1 / 44

Dr. Pere Ventayol Hospital Universitario Son Dureta Palma de Mallorca, 7 de Mayo 2008

JORNADA Posicionamiento de los medicamentos en guías y protocolos clínicos. Dr. Pere Ventayol Hospital Universitario Son Dureta Palma de Mallorca, 7 de Mayo 2008. El ECA: paradigma para demostrar eficacia. Población diana. Criterios de inclusión. Aleatorización. Tratamiento. Control.

said
Download Presentation

Dr. Pere Ventayol Hospital Universitario Son Dureta Palma de Mallorca, 7 de Mayo 2008

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. JORNADA Posicionamiento de los medicamentos en guías y protocolos clínicos Dr. Pere Ventayol Hospital Universitario Son Dureta Palma de Mallorca, 7 de Mayo 2008

  2. El ECA: paradigma para demostrar eficacia

  3. Población diana Criterios de inclusión Aleatorización Tratamiento Control doble ciego Análisis de resultados Demostrar eficacia no siempre es demostrar superioridad • ENSAYO CLÍNICO controlado aleatorizado doble ciego sobre una variable relevante La “prueba del algodón” sobre eficacia

  4. La calidad del estudio: Validez interna ? ? ? ?

  5. Variables ¿son importantes? Cualidad:¿Qué se mide? Cantidad: ¿Cúal es la magnitud? Riesgo basal: ¿En que pacientes? • Variables subrogadas • Subclínicas • intermedias orientadas a la enfermedad (“disease-oriented”) • Variables clínicas finales orientadas al paciente (“patient-oriented”)

  6. Cualidad ¿Qué se mide?

  7. ¿Conocéis algún ejemplo en el que variable subrogada y final sean inconsistentes?

  8. Cantidad ¿Cuál es la magnitud? Intervalos de confianza: ¿por qué usarlos? • No sólo permiten conocer la significación estadística (p) • Permiten valorar la importancia práctica o clínica • Valor menos críptico que la p y más completo • Base para calcular la probabilidad de que un resultado alcance una determinada magnitud (Nivel de confianza)

  9. Valor de la p X Ho A=B • Compatibilidad de la diferencia hallada en un ECA con la hipótesis nula que de entrada se considera cierta

  10. P para valores intermedios Problema de conciencia: to p or not to p? • Neyman en 1933 consideró la necesidad de establecer un límite claro • Valor famoso de a definido para tomar una decisión • Malinterpretación • Ley del todo o nada • Depende de la muestra (intuitivo) • Diferencia entre 2 fármacos mortalidad 40% • Muestra 10 pac: 5 con A y 5 con B • Muestra 1000 pac: 500 con A y 500 B La solución…..Shakespeare TP

  11. Tratamiento estándar superior Tto nuevo Valor de relevancia clínica Valor de relevancia clínica Estandar ¿Cuánta debe ser la diferencia? el triple punto de vista Tratamiento nuevo superior p<0.05 P=0.15 Shakespeare: Tratamiento nuevo inferior estadísticamente p=0.15 Tratamiento nuevo superior clínicamente con un Nivel de Confianza del 52% (AUC) Tratamiento nuevo inferior estadísticamente p=0.15 Tratamiento nuevo no inferior NC: ¿qué probabilidad hay de que A sea ≥ x% superior a B en cuanto al efecto deseado? 0%

  12. http://www.theshakespeares.com/Free_statistical_software.htmlhttp://www.theshakespeares.com/Free_statistical_software.html Shakespeare TP, Gebski VJ, Veness MJ, Simes J. Improving the interpretation of clinical studies by use of confidence levels, clinical significance curves, and risk-benefit contours. Lancet 2001; 357: 1349-1353.

  13. Comparaciones: cuidado con los IC

  14. Comparaciones para determinar equivalencia

  15. Tto nuevo Tto estandar Comparaciones: cuidado con los IC Ojo: Al comparar 2 medias hay 2 fuentes de variabilidad, pueden solapar hasta un 29% y ser diferentes con significación estadística

  16. Si demuestra eficacia; se puede recomendar en la práctica clínica? • Grado de evidencia • Ensayo individual • "Cuerpo" de evidencia • Variabilidad en “catalogar” evidencia • +40 escalas para evaluar grados de evidencia • Diferencias inter- e intra-escalas • (AHRQ) elementos clave: Criterios de calidad, cantidad y consistencia -> sólo 7

  17. La aplicabilidad en la práctica clínica • Grado de evidencia • Calidad • Cantidad • Consistencia • Variable • Diferencia de la magnitud Gradación de la fortaleza de la recomendación relevancia • Sistema de clasificación: Uniforme, sencillo, directo. • Ejemplos: SORT, GRADE, SIGN

  18. Para aplicar los resultados...¿de qué pecan los ECAs? Los 5 demasiados: • Selectos • restringidos • breves • reducidos • controlados • Pluripatología, polimedicados • Edad, sexo, condición FP • Ef 2º tras largo tiempo • Ef 2º graves pero poco frecuentes • Adherencia, seguridad, efecto Hawthorne

  19. Preguntas para establecer la validez externa: • ¿Considera adecuado el comparador? • ¿Son importantes clínicamente los resultados? • ¿Considera adecuada la variable medida utilizada? • ¿Considera adecuados los criterios de inclusión/exclusión de los pacientes • ¿Cree que los resultados pueden ser aplicados directamente a la práctica clínica? • Otros sesgos o limitaciones encontradas en el estudio

  20. Resumen sobre eficacia y validez • Determinar la validez interna • Identificar resultados principales • Identificar resultados secundarios, subgrupos. • Expresar los resultados de forma comprensible • RAR y NNT siempre que sea posible • Expresar los resultados haciendo como mínimo constar el el IC 95% (p opcional) • Dimensionar la magnitud de la diferencia y relevancia clínica • Catalogar la calidad de la evidencia y establecer fuerza de recomendación en base a algoritmos (SORT) • Determinar la validez externa

  21. El uso de variables combinadas es cada vez más frecuente • Se suele emplear cuando el efecto esperado sobre cada uno de los desenlaces de interés es pequeño • Puede que el efecto se haya producido sobre uno de los componentes y se atribuya erróneamente a todos • Ej: AAS en Prevención del reinfarto y ACV de cualquier etiología • Hay que analizar la variable combinada y tener en cuenta los efectos por separado Las variables combinadas ¿Qué se mide?

