Hazard Ratio: apuntes de supervivencia

digitalchalk-top-lms-investment-statistics-2015-1Todos aquellos que tengan más de 40 añazos recordarán los tiempos en los que la información y el conocimiento habitaban espacios oscuros y de difícil acceso en las bibliotecas de las facultades o los hospitales. Luego llegó Internet para cambiarlo todo, dando lugar a la denominada “Sociedad del conocimiento”, una de cuyas manifestaciones más importantes es que la información y el conocimiento han desbordado los cauces habituales y ya no se encuentran sólo en libros, revistas o base de datos. Prueba de ello es la blogosfera sanitaria, que es depositaria de un impresionante flujo de Saber al alcance de cualquiera que disponga de un cacharro para unirse a la conversación.

Como ejemplo de lo que decimos, os traemos hoy uno de nuestros blogs de cabecera: Students 4 best evidence que está regentado por estudiantes de todo el Mundo que, de forma cooperativa, han creado un espacio único para enseñar que, dicho sea de paso, es la forma más eficaz que conocemos de aprender. Además, este blog nos enseña que colaborar y compartir -otras dos cualidades que Internet ha propiciado– son la sal y la pimienta de un nuevo modelo de gestión del conocimiento en el que todos, salimos ganando.

Para muestra, el post de hoy dedicado a la hazard ratio, concepto estadístico que comparte barrio con la odds ratio -que no casa- y en el que nos vamos a centrar utilizando como eje un artículo del blog. Un tema que parece árido, insulso, incoloro, pero que brilla con luz propia a la hora de interpretar los resultados de muchos estudios. Si te interesa el mundo de la evaluación, si quieres aprender a desentrañar algunos estudios o, simplemente, te apetece echar un vistazo, te invitamos a traspasar la puerta de esta entradilla y leer todo lo que las HR tienen que contarte. Empezamos…

¿Para qué? Imagina que lees un ensayo clínico en el que se investiga la efectividad de un nuevo fármaco que mejora la supervivencia en pacientes con ICC. Según figura en el resumen, en el estudio se asignaron de forma aleatoria 105 pacientes a la rama tratada con el nuevo fármaco y 106 a la tratada con el control. La variable principal del estudio fue la tasa de supervivencia total. Y su resultado se resume así: “Tras una mediana de seguimiento de 1.500 días, la HR de mortalidad en el grupo tratado fue de 0,38 (IC95% 0,28 a 0,53; p<0,0001). Este resultado se acompaña, además de la siguiente gráfica:
Figure-1-Loai-JPEGComo clínico, evaluador, estudiante, paciente… te interesa saber qué aportan los resultados de este estudio y qué pacientes podrían beneficiarse de los mismos y para ello, hemos de tener respuesta para las cuestiones que hemos planteado:

¿Qué es la Hazard Ratio? Es una medida del efecto de una intervención sobre una determinada variable de resultado a través del tiempo. Habitualmente se expresa como análisis del tiempo transcurrido hasta un evento o análisis de supervivencia. Por ejemplo, cuando estamos interesados en conocer cuánto tiempo transcurre hasta que tiene lugar un determinado evento que podría ser de carácter negativo (p. ej. tiempo transcurrido hasta que el paciente recae o fallece) o positivo (p. ej. tiempo transcurrido hasta que se cura, se va de alta o la supervivencia libre de progresión). Matemáticamente, la HR final calculada por el modelo de regresión es un promedio de las razones de tasas instantáneas en cada momento durante la duración del estudio o, dicho de otra forma, la HR es el cociente entre el riesgo en el grupo de intervención y el riesgo en el grupo control y expresa la probabilidad de que un individuo experimente, tras la intervención, un evento  (muerte, recaída, alta, curación…) en un determinado momento, asumiendo que dicho individuo ha sobrevivido hasta ese instante sin experimentar el evento objeto de estudio.

El HR se expresa con un intervalo de confianza que es el rango de valores que probablemente incluya el valor poblacional real. Se usa para determinar su precisión: cuanto más estrecho, la HR será más precisa. La precisión está afectada por el tamaño muestral del estudio, de tal forma que si n=1, la HR será no significativa.

¿Cómo se interpreta? Como la HR es una razón, si HR=0,5 en cualquier momento del seguimiento, la mitad de los pacientes en el grupo de tratamiento han experimentado un determinado evento en comparación con el grupo control. Si HR=1, la tasa de eventos, en el momento considerado, es igual en ambos grupos. Y si HR=2, es el doble en el grupo tratamiento en comparación con el grupo control.

¿Cómo se aplica al estudio? En el estudio la HR=0,38 (IC95% 0,28 a 0,53). Por tanto, los pacentes con el nuevo tratamiento tuvieron, durante cualquier momento del seguimiento, una probabilidad inferior del 62% de morir en comparación con los tratados con el control con un IC95% de 47% al 72%. Es decir, con una confianza del 95% podemos afirmar que el valor real de la menor probabilidad de morir con el tratamiento nuevo está entre el 28% y el 53% siempre, claro está, en relación al control.

¿Qué representa la curva de Kaplan Meier? es un método gráfico para representar datosFigure-2-Loai-JPEG de supervivencia o un análisis del tiempo hasta el evento (p. ej. porcentaje de supervivientes a lo largo del tiempo). El eje de abscisas representa el tiempo de seguimiento desde el reclutamiento, mientras el eje de ordenadas representa la probabilidad de supervivencia. Cada escalón representa un evento experimentado por un paciente en el grupo correspondiente, mientras que cada pequeño punto vertical representa una observación censurada (p.ej. un paciente que no experimentó el evento de interés en el último corte de la observación debido a la muerte del paciente por otra causa o que el período del estudio acabara sin ningún evento).

El número de pacientes en riesgo en intervalos temporales regulares se muestra en la parte inferior de la gráfica. Con el tiempo, cada vez quedan menos personas en riesgo. La gráfica también nos permite detectar la progresión de la condición investigada (p.ej. la mortalidad postquirúrgica precoz o un efecto adverso grave causado por un fármaco) mediante la presencia de una repentina caída de la supervivencia en un determinado momento.

¿Cómo se interpreta? Los resultados de la curva de Kaplan Meier pueden comunicarse de varias formas:
Mediana de supervivencia:  la mitad de los supervivientes en el grupo de tratamiento han sobrevivido 2.246 días (mediana de la tasa de supervivencia) en comparación con los 906 días en el grupo control.
Diferencia en la mediana de supervivencia: en promedio, pacientes en el grupo de intervención que sobrevivieron 1.340 días más que los pacientes del grupo control (2.246-906 días).
Porcentaje de supervivientes en un determinado momento: casi el 45% de los pacientes del grupo de tratamiento sobrevivieron 10 años (3.650 días, p.ej. tasa de supervivencia a los 10 años). Otra forma de expresarlo es que casi el 45% de los pacientes en el grupo tratamiento no han experimentado la variable de resultado investigada (p.ej. muerte) tras 10 años de seguimiento.

Diferencia entre HR y OR A menudo la HR se define como una razón de riesgos (o riesgo relativo) aunque técnicamente, no son lo mismo. No obstante, si te ayuda a entender lo que es la HR, estupendo. Recuerda: HR no es RR.

Una de las principales diferencias entre razón de riesgos y HR es que aquélla no tiene en cuenta cuándo ocurre el evento, sino sólo tiene lugar o no al final del estudio. Por el contrario, el HR tiene en cuenta no sólo el número de eventos sino el momento en que tuvieron lugar.

 

 

Anuncios

One comment

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s