Estudios intervencionales

1
Estudios intervencionales

• Principios de Epidemiología
• Conferencia 10
• Dona Schneider, PhD, MPH, FACE

2
Estudios intervencionales

• Sujetos son seleccionados de una población de
  referencia, donde los investigadores extrapolarán
  sus hallazgos
• Antes de la selección, defina específicamente y
  claramente a los sujetos
• No haga una decisión subjetiva!

3
Estudios intervencionales (cont.)

• Individuos son enrolados en base a la exposición
  (los investigadores controlan la intervención)
• Casos y controles proceden de un grupo
  experimental
• Todos los sujetos (casos y controles) deberán
  estar en alto riesgo para manifestar el
  resultado, así el estudio es probable que detecte
  una diferencia si la intervención funciona

4
Problemas potenciales

• Sesgo de selección
• Voluntariado después de monitoreo, el grupo
  experimental puede no ser generalizable a la
  población de referencia
• Consideraciones éticas
• Temas de Comité de BioEtica

5
Consentimiento informado

• Describa las experiencias que se esperan sean
  detectadas
• Describa los beneficios de la participación
• Describa los riesgos de la participación
• Describa las alteranativas para la participación
• Describa hasta donde la información de los
  sujetos será confidencial
• Describa compensaciones y/o gastos a ser
  realizados

6
Consentimiento informado (cont.)

• Obtenga el consentimiento informado, antes de
  enrolar a un paciente al estudio
• Un sujetos puede rehusar participar o retirarse
  del estudio en cualquier momento, sin
  consecuencias negativas
• De al sujeto una lista de personas que pueda
  contactar con preguntas adicionales en cuanto a
  la investigación, sus derechos como participante
  y daños potenciales relacionados al estudio
• Recuerde, el consentimiento informado es un
  proceso, no es sólo una forma

7
Problemas potenciales (cont.)

• Sesgo de reporte
• Sesgo del observador
• Observando más cuidadosamente al grupo
  experimental que al grupo control

8
Controlando sesgo y confusores

• Aleatorización
• Distribuye confusores conocidos y desconocidos en
  forma uniforme entre los grupos de tratamiento
• Ocurre después de obtenido el consentimiento
  informado
• Tamaño de muestra suficiente
• Mejora el poder para detectar una diferencia
• Mejora la probabilidad de generalizar los
  resultados a la población de referencia

9
Controlando sesgo y confusores (cont.)

• Ciego
• Previene a los sujetos y a los investigadores de
  saber quien está en cada grupo de tratamiento.
• Verificar cumplimiento (minimiza sesgo de
  reporte)
• Conteo de tabletas, estudios de laboratorio,
  entrevistas a compañeros.

10
Controlando sesgo y confusores (cont.)

• Mantener cumplimiento de la intervención
• Visitas domiciliarias
• Pago por el tiempo de la visita
• Recordatorios telefónicos y postales
• Paquetes de tabletas calendarizadas
• Diario
• Chequeo de cumplimiento pre-estudio
• Documente razones para no cumplimiento

11
Análisis de intención a tratar

• Una vez aleatorizado SIEMPRE analice
• El análisis debe siempre incluir sujetos que no
  cumplieron con la intervención o quienes no
  terminaron el estudio.
• Si elimina aquellos que no cumplieron , no se
  pude resolver la pregunta de investigación - si
  ofrecer un programa de tratamiento es benéfico.
• Aquellos que cumplieron pueden ser diferentes de
  aquellos en el grupo experimental
• Usando sólo sujetos que cumplieron , se introduce
  sesgo de selección y disminuye la generalización
  de los resultados

12
Validez interna vs externa

• Grandes estudios controlados usualmente tienen un
  elevado grado de validez interna
• Aleatorización y ciego minimizan los riesgos de
  confusores y sesgos, y una gran n hace más
  probable que el azar sea descartado como una
  explicación de la asociación observada
• Sin embargo, los estudios controlados tienen
  pobre validez externa
  (v.gr. Generalización)

13
Validez externa en estudios controlados
Población de referencia
Respondió a la carta? - Sí
Respondió a la carta? - No
Aceptan monitoreo? - Sí
Aceptan el monitoreo? - No
Son similares?
Tienen criterios de inclusión? - Sí
Tienen los criterios de inclusión? -No
Desean continuar? - Sí
Desean continuar? - No
Aceptan aleatorización? - Sí
Aceptan aleatorización? - No
Población experimental
14
Estudios cruzados

