Uso de datos del mundo real para medir la efectividad del tratamiento para las poblaciones objetivo – Healthcare Economist
Los ensayos controlados aleatorios son el estándar de oro para evaluar la eficacia del tratamiento, pero la efectividad en el mundo real puede variar. Una razón para esto es que los ensayos clínicos a menudo tienen criterios de inclusión más estrictos que los de la población tratada. Los formuladores de políticas, los pagadores y los médicos pueden preguntarse qué tan bien se trasladan los resultados de la población más reducida del ensayo clínico a la población «objetivo» del mundo real.
Esta es la pregunta de un artículo de Lugo-Palacios et al. (2024) pretende responder. El objetivo de su estudio es determinar qué tratamiento de segunda línea para la diabetes tipo 2 es más eficaz en el mundo real. Para hacer esto, los autores estiman el efecto promedio del tratamiento (ATE) y el efecto promedio condicional del tratamiento (CATE) para el uso de inhibidores de la dipeptidil peptidasa 4 (DPP4i) y sulfonilureas (SU) como terapias «complementarias» a la metformina para el tratamiento. de pacientes con diabetes tipo 2 en Inglaterra. El criterio de valoración principal de interés fue el control glucémico. Un desafío es que los informes de ECA publicados no tienen una recomendación de consenso; algunos encuentran una mejora superior con SU y otros con DPP4i. Como se mencionó anteriormente, un problema es que los ECA que evalúan estos tratamientos es que a menudo excluyen a pacientes con un control glucémico muy deficiente y, por lo tanto, no está claro hasta qué punto los diferentes tipos de pacientes del mundo real se beneficiarían de cada tratamiento.
El enfoque del estudio identificó subpoblaciones dentro de la población objetivo en dos grupos: aquellos que cumplieron con los criterios de elegibilidad de un ECA publicado («ECA elegible») y aquellos que no los cumplieron («ECA no elegible»). Los autores comparan el ATE para los «ECA elegibles» con el RCT con los mismos criterios de elegibilidad (el «punto de referencia del RCT») para examinar qué tan bien los datos del mundo real imitan los datos de los RCT. A continuación, los autores compararon los CATE para la población objetivo general (es decir, grupos «elegibles para ECA» y «no elegibles para ECA»). Los CATE se estimaron por separado por edad, origen étnico, HbA1c inicial e índice de masa corporal (IMC). Las covariables utilizadas en el análisis incluyeron factores demográficos y clínicos (es decir, HbA1c inicial, presión arterial sistólica (PAS), presión arterial diastólica (PAD), tasa de filtración glomerular estimada (eGFR) e IMC).
El enfoque econométrico fue utilizar variables instrumentales locales (LIV). El instrumento utilizado fue
…la tendencia de los grupos de encargo clínico (CCG) a prescribir (TTP) iDPP4 como tratamiento de segunda línea. Durante el período del estudio, los médicos generales (GP) trabajaron dentro de un CCG que informó las decisiones de financiación de la salud para su respectiva región geográfica. Por ejemplo, algunos CCG tendían a recomendar –a sus médicos de cabecera afiliados– la prescripción de DPP4i o SU.
Utilizando este instrumento, los autores realizaron la estimación del LIV de la siguiente manera:
…los modelos de la primera etapa estimaron la probabilidad de que a cada persona se le recetara DDP4i dadas sus covariables iniciales y el TTP de su CCG. Luego, los modelos de resultados de la segunda etapa incluyeron las probabilidades predichas de los modelos de la primera etapa (puntuación de propensión), las covariables y sus interacciones. Se utilizaron modelos de regresión probit para estimar la puntuación de propensión inicial (primera etapa), mientras que se aplicaron modelos lineales generalizados a los datos de resultados, eligiendo la familia (gaussiana) y la función de enlace (identidad) más apropiadas según la raíz del error cuadrático medio, con También se utilizaron las pruebas de Hosmer‐Lemeshow y Pregibon para comprobar el ajuste y la idoneidad del modelo.
Utilizando este enfoque, los autores encontraron lo siguiente:
La IV fue la tendencia de los grupos de encargo clínico (CCG) a prescribir (TTP) iDPP4 como tratamiento de segunda línea. Durante el período del estudio, los médicos generales (GP) trabajaron dentro de un CCG que informó las decisiones de financiación de la salud para su respectiva región geográfica. Por ejemplo, algunos CCG tendieron a recomendar –a sus médicos de cabecera afiliados– la prescripción de iDPP4i o SU como tratamiento de segunda línea.
Los autores utilizan este enfoque y encuentran que:
Los ATE estimados para la población «elegible para ECA» son similares a los de un ECA publicado. Los CATE estimados van en la misma dirección para las subpoblaciones incluidas y excluidas del ECA, pero difieren en magnitud. La variación en los efectos estimados del tratamiento individual es mayor en la muestra más amplia de personas que no cumplen con los criterios de inclusión del ECA que en aquellas que sí los cumplen.
Los gráficos muestran los resultados generales de los ECA elegibles y no elegibles, así como de los subgrupos de interés específicos.
Punto de aprendizaje
¿Cuáles son las 4 condiciones que debe cumplir un instrumento válido? Los autores los describen de la siguiente manera.
Primero, el instrumento debe predecir el tratamiento prescrito… Segundo, el instrumento debe ser independiente de las covariables no medidas que predicen los resultados de interés, que pueden evaluarse parcialmente a través de su relación con las covariables medidas… Tercero, el instrumento debe tener un efecto sobre los resultados sólo a través del tratamiento recibido… Cuarto, asumimos que la elección de tratamiento promedio debe aumentar o disminuir monótonamente con el nivel de la vía intravenosa.