muestra: ¿por qué? normativas internacionalesferran.torres.name/edu/iusc/download/d04 c01 (ipm...

1

Predeterminacióndel tamaño muestral

Iñaki PérezSenior StatisticianServei de Malalties InfecciosesHospital Clínic de Barcelona

2

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Índice

¿Por qué? Normativas internacionales Procedimiento Software Ejemplos se superioridad Ejemplos de no-inferioridad y

equivalencia

3

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Predeterminación del tamaño de la muestra: ¿Por qué?

El principio general que justifica trabajar con muestras es que resulta más barato, más rápido y más fácil.

Económicos

Éticos

Científicos

El número de pacientesnecesario para contestar

adecuadamente laspreguntas

Suficiente para detectar las diferencias si existen

realmente

Incrementar pacientes incrementaproporcionalmente el coste

del estudio

4

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Normativas internacionales

ICH - E9

Statistical Principles forClinical Trials

Date for coming intooperation: September1998

FDA

Guideline for TheFormat and Content ofthe Clinical andStatistical Sections ofnew Drug Applications

July 1988

5

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Procedimiento

Las características, objetivos y diseño del estudio La(s) variable(s) principal(es) y distribución de referencia La magnitud del efecto del tratamiento ( ó ) a detectar La variabilidad de la medida Contraste de hipótesis (pruebas de hipótesis) Los errores de Tipo I y II y el poder (, y 1-) La tasa de retiradas del estudio y pérdidas de

seguimiento

Para un correcta determinación del tamaño de la muestra, se debe tener en cuenta:

6

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo Estudio

• Queremos comparar el cambio de la presión arterial de un nuevo fármaco frente a placebo.

2

7

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Características

Fase I, II, III, IV

Unicéntrico / Multicéntrico

No randomizado / Randomizado

Tiempo de duración del tratamiento

ProcedimientoCaracterísticas, objetivos y diseño del estudio

8

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Objetivos

Eficacia (superioridad/no inferioridad) y/o Seguridad y tolerabilidad

Determinación del perfil farmacocinético Biodisponibilidad relativa /bioequivalencia / Interacción

con alimentos Búsqueda de dosis Eficacia y/o Seguridad en determinadas poblaciones

(por edades, sexos, etc.)


9

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Diseño

a) Paralelo randomizado

Placebo (PL) y/o FR

A

B

C

RND

D

FR: Fármaco de referencia


10

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Diseño

Periodos

Secuencia 1 2 3 4

I A B PL C II B C A PL

III C PL B A

RND

IV PL A C B

b) Cruzado randomizado


11

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Diseño : Efecto diseño

34641

101721.74

751461

203822.64

0.1

26491

81321.74

57109116282

2.64

0.2

CruzadoParaleloDif.DE

Diseño

Diseño paralelo versus cruzado


12

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo Estudio


Fase II/IIIDiseño Paralelo

3

13

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Diseño (6). Tipos de comparación entre tratamientos

Superioridad

Equivalencia

No-inferioridad

CE

C E

C E


14

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Superioridad

0

E - C; p = 0.002

E - C; p > 0.05

(95% IC)

(95% IC)

Estudios diseñados para detectar una diferencia


15

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

No-inferioridad

No-inferioridad demostrada

No demostrada

E - C (95% IC)

E - C (95% IC)

0

Estudios diseñados para demostrar que un nuevo tratamiento no es peor que otro tratamiento


16

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Equivalencia

Equiv. demostrada

Equiv. no demostrada

0

E-C (95% IC)

E-C (95% IC)

Estudios diseñados para confirmar la ausencia de una diferencia


17

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Variable principal

ProcedimientoVariable Principal de eficacia

La hipótesis de trabajo se centra en una variable de interés que puede ser categórica o continua

El teorema central del límite permite aproximar las distribución de la proporción o de las medias de todas las muestras posibles mediante la distribución normal cuando n> 30 sujetos

En caso contrario se deben contemplar distribuciones como binomial exacta, la de Poisson, la de Student, etc

18

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Variable principal: Ejemplos

Porcentaje de pacientes que experimentan como mínimo un acontecimiento cardíaco: muerte por cualquier causa o infarto de miocardio agudo o revascularización

Porcentaje de pacientes que experimentan una mejoría del dolor de cabeza a las dos horas de la administración del fármaco

