Ensayo Controlado Aleatorizado Cruzado
- Propuesto por
- Early formalized by statisticians including Bradford Hill and colleagues in clinical trials; theoretical framework developed by Grizzle (1965) and later Senn (2002)
- Año
- 1960s (Grizzle 1965 for statistical foundations); widely used in clinical research since the 1970s
- Tipo
- Experimental within-subject design
- Familia
- Experimental design
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
Un ensayo controlado aleatorizado cruzado (ECA cruzado) es un diseño experimental en el que cada participante recibe todas las intervenciones del estudio en una secuencia aleatorizada, separadas por un período de lavado.
Dado que cada participante actúa como su propio control, la variabilidad intra-sujeto se elimina de la comparación del tratamiento, lo que produce una mayor potencia estadística por participante que un ECA de grupos paralelos de igual tamaño.
La intuición detrás del método
En un ECA estándar, personas diferentes reciben tratamientos diferentes, por lo que la variación de persona a persona nubla la comparación. Un ECA cruzado evita esto al administrar a cada participante cada tratamiento por turno: primero una intervención, luego (después de un período de lavado para eliminar cualquier efecto residual) la otra. Dado que se compara a la misma persona en ambas condiciones, el ruido de las diferencias individuales se cancela en gran medida. La suposición crítica es que el período de lavado es lo suficientemente largo como para que el tratamiento A no deje ninguna huella cuando comience el tratamiento B.
Historia
Los diseños cruzados aparecieron en la experimentación agrícola a principios del siglo XX. Su aplicación formal a los ensayos clínicos fue impulsada por Bradford Hill y sus colegas en la década de 1950. El problema estadístico crítico de los efectos de arrastre fue caracterizado rigurosamente por Grizzle (1965), cuyo modelo de dos períodos y dos tratamientos sigue siendo un punto de referencia. La monografía de Stephen Senn, Cross-over Trials in Clinical Research (1993, 2ª ed. 2002), sintetizó el campo y es la referencia estándar para la metodología moderna de ensayos cruzados.
Cuándo usarlo
Utilice un ECA cruzado cuando la afección que se trata sea estable y crónica (p. ej., hipertensión, dolor crónico, asma), cuando se pueda definir y aplicar un período de lavado suficiente, y cuando el tamaño de la muestra sea limitado: el diseño intra-sujeto puede requerir sustancialmente menos participantes para lograr la misma potencia que un ECA de grupos paralelos. Es particularmente adecuado para estudios farmacocinéticos, ensayos de determinación de dosis y evaluaciones de tecnología sanitaria que comparan tratamientos sintomáticos. NO utilice un diseño cruzado cuando: (1) se espera que la intervención produzca un cambio permanente o duradero (p. ej., cirugía, vacunación, programas de cambio de comportamiento que persisten); (2) la trayectoria de la enfermedad sea rápidamente progresiva o muy variable entre períodos; (3) se espere que las tasas de abandono sean altas, ya que los datos cruzados incompletos son más difíciles de analizar que los abandonos en grupos paralelos; o (4) la afección sea aguda y episódica, lo que hace que el segundo período sea incomparable con el primero.
Limitaciones y consideraciones
- Asume ausencia de arrastre: la validez de todo el diseño depende de un período de lavado lo suficientemente largo como para eliminar los efectos residuales del tratamiento; esta suposición puede ser difícil de verificar o garantizar.
- Los efectos del período (tendencias seculares, efectos de aprendizaje, progresión de la enfermedad) pueden confundir las comparaciones intra-sujeto si las condiciones cambian sistemáticamente entre períodos.
- Inadecuado para afecciones agudas, episódicas o que probablemente se curen o alteren sustancialmente con el primer tratamiento.
- La mayor duración del ensayo debido a múltiples períodos de tratamiento e intervalos de lavado aumenta el riesgo de abandono y la carga para el participante.
