A beta-binomial model respecting randomization and its comparison to the standard beta-binomial model that ignores randomization for the meta-analysis of rare events

Resumo Técnico: Um Modelo Beta-Binomial que Respeita a Randomização para Meta-análise de Eventos Raros

Definição do Problema
As meta-análises de eventos binários raros apresentam desafios estatísticos significativos, particularmente quando os estudos primários contêm células de zero evento. As abordagens tradicionais frequentemente dependem de correções de continuidade (por exemplo, adicionar 0,5 às células zero) ou métodos de efeitos fixos (como o de Peto ou Mantel-Haenszel), que podem introduzir viés, inflar erros padrão ou falhar em considerar a heterogeneidade entre os estudos. Embora o modelo beta-binomial (BBM) padrão tenha surgido como uma alternativa robusta que utiliza a informação das células zero sem correções de continuidade, ele possui uma limitação estrutural crítica: ignora a randomização inerente aos estudos primários.

O BBM padrão (frequentemente chamado de "common-rho") opera como um modelo baseado em "braços". Ele agrupa os dados dos braços de controle de todos os estudos para estimar uma distribuição de risco basal e, em seguida, vincula os braços de tratamento a essa distribuição. Consequentemente, trata os grupos de tratamento e controle como amostras independentes ao longo da meta-análise, descartando efetivamente o pareamento intraestudo estabelecido pela randomização. Esta abordagem contrasta com métodos baseados em "contrastes" (como a meta-análise de variância inversa), onde o efeito do tratamento é estimado dentro de cada estudo antes do agrupamento. Os autores postulam que ignorar a randomização pode levar ao viés ecológico, particularmente em cenários com tamanhos de estudo desequilibrados ou alta heterogeneidade, embora simulações anteriores tenham sugerido que o impacto prático poderia ser mínimo.

Metodologia
Os autores introduzem e avaliam um modelo beta-binomial de "beta comum" que respeita explicitamente a randomização (BBCBrespect).

• Formulação do Modelo:

  • BBM Padrão (BBST): Assume uma correlação intraclasse comum ($\rho$) entre os braços de tratamento e controle ($\alpha_C + \beta_C = \alpha_T + \beta_T$). Estima os parâmetros agrupando primeiro os braços de controle e, em seguida, derivando o efeito do tratamento via uma função de ligação.
  • BBM de Beta Comum (BBCB): Assume um parâmetro beta comum ($\beta_C = \beta_T = \beta$), permitendo que os parâmetros alfa difiram. Esta estrutura é matematicamente equivalente a uma regressão binomial negativa de efeitos fixos para dados de contagem de painel.
  • Respeitando a Randomização (BBCBrespect): A principal inovação reside na condicionamento da verossimilhança. Enquanto uma iteração anterior do modelo de beta comum (BBCBignor) condicionava nos totais de contagem dos braços de tratamento e controle separadamente (ignorando o pareamento ao nível do estudo), o BBCBrespect condiciona na soma de todas as quatro contagens (eventos de tratamento, não-eventos de tratamento, eventos de controle, não-eventos de controle) dentro de cada estudo. Isso vincula diretamente os grupos de tratamento e controle de um único estudo durante a estimativa de parâmetros, preservando a estrutura de randomização.

• Estudo de Simulação:
  Os autores conduziram um estudo de simulação abrangente (10.000 meta-análises por cenário) projetado para espelhar revisões reais da Cochrane e não-Cochrane.

  • Geração de Dados: Baseada em distribuições derivadas de Turner et al. e Page et al., simulando tamanhos de estudo, probabilidades de evento basal (0,01, 0,02, 0,05) e heterogeneidade ($\tau^2$).
  • Cenários: Variaram o número de estudos (mediana de 3 para casos tipo Cochrane, 9 para casos tipo não-Cochrane), risco basal e presença/ausência de um efeito de tratamento (Hipóteses Nula vs. Alternativa).
  • Comparadores: O modelo BBCBrespect foi comparado contra o BBM padrão (BBST), o modelo de beta comum que ignora a randomização (BBCBignor) e um modelo de referência de meta-análise de efeitos aleatórios de variância inversa usando o estimador Paule-Mandel com intervalos de confiança de Hartung-Knapp modificados (MHKPM).
  • Métricas: Taxas de convergência, viés, probabilidade de cobertura, comprimento de intervalo de confiança e poder estatístico.

