Planteamiento de ecuaciones para re-estimar meta-análisis con diferentes escenarios de adherencia. Un estudio de simulación aplicado al efecto de intervenciones en nutrición

Abstract

Los meta-análisis (MA) que incluyen ensayos clínicos aleatorizados (ECA) representan el más alto grado de evidencia debido a que los datos son aportados por métodos que contemplan un alto control del ambiente y sus procesos. Ahora bien, cuando se evalúan intervenciones nutricionales (ECA pragmáticos) es posible encontrar que los sujetos no siguen las recomendaciones o instrucciones a su grupo asignado. Este escenario implica que los investigadores trabajen los datos por intención de tratar (IT) útil para resguardar la aleatorización y mostrar el efecto en un ¿ambiente realista¿ (eficacia), pero que no logra mostrar el efecto exclusivo debido a la intervención (efectividad). Por tanto, sería necesario contar con el análisis como tratado (CT) que permite comparar a los grupos experimentales según su adherencia real a la intervención asignada y no al grupo donde fueron asignados inicialmente. El problema es que muchos ECA sólo reportan análisis por IT y no CT. Este estudio plantea una metodología estadística para obtener estimaciones CT a partir de estimaciones por IT. Objetivo. Desarrollar un nuevo método estadístico para estimar la eficacia de intervenciones con MA de ensayos clínicos aleatorizados con un análisis como tratado, pero a partir de los resultados publicados por intención a tratar y corrigiéndolos con diferentes escenarios de adherencia simulados. Material y Métodos. Fue planteado un estudio de simulación Monte Carlo (MC). Se desarrollaron ecuaciones matriciales para estimar la media, varianza de la variable respuesta y tamaños muestrales sumiendo porcentajes de adherencia a las intervenciones en los distintos grupos del ECA. Se plantearon 12 escenarios de simulación con distintas combinaciones de porcentajes de adherencia en el grupo intervenido, pi=0,70-0,95 y en el grupo control pc=0,10-0,30. En un MA de ECA publicado que reportó datos por IT aplicamos las ecuaciones previamente deducidas y generamos 1000 simulaciones de estimación por CT en cada uno de los 12 escenarios de simulación. Se trabajó con R-Studio y el paquete Metafor. Resultados. Fueron observados cambios en el tamaño de efecto al estimarlo CT. Cuando el efecto por IT era estadísticamente significativo también lo era el efecto CT pero más alejado del valor nulo. Por otro lado, cuando el efecto por IT no era significativo y los límites del intervalo de confianza estaban equilibrados en torno al valor de nulidad, tampoco las simulaciones de efecto CT fueron significativas; sin embargo, cuando el intervalo de confianza por IT estuviera ligeramente orientado a uno de los dos lados del valor nulo, en algunos casos las estimaciones CT fueron estadísticamente significativas. Conclusiones. Las simulaciones logran demostrar que la incorporación de porcentajes de adherencia en ambos grupos de comparación de ECA genera variabilidad inter-estudios y cambio de los tamaños de efecto, algunos estadísticamente significativos, comparado con los efectos estimados por IT.