Operating characteristics of analysis methods for clinical trials in viral respiratory disease: A simulation study protocol

Resumo Técnico: Características Operacionais de Métodos de Análise para Ensaios Clínicos em Doenças Respiratórias Virais

Definição do Problema
As infecções respiratórias virais agudas (IRVAs) são uma das principais causas de hospitalização e mortalidade globalmente. Projetar ensaios clínicos randomizados (ECRs) para estas condições apresenta desafios significativos na seleção de desfechos primários. Embora a mortalidade seja clinicamente inequívoca, ela ocorre com frequência insuficiente em contextos interpandêmicos para servir como um desfecho primário viável sem exigir tamanhos amostrais proibitivamente grandes. Consequentemente, pesquisadores propuseram estratégias alternativas, incluindo escalas de gravidade ordinais, desfechos de tempo até o evento, desfechos compostos baseados em recuperação e modelos ordinais longitudinais. No entanto, as características operacionais comparativas (especificamente as taxas de erro do Tipo I e o poder estatístico) destas diversas abordagens sob trajetórias realistas de doenças por IRVA permanecem insuficientemente compreendidas. Esta falta de evidência comparativa complica a seleção de estratégias de análise eficientes e clinicamente significativas para futuros ensaios.

Metodologia
Este artigo descreve um protocolo para um estudo de simulação projetado para comparar sistematicamente o desempenho de desfechos e estratégias de análise comumente utilizados e recentemente propostos em ECRs de dois braços para participantes hospitalizados com IRVA. O estudo segue a estrutura ADEMP (Aims, Data-generating mechanisms, Estimands, Methods, and Performance measures — Objetivos, Mecanismos geradores de dados, Estimandos, Métodos e Medidas de desempenho).

• Mecanismos Geradores de Dados (DGMs): O estudo emprega quatro mecanismos distintos para simular trajetórias de participantes, garantindo robustez entre diferentes suposições:

  1. Movimento Browniano Latente: Um processo de gravidade contínuo latente em uma escala logística com drift aleatório e fragilidade específica do participante. Este mecanismo permite trajetórias plausíveis e é projetado para violar a suposição de Markov de primeira ordem, servindo como o DGM principal para testar a robustez de modelos baseados em Markov.
  2. Processo de Markov Ordinal: Uma cadeia de Markov de tempo discreto de primeira ordem onde as probabilidades de transição dependem do estado anterior, tratamento, covariáveis e tempo. Este mecanismo satisfaz a suposição de Markov por definição, favorecendo teoricamente os modelos de transição de estado ordinal de Markov (MOST).
  3. Eventos Recorrentes Exponenciais por Partes Latentes: As transições de estado são modeladas como eventos recorrentes independentes com tempos de espera distribuídos exponencialmente, incorporando fragilidade ao nível do participante para quebrar a suposição de Markov.
  4. Reamostragem do ACTT-2: Reamostragem empírica de dados individuais de participantes do ensaio ACTT-2 (1033 participantes) para avaliar as características operacionais em estruturas de dados do mundo real.

• Cenários: As simulações cobrem variados horizontes de acompanhamento (28 e 60 dias), tamanhos amostrais (variando de 200 a 1000) e granularidades de escala ordinal (4, 6 e 8 níveis). Os efeitos do tratamento são calibrados para refletir cenários nulos, tamanhos de efeito previamente observados (ex: de ACTT-1/ACTT-2) e cenários otimistas, medidos primariamente pela diferença em "dias vivos e fora do hospital" (DOH).

