Assessing covariate-adjusted risk differences in small-sample clinical trials

Resumo Técnico: Avaliação de Diferenças de Risco Ajustadas por Covariáveis em Ensaios Clínicos de Pequena Amostra

Declaração do Problema
Pontos finais binários são onipresentes em ensaios clínicos randomizados (ECRs). Tradicionalmente, as razões de chances condicionais derivadas da regressão logística têm sido o padrão para avaliar efeitos de tratamento. No entanto, as razões de chances sofrem de problemas de interpretabilidade, não são colapsáveis (o que significa que os efeitos marginais e condicionais divergem mesmo na ausência de interações) e dependem de pressupostos de modelagem fortes. Orientações regulatórias recentes, particularmente da FDA dos EUA, enfatizam a importância de estimandos marginais (efeitos médios de tratamento na população) e incentivam o ajuste por covariáveis para melhorar a eficiência.

Consequentemente, as diferenças de risco (DR) ganharam proeminência como uma medida mais interpretável e colapsável. No entanto, a metodologia para estimar e testar diferenças de risco ajustadas por covariáveis em cenários de pequena amostra ($N \le 150$) permanece pouco explorada. Ensaios de pequena amostra, comuns no desenvolvimento da Fase II, em doenças raras e em pediatria, apresentam desafios específicos: aproximações assintóticas frequentemente falham, levando a estimadores enviesados, variâncias subestimadas, valores-p mal calibrados e cobertura inadequada de intervalos de confiança (IC). Além disso, abordagens de g-computação (padronização), embora flexíveis, dependem de modelos de trabalho de regressão logística que podem sofrer de separação ou não convergência em dados esparsos. Há uma falta de melhores práticas estabelecidas para alinhar o estimando, o estimador pontual e o estimador de variância nesses contextos.

Metodologia
Os autores conduziram um estudo de simulação abrangente para avaliar dez métodos estatísticos para estimar e testar diferenças de risco em ECRs de dois braços com pontos finais binários e covariáveis basais categóricas prognósticas.

• Desenho da Simulação: O estudo espelhou um ensaio hipotético com randomização simples ($1:1$), um desfecho binário $Y$ e duas covariáveis binárias $X_1, X_2$. Os dados foram gerados via um modelo logístico com probabilidade de resposta de controle marginal fixa (0,20) e efeitos de tratamento variáveis ($\delta = 0, 0,15, 0,30$). A força prognóstica das covariáveis e os tamanhos totais de amostra ($N \in \{30, 60, 90, 120, 150\}$) foram variados, criando 45 cenários com 50.000 replicações cada.
• Estimando Alvo: O framework de simulação avaliou o desempenho em relação ao Efeito Médio de Tratamento (MTE), definido como o efeito médio de tratamento sobre a distribuição da população.
• Métodos Avaliados:
  1. Não Ajustado: Teste exato incondicional Suissa–Shuster (almeja MTE).
  2. Estratificado (Mantel–Haenszel): Teste Cochran–Mantel–Haenszel (CMH) (almeja Efeito de Tratamento Condicional, CTE); Diferença de Risco MH com variância de Sato (almeja Efeito de Tratamento Médio Populacional Condicional, CPATE); Diferença de Risco MH com variância modificada Greenland–Robins (mGR) (almeja MTE).
  3. G-Computação (Padronização): Seis variantes que diferem na estimação de variância e ajustes de modelos de trabalho:
     • Ge et al. (método delta baseado em modelo; almeja CPATE).
     • Liu e Xi (variância robusta tipo sanduíche + termo de variabilidade de covariável; almeja MTE).
     • Ye et al. (variância robusta semiparamétrica; almeja MTE).
     • Steingrimsson et al. (bootstrap não paramétrico; almeja MTE).
     • Zhang et al. (teste de escore robusto; almeja MTE).
     • Firth (regressão logística penalizada para lidar com separação; emparelhada com a variância de Ge; almeja CPATE).