- El análisis estadístico es más complejo que en los ECA de grupos paralelos; la prueba de arrastre tiene baja potencia y una prueba fallida no prueba la ausencia de arrastre.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Cada participante actúa como su propio control, eliminando la variabilidad entre sujetos de la comparación del tratamiento y aumentando sustancialmente la potencia estadística.
- Requiere menos participantes que un ECA de grupos paralelos para lograr una potencia equivalente, una ventaja importante cuando los participantes son escasos o el reclutamiento es costoso.
- Los participantes y los médicos a menudo lo encuentran atractivo porque cada participante inscrito tiene la oportunidad de recibir la intervención activa.
- Se pueden obtener estimaciones de las respuestas individuales al tratamiento, lo que permite la exploración de las interacciones tratamiento-sujeto.
- Aceptación regulatoria bien establecida en ensayos farmacológicos y de dispositivos, con orientación de la ICH E9 y la EMA.
Aplicaciones
- Estudios comparativos farmacocinéticos y de bioequivalencia que evalúan medicamentos genéricos frente a de marca en voluntarios sanos.
- Ensayos de manejo de enfermedades crónicas que comparan tratamientos sintomáticos para afecciones como hipertensión, asma o dolor crónico.
- Estudios de intervención nutricional que evalúan los efectos metabólicos agudos de diferentes dietas o suplementos.
- Evaluaciones de tecnología sanitaria que comparan dispositivos médicos o procedimientos de diagnóstico donde se requiere precisión a nivel del paciente.
- Estudios de determinación de dosis y prueba de concepto donde maximizar la información por participante es una prioridad.
- Experimentos de fisiología y ciencias del deporte que comparan protocolos de ejercicio o ayudas ergogénicas en poblaciones estables y entrenadas.
Cómo funciona
Cómo funciona
Los participantes elegibles son reclutados y asignados aleatoriamente a uno de dos (o más) grupos de secuencia; por ejemplo, el grupo 1 recibe el tratamiento A y luego B (secuencia AB) y el grupo 2 recibe B y luego A (secuencia BA). La aleatorización de las secuencias equilibra los efectos del orden de la secuencia en la muestra.
Cada participante recibe la primera intervención asignada por su secuencia aleatorizada. Las medidas de resultado se recopilan al final de este período según un cronograma preestablecido. Se aplica el cegamiento de los participantes y evaluadores cuando es factible.
Después de cada período de tratamiento activo, sigue un período de lavado. Su duración debe exceder la vida media biológica o farmacológica de la intervención para que cualquier efecto residual (arrastre) se haya disipado antes de que comience el siguiente tratamiento. Un lavado inadecuado es la amenaza más común para la validez del diseño cruzado.
Los participantes se cruzan a su segunda intervención asignada y las medidas de resultado se recopilan nuevamente bajo el mismo protocolo que el período 1. Los estudios con más de dos tratamientos agregan períodos adicionales con intervalos de lavado entre cada uno.
Antes de agrupar los datos entre períodos, el analista prueba un efecto de arrastre: una interacción estadísticamente significativa entre período y tratamiento indica que los efectos residuales del primer tratamiento contaminaron el segundo período. Si hay arrastre, solo los datos del primer período pueden ser utilizables, revirtiendo el análisis a una comparación de grupos paralelos.
Cuando no se detecta arrastre, un modelo lineal mixto (o ANOVA de medidas repetidas) particiona la varianza en efectos de tratamiento, período, secuencia y sujeto. La estimación del tratamiento explota las comparaciones intra-sujeto, produciendo una estimación más precisa que un análisis entre-sujeto de tamaño de muestra equivalente.
Errores comunes
- Período de lavado insuficiente: los investigadores a veces seleccionan la duración del lavado basándose en la conveniencia administrativa en lugar de la evidencia farmacológica, lo que permite que los efectos residuales contaminen el segundo período y sesguen la estimación del tratamiento.
