Bioestadística para ensayos clínicos académicos y pragmáticos

Sí. El soporte bioestadístico rinde más cuando entra desde el protocolo, pero llegar con los datos ya recogidos no impide un análisis defendible, siempre que se explicite qué decisiones estaban predefinidas, qué decisiones se fijan antes de analizar y qué parte debe interpretarse como exploratoria. Aplica tanto a un ensayo que aún no ha arrancado, en el que se dimensiona el estudio y se redacta el plan de análisis antes del reclutamiento, como a uno cerrado, donde el plan de análisis se fija antes de tocar los datos. Lo que protege la validez del análisis primario es pre-especificar la estrategia antes de mirar los resultados, no haber estado presente desde el día uno. Si los resultados ya se han explorado, esa situación debe documentarse y separarse del análisis primario que pueda defenderse como pre-especificado. Cuando el ensayo llega con los datos recogidos, el trabajo se centra en un plan bien fundamentado, el tratamiento correcto de los datos faltantes y los análisis de sensibilidad adecuados.

El servicio cubre el ciclo estadístico del ensayo dentro del ámbito académico, pragmático o de implementación: cálculo del tamaño muestral, redacción del plan de análisis estadístico (SAP), análisis de los endpoints de eficacia y seguridad, y preparación de los resultados para publicación o informe de cierre. El reparto es claro: el cliente diseña la intervención, ejecuta el ensayo y recoge los datos; el servicio dimensiona, especifica, analiza e interpreta. No incluye el reclutamiento de pacientes, la monitorización clínica ni la gestión operativa del ensayo, que corresponden al equipo investigador o a una CRO. Lo que se entrega es la base estadística del estudio, desde el argumento del tamaño muestral hasta la sección de métodos redactada, y los análisis de sensibilidad que ayudan a responder objeciones metodológicas de revisores y comités.

El tamaño muestral se justifica a partir del efecto clínico relevante, el poder estadístico deseado y las tasas de abandono esperadas, no como un número aislado sino como un argumento documentado. Aplica en la fase de diseño, antes del reclutamiento, y condiciona la viabilidad estadística de todo el estudio. El cálculo parte de la magnitud de efecto que el ensayo debe ser capaz de detectar, fijada con criterio clínico, no estadístico, y se ajusta al diseño concreto: paralelo, factorial o cluster-randomized, que requieren consideraciones distintas. Según el diseño, también pueden entrar el nivel de significación, la asignación entre grupos, la correlación intracluster o la estructura longitudinal. Se documenta el razonamiento completo para que un comité de financiación o un revisor vean cómo se llegó a la cifra. Un tamaño muestral sin su justificación es la primera decisión que un revisor cuestiona.

El plan de análisis estadístico (SAP) es el documento que define, antes de analizar, las poblaciones de análisis, los endpoints, la estrategia de manejo de datos faltantes y el ajuste por multiplicidad de un ensayo. Conviene fijarlo antes de ver los datos porque la pre-especificación es una de las condiciones que separan un análisis confirmatorio de uno exploratorio: decidir el método después de conocer los resultados abre la puerta a elegir, consciente o no, la opción que da el resultado deseado. El SAP se redacta siguiendo la estructura ICH-E9 como referencia metodológica, incluyendo, cuando proceda, las poblaciones por intención de tratar y por protocolo. En un ensayo ya cerrado, fijar el SAP antes de tocar los datos protege igualmente la validez del análisis primario.

No. El método se adapta al diseño real del estudio y a la estructura de los datos, no a una plantilla por defecto. Un ensayo cluster-randomized no se analiza como uno paralelo, porque ignorar la correlación dentro del cluster subestima la incertidumbre; unas medidas repetidas no se tratan como un corte transversal, porque las observaciones del mismo paciente no son independientes. Para estos casos pueden emplearse modelos mixtos para datos longitudinales, análisis por intención de tratar y por protocolo, e imputación múltiple cuando la estructura de datos faltantes lo requiere, entre otras opciones según el endpoint y el diseño. Los ensayos pragmáticos y de implementación, con su variabilidad de contexto real, son precisamente donde una plantilla genérica puede producir inferencias poco defendibles y donde el ajuste al diseño concreto importa más.

Los datos faltantes se manejan con una estrategia definida en el SAP y respaldada por análisis de sensibilidad ante distintos supuestos. Aplica en la mayoría de ensayos reales, donde el abandono, las visitas no realizadas o la pérdida de seguimiento deben anticiparse desde el SAP. La estrategia parte de caracterizar el mecanismo plausible de los datos faltantes y de elegir el método coherente con ese supuesto: la imputación múltiple es habitual, pero no la única vía. La pieza clave es el análisis de sensibilidad: comprobar si las conclusiones se sostienen bajo supuestos alternativos sobre los datos que faltan. Si el resultado solo se mantiene bajo el supuesto más favorable, esa fragilidad debe conocerse antes de la revisión, no descubrirse en ella. Es lo que permite distinguir una conclusión estable de otra que depende demasiado de un supuesto favorable.

El diseño de estudios y protocolo estadístico se utiliza antes de recoger datos, cuando la decisión es cómo plantear el estudio: tipo de diseño, hipótesis, variables, plan de medición. La bioestadística para ensayos clínicos puede incluir decisiones de diseño cuando el proyecto entra desde el inicio, pero su núcleo es el ciclo estadístico específico del ensayo, incluido el análisis de los datos una vez recogidos. Pueden ser dos fases del mismo proyecto o dos puntos de entrada distintos: quien aún no ha empezado el estudio necesita sobre todo diseño; quien ya tiene el ensayo en marcha o cerrado necesita el plan de análisis y el análisis en sí. No responden a la misma pregunta: uno ayuda a plantear bien el estudio; el otro, a analizarlo y defenderlo con rigor.

No. El servicio trabaja con ensayos clínicos académicos, pragmáticos y de implementación, y prepara la evidencia estadística para publicación científica, informes de cierre y la defensa ante revisores y comités de financiación o seguimiento. No cubre la preparación ni gestión de una submission regulatoria formal a agencias como la EMA o la FDA, ni la producción de dataset y documentación en estándares de agencia (CDISC, SDTM/ADaM) ni los TLFs requeridos en un dosier regulatorio. Esa es una competencia regulatoria distinta, con su propio marco, que queda fuera del alcance de ADI. La referencia a la estructura ICH-E9 en el plan de análisis es una buena práctica metodológica del ámbito académico y pragmático, no una capacidad de submission ante agencia. La frontera no se difumina: ensayo académico y pragmático, sí; expediente regulatorio formal, no.