Correcting for Missing Data When Evaluating Surrogate Markers in a Clinical Trial

Resumo Técnico: Correção de Dados Faltantes na Avaliação de Marcadores Substitutos em Ensaios Clínicos

1. Problema e Motivação

A avaliação de efeitos de tratamentos em ensaios clínicos frequentemente envolve procedimentos de acompanhamento longos, invasivos ou custosos. Marcadores substitutos (surrogate markers) são utilizados para fornecer medidas intermediárias que permitem uma avaliação mais rápida e eficiente da eficácia do tratamento. No entanto, a validação estatística desses marcadores é crítica, pois um marcador pode estar associado ao desfecho primário sem capturar corretamente o efeito do tratamento sobre ele.

O problema central abordado neste trabalho é que as estruturas estatísticas existentes para avaliar marcadores substitutos (como a estrutura da "proporção do efeito do tratamento explicado" - PTE) geralmente assumem a ausência de dados faltantes. Na prática, dados faltantes são comuns devido a desistências, falhas em ensaios ou visitas perdidas. A abordagem padrão atual é a análise de casos completos (excluir pacientes com dados faltantes), o que pode levar a:

• Viés: Se os dados não forem "faltantes completamente ao acaso" (MCAR), a exclusão de casos pode distorcer as estimativas.
• Ineficiência: Perda de poder estatístico e precisão ao descartar informações valiosas.
• Limitações da Literatura Existente: Métodos anteriores que lidam com dados faltantes em marcadores substitutos são frequentemente totalmente paramétricos (assumindo distribuições específicas) ou baseados em estratificação principal bayesiana, carecendo de flexibilidade e robustez.

2. Metodologia Proposta

Os autores propõem métodos para corrigir a avaliação de marcadores substitutos na presença de dados faltantes no marcador ($S$), utilizando duas abordagens principais: Design-based (baseada no desenho) e Model-based (baseada em modelos). O foco é na estimativa da Proporção do Efeito do Tratamento Explicado ($R_S$).

A. Abordagem Baseada em Design: Inversão de Probabilidade de Ponderação (IPW)

• Conceito: Reponderar a subamostra de casos completos para representar a amostra original inteira.
• Implementação:
  • Modela-se o mecanismo de falta de dados (probabilidade de $S$ ser observado, $O=1$).
  • Calculam-se pesos inversos ($w = 1/Pr(O=1|Z)$ ou condicionais a outras covariáveis).
  • Aplica-se esses pesos tanto na estimação paramétrica (regressão linear ponderada) quanto na não paramétrica (estimador de Nadaraya-Watson ponderado).
• Vantagem: Robustez se o modelo de falta de dados for especificado corretamente.
• Desvantagem: Pode ser ineficiente em amostras finitas, gerando pesos extremos e variância alta.

B. Abordagem Baseada em Modelo: Estimativa de Máxima Verossimilhança Semiparamétrica (SMLE)

• Conceito: Uma abordagem de verossimilhança que mantém a flexibilidade ao não assumir uma distribuição paramétrica para o marcador $S$.
• Estrutura do Modelo:
  • Mantém-se o modelo de regressão linear paramétrica para o desfecho primário $Y$ dado $S$ e $Z$ (como proposto por Wang e Taylor).
  • A distribuição condicional de $S$ dado $Z$ é tratada de forma não paramétrica (distribuição empírica nos pontos observados).
• Algoritmo: Utiliza-se um algoritmo Expectation-Maximization (EM) para maximizar a verossimilhança conjunta, imputando probabilisticamente os valores faltantes de $S$ baseados nos desfechos observados $Y$ e no tratamento $Z$.
• Vantagem: Maior eficiência estatística (intervalos de confiança mais estreitos) e uso de todos os dados disponíveis, sem exigir um modelo paramétrico rígido para a distribuição de $S$.

C. Estimativa de Erro Padrão e Intervalos de Confiança

• Utiliza-se reamostragem por bootstrap (500 iterações) para estimar erros padrão e construir intervalos de confiança (baseados em aproximação normal e quantis), aplicável a todos os métodos propostos.

