Real World Evidence (RWE)

Un estudio de Real World Evidence (RWE) evalúa la efectividad o seguridad de una intervención en las condiciones reales en que los pacientes la reciben, no en el entorno controlado de un ensayo. Aplica cuando un ensayo aleatorizado no es viable por razones éticas, logísticas o económicas, o cuando se quiere complementar la evidencia experimental con datos de efectividad en poblaciones heterogéneas que reflejan la práctica habitual. El RWE no sustituye al ensayo: responde preguntas que el ensayo no puede o no debe abordar, como la efectividad comparativa en subgrupos poco representados o en condiciones de uso real. Puede apoyarse en datos de práctica clínica ya generados, como historias electrónicas, bases administrativas, registros de farmacia o facturación, o en fuentes de mundo real estructuradas para seguimiento, y los convierte en evidencia mediante un diseño observacional riguroso. La decisión entre RWE y ensayo depende de la pregunta, la factibilidad y el tipo de evidencia que se necesita.

Un estudio observacional bien diseñado puede estimar efectos causales, pero bajo supuestos explícitos que deben justificarse, evaluarse y someterse a sensibilidad, no con la misma garantía que ofrece la aleatorización. Aplica a toda pregunta de efectividad comparativa a partir de datos no experimentales, donde los grupos no se formaron al azar. El servicio aplica métodos de inferencia causal, como propensity scores, variables instrumentales o difference-in-differences, para estimar efectos causales a partir de datos observacionales bajo un marco causal explícito, controlando la confusión, en lugar de quedarse en describir correlaciones. La diferencia con un análisis asociativo es el marco: se parte de una pregunta causal formulada con claridad y se hacen explícitos los supuestos bajo los que la estimación es válida, sin el mismo control sobre la asignación que ofrece un ensayo aleatorizado. La honestidad metodológica está en reconocer que esos supuestos no son verificables del todo y en cuantificar cuánto dependería la conclusión de una confusión no medida, no en presentar el resultado como prueba definitiva.

La confusión se controla con métodos que equilibran los grupos según las características que afectan al desenlace, ya que sin aleatorización esos grupos difieren de partida. Aplica a cualquier comparación de intervenciones en datos de práctica real. Las técnicas habituales incluyen el propensity score en sus variantes de matching, estratificación o ponderación (IPTW), que equilibran los grupos según su probabilidad de recibir cada intervención, y la difference-in-differences, que controla tendencias temporales y factores no observados estables en el tiempo. La difference-in-differences requiere que el supuesto de tendencias paralelas sea defendible antes de la intervención. Para cambios de política se emplea el interrupted time series, que exige una serie temporal suficiente y revisar si hubo cambios concurrentes que puedan explicar la ruptura observada. La pieza que distingue un estudio sólido es lo que viene después: el análisis de sensibilidad a la confusión residual, que cuantifica cuánta confusión no medida haría falta para anular el resultado, mediante herramientas como los E-values. Controlar lo medido y explorar la sensibilidad a lo no medido es lo que hace más defendible la estimación.

Sí, las historias clínicas electrónicas y las bases administrativas son fuentes habituales de RWE, pero requieren un paso de validación que condiciona la fiabilidad de todo el estudio. Aplica siempre que se reutilizan datos recogidos para la asistencia o la facturación, no para investigación. El punto crítico es que un código diagnóstico o de facturación no equivale a la condición clínica real: por eso se definen y evalúan los algoritmos de identificación de exposiciones y outcomes, esto es, las reglas que definen quién tiene la enfermedad, quién recibió el tratamiento y quién presentó el evento, y se valida su rendimiento cuando existe una fuente de contraste o revisión clínica disponible, antes de analizar. También se revisa si la fecha de exposición, el inicio del seguimiento y la ventana de observación están bien definidos, para evitar sesgos temporales. El cliente aporta los datos o habilita el acceso conforme al marco ético, legal y de privacidad aplicable; el servicio define y evalúa los algoritmos, diseña el estudio y analiza. Sin esa validación previa, un análisis impecable puede estar midiendo algo distinto de lo que se cree.