Valoración del dolor por el paciente mediante una Escala Analógica Visual (EAV) en mm; 0 = sin dolor, 100 = máximo dolor

Presión arterial diastólica en mm de Hg


4

19

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo Estudio



Diseño SuperioridadVariableTensión Arterial

20

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

La magnitud del efecto del tratamiento a detectar y variabilidad de los datos

Magnitud del efecto del tratamiento a detectar ( ó ):

ó = E - C

donde, E es el efecto del tratamiento experimental y C es el efecto del tratamiento control o estándar

ProcedimientoMagnitud del efecto y variabilidad

Variabilidad de los datos (variabilidad = 2):

2 = 2E + 2C

Si desconocemos la 2E, entonces 2 = 2

C

21

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

La magnitud del efecto del tratamiento a detectar : Efecto lupa

Diferencias reales diminutas

Diferencias reales

gandes

Diferencias reales


22

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo : Seleccionador basket

Tiros acertados/Total Jugador 1 Jugador 2 Jugador 3

8/10 6/10 9/10

18/20 12/20 19/20

27/30 22/30 28/30

23

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Jugadores Basket190(5)

Pigmeos140(5)

ALTURA

202.5197.5

192.5187.5

182.5177.5

172.5167.5

162.5157.5

152.5147.5

142.5137.5

132.5127.5

122.5

ALTURA

Fre

cuen

cia

300

200

100

0

Desv. típ. = 25.54

Media = 165.1

N = 2000.00

Ejemplo : Pigmeos vs jugadores de basket (1)

24

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico



Pigmeos140(10)

ALTURA

220.0210.0

200.0190.0

180.0170.0

160.0150.0

140.0130.0

120.0110.0

ALTURA

Fre

cuen

cia

300

200

100

0

Desv. típ. = 26.94

Media = 165.0

N = 2000.00

5

25

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico


Pigmeos140(20)

ALTURA

250.0240.0

230.0220.0

210.0200.0

190.0180.0

170.0160.0

150.0140.0

130.0120.0

110.0100.0

90.080.0

ALTURA

Fre

cue

nci

a

120

100

80

60

40

20

0

Desv. típ. = 32.27

Media = 165.1

N = 2000.00

AN = K

B

Fórmula intuitiva


26

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Fórmula intuitiva

AN = K

B

(Variabilidad)

(Tamaño del efecto)

27

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo Estudio



Diseño SuperioridadVariable Tensión Arterial

Esperamos encontrar una diferencia de 5 mmHg, con

una desviación estándard de 10 mmHg

28

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Contraste de hipótesis. Definición y objetivos

Definición

Es un procedimiento para decidir si se acepta o se rechaza una hipótesis. La hipótesis es una conjetura o una afirmación sobre la distribución de un o más parámetros de una población

EjemploSon determinar si:

- = 5 ó 5 - A = B ó A B- > 5 ó < 5 - A > B ó A < B

ProcedimientoContraste de hipótesis

29

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Elementos de un contraste de hipótesis

La hipótesis nula, Ho : es la hipótesis conservadora y no serárechazada salvo clara evidencia de que no sea ciertaEjemplo : Ho : = 5 Ho : = 0 Ho : A = B

La hipótesis alternativa, H1 ó HA : Es la hipótesis de trabajo que se desea apoyar en base a la información contenida en la muestra. Ejemplo : H1 : 5 H1 : > 5 H1 : A B H1 : A > B

El estadístico de prueba, EP

La región de rechazo, RR


30

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Estadístico de prueba, EP

Es una función de las mediciones muestrales, en las que se fundamenta la decisión estadística

EP = f (X1, X2, ..... , Xn)

xA xBt = s2A / nA + s2

B / nB

Cuadrado Medio entre Tratamientos F =

Cuadrado Medio dentro de Tratamientos

Ejemplos:


6

31

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

RR de un contraste de hipótesis bilateral

Contraste de hipótesis bilateral, Error Tipo I = 0.05, EP = t

Aceptación Ho

0.05 / 20.05 / 2

Rechazo H

oRechazo Ho

t 0.05 / 20-t 0.05 / 2


32

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

RR de un contraste de hipótesis unilateral

Contraste de hipótesis unilateral, Error Tipo I = 0.05, EP = t

Aceptación Ho

0.05

Rechazo H

o

t 0.050


33

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Los errores de Tipo I, II y el poder

