Diario de Ensayos Clínicos
Acceso abierto
ISSN: 2167-0870
ISSN: 2167-0870
Louis Jacob, Marion Caceres, Morgane Gilles, Léa Poulmarch y Sylvie Chevret
Objetivos: El análisis de eventos adversos (AE) es un aspecto importante de la evaluación de nuevos tratamientos. Los datos sobre EA a menudo se informan a través de tasas de frecuencia individuales, ignorando las fuentes potenciales de heterogeneidad debido al curso de tratamiento o a los individuos. Nuestro objetivo fue ilustrar cómo el modelo bayesiano puede lograr información confiable utilizando los datos de un ensayo clínico aleatorizado que evaluó las quimioterapias contra la leucemia promielocítica aguda (ensayo APL2006). Métodos: Realizamos por primera vez en 2015 una búsqueda de literatura médica para ilustrar la necesidad de mejorar la notificación de EA. Luego usamos los datos del ensayo APL2006 para aplicar modelos jerárquicos bayesianos en los recuentos de AE. Resultados: se encontró que solo cinco de las 10 revistas previstas publicaron resultados de ECA en el período de estudio. El tamaño medio de la muestra del ensayo fue de 523, con un rango de 50 a 20 870, con resultados de eficacia en su mayoría positivos (en el 61 %). Aunque 39 (89%) artículos informan brevemente la información de EA en el resumen, el análisis de los datos de EA se informó de manera deficiente o incluso se realizó de manera deficiente. En el ensayo APL2006, 522 (97 %) de los 538 pacientes recibieron un total de 4203 cursos de quimioterapia. Se registraron un total de 3584 EA en 2242 (53,3 %) ciclos en 520 (99,6 %) pacientes, es decir, en todos menos 2 pacientes del brazo A. Por lo tanto, la tasa de pacientes que experimentaron EA fue poco informativa mientras que la media de EA cuenta por paciente fueron los preferidos. Además del brazo de aleatorización, las diversas exposiciones– resumidos por el número de ciclos administrados y el tipo de ciclo de quimioterapia, aparecieron como posibles fuentes de variabilidad. El análisis de Bayes de estos recuentos de AE, utilizando modelos de Poisson-Gamma con antecedentes no informativos, permitió representar la heterogeneidad en el recuento de AE entre los brazos. Conclusión: mostramos el interés del modelo de Bayes para proporcionar información sobre la distribución de eventos adversos en un ensayo clínico aleatorizado. Número de registro de prueba y registro de prueba: APL2006, NCT00378365.