Can Predictive Modeling Inform the Selection of Time Zero for Target Trial Emulations? An Empirical Study of Atorvastatin Initiation in Medicare Beneficiaries

Resumo Técnico: A Modelagem Preditiva Pode Informar a Seleção do Tempo Zero para Emulações de Ensaios Alvo?

Declaração do Problema
Na pesquisa farmacoeepidemiológica utilizando dados do mundo real (RWD) para emular ensaios alvo, um desafio crítico de design é definir o evento de "tempo zero". Este evento ancora a avaliação de elegibilidade, a classificação da exposição e o início do acompanhamento. Para estudos de iniciação de medicamentos, um evento de tempo zero válido deve satisfazer três condições: (1) forte associação com a indicação clínica para o tratamento; (2) uma probabilidade razoavelmente alta de iniciação real do tratamento; e (3) mensurabilidade com precisão temporal suficiente em dados administrativos.

Os autores postulam que confiar apenas em diretrizes clínicas ou conhecimento teórico é insuficiente porque os dados administrativos muitas vezes carecem da granularidade para confirmar que um evento clínico específico (ex: um diagnóstico) leva à iniciação do tratamento para todos os pacientes. A heterogeneidade na adesão dos pacientes, preferências ou contraindicações não mensuradas pode resultar em baixa probabilidade de iniciação ou diferenças significativas entre aqueles que iniciam o tratamento e aqueles que não o fazem. Isso introduz viés de canalização (channeling bias) e confusão residual, prejudicando a validade interna da emulação. O estudo aborda a necessidade de um método empírico para identificar eventos de tempo zero que satisfaçam esses três critérios simultaneamente.

Metodologia
O estudo empregou um delineamento de coorte retrospectiva utilizando dados de reivindicações de faturamento do Medicare (Partes A, B e D) de 1º de janeiro de 2018 a 31 de dezembro de 2019.

• População do Estudo: A coorte incluiu 4.071.007 beneficiários do Medicare virgens de estatinas, com idade ≥65 anos, com ≥12 meses de inscrição contínua e sem dispensação de estatina nos 12 meses anteriores.
• Definição de Exposição: A data índice foi definida como a primeira reivindicação de dispensação de farmácia para uma medicação ambulatorial recém-iniciada. Os pacientes foram classificados como "iniciadores de atorvastatina" (n=117.069) ou "não iniciadores de atorvastatina" (n=393.083, representando uma amostra aleatória de 10% dos iniciadores não usuários de atorvastatina elegíveis).
• Variáveis Preditoras: As variáveis candidatas foram levantadas durante o período de 6 meses que antecedeu a data índice. Estas incluíram demografia, comorbidades (agrupadas em 552 categorias CCSR a partir de códigos ICD-10-CM), utilização de serviços de saúde (visitas à emergência, internações hospitalares) e farmacoterapia (417 indicadores binários de medicamentos).
• Abordagem Estatística: Um procedimento de seleção de variáveis pré-especificado de oito etapas foi utilizado para identificar preditores independentes da iniciação de atorvastatina:
  1. Gestão de dados (tratamento de valores ausentes, dicotomização, remoção de variáveis raras).
  2. Triagem para desequilíbrio (Diferença Média Padronizada ≥ 0,1).
  3. Avaliação de colinearidade (remoção de variáveis com |r| > 0,8).
  4. Validação de Estabilidade: Duas simulações de Monte Carlo independentes (1.000 amostras de bootstrap de 10.000 observações cada) foram realizadas utilizando regressão LASSO adaptativa e regressão logística de retrocesso (backward stepwise). As variáveis selecionadas em ≥80% das replicações em ambos os métodos foram retidas.
  5. Modelagem Final: Uma regressão logística multivariável foi ajustada com erros padrão de bootstrap. O desempenho do modelo foi avaliado via C-estatística (discriminação) e gráficos de calibração.
  6. Predição Marginal: As probabilidades preditas de iniciação de atorvastina foram estimadas para perfis de pacientes específicos para avaliar o critério de "alta probabilidade".
• Análise de Sensibilidade: Uma análise restrita foi realizada em datas índice ocorridas em ou após 1º de julho de 2018, para avaliar tendências temporais.

Principais Resultados

• Identificação de Preditores: De um conjunto inicial de 1.532 variáveis candidatas, o rigoroso processo de seleção identificou 19 preditores significativos e independentes da iniciação de atorvastatina.
• Preditores Mais Fortes: Os dois preditores mais robustos foram internações hospitalares por infarto cerebral (Razão de Chances [OR] 11,29; IC 95% 10,47–12,17) e internações hospitalares por infarto agudo do miocárdio (OR 6,56; IC 95% 5,92–7,27). Estes foram selecionados em quase todas as replicações de bootstrap por ambos os métodos de validação.
• Probabilidade de Iniciação:
  • Um homem branco com um infarto cerebral hospitalar recente teve uma probabilidade predita de iniciação de atorvastina de 69% (IC 95% 68–70%).
  • Um homem branco com um infarto agudo do miocárdio hospitalar recente teve uma probabilidade predita de 59% (IC 95% 56–61%).
  • Em contraste, os mesmos diagnósticos registrados apenas em reivindicações ambulatoriais geraram probabilidades menores (41% e 44%, respectivamente), e um diagnóstico ambulatorial de hiperlipidemia apresentou uma probabilidade de 34%.
• Desempenho do Modelo: O modelo final alcançou uma C-estatística de 0,78 com excelente calibração.
• Análise de Sensibilidade: Os resultados permaneceram consistentes quando restritos à segunda metade do período de estudo, confirmando que os preditores identificados eram independentes de tendências sazonais ou temporais.

Significância e Alegações
O artigo afirma que a modelagem preditiva empírica fornece um mecanismo sistemático para validar eventos de tempo zero para emulações de ensaios alvo, indo além das suposições teóricas. O estudo demonstra que ancorar o tempo zero ao descarregamento hospitalar após uma internação por infarto agudo do miocárdio ou cerebral satisfaz os três requisitos críticos para um evento de tempo zero válido:

1. Indicação Clínica: Estes eventos estão fortemente associados à indicação recomendada pelas diretrizes para a terapia de prevenção secundária com estatinas.
2. Alta Probabilidade de Iniciação: Os dados empíricos confirmam uma alta probabilidade (aprox. 60–70%) de iniciação real de atorvastina após esses eventos hospitalares específicos.
3. Precisão Temporal: As datas de alta hospitalar são registradas com precisão nas reivindicações administrativas.

Os autores argumentam que a utilização deste evento de tempo zero derivado empiricamente deve mitigar o viés de canalização, o viço de seleção (incluindo o viés de tempo imortal) e a confusão residual em futuras emulações de ensaios alvo que avaliem a segurança da atorvastina em idosos. Ao sincronizar a elegibilidade, a atribuição do tratamento e o acompanhamento em um ponto de alta probabilidade de tratamento, os pesquisadores podem criar grupos mais comparáveis e melhorar a validade interna dos estudos observacionais de segurança de medicamentos. O estudo reconhece limitações, incluindo a falta de dados laboratoriais (ex: níveis de LDL) e fatores de estilo de vida, e observa que a validação externa em bancos de dados independentes é necessária para confirmar a transportabilidade desses achados.