ProcedimientoErrores de tipos I,II y el poder

Realidad

Ttos. Iguales Ttos. Diferentes

Ttos. Iguales Acierto Error tipo II ()

Conclusión

Ttos. Diferentes Error tipo I () Acierto

Bilateral (dos colas)

Ho: E - C = 0H1: E - C 0

Error tipo I (): La probabilidad de rechazar la hipótesis nula siendo verdadera

El valor del error tipo I ó es igual o inferior a 0.05 (5%)

Error tipo II (): La probabilidad de aceptar la hipótesis nula siendo falsa. Poder (1- )

El valor del error tipo II ó es igual o inferior a 0.20 (20%) 34

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Punto de vista del paciente y del promotor

Error tipo I (): La probabilidad de comercializar un fármaco ineficaz (protección al paciente)

Error tipo II ( ): La probabilidad de no comercializar un fármaco eficaz (protección al promotor)

Poder (1 - ): La probabilidad de comercializar un fármaco eficaz

Realidad

Ttos. Iguales Ttos. Diferentes

Nos quedamos con control Acierto Error tipo II

() Conclusión

Se acepta experimental

Error tipo I () Acierto


Ho: E - C = 0H1: E - C 0

ProcedimientoErrores de tipos I,II y el poder

35

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Tasa de pérdidas de seguimiento

ProcedimientoTasa de pérdida de seguimiento

La tasa de pérdidas de seguimiento es el porcentaje de sujetos que abandonan el estudio

La relación entre el tamaño de la muestra ajustado (n’) y la tasa de abandonos (d) es la siguiente:

n n’ =

1 - d

donde n es el tamaño de la muestra estimado

36

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Tamaño de la muestra

Magnitud del efecto del tratamiento a detectar () Variabilidad de las observaciones (2 ) Errores Tipo I y II ( y ) Relación:

donde C es una función de y : f(, )

¿Qué información se necesita para la estimación del tamaño de la muestra ?

C 2

Tamaño de la muestra = ()2


7

37

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Valores de f(, )

f(, ) = (U + U)2

(1 cola) 0.050 0.025 0.005

(2 colas) 0.100 0.050 0.010

(1 cola)

0.200 6.183 7.849 11.679

0.100 8.564 10.507 14.879

0.050 10.822 12.995 17.814


38

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Fórmulas

n = número de sujetos por grupo de tratamiento

Comparación de medias :2

2

2( , )

( )E C

sn f

X X

pE (1 - pE) + pC (1 - pC) n = f(, )

(pE - pC)2

Comparación proporciones :


39

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Tratamiento experimental: E Tratamiento control: C E es la verdadera media de E es la estimación de E

c es la verdadera media de C es la estimación de C

es una estimación de (E - C) ~ N ((E - C), 2 2/n) s2 es la estimación de la verdadera varianza (variabilidad)

entre pacientes en un mismo tratamiento (2) :

EX

CX

( )E CX X

( )E CX X

2

2

2( , )

( )E C

sn f

X X

Fórmulas : distribución normal

222EC SSS


40

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Tratamiento experimental: E Tratamiento control: C PE es la verdadera proporción de sujetos que presentan

un determinado evento en E En la fórmulas, pE es la estimación de PE

PC es la verdadera proporción de sujetos que presentan un determinado evento en C

En la fórmulas, pC es la estimación de PC

= (pE - pC) es una estimación de (PE - PC) s2 es la estimación de la verdadera varianza (variabilidad)

entre pacientes en un mismo tratamiento (2) :

pE (1 - PE) + pC (1 - PC) n = f(, )

(pE - pC)2

Fórmulas : datos binarios (porcentajes)

)1()1(2EECC ppppS


41

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

=(E-C) es la diferencia clínicamente relevante entre tratamientos que se quiere detectar

s2 es, normalmente, desconocida y es estimada en el momento del análisis. Sin embargo, debe ser estimada antes del inicio del estudio

Los valores de ( 0.05), ( 0.20) y el poder (1-) (0.80)

Fórmulas : parámetros a decidir


42

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo Estudio



Diseño SuperioridadVariable Tensión Arterial

Esperamos encontrar una diferencia de 5 mmHg, con

una desviación estándard de 10 mmHg

Error tipo I=0.05Error tipo II=0.20

Contraste Bilateral

8

43

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo 1: Comparación de medias (dist. Normal)

Queremos comparar el cambio de la presión arterial de un nuevo fármaco frente a placebo. Esperamos encontrar una diferencia de 5 mmHg, con una desviación estándard de 10 mmHg ¿cuántos pacientes son necesarios para un ensayo con =0.05 bilateral y un poder de 1-=0.9?

