A simple and powerful test of vaccine waning

Título: Um Teste Simples e Poderoso para a Decaimento da Vacina

Autores: Gellért Perényi, Matias Janvin e Mats J. Stensrud

Declaração do Problema

Determinar se a eficácia da vacina (EV) decai ao longo do tempo é crucial para a tomada de decisões em saúde pública. No entanto, quantificar o decaimento é metodologicamente sutil. Abordagens convencionais, que comparam estimativas de EV em diferentes pontos temporais (por exemplo, EV em 1 mês versus EV em 3 meses), estão sujeitas a viés de seleção devido à "depleção de suscetíveis". À medida que o tempo passa, a população que permanece em risco no grupo placebo difere da população inicial, pois aqueles mais suscetíveis à infecção já experimentaram o desfecho. Consequentemente, um declínio na EV observada ao longo do tempo pode refletir essa mudança na composição da população, em vez de um verdadeiro declínio na proteção biológica oferecida pela vacina.

Embora trabalhos recentes (Janvin et al., 2024) tenham proposto estimandos causais (efeitos de desafio) para quantificar o decaimento sob suposições mais fracas, esses estimandos são frequentemente apenas parcialmente identificáveis em ensaios controlados randomizados (ECRs) padrão. Os limites resultantes são frequentemente muito amplos para afirmar definitivamente a presença ou ausência de decaimento. Além disso, análises padrão de tempo até o evento usando razões de risco (RRs) são inadequadas para testar o decaimento, pois as RRs também são afetadas pela depleção de suscetíveis, levando a interpretações enviesadas mesmo quando o efeito subjacente da vacina é constante.

Metodologia

Os autores propõem um teste de hipótese formal para avaliar se um efeito do tratamento é constante ao longo do tempo no nível individual, fundamentado em uma estrutura causal.

1. Estimando Alvo e Hipótese:
Os autores definem uma "hipótese nula nítida" de ausência de decaimento (Hipótese 1). Esta hipótese postula que, para qualquer indivíduo, o desfecho potencial sob exposição é idêntico, independentemente de a exposição ocorrer no tempo 1 ou no tempo 2 (assumindo isolamento no tempo 1). Formalmente:
$$\Delta Y^{a, e_1=1}_1 = \Delta Y^{a, e_1=0, e_2=1}_2 \quad \text{q.c.1} \quad \forall a \in \{0, 1\}$$
Isso implica que a suscetibilidade individual é constante entre os intervalos e independente do momento da exposição. Os autores argumentam que, sob suposições razoáveis (especificamente, que o efeito placebo não muda ao longo do tempo e não há cancelamento perfeito de decaimentos positivos e negativos), essa hipótese nula nítida no nível individual é equivalente à noção no nível populacional de ausência de decaimento ($EV^{desafio}_1 = EV^{desafio}_2$).

2. Suposições Chave:
O teste depende de quatro suposições primárias, que são plausíveis em ECRs cegados:

• Necessidade de Exposição: Um desfecho não pode ocorrer sem exposição.
• Restrição de Exclusão de Exposição: A exposição no tempo 1 não afeta o desfecho no tempo 2, exceto através da sobrevivência (sem efeitos de arrasto, como imunidade induzida por infecção assintomática).
• Sem Efeito do Tratamento na Exposição: Em um ensaio cegado, a atribuição do tratamento não influencia a probabilidade de buscar exposição no tempo 1 ou no tempo 2 (condicional à sobrevivência).
• Troca de Exposição: Padrões de exposição são intercambiáveis entre os braços de tratamento, condicional à sobrevivência e características basais.

3. A Estatística de Teste:
Sob a hipótese nula e as suposições declaradas, os autores derivam uma igualdade simples: a razão das taxas de incidência (TI) no primeiro intervalo deve ser igual à razão das taxas de incidência no segundo intervalo.
$$TI_1 = \frac{E[\Delta Y_1 | A=1]}{E[\Delta Y_1 | A=0]} = \frac{E[\Delta Y_2 | A=1]}{E[\Delta Y_2 | A=0]} = TI_2$$
A estatística de teste é a razão dessas taxas de incidência ($TI_1 / TI_2$). Se a hipótese nula for válida, essa razão deve ser 1. Os autores fornecem três métodos para calcular intervalos de confiança para essa razão:

• Um método $\delta$ direto aplicado à razão.
• Um método $\delta conservador.
• Bootstrap não paramétrico (requerendo dados no nível individual).

