Enfoque: Métodos contemporáneos en bioestadística (II)Análisis de riesgos competitivosAn Introduction to Competing Risks Analysis
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 , 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:
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)
- et al.
Insuficiencia cardiaca aguda post-alta hospitalaria tras un síndrome coronario agudo sin elevación del segmento-ST y riesgo de muerte e infarto agudo de miocardio subsiguiente
Rev Esp Cardiol
(2010) - et al.
Kaplan-Meier methods yielded misleading results in competing risk scenarios
J Clin Epidemiol
(2006) - et al.
The theory of competing risks
(1978) - et al.
Estimation of failure probabilities in the presence of competing risks: New representations of old estimators
Stat Med
(1999) Competing risks: A practical perspective
(2006)- et al.
Kaplan-Meier, marginal or conditional-probability curves in summarizing competing risks failure time data?
Stat Med
(1993) A class of k-sample tests for comparing the cumulative incidence of a competing risk
Ann Stat
(1988)- et al.
A proportional hazards model for the subdistribution of a competing risk
J Am Stat Assoc
(1999) - et al.
Nonparametric-estimation from incomplete observations
J Am Stat Assoc
(1958) - et al.
Risk of dementia in stroke-free patients diagnosed with atrial fibrillation: data from a community-based cohort
Eur Heart J
(2007)
Prognostic role of echocardiography and brain natriuretic peptide in symptomatic breathless patients in the community
Eur Heart J
Valsartan, captopril, or both in myocardial infarction complicated by heart failure, left ventricular dysfunction, or both
N Engl J Med
Cited by (75)
Survival analyses in cardiovascular research, part II: statistical methods in challenging situations
2022, Revista Espanola de CardiologiaSurvival analyses in cardiovascular research, part I: the essentials
2022, Revista Espanola de CardiologiaStatin adherence and health outcomes after st-elevation myocardial infarction: 1-year follow-up study
2021, Revista Clinica EspanolaCompeting risk largely explains the drop in admissions for acute cardiovascular disease during the COVID-19 pandemic
2020, Revista Espanola de Cardiologia