3. Contribuições Principais

1. Novos Métodos de Correção: Desenvolvimento de estimadores IPW e SMLE específicos para o framework de avaliação de marcadores substitutos (PTE), preenchendo uma lacuna na literatura onde métodos existentes eram ou inexistentes ou excessivamente paramétricos.
2. Flexibilidade e Robustez: A abordagem SMLE oferece um equilíbrio entre eficiência e robustez, evitando a necessidade de assumir distribuições normais para o marcador substituto, ao mesmo tempo em que corrige o viés de dados faltantes.
3. Análise Comparativa: Demonstração através de estudos de simulação de que a análise de casos completos pode ser enviesada sob mecanismos de dados faltantes "Missing at Random" (MAR) dependentes do desfecho, enquanto os métodos propostos mantêm a não viés.
4. Implementação Prática: Criação e disponibilização do pacote R MissSurrogate, que implementa todos os métodos descritos, facilitando a adoção pela comunidade estatística e clínica.

4. Resultados (Estudos de Simulação e Aplicação)

Estudos de Simulação:

• Cenário MCAR (Completamente ao Acaso): Todos os métodos (incluindo casos completos) foram não viesados. O SMLE mostrou-se significativamente mais eficiente (menor variância) que IPW e casos completos.
• Cenário MAR (Dependente do Tratamento $Z$): A análise de casos completos permaneceu válida, mas o SMLE continuou a oferecer maior eficiência.
• Cenário MAR (Dependente do Desfecho $Y$): A análise de casos completos tornou-se enviesada e os intervalos de confiança perderam a cobertura nominal (95%). Os métodos IPW e SMLE corrigiram o viés, mantendo a cobertura adequada.
• Especificação do Modelo de Pesos (IPW): O IPW é sensível à especificação incorreta do modelo de falta de dados. A omissão de variáveis chave leva a viés. O SMLE, por não depender de um modelo de pesos externo, é mais robusto a erros de especificação do mecanismo de falta.
• Sobreposição de Suporte: Em cenários onde as distribuições de $S$ nos grupos de tratamento e controle não se sobrepõem (violação de suposição não paramétrica), os estimadores não paramétricos (mesmo com correção) permanecem viesados, destacando a importância de verificar a sobreposição dos dados.

Aplicação de Dados (Ensaio DCCT - Diabetes):

• Contexto: Avaliação da glicose sanguínea ($S$) como marcador substituto para o colesterol LDL ($Y$) em pacientes com diabetes tipo 1.
• Dados: 14,7% dos dados de glicose estavam faltantes no acompanhamento de 4 anos.
• Resultados:
  • As estimativas ajustadas para dados faltantes (IPW e SMLE) foram semelhantes às de casos completos, sugerindo que o viés por falta de dados neste caso específico era limitado.
  • O método SMLE produziu intervalos de confiança 31% mais estreitos que o IPW, confirmando a vantagem de eficiência observada nas simulações.
  • Conclusão Clínica: Embora a glicose explique uma proporção moderada do efeito do tratamento, os limites inferiores dos intervalos de confiança foram inferiores a 0,5, indicando que a glicose não é um marcador substituto válido para LDL neste contexto específico.

5. Significado e Conclusão

O artigo fornece ferramentas estatísticas essenciais para a validação de marcadores substitutos em cenários do mundo real, onde dados faltantes são inevitáveis.

• Impacto Prático: Permite que pesquisadores evitem a perda de poder estatístico e o viés introduzido pela exclusão de pacientes, utilizando métodos mais sofisticados (IPW e SMLE).
• Recomendação: O método SMLE é recomendado quando se busca máxima eficiência e robustez contra erros de especificação do mecanismo de falta, desde que a suposição de sobreposição das distribuições seja satisfeita. O IPW é uma alternativa viável se o mecanismo de falta for bem compreendido e modelado, mas exige cuidado com a especificação das covariáveis.
• Futuro: Os autores apontam a necessidade de estender esses métodos para lidar com dados faltantes no desfecho primário e investigar abordagens para dados "Missing Not At Random" (MNAR).

Em suma, este trabalho avança a metodologia de ensaios clínicos ao garantir que a avaliação de marcadores substitutos seja tanto estatisticamente rigorosa quanto eficiente, mesmo na presença de dados incompletos.