El diseño observacional completo, con su población diana, exposición, outcome, ventana temporal y criterios de exclusión, se define antes de ejecutar el primer análisis para evitar el sesgo de construir la pregunta después de ver los resultados. Aplica a todo estudio RWE, donde la flexibilidad de los datos disponibles facilita, consciente o inconscientemente, elegir la especificación que da el resultado deseado. Mirar los datos primero y formular la pregunta después invalida muchos estudios observacionales, porque convierte un hallazgo casual en una conclusión aparentemente robusta. Pre-especificar el diseño y el plan de análisis ayuda a proteger la validez del resultado, del mismo modo que un protocolo ordena las decisiones en un ensayo. Cuando procede, este planteamiento puede formularse como emulación de un ensayo objetivo (target trial emulation): definir población, exposición, comparador, inicio del seguimiento, outcome y estrategia analítica antes de estimar el efecto, como si se diseñara el ensayo que no se puede hacer. Esto no impide la exploración legítima: la distingue del análisis confirmatorio y la reporta como tal. Un diseño fijado de antemano es lo que separa la evidencia de la coincidencia.

El Real World Evidence suele reutilizar datos del mundo real recogidos para otros fines —historias clínicas, bases administrativas, farmacia— para evaluar efectividad o seguridad mediante inferencia causal. El análisis de registros clínicos parte de un registro diseñado y mantenido con un propósito, con variables y periodicidad establecidas de antemano para seguir a una población concreta. La diferencia está en el origen del dato: en muchos estudios RWE, fuentes preexistentes no diseñadas específicamente para la pregunta; en un registro, una estructura de recogida pensada para ella. Se solapan, ya que un registro es una fuente de datos del mundo real, y pueden combinarse, pero no responden a la misma necesidad: el RWE estima efectividad o seguridad en práctica real a partir de datos de mundo real, haciendo explícitos el diseño, los sesgos y la estrategia de control de confusión; el análisis de registros explota y, cuando procede, diseña una estructura de seguimiento propia. La elección depende de si se parte de datos reutilizados o de un registro construido para el fin.

El Real World Evidence es el caso de uso clínico y farmacoepidemiológico: aplica la inferencia causal a datos de práctica sanitaria real, como efectividad de tratamientos, seguridad o comparación de intervenciones, con las fuentes y los estándares propios de ese terreno (STROBE, buenas prácticas en RWE). El servicio de inferencia causal y diseño de estudios observacionales es el método en su sentido más amplio, aplicable a cualquier contexto donde se quiera estimar un efecto causal sin experimento, dentro o fuera del ámbito sanitario. La relación es de aplicación a marco general: RWE es una aplicación sanitaria y farmacoepidemiológica de la inferencia causal sobre datos de mundo real. En RWE importan especialmente la definición operativa de exposición y outcome, la calidad del registro temporal y los estándares de reporting sanitario. Si la pregunta es de efectividad o seguridad de una intervención sanitaria con datos de práctica clínica, encaja en RWE; si es un problema de inferencia causal en otro tipo de datos o contexto, encaja mejor en el servicio transversal de inferencia causal.

No. El servicio diseña y analiza estudios de Real World Evidence con rigor metodológico y conforme a estándares de reporting reconocidos, como las guías STROBE para estudios observacionales y las buenas prácticas farmacoepidemiológicas de referencia (ISPE), de modo que los resultados lleguen documentados, transparentes y preparados para publicación. No cubre la preparación ni la gestión de un expediente de RWE para una submission regulatoria formal ante agencias como la EMA o la FDA, que es un ámbito regulatorio distinto con su propio marco, fuera del alcance de ADI. Sí entra el apoyo a decisiones de financiación o de inclusión en guías clínicas con evidencia de práctica real, que es uso científico de la evidencia, no trámite regulatorio. La frontera es clara: evidencia observacional rigurosa y publicable, sí; dosier regulatorio formal ante agencia, no. Quien necesite esto último puede encontrar aquí una base metodológica de evidencia, pero no la preparación ni gestión del procedimiento regulatorio.