiave

• Quadro Concettuale Innovativo: Il documento introduce un framework di inferenza basato sulla distribuzione che ricostruisce la distribuzione di campionamento dello stimatore della differenza di rischio direttamente dalla sua funzione caratteristica, bypassando le assunzioni di normalità asintotica.
• Gestione dell'Asimmetria: Utilizzando la distribuzione esatta (approssimata numericamente) a campioni finiti, il metodo cattura l'asimmetria e gli effetti di confine che i metodi asintotici spesso trascurano.
• MOVER Corretto: Gli autori forniscono un aggiustamento specifico al procedimento MOVER per incorporare la correlazione intra-soggetto, una caratteristica spesso trascurata nelle implementazioni standard per dati accoppiati.
• Strumento Pratico: Viene fornito un calcolatore online per facilitare l'applicazione di questi sei metodi (tre asintotici, due MOVER, due basati sulla distribuzione) per i ricercatori.

Risultati
Sono stati condotti studi di simulazione estesi ($N=10.000$ replicazioni) e analisi di due dataset del mondo reale (otite media e trattamento della miopia).

• Probabilità di Copertura (ECP): In un ampio intervallo di impostazioni dei parametri, tutti i metodi hanno raggiunto probabilità di copertura vicine al livello nominale del 95% all'aumentare delle dimensioni del campione. In contesti di piccoli campioni ($m=n=20$) con basse probabilità di base o alta correlazione, alcuni metodi hanno mostrato un comportamento conservativo o liberale. Il metodo basato sulla distribuzione (specificamente PDF1 usando i veri parametri di disturbo) tendeva a essere conservativo, mentre PDF2 (usando le MLE del profilo) mostrava variabilità ma rimaneva entro limiti accettabili.
• Ampiezza dell'Intervallo (MIW): Le procedure basate sulla distribuzione hanno generalmente prodotto intervalli di confidenza più brevi rispetto ai metodi asintotici e MOVER, in particolare quando la correlazione intra-soggetto era bassa o moderata. All'aumentare delle dimensioni del campione ($m=n=100$), le differenze nelle ampiezze degli intervalli tra i metodi diminuivano.
• Asimmetria e Skewness (RMNCP): L'analisi del Rapporto tra Probabilità di Non-Copertura Mesiale e Distale (RMNCP) ha rivelato che i metodi asintotici e MOVER tendevano a produrre allocazioni simmetriche delle code (RMNCP $\approx 0,5$). Al contrario, l'approccio basato sulla distribuzione ha dimostrato la capacità di accomodare l'asimmetria nella distribuzione di campionamento, risultando in pattern di copertura non centrali in piccoli campioni dove la distribuzione dello stimatore era asimmetrica.
• Applicazioni nel Mondo Reale: In entrambi i dataset (otite media e miopia), tutti i metodi hanno prodotto stime puntuali simili e intervalli di confidenza che includevano lo zero, portando a conclusioni inferenziali coerenti (nessuna differenza significativa tra i gruppi di trattamento).

Significatività e Rivendicazioni
Il documento sostiene che l'approccio proposto basato sulla distribuzione fornisce un quadro alternativo valido per la stima degli intervalli della differenza di rischio in studi con esiti binari combinati unilaterali e bilaterali. La sua principale significatività risiede nella capacità di riflettere le caratteristiche distributive a campioni finiti, specificamente l'asimmetria, che non vengono catturate dai metodi che si basano sulla normalità asintotica.

Gli autori osservano con modestia che, sebbene il metodo proposto offra una rappresentazione più realistica della distribuzione di campionamento, non supera uniformemente i metodi concorrenti in termini di accuratezza della copertura in tutti gli scenari a piccoli campioni. Attribuiscono le potenziali lievi deviazioni nella copertura alla valutazione numerica della PDF quando lo stimatore possiede una distribuzione altamente discreta in campioni molto piccoli. Lo studio conclude che il metodo è un'alternativa utile, in particolare per catturare le sfumature distributive in piccoli campioni, e suggerisce estensioni future ad altri modelli di dipendenza e misure di effetto (rapporto di rischio, odds ratio).