= 0.05 de dos colas Poder = (1 - ) = 0.90 f( ,)=10.507

s n por grupo

¿ ¿ 5 10 84

EX CX ( )E CX X

2

2

2( , )

( )grupoE C

sn f

X X


Ho: E - C = 0H1: E - C 0

2

2

2(10)10.507 84

(5)grupon


44

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo 2: Comparación de proporciones

Se está planteando un ensayo con estimulación eléctrica transcutánea (EET) para el alivio de dolor en pacientes con osteoartritis en base a resultados preliminares que obtuvieron un 25% de respuesta con placebo y un 65% con EET ¿cuántos pacientes son necesarios para un ensayo con =0.05 bilateral y un poder de 1-=0.9?

= 0.05 de dos colas Poder = (1 - ) = 0.90 90 f( ,)=10.507

pE pC (%) n por grupo

65 25 40 30

pE (1 - PE) + pC (1 - PC)

n = f(, )(pE - PC)2


Ho: E - C = 0H1: E - C 0

0.65 (1 – 0.65) + 0.25 (1 – 0.25) n = 10.507

(0.65 – 0.25)2


45

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo 3: magnitud del efectoEl tamaño de la muestra depende del valor de la magnitud del efecto =E - C y 2 :

= 0.05 de dos colas Poder = (1 - ) = 0.90 f( , )=10.507

s n por grupo

20 10 10 25 133

30 20 10 25 133

20 10 10 30 191

30 20 10 30 191

EX CX ( )E CX X

= 0.05 de dos colas Poder = (1 - ) = 0.90 f( , )=10.507

pE pC (%) n por grupo

20 10 10 266

30 20 10 392

40 30 10 477

50 40 10 519


46

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo : Tasa de pérdidas de seguimiento

Terapia

estándar (%)

Terapia

experimental (%)

Reducción (%)

(%)

No. de pacientes (2 tratamientos)

Poder

0.80 0.85

10 9.0 10 1.0 26990 30874

8.5 15 1.5 11712 13396

8.0 20 2.0 6426 7352

7.5 25 2.5 4010 4586

26990 n’ = = 35987 pacientes

1 - 0.25

Si la tasa de pérdidas esperada es del 25%:


47

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

K> 2 grupos a comparar (1)

¿Y si tenemos más de dos grupos comparar ?

Existen varios métodos para el cálculo de la N

NQuery 4.0 realiza cálculos de N para más de un grupo en determinados casos:

Comparación de Medias Comparación de Proporciones NO realiza cálculos para Supervivencia,

Asociación o Regresión


48

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

K> 2 grupos a comparar (2)

Habitualmente Bonferroni:

Pero en realidad es:

Pero tranquilos, no hay grandes diferencias!!!!

n

n)1(1


9

SOFTWARE

¿Por qué?Normativas internacionalesProcedimientoSoftwareNquery Advisor 4.0Ejemplos se superioridadEjemplos de no-inferioridad y equivalencia

50

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Software (1)

nQuery AdvisorStatistical Solutionswww.statsol.ie/nquery/nquery.htmSe puede descargar un versión “Demo”

SampsizeMachin y col.Blackwell Science Limitedwww.blackwellscience.com

PS 1.0Dupont & Plummer Vanderbilt Medical Centerhttp://biostat.mc.vanderbilt.edu/twiki/bin/view/Main/PowerSampleSizeLibre utilización

51

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Software (2)

SAS Macro: UnifyPowRalph O’Brien, Dep. of Biostats and Epi, Cleveland Clinic Foundationwww.bio.ri.ccf.org/UnifyPowLibre utilización

PASS 2000NCSS statistical software www.ncss.com/pass.htmlPrueba 30 días

Power & Precision 2.0Biostatwww.power-analysis.comPrueba 30 días

52

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Software (3)

Statistica: Power analysis (Add-on)Statsofthttp://www.statsoft.com/textbook/stpowan.html#power_doe