- Ignorar los efectos del período: no incluir el período como covariable en el modelo puede inflar la tasa de error de tipo I cuando hay tendencias sistemáticas del período.
- Aplicar el diseño cruzado a tratamientos con efectos permanentes: el uso del diseño para intervenciones como cirugía, programas educativos o intervenciones conductuales duraderas viola la suposición fundamental de intercambiabilidad.
- Análisis de solo los que completaron de forma incompleta: excluir a los participantes que abandonaron después del período 1 introduce un sesgo de selección; se debe preespecificar un análisis por intención de tratar con imputación apropiada.
- Subpotenciación al ignorar la correlación intraclase: los cálculos del tamaño de la muestra deben tener en cuenta la correlación intra-sujeto entre períodos; no hacerlo puede llevar a estudios con potencia excesiva o insuficiente.
Preguntas frecuentes
¿Cómo determino la longitud adecuada del período de lavado?
El período de lavado debe ser al menos cinco veces la vida media biológica de la intervención; para agentes farmacológicos, esto suele ser sencillo de calcular. Para intervenciones no farmacológicas (p. ej., cambios dietéticos, fisioterapia), la duración adecuada debe justificarse con datos piloto o razonamiento fisiológico. En caso de duda, opte por un período de lavado más largo; un diseño con un lavado demostrablemente adecuado es mucho más creíble que uno donde simplemente se espera que el arrastre esté ausente.
¿Qué sucede si se detecta arrastre?
Si la prueba de interacción período-tratamiento es significativa (indicando arrastre), los datos del segundo período no son fiables para la comparación del tratamiento. La solución habitual es restringir el análisis solo a los datos del primer período, lo que convierte el diseño cruzado en una comparación de grupos paralelos con aproximadamente la mitad del tamaño de muestra previsto, lo que reduce en gran medida la potencia. Este resultado subraya la importancia de un período de lavado adecuado en lugar de depender de pruebas estadísticas para rescatar un diseño defectuoso.
¿Es un ECA cruzado siempre más eficiente que un ECA de grupos paralelos?
No siempre. La ventaja de eficiencia depende de la correlación intra-sujeto: cuanto mayor sea la correlación dentro de la persona de los resultados entre períodos (es decir, cuanto más estable sea la afección), mayor será la ganancia de potencia. Si los resultados están pobremente correlacionados dentro de los individuos a lo largo del tiempo, la ventaja del tamaño de la muestra se reduce. La complejidad adicional y el riesgo de abandono de múltiples períodos también deben tenerse en cuenta en el cálculo de la eficiencia.
¿Pueden los ECA cruzados tener más de dos períodos?
Sí. Los diseños cruzados de múltiples períodos (p. ej., tres o cuatro tratamientos en arreglos de cuadrado latino o cuadrado de Williams) se utilizan cuando se deben comparar varias intervenciones dentro de cada participante. Estos diseños ofrecen mayores ganancias de eficiencia, pero aumentan la carga para el participante, el riesgo de abandono y la complejidad del modelado de arrastre. Son más comunes en la investigación farmacocinética y de bioequivalencia.
¿Cómo debo manejar los datos faltantes cuando un participante abandona después del período 1?
Los participantes que completan solo el período 1 proporcionan datos utilizables para ese período y no deben excluirse del análisis. Un plan de análisis preespecificado que utilice modelos lineales mixtos puede incorporar todos los datos observados bajo una suposición de datos faltantes al azar. Se debe considerar la imputación múltiple o análisis de sensibilidad bajo suposiciones plausibles de datos faltantes no al azar cuando el abandono es sustancial.
Métodos relacionados
Fuentes
Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Wiley.
ISBN: 978-0471496533Copiado.Jones, B., & Kenward, M. G. (2003). Design and Analysis of Cross-Over Trials (2nd ed.). Chapman and Hall/CRC.
ISBN: 978-1584883429Copiado.