  22. Cualidad: Las variables combinadas ¿Qué se mide? • La diferencia en el efecto combinado se debe ppalmente a las flebografías subclínicas pero no ha mostrado reducción en trombosis venosa sintomática ni en embolia pulmonar.

  23. Análisis de subgrupos ¿Qué se mide? • La realización de múltiples comparaciones aumenta la probabilidad de encontrar un resultado estadísticamente significativo • Si el subgrupo es de pequeño tamaño el análisis puede ser incapaz de detectar diferencias relevantes • Si el estudio presenta análisis de subgrupos: • Magnitud del efecto clínicamente relevante • Efecto estadísticamente muy significativo • Hipótesis planteada a priori • Análisis realizado dentro de una estrategia de comparaciones múltiples • Resultados consistentes con otros estudios • Evidencia indirecta que avale los resultados (plausibilidad biológica)

  24. Cualidad: Análisis de subgrupos ¿Qué se mide? • Efecto de factor de confusión en EECC para enfermedad con elevada mortalidad (n=78) H T Diferencia 27/40 18/38 Mortalidad % 67,5 47,4 20,1 H T Pacientes alto riesgo 32/40 14/38 % 80% 36,8%

  25. Cualidad: Análisis de subgrupos ¿Qué se mide? • Efecto de Factor de confusión en EECC para enfermedad con elevada mortalidad (n=78) H T Diferencia 2/8 4/18 Bajo riesgo % 25% 22,2% 2,8% 25/32 18/38 Alto riesgo % 78,1% 70% 8,1% • La distinta distribución del factor pronóstico ha producido un fenómeno de confusión y la diferencia inicial (20%) estaba distorsionada)

  26. Cualidad: Análisis de subgrupos y multivariante • Incorporar la estadística al análisis de subgrupos = análisis de subgrupos; evaluar el efecto del tto sobre la variable respuesta dentro de cada estrato H T Diferencia 2/8 4/18 Bajo riesgo % 25% 22,2% 2,8% p>0.05 25/32 18/38 Alto riesgo % 78,1% 70% 8,1% p<0.05 • Las técnicas multivariante implican un modelo matemático. • Variable dependiente (respuesta) • Variable independiente ppal (tto) • Variables independientes a controlar (estimación de coeficiente de regresión)

  27. Estrategia de análisis Objetivo: CV <400 a las 48 semanas Randomizados N=100 Datos disponibles a 48 semanas N=75 Datos no disponibles a 48 semanas N=25 CV<400 N=65 CV>400 N=10 CV<400 N=11 CV>400 N=14 Análisis PP 87% (65/75) ITT (ultima observación) 76% (65+11/100) ITT (perdidas=F) 65% (65/100) Dilución de la respuesta: ¿Cuál es la verdadera?

  28. Concepto y Cálculo de la RAR • RAR : • Diferencia de proporciones de un suceso entre el grupo intervención y el grupo control • Diferencia de eficacia entre los grupos estudiados • Debe conocerse antes de tomar decisiones sobre la ventaja de un fármaco y sobre que pacientes deben tratarse p Palivizumab (N=1002) Placebo (N=500) Pacientes hospitalizados por VRS 48 (4,8 %) 53 (10,6 %) <0,001 RAR = 4,8% – 10,6% = - 5,8 %

  29. 1 RAR = 5,8 % NNT = = 17,241 0,058 Concepto y Cálculo de NNT • NNT: número necesario de pacientes a tratar para producir una unidad adicional de eficacia. • Dimensiona el grado de eficacia del fármaco • Expresa el grado de esfuerzo necesario para conseguir una unidad adicional de eficacia • Es útil para cálculos farmacoeconómicos 1 NNT = RAR

  30. Relación entre medidas absolutas y relativas • RR o OR pueden ser difíciles de interpretar si no se traducen en medidas de RAR • RAR y NNT se pueden calcular a partir de RR (conociendo incidencia de evento en grupo control) o OR

  31. Ejemplo: disminución de hospitalización por VRS de un 10,6% a un 4,8% con Palivizumab En términos absolutosdisminuye un 5,8% (RAR) En términos relativosdisminuye un 55% (RRR) Eficacia: modos de presentarla ¡¡ ojo con el % relativo!! • Es mejor hablar en términos de RAR ya que se entiende de forma más clara y precisa

  32. Otra forma de verlo En términos relativos En términos absolutos

  33. Placebo Otra forma de verlo En términos relativos 100% 0% 10,6% En términos absolutos

  34. Placebo Otra forma de verlo En términos relativos 100% 0% 4,8% 10,6% En términos absolutos Palivizumab

  35. Placebo Otra forma de verlo En términos relativos 100% 0% 45% 4,8% 10,6% En términos absolutos Palivizumab

  36. Placebo RRR Otra forma de verlo En términos relativos RR 100% 0% 45% 4,8% 10,6% RAR En términos absolutos Palivizumab

More Related