Enfoque: Métodos contemporáneos en bioestadística (II)
Análisis de riesgos competitivosAn Introduction to Competing Risks Analysis

https://doi.org/10.1016/j.recesp.2011.03.017Get rights and content

Resumen

La necesidad de desarrollar tratamientos o programas específicos para una enfermedad requiere un análisis de los resultados que sea específico para dicha enfermedad. Criterios de valoración como la insuficiencia cardiaca, la muerte debida a una enfermedad específica o el control de la enfermedad local en el cáncer pueden ser imposibles de observar debido a la aparición previa de un tipo de evento diferente (como la muerte por otra causa). El evento que dificulta o modifica la posibilidad de observar el evento de interés se denomina riesgo competitivo.

Las técnicas habituales de análisis del tiempo hasta el evento aplicadas en presencia de riesgos competitivos producen unos resultados sesgados o no interpretables. La estimación de la probabilidad del evento debe calcularse, pues, con el empleo de técnicas específicas como la función acumulativa de incidencia introducida por Kalbfleisch y Prentice. El modelo introducido por Fine y Gray puede aplicarse para evaluar una covariable cuando hay riesgos competitivos. Con el empleo de técnicas específicas para el análisis de los riesgos competitivos se asegurará que los resultados no estén sesgados y puedan interpretarse correctamente.

Abstract

The need to develop treatments and/or programs specific to a disease requires the analysis of outcomes to be specific to that disease. Such endpoints as heart failure, death due to a specific disease, or control of local disease in cancer may become impossible to observe due to a prior occurrence of a different type of event (such as death from another cause). The event which hinders or changes the possibility of observing the event of interest is called a competing risk.

The usual techniques for time-to-event analysis applied in the presence of competing risks give biased or uninterpretable results. The estimation of the probability of the event therefore needs to be calculated using specific techniques such as the cumulative incidence function introduced by Kalbfleisch and Prentice. The model introduced by Fine and Gray can be applied to test a covariate when competing risks are present. Using specific techniques for the analysis of competing risks will ensure that the results are unbiased and can be correctly interpreted.

Full English text available from: www.revespcardiol.org

Section snippets

Introducción

Los riesgos competitivos (RC) han sido reconocidos como un caso especial de análisis de tiempo hasta el evento desde el siglo xviii. Se han publicado trabajos en el campo de la estadística o la matemática que han incorporado nuevos avances, entre ellos la monografía de David y Moeschberger1. Con la disponibilidad de datos más amplios, claros y precisos respecto a los diferentes tipos de resultados, los RC volvieron a surgir como un tipo crucial de análisis dentro de los análisis de tiempo hasta

INTRODUCCIÓN AL ANÁLISIS DE TIEMPO HASTA EL EVENTO

En muchos estudios, el resultado evaluado se observa de forma longitudinal. De esta forma, se observa a cada sujeto de la cohorte durante un tiempo hasta que se produce el evento. Por ejemplo, el evento de interés puede ser la muerte, un infarto de miocardio o la recurrencia del cáncer. Los objetivos del estudio pueden ser estimar la probabilidad de aparición del evento o su asociación con covariables de interés como el tratamiento o las características de los sujetos. El análisis estadístico

INTRODUCCIÓN A LOS RIESGOS COMPETITIVOS

No es infrecuente que un participante de un estudio experimente más de un tipo de evento. Se produce una situación de RC cuando la aparición de un tipo de evento modifica la capacidad de observar el evento de interés. Miyasaka et al8 llevaron a cabo un estudio en una cohorte de base comunitaria formada por pacientes a los que se diagnosticó fibrilación auricular entre 1986 y 2000 en el Olmsted County, Minnesota, Estados Unidos. La variable de valoración primaria fue la aparición de demencia. La

ESTIMACIÓN DE LA PROBABILIDAD DEL EVENTO

Es una práctica común aplicar el método de KM para estimar la probabilidad de un evento. La fórmula típica para la estimación de KM es Sˆ(t)=titnidini, en donde t1<t2<t3<… son los puntos temporales ordenados en los que se ha observado el evento, ni representa el número de pacientes en riesgo en ese momento ti y di es el número de eventos en ese momento ti.

Esta fórmula puede transformarse mediante manipulación algebraica para expresar la probabilidad del evento, de la siguiente forma:Pˆt=1Sˆt

Modelización

Un aspecto importante en un análisis es verificar la asociación entre una covariable y el evento de interés, considerado solo o introduciendo un ajuste para otros factores. En ausencia de RC, esto suele realizarse con el empleo de un modelo de riesgos proporcionales de Cox (PH Cox)22.

En presencia de RC, el modelo PH Cox no tiene una interpretación sencilla. Si el tiempo transcurrido hasta los dos tipos de eventos puede considerarse independiente, los resultados pueden interpretarse como

CÁLCULO DE LA POTENCIA ESTADÍSTICA

Cuando la medida utilizada es el tiempo hasta el evento, el cálculo de la potencia tiene dos etapas. El primer paso consiste en calcular el número de eventos necesarios para detectar una magnitud del efecto específica. A continuación, se calcula el número de pacientes necesario para observar ese número de eventos. En los apartados anteriores se ha hecho hincapié en que, cuando hay RC, no es posible observar todos los eventos de interés debido a la aparición de RC. Dado que el número de eventos

Software

El programa informático R con código fuente abierto CRAN (the Comprehensive R Archive Network) (disponible en: http://cran.r-project.org/) ofrece un paquete (cmprsk) desarrollado por el Dr. Robert Gray que contiene los instrumentos necesarios para un análisis completo que tenga en cuenta los RC. Así, se podría obtener gráficos de probabilidad para el evento de interés y un valor de p basado en la prueba de Gray, que es un log-rank test modificado para verificar la situación de RC. En el paquete

Conclusiones

La disponibilidad de series amplias de datos con un seguimiento completo para varias variables de valoración está aumentando continuamente. También aumenta la necesidad de análisis que se centren en una variable de valoración precisa, como la muerte por insuficiencia cardiaca o el control de la enfermedad o el control de la enfermedad local. Con todas estas variables de valoración, es posible que haya RC. Así pues, es esencial tener en cuenta los RC desde la fase de diseño hasta la

Conflicto de intereses

Ninguno.

Bibliografía (24)

  • G.A. Whalley et al.

    Prognostic role of echocardiography and brain natriuretic peptide in symptomatic breathless patients in the community

    Eur Heart J

    (2008)
  • M.A. Pfeffer et al.

    Valsartan, captopril, or both in myocardial infarction complicated by heart failure, left ventricular dysfunction, or both

    N Engl J Med

    (2003)
  • Cited by (75)

    View all citing articles on Scopus
    View full text