Medicina Basada en la Evidencia

Ensayo clínico (II). Metodología: pregunta de investigación, aleatorización, enmascaramiento, seguimiento, análisis… – 151 – ¿Cuál de estas estrategias es más conveniente adoptar? Existe acuerdo en que, si se utiliza una de ellas de for- ma aislada, lo más correcto es emplear un análisis por intención de tratar. Sin embargo, quizás lo más seguro y conveniente sea realizar ambos análisis y comparar los resultados que se obtiene con cada uno. Los análisis por intención de tratar mantienen el equilibrio de las características de los pacientes obtenidas de la aleatorización, siendo más representativos de la situación en la vida real Las pruebas estadísticas utilizadas para el análisis del ensayo clínico no son diferentes a las otras empleadas en los distintos diseños, y la selección de estas de- pende de la pregunta y el tipo de variable. Así pues, la prueba de ji-cuadrado, el análisis de supervivencia o la t de Student pueden decir si existen o no diferencias significativas; sin embargo, no explican si el efecto del tratamiento es lo suficientemente importante (magni- tud en el efecto del tratamiento) para que este sea útil en los pacientes. El análisis estadístico se planificará empezando por la estadística descriptiva: contempla las medidas de fre- cuencia de variables discretas y medidas de centrali- zación y dispersión de variables continuas (media/ mediana; desviación estándar/rango intercuartílico), así como la estimación de medidas de frecuencias de enfermedad (prevalencia, incidencia acumulada, den- sidad de incidencia…). Todas las estimaciones deberán acompañarse de sus intervalos de confianza. Posteriormente, se realizará la estadística analítica con contraste de hipótesis, estimación de medidas de ries- go e impacto. Para medir las diferencias existentes en una misma magnitud de una variable entre los grupos comparados en un ensayo clínico, se utilizarán medidas de diferencias. En el caso de variables cuantitativas, lo habitual es calcular la diferencia de medias o la diferen- cia de medianas, dependiendo de cómo se distribuya la variable de estudio. En el caso de variables cualitativas, lo habitual será calcular la diferencia de proporciones entre los dos grupos. En general, la diferencia calculada indica la contribución de una intervención en la pro- ducción de un efecto entre los expuestos a dicha inter- vención. La diferencia entre expuestos y no expuestos puede dar un resultado positivo, negativo o nulo. Un resultado positivo indica que la exposición favorece el efecto, uno negativo indicará que se comporta como factor protector, y un valor nulo, ausencia de relación entre exposición y efecto. La cuantía del resultado dará una indicación del impacto de la exposición sobre la producción del efecto. Para valorar la magnitud del efecto se calculan las re- ducciones de riesgo: La reducción absoluta de riesgo (RAR) es la diferencia de riesgo entre el grupo control y el grupo intervención. Se interpreta como que el riesgo en los tratados es un determinado porcentaje menor que en los controles. La reducción relativa del riesgo (RRR) se estima divi- diendo la RAR por el riesgo en el grupo control. La RRR se interpreta como el porcentaje de reducción de riesgo del grupo experimental en comparación al grupo con- trol. Esta medida tiende a magnificar el efecto. Por ello, siempre será preferible el uso de medidas absolutas de impacto frente a las relativas. La magnitud del efecto de una intervención debe calcularse mediante la reducción absoluta de riesgo, la reducción relativa de riesgo y el número necesario de pacientes a tratar Otra medida de impacto de gran interés clínico es el número necesario a tratar (NNT) , que corresponde al inverso de la RAR (1/RAR). Cuantifica el número de pa- cientes que deberían ser tratados para que un caso se viera beneficiado, evitando un evento desfavorable. Es probablemente la medida de impacto que debe utilizar- se de forma preferente al valorar los resultados de un ensayo clínico con variable de resultado cualitativa. Un equivalente al NNT sería el número necesario para dañar (NND), que reflejaría el número de sujetos que deben ex- ponerse para que se produzca un evento adverso. Veamos un ejemplo: En un grupo de 200 niños oncológicos, se llevó a cabo un ECA con la finalidad de comparar dos tratamientos. Durante el seguimiento a lo largo de dos años, falle- cieron el 15% de pacientes en el grupo de intervención (medicamento nuevo) y 20% en el grupo control (tra- tamiento estándar). Riesgo relativo (RR) = incidencia en intervención/inciden- cia en no intervención (15/100)/(20/100) = 0,15/0,20 = 0,75 Interpretación: el riesgo de muerte de los pacientes que reciben el nuevo tratamiento relativo al de los pa- cientes del grupo control fue de 0,75. Explicación alternativa: el riesgo de morir en el grupo de intervención es un 25% menor que en el grupo control. Reducción relativa del riesgo (RRR): la RRR (el comple- mento del RR) = (1,0 − 0,75) × 100 = 25% Interpretación: el nuevo tratamiento reduce el riesgo de muerte en 25% respecto al grupo control.