• Métodos Comparados: O estudo avalia uma ampla gama de estratégias de análise, incluindo:

  • Modelos Ordinais Longitudinais: Modelos de transição de estado ordinal de Markov (MOST) de primeira ordem, com erros padrão baseados em modelo e robustos ao agrupamento (cluster-robust).
  • Análises de Ponto de Tempo Fixo: Modelos de proporções ordinais no dia H (PO-H).
  • Escalas de Recuperação: Escala de Dias para Recuperação (DRS-H) analisada via modelos de proporções ordinais.
  • Tempo até o Evento: Modelos de riscos proporcionais de Cox para recuperação sustentada, alta hospitalar, melhora e morte.
  • Desfechos Binários: Regressão logística para mortalidade e falha composta (ventilação ou morte) no dia H.
  • Compostos Hierárquicos: Comparações Pareadas Generalizadas (GPC) para desfechos compostos.
  • Desfechos Contínuos: Testes t de duas amostras para dias vivos e fora do hospital.

• Medidas de Desempenho: Os alvos primários são as taxas de rejeição incondicional da hipótese nula (Erro do Tipo I sob cenários nulos; poder estatístico sob cenários alternativos) em um $\alpha$ unilateral de 0,025. Medidas secundárias incluem taxas de falha de convergência e o Benefício de Tratamento Líquido (NTB) para GPC.

Principais Contribuições
O artigo não apresenta resultados finais, mas estabelece um protocolo rigoroso para abordar uma lacuna crítica na metodologia de ensaios clínicos para IRVAs. Suas principais contribuições são:

1. Comparação Sistemática: Propõe um quadro abrangente para comparar métodos de análise díspares que visam diferentes estimandos (ex: razões de chances vs. razões de risco vs. diferenças de médias) sob um conjunto unificado de mecanismos geradores de dados.
2. Modelagem de Trajetória Realista: Ao utilizar um processo de movimento Browniano latente e reamostragem empírica, o estudo visa gerar dados que reflitam trajetórias de pacientes plausíveis e não-markovianas, testando assim a robustez de métodos como o MOST quando suas suposições subjacentes são violadas.
3. Padronização: O protocolo detalha regras específicas de implementação, incluindo como lidar com falhas de convergência de modelos (imputação de pior caso) e como calibrar os efeitos do tratamento entre diferentes DGMs para garantir comparações justas.
4. Transparência: O estudo compromete-se com a ciência aberta, com o código de simulação, scripts de análise e especificações de cenários a serem disponibilizados publicamente após a publicação.

Resultos
Como este documento é um protocolo de estudo, nenhum resultado de característica operacional (estimativas de Erro do Tipo I ou poder) é relatado. O artigo afirma explicitamente que as simulações ainda não foram concluídas e que se espera que os resultados estejam disponíveis até dezembro de 2026. O texto foca inteiramente no design, justificativa e especificações técnicas do estudo de simulação subsequente.

Significância e Alegações
Os autores afirmam que este estudo fornecerá uma comparação sistemática de definições de desfechos e métodos de análise para ensaios de IRVA sob mecanismos geradores de dados clinicamente motivados. A significância pretendida é informar a seleção de estratégias de análise primária viáveis, interpretáveis e estatisticamente eficientes para futuros ensaios.

Os autores mantêm um tom modesto em relação ao escopo e limitações:

• Limitações: Eles reconhecem que o estudo não avalia sistematicamente dados ausentes ou perda de seguimento, o que pode impactar o desempenho, especialmente em períodos de acompanhamento mais longos. Observam que o estudo é restrito a uma estrutura frequentista, excluindo abordagens bayesianas. Além disso, reconhecem que os dados de calibração derivam de ensaios de COVID-19, que podem não se generalizar perfeitamente para outras IRVAs como o VSR ou influenza.
• Trabalhos Futuros: Os autores sugerem que pesquisas futuras possam investigar violações específicas de suposições em novas abordagens de análise e explorar efeitos de tratamento variantes no tempo.

Em última análise, o artigo posiciona-se como uma base metodológica necessária para guiar o desenho de futuros ensaios clínicos de IRVA, visando resolver a incerteza em torno da escolha ideal de desfechos primários e métodos de análise nesta área terapêutica de alto risco.