• Sujeto inician el estudio con tratamiento A y
  después cambian al tratamiento B
• El paciente sirve como su propio control
• La variación entre individuos permanece constante
• Periodo de lavado entre tratamientos, reduce
  remanente residual

15
Diseño de un plan para estudio cruzado
Aleatorización
Tratamiento A
Tratamiento B
16
Diseño factorial

• Usa la misma población de estudio para probar
  medicamento A y medicamento B
• Asuma
• Los resultados para cada medicamento son
  diferentes
• Los modos de acción son independientes
• Si necesita terminar el estudio del medicamento
  A, se puede continuarpara determinar los efectos
  del medicamento B, en lugar de iniciar un nuevo
  estudio.

17
Diseño factorial (cont.)

• Ejemplo Estudio de salud de médicos
• Prueba aspirina como una forma de prevenir
  enfermedad cardiovascular
• Prueba beta-caroteno como una forma de prevenir
  cáncer
• Termina la prueba de aspirina en forma temprana,
  debido a una caída importante en el riesgo de
  infartos al miocardio
• Continua con prueba de beta-caroteno

18
Diseño factorial para estudiar los efectos de dos
tratamientos

• Tratmiento B
• -

• Tratmiento A
• -

19
Estimación del tamaño de muestra en un estudio
clínico, se necesita...

• La diferencia entre las tasas de respuesta a ser
  detectada
• Estimación de la tasa de respuesta en uno de los
  grupos
• Nivel de significancia estadística (?)
• Valor de poder deseada (1 ?)
• Si la prueba debe ser de una o dos colas

20
Prueba de una cola
Número de pacientes necesarios en cada grupo para
detectar varias diferencias en
tasas de curación a .05 Poder (1-b) .80
(Prueba de una cola)
Diferencias en tasas de curación entre los dos
grupos de tratamiento
Más baja de las dos tasas de curación
0.70
0.65
0.60
0.55
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
8
9
9
10
12
13
17
20
24
33
40
55
105
330
0.05
8
9
11
11
13
16
19
23
30
37
47
76
155
540
0.10
8
9
10
11
15
17
22
26
32
43
56
94
200
710
0.15
8
9
10
12
15
17
23
27
36
42
63
110
230
860
0.20
-
9
10
12
15
17
23
31
37
45
69
120
260
980
0.25
-
-
10
11
15
17
23
31
37
47
73
130
280
1,080
0.30
-
-
-
11
15
17
23
31
37
48
75
135
300
1,160
0.35
-
-
-
-
13
17
23
30
37
48
76
135
310
1,210
0.40
-
-
-
-
-
16
22
26
36
47
75
135
310
1,230
0.45
-
-
-
-
-
-
19
26
36
45
73
135
310
1,230
0.50
Modified from Gehan E. Clinical trials in cancer
research. Environ Health Perspect 3231, 1979.
21
Prueba de dos colas
Número de pacientes necesarios en cada grupo para
detectar varias diferencias en
tasas de curación a .05 Poder (1-b) .80
(Prueba de dos colas)
Diferencias en tasas de curación entre los dos
grupos de tratamiento
Más baja de las dos tasas de curación
0.70
0.65
0.60
0.55
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
8
10
11
13
14
17
20
23
31
36
44
69
130
420
0.05
8
11
12
13
17
19
23
29
35
41
59
96
195
680
0.10
9
11
12
15
17
20
25
31
39
48
71
120
250
910
0.15
9
11
12
16
18
22
26
33
42
53
80
135
290
1,090
0.20
-
11
12
16
18
22
28
35
44
57
88
150
330
1,250
0.25
-
-
12
15
18
22
29
36
44
60
93
160
360
1,380
0.30
-
-
-
13
17
22
28
36
44
61
96
170
370
1,470
0.35
-
-
-
-
17
20
26
35
44
61
97
175
390
1,530
0.40
-
-
-
-
-
19
25
33
42
60
96
175
390
1,560
0.45
-
-
-
-
-
-
23
31
40
57
93
170
390
1,560
0.50
Modified from Gehan E. Clinical trials in cancer
research. Environ Health Perspect 3231, 1979.