Group Sequential Methods for the Win Ratio

Resumo Técnico: Métodos Sequenciais de Grupo para o Win Ratio

Definição do Problema
O win ratio é cada vez mais utilizado em ensaios clínicos randomizados como um desfecho primário devido à sua capacidade de incorporar desfechos compostos com severidade clínica hierárquica e combinar dados de tipos distintos (ex: tempo até o evento, binários, contagens). No entanto, existe uma lacuna metodológica significativa em relação à implementação de delineamentos sequenciais de grupo (GSD) para desfechos de win ratio. Especificamente, não está claro se a suposição de incrementos independentes, um pré-requisito para a aplicação das funções de gasto de $\alpha$ de Lan-DeMets clássicas, é válida para estatísticas de teste de incremento de win-loss.

A literatura anterior sugere que, para distribuições bivariadas exatas de estatísticas incrementais, a independência é violada porque novos pacientes inscritos em análises interinas posteriores são comparados contra pacientes pré-existentes, criando correlação. Consequentemente, abordagens anteriores recomendaram modificações complexas, como a estratificação por blocos (que exige um espaçamento inviável entre as análises) ou a estimativa de covariância via bootstrap empírico (que não pode ser pré-especificada). A questão central abordada neste artigo é se a suposição de incrementos independentes é satisfeita para a distribuição assintótica de estatísticas U utilizadas para avaliar o win ratio, permitindo assim a aplicação direta das fronteiras tradicionais de GSD.

Metodologia
Os autores desenvolvem um arcabouço matemático para derivar a estrutura de covariância de estatísticas U incrementais sob a distribuição assintótica.

1. Arcabouço e Suposições:

   • O estudo assume um tempo de acompanhamento fixo $T$ para todos os participantes, onde o desfecho primário é avaliado em $T$. Isso evita a dependência de tempos de acompanhamento variáveis.
   • Para a derivação teórica primária, os autores assumem que apenas pacientes com acompanhamento completo são incluídos nas análises interinas. Isso garante que a informação contribuída por um paciente para uma estatística interina $Z_k$ permaneça constante em estatísticas subsequentes $Z_l$ ($k < l$).
   • O win ratio ($\psi = \tau_1/\tau_2$) e a diferença de vitórias (win difference) são definidos via estatísticas U baseadas em comparações pareadas entre os grupos de tratamento ($X$) e controle ($Y$).

2. Derivação Matemática:

   • Diferença de Vitórias (Win Difference): Os autores provam que, para estatísticas de teste incrementais da diferença de vitórias ($U_{1k} - U_{2k}$), a covariância entre incrementos em $k$ e $l$ é igual à variância do incremento posterior: $\text{cov}(Z_k, Z_l) = \sqrt{I_k(\theta)/I_l(\theta)}$. Isso confirma que a suposição de incrementos independentes é satisfeita para a distribuição assintótica da diferença de vitórias.
   • Win Ratio: A derivação é estendida para o win ratio transformado em logaritmo. Os autores demonstram que $\text{cov}(\log(\hat{\psi}_k), \log(\hat{\psi}_l)) \approx \text{var}(\log(\hat{\psi}_l))$, indicando que a suposição de incrementos independentes aproximadamente se mantém para o win ratio sob condições assintóticas.

3. Estudos de Simulação:

   • Cenário 1 (Informação Completa): Simulações foram conduzidas com tamanhos de amostra $N=200$ e $N=400$ para avaliar a taxa global de erro do Tipo I usando a função de gasto de $\alpha$ de Hwang-Shih-DeCani. A análise incluiu apenas pacientes com acompanhamento completo em cada análise interina.
   • Cenário 2 (Informação Parcial): As simulações foram estendidas para incluir pacientes que contribuem com informações de acompanhamento parcial em análises interinas, calculando frações de informação baseadas em pessoas-ano.

Principais Resultados

• Prova Teórica: O artigo fornece uma prova matemática de que a suposição de incrementos independentes é atendida para a distribuição assintótica de estatísticas U que testam a diferença de vitórias. Demonstra ainda que essa propriedade ocorre aproximadamente para o win ratio transformado em logaritmo.
• Controle do Erro do Tipo I: No estudo de simulação com $N=200$, a taxa empírica de erro do Tipo I foi de 0,0517; para $N=400$, foi de 0,0487. Esses resultados demonstram que as funções de gasto de $\alpha$ tradicionais preservam a taxa de erro do Tipo I mesmo com tamanhos de amostra relativamente pequenos.
• Informação Parcial: Os resultados da simulação para o Cenário 2 (informação parcial) sustentaram achados semelhantes, sugerindo que o método é robusto mesmo quando dados incompletos são utilizados, embora a prova teórica para este caso específico não esteja totalmente estabelecida no texto.
• Aplicação Retrospectiva: Uma reanálise dos dados do ensaio clínico IN.PACT SFA foi realizada. Sob um delineamento sequencial de grupo hipotético com análises interinas em 50% e 75% de informação, o ensaio teria interrompido por sucesso na primeira análise interina (50% de informação) com um win ratio de 4,29 ($p < 0,001$), comparado ao resultado final de 3,82.

Significância e Alegações
Os autores alegam que esta pesquisa demonstra que a aplicação direta das funções de gasto de $\alpha$ de Lan-DeMets é possível para ensaios randomizados envolvendo o win ratio, desde que os tamanhos de amostra sejam suficientemente grandes para assumir distribuições assintóticas e certas condições relativas ao acompanhamento dos pacientes sejam atendidas.

As principais implicações destacadas pelos autores incluem:

• Eliminação de Fronteiras Empíricas: Pesquisadores não precisam mais gerar fronteiras empiricamente via bootstrapping no momento das análises interinas, o que não pode ser pré-especificado.
• Compatibilidade de Software: Pacotes de software existentes capazes de computar fronteiras sequenciais de grupo tradicionais (ex: o pacote gsDesign em R) podem ser empregados diretamente para desfechos de win ratio.
• Escopo Modesto: Os autores explicitamente observam que suas derivações primárias dependem da suposição de usar apenas pacientes com acompanhamento completo. Embora as simulações sugiram que o método funciona com informação parcial, eles afirmam que "mais pesquisas são necessárias para estabelecer esse resultado" para situações onde informações parciais de pacientes são utilizadas em análises interinas anteriores, de forma análoga ao teste de log-rank.

O artigo conclui que a suposição de incrementos independentes é atendida para a diferença de vitórias e aproximadamente para o win ratio sob condições assintóticas, validando o uso de metodologias sequenciais de grupo padrão para esses desfechos.