Differences in Performance of Bayesian Dynamic Borrowing and Synthetic Control Methods: A Case Study of Pediatric Atopic Dermatitis

Resumo Técnico: Diferenças de Desempenho entre o Empréstimo Dinâmico Bayesiano e os Métodos de Controle Sintético

Definição do Problema
No desenho de ensaios clínicos, particularmente para populações pediátricas, doenças raras ou cenários onde o padrão de cuidado difere significativamente dos tratamentos de prova de conceito, recrutar e reter participantes para um braço de controle prospectivo apresenta desafios substanciais. Duas metodologias emergiram para abordar isso: o Empréstimo Dinâmico Bayesiano (BDB - Bayesian Dynamic Borrowing) e os Métodos de Controle Sintético (SCM - Synthetic Control Methods). Embora ambos visem aumentar ou substituir braços de controle prospectivos usando dados históricos, seu desempenho não foi diretamente comparado. Esta lacuna existe devido a diferenças fundamentais em sua aplicação, na natureza de seus resultados (uma distribuição a priori vs. um braço de controle gerado) e nas métricas utilizadas para avaliar sua qualidade. Este estudo busca preencher essa lacuna comparando o poder estatístico e as taxas de erro do Tipo 1 do BDB (utilizando uma priori Meta-Analítica Preditiva) e do SCM dentro do contexto específico da Dermatite Atópica Pediátrica.

Metodologia
O estudo utilizou uma abordagem de estudo de caso baseada em seis Ensaios Clínicos Randomizados (ECRs) históricos envolvendo dermatite atópica pediátrica. O desfecho primário de interesse foi a taxa de resposta EASI-75 (melhora de 75% no Índice de Área de Eczema e Gravidade).

• Fonte de Dados: Seis ECRs históricos foram selecionados, fornecendo tamanhos de amostra e contagens de respondedores para os grupos de controle. A faixa etária dos participantes variou de 6 meses a 18 anos, e as intervenções incluíram vários tratamentos, como Dupilumabe, Baricitinibe e Tralokinumabe.
• Empréstimo Dinâmico Bayesiano (BDB): A biblioteca de R RBesT foi empregada para construir uma priori Meta-Analítica Preditiva (MAP). Esta priori foi informada pelos dados de controle históricos. A metodologia envolveu a simulação de novos dados hipotéticos para combinar com a priori, permitindo que o modelo ajuste dinamicamente o peso dos dados históricos com base na similaridade entre a priori histórica e os dados observados do ensaio (reduzindo o peso se a heterogeneidade for alta).
• Métodos de Controle Sintético (SCM): A biblioteca de R Synthpop foi utilizada para gerar um braço de controle sintético. Isso envolveu a simulação de desfechos do grupo de controle com base nos tamanhos de amostra e contagens de respondedores observados nos estudos históricos. A probabilidade de resposta do controle global foi modelada como a média combinada da taxa de resposta e sua distribuição.
• Simulação e Métricas: Em 10.000 réplicas simuladas, ambos os métodos foram avaliados usando testes exatos de Fisher e cálculos analíticos de poder. As principais métricas de desempenho foram o poder estatístico e a taxa de erro do Tipo 1. Para o SCM, um conjunto de dados sintético foi criado para cada réplica com contagens de participantes iguais ao tamanho médio histórico da amostra.

Resultados Principais
A comparação gerou as seguintes métricas de desempenho:

• BDB: Produziu um poder de 0,580 e uma taxa de erro do Tipo 1 de 0,026. A priori MAP resultante teve uma taxa de resposta média de 0,20 com um intervalo de credibilidade de 95% de 0,02–0,71.
• SCM: Produziu um poder de 0,641 e uma taxa de erro do Tipo 1 de 0,027. O controle sintético apresentou uma taxa de resposta média de 0,24 com um intervalo de confiança de 95% de 0,14–0,36.

O estudo observou que o modelo SCM demonstrou um poder ligeiramente superior (uma diferença de 0,061), mantendo uma taxa de erro do Tipo 1 quase idêntica à do BDB. O intervalo de credibilidade de 95% para a priori do BDB foi notavelmente mais amplo do que o intervalo de confiança de 95% para o controle sintético, refletindo a maior incerteza inerente à priori bayesiana ao incorporar estudos históricos heterogêneos.

Uma análise secundária ajustou o SCM para corresponder ao tamanho total da amostra efetiva do desenho BDB (n=64). Sob essa restrição, o SCM alcançou um poder de 0,639, mas uma taxa de erro do Tipo 1 de 0,312, ilustrando o aumento esperado no risco de falso-positivo quando os tamanhos de amostra são reduzidos.

Contribuições e Significância
A principal contribuição deste trabalho é a primeira comparação empírica direta das métricas de desempenho (poder e erro do Tipo 1) de BDB e SCM dentro de um quadro de estudo de caso unificado. Os autores enfatizam que, embora os métodos tenham produzido estimativas de resposta de controle comparáveis (com uma diferença de aproximadamente 5%) e intervalos de incerteza sobrepostos, eles servem a papéis operacionais distintos:

1. Contexto de Aplicação: O BDB é projetado para minimizar o número total de participantes necessários ao emprestar informações, sendo adequado quando o recrutamento é difícil, mas a alocação para um braço de controle é viável. O SCM é projetado para gerar um braço de controle inteiramente a partir de dados históricos, sendo preferível quando alocar pacientes para um grupo de controle é antiético ou praticamente impossível.
2. Diferenças Metodológicas: O BDB é adaptativo, ajustando sua influência com base na similaridade dos dados do ensaio, enquanto o SCM segue uma abordagem "uma vez e pronto", onde o braço de controle é gerado e depois analisado estaticamente.
3. Estrutura de Decisão: O artigo conclui que nenhum método é universalmente superior. A escolha entre B de BDB e SCM deve ser impulsionada pelas restrições específicas do potencial ensaio, especificamente a viabilidade ética da alocação do braço de controle e a dificuldade de recrutamento.

Limitações e Escopo
Os autores declaram explicitamente que a comparação é limitada ao braço de controle. Os resultados não podem ser extrapolados para cenários onde o braço de intervenção é aumentado, pois os efeitos do tratamento podem interagir com fatores específicos do ensaio (ex: população, abandono) de forma diferente das taxas de base. Além disso, o SCM neste estudo utilizou conjuntos de dados simulados derivados de estatísticas resumidas históricas, em vez de dados reais de nível de paciente, o que pode ter resultado em intervalos de confiança mais estreitos do que os observados em uma aplicação real usando dados brutos. O estudo mantém uma postura modesta, observando que o "melhor" método é contingente às necessidades específicas do ensaio, em vez de uma superioridade definitiva em métricas estatísticas.