Crucialmente, os autores demonstram que, ao contrário das razões de risco, as razões de incidência não estão sujeitas ao mesmo viés de seleção em relação à depleção de suscetíveis neste quadro de teste específico.

Contribuições Principais

1. Um Novo Teste para Decaimento: O artigo introduz um teste de hipótese nula nítida que evita o viés de seleção inerente à comparação de estimativas de EV ao longo do tempo ou ao uso de razões de risco.
2. Poder e Simplicidade: O teste proposto oferece ganhos consideráveis de poder sobre abordagens de identificação parcial existentes (Janvin et al., 2024). Pode ser implementado usando apenas dados resumidos (contagens de incidência) disponíveis na maioria dos ECRs publicados, sem exigir dados no nível individual ou modelagem complexa de heterogeneidade não observada.
3. Esclarecimento Teórico: O trabalho esclarece a distinção entre decaimento no nível populacional e decaimento no nível individual, mostrando que, sob condições plausíveis (sem cancelamento perfeito de efeitos), rejeitar a hipótese nula nítida implica decaimento no nível populacional.
4. Melhoria de Limites: Além do teste, os autores fornecem novos resultados que limitam o efeito de decaimento, oferecendo uma estratégia para melhorar os limites derivados por Janvin et al. (2024) quando dados adicionais (por exemplo, rastreamento de contatos) estão disponíveis.

Resultados

Os autores ilustram o método através de exemplos reais e simulados:

• Reanálise de BNT162b2 (COVID-19): Reanalisando dados do ensaio BNT162b2 (Thomas et al., 2021), os autores encontraram que, enquanto a análise anterior de Janvin et al. (2024) não pôde rejeitar a hipótese nula de ausência de decaimento devido a limites amplos, o novo teste rejeitou a hipótese nula ($P=0,01$). A razão estimada das razões de incidência foi de 0,48, fornecendo evidências de decaimento.
• Vacina para Helicobacter pylori: Em uma reanálise de um ensaio de Zeng et al. (2015), o teste não rejeitou a hipótese nula ($P=0,97$). Este resultado alinhou-se com explicações biológicas (níveis estáveis de anticorpos) e as descobertas do ensaio original de eficácia estável, demonstrando a capacidade do teste de identificar corretamente a ausência de decaimento.
• Simulações: Estudos de simulação confirmaram que o teste mantém a taxa de erro Tipo I correta sob a hipótese nula e exibe maior poder do que testes baseados em razões de risco ou limites conservadores, particularmente quando os níveis de exposição variam.

Significado e Alegações

Os autores afirmam que seu método fornece uma ferramenta "simples e poderosa" para avaliar o decaimento da vacina, válida sob suposições interpretáveis em ensaios de vacinas convencionais.

• Validade: O teste é válido sob suposições que são padrão para ECRs cegados, evitando as "suposições irreais" exigidas por abordagens clássicas.
• Utilidade: Permite que pesquisadores detectem decaimento em ensaios existentes onde métodos anteriores falharam em fornecer respostas definitivas.
• Limitações: Os autores observam modestamente que, embora o teste seja poderoso para detectar a existência de decaimento, geralmente é pouco informativo sobre a magnitude precisa do decaimento sem suposições ou dados adicionais. Eles sugerem que, se o decaimento for confirmado, etapas adicionais (por exemplo, ensaios de acompanhamento ou reanálise com suposições adicionais) são necessárias para quantificar a extensão do declínio.
• Escopo: O artigo enfatiza que o teste avalia a existência de decaimento. Se o teste rejeitar a hipótese nula, isso indica uma mudança no efeito de desafio da população, embora o mecanismo específico (por exemplo, efeitos de vacina "vazados" versus "tudo ou nada") possa exigir investigação adicional.

Em resumo, o artigo oferece uma estrutura estatística rigorosa e com poucas suposições para distinguir o verdadeiro decaimento da vacina de artefatos causados pela depleção de suscetíveis, permitindo inferências mais confiáveis a partir de dados padrão de ECRs.