Splus 2000 Matsoftwww.splus.comGratis si se tiene Splus

StplanBrown y col., The University of Texas. http://nhsbig.inhs.uiuc.edu/general_stats/stplan_readme.html

Libre utilización

53

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

NQUERY ADVISOR 4.0

Software : NQUERY ADVISOR 4.0

54

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

NQUERY ADVISOR 4.0


10

55

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

NQUERY ADVISOR 4.0


56

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

NQUERY ADVISOR 4.0


57

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

NQUERY ADVISOR 4.0


58

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplos : Características del estudio

Paralelo Dos tratamientos Eficacia o seguridad Una variable principal Detección de una diferencia (superioridad) El número de pacientes en cada tratamiento puede ser

igual o desigual nQuery Advisor versión 4.0


59

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo 1: Datos binarios (1)

Variable principal: Porcentaje de pacientes que experimentan como mínimo un acontecimiento cardíaco: muerte por cualquier causa o infarto de miocardio agudo o revascularización dentro de las primeras 48 horas de tratamiento

Comparación de los siguientes tratamientos:Terapia estándarTerapia experimental (estándar+fármaco experimental)

Contraste de hipótesis bilateral (dos colas)Ho: pE = pCH1: pE pC


60

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico


(nivel de significación) = 0.05 de dos colas

El porcentaje de pacientes que experimentan como mínimo un acontecimiento cardíaco al ser tratados con la terapia habitual (estándar) es del 10%

Reducción clínicamente relevante: 10% - 25%

Poder de 0.80 a 0.85 ( de 0.20 a 0.15)

El contraste de hipótesis bilateral (dos colas) es equivalente al siguiente contraste unilateral:

Ho: pE = pC

H1: pE > pC

con un nivel de significación 0.05/2 = 0.025


11

61

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico



62

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico



63

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico


Terapia

estándar (%)

Terapia

experimental (%)

Reducción (%)

(%)

No. de pacientes (2 tratamientos)

Poder

0.80 0.85

10 9.0 10 1.0 26990 30874

8.5 15 1.5 11712 13396

8.0 20 2.0 6426 7352

7.5 25 2.5 4010 4586

Para una reducción del 25%, un poder del 0.80 y una tasa de pérdidas esperada es del 25% (0.25), se tendrían que randomizar:

4010 n’ = = 5346.7 pacientes 5348 pacientes

1 - 0.25


64

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico


Un total de 4010 pacientes (2005 pacientes por grupo de tratamiento) tendrá un poder del 0.80 para detectar una reducción entre grupos de tratamiento del 25% en el porcentaje de pacientes que experimentan como mínimo un acontecimiento cardíaco (muerte por cualquier causa o infarto de miocardio agudo o revascularización) dentro de las primeras 48 horas de tratamiento, asumiendo que elporcentaje de pacientes en la terapia estándar es del 10% y el error de Tipo I es del 0.05 de dos colas.

Si la tasa de pérdidas esperada es del 25%, se tendrá que randomizar un total de 5348 pacientes (2674 pacientes por grupo de tratamiento).


65

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo 2: Datos normales (1)

Variable principal: Cambio respecto al valor basal del dolor evaluado por el paciente, mediante una Escala Analógica Visual (EAV, 0 - 100 mm) a las 12 semanas de tratamiento en pacientes afectos de osteoartritis

Medición del dolor Escala Analógica Visual (EAV) en mm: 0 –100 -> 0: Sin dolor 100: Dolor insoportable

Comparación de los siguientes tratamientos:AINE estándarAINE experimental (nuevo fármaco)


66

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico


Contraste de hipótesis bilateral (dos colas)Ho: E = CH1: E C

(nivel de significación) = 0.05 de dos colas

Poder igual a 0.90

Diferencia clínicamente relevante y variabilidad de los datos: En una búsqueda bibliográfica sobre el AINE estándar, se ha encontrado un artículo con los siguientes datos: Disminución media de la EAV a las 12 semanas respecto al valor basal fue de 30 mm Desviación típica 25 mm Disminución clínicamente relevante 40 mm (10 mm más que el grupo control)


12

67

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico



68

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico



69

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico


Un total de 266 pacientes (133 pacientes por grupo de tratamiento) tendrá un poder del 0.90 para detectar una diferencia entre grupos de tratamiento de 10 mm (EAV de 100 mm) en el cambio respecto al valor basal en el dolor evaluado por el paciente, asumiendo una desviación estándar común de 25 mm y un nivel de significación de 0.05 de dos colas.

