Medicina Basada en la Evidencia

Lectura crítica de artículos científicos sobre intervenciones terapéuticas… – 425 – 7. Expresión de los resultados Donde no debemos olvidar la expresión que nos gus- ta usar desde la MBE: “muera la p , viva el intervalo de confianza”. Porque nos interesa más la diferencia clíni- camente relevante que la diferencia estadísticamente significativa. Los siete pasos a seguir en el desarrollo de un ensayo clínico es un marco teórico que nos ayudará a la valoración crítica de los artículos sobre intervenciones terapéuticas El valor de p ( p <0,05 como valor convencional) indi- ca que la diferencia detectada tiene menos del 5% de posibilidades de que se haya producido por azar. Arbi- trariamente, se le atribuye el valor de que la diferencia encontrada “es estadísticamente significativa”. Pero no indica para nada que la diferencia sea clínicamente im- portante, y de ahí el valor del intervalo de confianza (IC). El IC (95% como valor convencional) nos indica el rango dentro del cual está el valor real (con un 95% de confianza). Y cuanto más estrecho es el IC (la diferencia entre su límite inferior y límite superior), más precisión y más certeza tenemos en el resultado. Errores habituales en los ensayos clínicos La validez del EC será inversamente proporcional al nú- mero de errores detectados. A continuación, se enume- ran los errores más frecuentes detectados en los EC. 1. Variable principal de valoración (end point) En general, el EC debe estar encaminado a contestar una sola pregunta y que esta tenga relevancia desde el punto de vista clínico. Los estudios que pretenden dar respuesta a varias preguntas suelen ser excesivamente complicados y responden habitualmente de forma par- cial a todas ellas. 2. Comparabilidad de los grupos de tratamiento A través de la aleatorización se evita el sesgo de se- lección y, así, la única causa que pudiera justificar las diferencias encontradas, si existe, sería el tratamiento recibido. Las características que debe cumplir un buen método de aleatorización son: la asignación a los grupos de tra- tamiento debe ser desconocida e imprevisible, el pro- ceso de asignación debe ser reproducible y estar do- cumentado, debe basarse en propiedades matemáticas conocidas, no debe permitir que se prevenga la conse- cuencia de los tratamientos y los fallos en la asignación de tratamientos deben poder ser detectados. 3. Medición objetiva de los resultados Así como la aleatorización es imprescindible en un EC controlado, el enmascaramiento puede ser obligado (principalmente, en caso de valoraciones subjetivas), solo deseable o, incluso, inaceptable desde el punto de vista ético (si sometemos al paciente a algún tipo de riesgo). El objetivo perseguido al enmascarar los tratamientos utilizados en un EC es evitar los sesgos de valoración por parte de todos los implicados en el ensayo, pero principalmente en el paciente (efecto pla- cebo, efecto nocivo, sesgo de retirada) y el investigador (sesgo de evaluación, sesgo de retirada). 4. Considerar las pérdidas Las pérdidas prealeatorización, es decir, las de sujetos elegibles producidas antes de su inclusión en el EC (por la negativa de los pacientes a entrar en el estudio o por ser considerados no elegibles de acuerdo a los crite- rios de inclusión/exclusión), condicionan fundamental- mente la capacidad de generalización de los resultados. Como norma se considera que si un estudio incluye en- tre el 80 y 90% de los sujetos elegibles es representati- vo de la población estudiada. Las pérdidas posaleatorización (abandonos – drop out – y retiradas – withdrawal – de pacientes durante el estu- dio) tienen un significado diferente. En principio, las retiradas o abandonos no deben suponer más del 20% de los sujetos, puesto que podría alterar la certeza de los resultados y, en todo caso, deben estar previstas cuando se calcula el número de pacientes necesarios para demostrar la hipótesis de trabajo. Lo correcto es reemplazarles, elaborando una lista de aleatorización que contemple estas posibles pérdidas. En cualquier caso, es aconsejable realizar el seguimiento de todos los sujetos hasta finalizar el EC. Para calcular a priori el número de sujetos que se nece- sitan para demostrar con una probabilidad determinada que existen o no diferencias estadísticamente significati- vas entre los grupos de tratamiento se deben considerar una serie de factores: la probabilidad de un resultado positivo o error α (arbitrariamente, inferior al 5%), la probabilidad de un resultado negativo o error β (gene- ralmente, inferior al 20%), la diferencia clínicamente sig- nificativa que se espera encontrar y las posibles pérdidas después de la aleatorización a lo largo del estudio. No hay que olvidar que con una muestra pequeña resulta difícil detectar diferencias reales, mientras que con una muestra suficientemente grande se puede detectar cual- quier diferencia por pequeña que sea. 5. Análisis de los resultados Es preciso indicar cuáles son las pruebas estadísticas utilizadas para el análisis de los resultados, si estos son las previstas inicialmente, si se han obtenido valo-