Principais Contribuições e Resultados

• Estabilidade Computacional: A não convergência de modelos de regressão logística foi extremamente rara ($<0,004\%$) mesmo em $N=30$. No entanto, a separação (previsão perfeita) ocorreu frequentemente em pequenas amostras com covariáveis prognósticas fortes (até $>30\%$ em $N=30$). O estudo constatou que a separação impulsionada por covariáveis não degradou materialmente o desempenho dos métodos de g-computação, ao passo que a separação impulsionada pelo indicador de tratamento afetou todos os métodos.
• Controle do Erro Tipo I:
  • Inflação: Várias abordagens de g-computação usando inferência padrão do tipo Wald (Ge et al., Ye et al.) exibiram inflação pronunciada do Erro Tipo I em amostras muito pequenas ($N=30$), principalmente devido à subestimação da variância quando o estimando (MTE) e o estimador de variância (condicional) estavam desalinhados.
  • Conservadorismo: Variantes robustas (Liu e Xi) e modelos penalizados (Firth) mantiveram controle estrito do Erro Tipo I (frequentemente abaixo de 0,05) em pequenas amostras, mas ao custo de poder reduzido.
  • Robustez: O teste Suissa–Shuster e o teste CMH demonstraram excelente controle do Erro Tipo I em todos os cenários, embora o primeiro tenha sido consistentemente o mais conservador.
• Poder Estatístico:
  • Métodos com Erro Tipo I inflado (Ge, Ye) mostraram o maior poder, refletindo sua natureza liberal.
  • Métodos conservadores (Liu-Xi, Firth, Suissa–Shuster) mostraram o menor poder em pequenas amostras.
  • Métodos de g-computação usando testes de escore ou bootstrap não paramétrico ofereceram um meio-termo.
  • Notavelmente, no cenário específico de covariáveis categóricas, a g-computação não mostrou uma vantagem substancial de poder sobre o teste MH quando o controle estrito do Erro Tipo I foi exigido. Os autores observam que os ganhos de eficiência da g-computação devem ser mais pronunciados com covariáveis contínuas, que não foram incluídas nesta simulação.
• Estimação e Cobertura:
  • Viés: A maioria dos métodos foi não enviesada. A abordagem baseada em Firth introduziu um viés descendente na estimativa da diferença de risco (devido à contração em direção a 0,50), mas alcançou menor Erro Quadrático Médio (EQM).
  • Cobertura: Intervalos de Wald padrão para g-computação (Ge, Ye) e diferenças de risco MH mostraram subcobertura substancial em pequenas amostras. Os métodos Liu–Xi e Firth forneceram excelente cobertura (próxima ao nominal de 95%) mesmo em pequenas amostras, apesar de seu comportamento de teste conservador.

Significância e Recomendações
O artigo argumenta que a inflação observada do Erro Tipo I em análises ajustadas por covariáveis de pequena amostra frequentemente reflete um desalinhamento entre o estimando e o estimador de variância e não uma falha fundamental do método de ajuste em si. Especificamente, usar um estimador de variância condicional (que ignora a variabilidade da distribuição de covariáveis) para inferir um estimando marginal leva a resultados anti-conservadores.

Os autores fornecem as seguintes recomendações práticas:

1. Para Controle Estrito do Erro Tipo I: O teste exato incondicional Suissa–Shuster é altamente robusto, mas perde eficiência ao ignorar covariáveis. Para covariáveis categóricas, o teste CMH é uma alternativa robusta. Se o ajuste por covariáveis for necessário, g-computação robusta (variância Liu–Xi ou modelo Firth) garante controle conservador do erro.
2. Para Equilibrar Poder e Controle de Erro: G-computação combinada com o teste de escore de Zhang ou bootstrap não paramétrico oferece um compromisso, mostrando inflação moderada de erro, mas maior poder do que métodos conservadores.
3. Para Precisão de Estimação: Os métodos Liu–Xi e Firth fornecem a cobertura de intervalo de confiança mais confiável em pequenas amostras, embora Firth introduza viés.
4. O Alinhamento é Fundamental: O estudo enfatiza que a seleção do método deve ser guiada pelo estimando alvo (MTE vs. CPATE) e pelo framework inferencial. A g-computação fornece um framework unificado para estimação, teste e construção de intervalos, mas o procedimento inferencial (estimador de variância ou estatística de teste) deve estar explicitamente alinhado com o estimando escolhido para garantir inferência válida.

O estudo conclui que, embora a g-computação seja um framework poderoso, sua aplicação em pequenas amostras requer seleção cuidadosa de estimadores de variância e modelos de trabalho para evitar taxas de erro infladas, e que nenhum método único domina em todas as dimensões de desempenho.