Si tenemos en cuenta una tasa de pérdidas del 10% , se tendrá que randomizar un total de 296 pacientes (148 pacientes por grupo de tratamiento).


70

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo 3: Datos normales (1)n por grupo de tratamiento diferente

- Variable principal

- Medida del dolor

- Comparación de tratamientos

- Contraste de hipótesis

- Nivel de significación

- Diferencia clínicamente relevante

- Variabilidad de las observaciones

iguales a los del ejemplo 2

- Poder = 0.80


71

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico



72

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Ejemplo 3: Datos normales (3)n por grupo de tratamiento desigual


13

73

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico


N = nÁ + nÂ200 220 240 260 280 300 320 340

Rat

io: n

Â / n

Á

1.0

1.5

2.0

2.5

3.0

3.5

4.0

4.5

Two group t-test of equal means (unequal n's)Æ = 0.050 ( 2) Ê = 0.400 Pow= 80 Æ = 0.050 ( 2) Ê = 0.400 Pow= 80 Æ = 0.050 ( 2) Ê = 0.400 Pow= 80 Æ = 0.050 ( 2) Ê = 0.400 Pow= 80


74

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico


n por grupo n totalRatio (E:C) (E / C) (E+C)

1 : 1 100 / 100 2002 : 1 150 / 75 2253 : 1 198 / 66 2664 : 1 248 / 62 310


75

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico


Un total de 225 pacientes (150 pacientes tratados con el AINE experimental y 75 pacientes tratados con el AINE estándar) tendráun poder del 0.80 para detectar una diferencia entre grupos de tratamiento de 10 mm (EAV de 100 mm) en el cambio medio respecto al valor basal en el dolor evaluado por el paciente, asumiendo una desviación estándar común de 25 mm y un nivel de significación de 0.05 de dos colas.


EJEMPLOS DE NO-INFERIORIDAD Y EQUIVALENCIA

77

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

No-inferioridad (1)

Objetivo:Demostrar que el fármaco experimental (E) es no-inferior (no es peor) que el fármaco control (C)

Error Tipo I () = 0.05 Desviación estándar = 25 mm Poder = 0.80 (80%)

78

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

No-inferioridad (2)

E E -- C, 95%ICC, 95%IC

E E -- C, 95%ICC, 95%IC

E E -- C, 95%ICC, 95%IC

E E -- C, 95%ICC, 95%IC

00-- = = --5 mm5 mm

NoNo--inferioridad demostradainferioridad demostrada

14

79

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

No-inferioridad (3)

80

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

No-inferioridad (4)

n por grupo = 310

81

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

No-inferioridad (5)

-ÉÀ-10 -9 -8 -7 -6 -5 -4 -3 -2

n po

rgru

po

0

200

400

600

800

1000

1200

1400

1600

1800

No-inferioridad

Æ= 0.050 Poder = 80

82

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Equivalencia (1)

Objetivo:Demostrar que el fármaco experimental (E) es equivalente terapéuticamente (igual efecto) al fármaco control (C)

Error Tipo I () = 0.05 Desviación estándar = 25 mm Poder = 0.80 (80%)

83

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Equivalencia (2)

E E -- C, 95%ICC, 95%IC

E E -- C, 95%ICC, 95%IC

E E -- C, 95%ICC, 95%IC

E E -- C, 95%ICC, 95%IC

00-- = = --5 mm5 mm = 5 mm= 5 mm

Equivalencia demostrada

84

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Equivalencia (3)

15

85

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Equivalencia (4)

n por grupo = 429

86

IUS

C. P

re-e

spec

ific

ació

n d

el a

nál

isis

est

adís

tico

Equivalencia (5)

Limite inferior para Ðß - Ðà, Éç-10 -9 -8 -7 -6 -5 -4 -3 -2

n po

r gru

po

200

400

600

800

1000

1200

1400

1600

1800

Equivalencia

Error Tipo I = 0.05, Poder = 0.80

muestra: ¿por qué? normativas internacionalesferran.torres.name/edu/iusc/download/d04 c01 (ipm...

Documents