Nos preguntaron recientemente sobre el término "sesgo inmortalidad." La manera más fácil de explicar el sesgo inmortalidad es comenzar con un ejemplo. Imagine un estudio de pacientes con EPOC hospitalizados realizadas para evaluar el impacto de las drogas A, un corticoide inhalado, en la supervivencia. En el primer ejemplo, la gente es al azar para recibir una receta para un medicamento tras el alta o no para recibir una receta. Si alguien en el grupo A se muere antes de llenar su prescripción, deben ser analizados como aleatorio y, por tanto, deben ser considerados como una muerte en la droga Un grupo a pesar de que nunca fueron expuestos a las drogas A.
Imaginemos que el medicamento A no le confiere ventaja en la supervivencia y que la mortalidad de esta población es 10 por ciento. En un estudio de población de 1000 pacientes en cada grupo, esperaríamos 100 muertes en cada grupo. Digamos que 10 personas de la droga Un grupo murieron antes de poder recibir su medicación. Si no analizamos las personas no expuestas que murieron en el grupo A como aleatorios, que serían 90 muertes por drogas en comparación con el grupo de comparación de 100 muertes por lo que es falsa impresión de que el fármaco A se tradujo en una ventaja de supervivencia.
Si el medicamento funciona Una realidad, el tiempo que los pacientes que no están expuestos a la droga trabaja un poco en contra de la intervención (oh, sí, y qué la gente realmente tome su droga?), Pero como el sesgo tiende a favorecer la intervención, probablemente iguala a el campo de juego un poco-hay una razón por la que hablamos de "cercanía a la verdad" y "las estimaciones del efecto."
"Sesgo inmortalidad" es un riesgo en los estudios cuando hay un período de tiempo (el "inmortal" o el tiempo "inmune" cuando el resultado es distinto de supervivencia) en el que los pacientes en un grupo no pueden experimentar un evento. Dejando a un lado la multitud de otros sesgos que pueden afectar los estudios observacionales, como el potencial de confusión a través de la elección del tratamiento, para ilustrar esto, vamos a comparar nuestro ensayo controlado aleatorio (ECA) que acabamos de describir a un estudio de cohortes retrospectivo para estudiar el mismo cosa. En el estudio observacional, tenemos que elegir un momento para empezar a observar los pacientes, y ya no deciden al azar cómo se agrupan los pacientes para el análisis, por lo que tenemos que tomar una decisión sobre eso también.
Para nuestro ejemplo, digamos que vamos a poner el reloj en los resultados de grabación (la muerte) a partir de la fecha del alta. Los pacientes se agrupan para su análisis en función de si son o no llenaron una receta para un medicamento dentro de los 90 días del alta. Debido a que "estar vivo" es un requisito para recoger la prescripción, pero no para el grupo de comparación, el grupo A recibe medicamentos potencialmente una "ventaja de supervivencia" si esta tendencia no se tiene en cuenta de alguna manera en el análisis.
En otras palabras, por diseño, no hubo muertes pueden ocurrir en el fármaco Un grupo antes de recoger una receta. Sin embargo, en el grupo de comparación, la muerte no tiene la oportunidad de "tomar unas vacaciones" por así decirlo. Si usted muere antes de obtener una receta, que está contado de forma automática en el grupo de comparación.Si usted vive y retire su receta, que está contado de forma automática en la droga un grupo. Por lo tanto el resultado de "estar vivo" es un requisito previo para estar en la droga un grupo. Por lo tanto, todas las muertes de las personas no surtir una receta que se producen antes de que la ventana de 90 días hago contar en el grupo de comparación. Y un ejemplo más de cómo los grupos son diferentes o ser tratados de manera diferente que no sea lo que se estudia lata resultados sesgo.
Muchos lectores reconocerán la similitud entre el sesgo inmortalidad y sesgo tiempo de espera. Sesgo del tiempo de plomo se produce cuando una detección más temprana de una enfermedad, debido a la detección, hace que parezca que la proyección ha conferido una ventaja en la supervivencia-cuando, de hecho, la "mayor longitud de tiempo sobrevivió" es en realidad un artefacto resultante de la hora adicional contado entre la identificación de la enfermedad y cuando se habría encontrado si no hubiera tenido lugar la detección.
Otro caso en el que se puede producir un sesgo dependiente del tiempo es en los estudios oncológicos cuando los marcadores intermedios (por ejemplo, la recurrencia del tumor) se evalúan en el extremo de los segmentos de seguimiento utilizando la metodología de Kaplan-Meier. La recurrencia puede haber ocurrido en algunos sujetos en el comienzo del segmento de tiempo en lugar de en el extremo de un segmento de tiempo.
Siempre es bueno preguntar si, en el curso del estudio, ¿podría el paso del tiempo han tenido un impacto sobre los resultados?
Otros ejemplos -
- Podría ser que la población objeto de estudio han cambiado significativamente durante el curso del juicio?
- ¿Podría el período de tiempo del estudio afectar los resultados del estudio (por ejemplo, el estudio de un medicamento para la alergia, pero no durante la temporada de alergias)?
- ¿Podría la conciencia de los efectos adversos afectan los futuros informes de eventos adversos?
- Podría probar oportunidad o una brecha en el resultado de las pruebas de los resultados erróneos (por ejemplo, en los estudios que comparan una prueba a otra, podrían haber surgido discrepancias en los resultados de la prueba si el estado del paciente ha cambiado entre la aplicación de las dos pruebas)?
Todos estos sesgos dependientes del tiempo pueden distorsionar los resultados del estudio.
No hay comentarios:
Publicar un comentario