• Exemplo Empírico:
  Os modelos foram aplicados a uma revisão Cochrane de cirurgia de revascularização miocárdica com bomba versus sem bomba (60 estudos) para ilustrar diferenças práticas.

Principais Resultados

• Convergência: Todos os modelos beta-binomiais mostraram altas taxas de convergência (88–95%), comparáveis ao BBM padrão. O modelo de referência MHKPM convergiu em 100% das execuções devido às correções de continuidade.
• Viés e Estimativas:
  • Na maioria dos cenários, o BBST e o BBCBignor produziram estimativas de efeito muito semelhantes, frequentemente sobrepondo-se significativamente.
  • O BBCBrespect geralmente produziu estimativas ligeiramente mais próximas da nulidade em comparação ao BBST, particularmente em cenários com alta heterogeneidade ou tamanhos de estudo desequilibrados.
  • O modelo MHKPM exibiu o maior viés e o menor poder, frequentemente produzindo intervalos de confiança irrealisticamente amplos ou excluindo estudos de zero evento inteiramente.
• Cobertura e Poder:
  • As probabilidades de cobertura para os modelos beta-binomiais geralmente orbitaram perto ou ligeiramente acima do nível nominal de 95%, enquanto o BBST mostrou cobertura inferior (até 90%) em cenários de eventos muito raros (p=0,01).
  • O poder foi geralmente baixo para todos os métodos no cenário Cochrane (poucos estudos). No cenário não-Cochrane, o poder foi semelhante entre todos os modelos beta-binomiais.
• Impacto de Ignorar a Randomização:
  • Os gráficos de Bland-Altman revelaram que as diferenças entre BBCBrespect e BBCBignor foram mais pronunciadas em duas situações específicas:
    1. Alta Heterogeneidade: Quando $\tau^2$ era muito alto, os modelos podiam produzir resultados divergentes, às vezes até alterando o sinal do efeito.
    2. Tamanhos de Estudo Desequilibrados: Quando as meta-análises incluíam estudos com tamanhos de amostra vastamente diferentes (ex: estudos pequenos vs. um estudo grande), ignorar a randomização levava a estimativas implausíveis.
  • Em cenários equilibrados com tamanhos de estudo similares, as diferenças entre os modelos foram negligenciáveis.

Significância e Conclusões
O artigo conclui que, embora o modelo beta-binomial padrão (que ignora a randomização) geralmente não seja enviesado quando os estudos são equilibrados e de tamanho similar, ele carrega um risco inerente de viés ecológico. O modelo BBCBrespect, ao condicionar nos totais de contagem do estudo para preservar a randomização, apresenta desempenho comparável em termos de propriedades estatísticas (viés, cobertura, poder), mas evita a falha teórica de ignorar o pareamento ao nível do estudo.

Os autores argumentam que, como o modelo BBCBrespect mostra resultados muito semelhantes ao modelo padrão na maioria dos cenários realistas, mas elimina o risco de viés em situações de randomização desequilibrada ou alta heterogeneidade, ele deve ser geralmente preferido. O estudo destaca que a escolha do modelo é particularmente crítica quando as meta-análises incluem estudos com razões de alocação desequilibradas ou amostras altamente variáveis, onde o agrupamento "baseado em braços" dos BBMs padrão pode levar a conclusões espúrias. O trabalho também demonstra a utilidade das rotinas de estimativa de dados de painel econométricos (especificamente o PROC COUNTREG no SAS) para implementar esses modelos complexos de meta-análise.