Jornal de Ensaios Clínicos
Acesso livre

Abstrato

Diferenças nos requisitos de tamanho de amostra de métodos estatísticos envolvidos em ensaios clínicos com desequilíbrio de base demonstrado e quantificado: um estudo de simulação

Bolaji Emmanuel Egbewale

Enquadramento/objetivos: Em ensaios com avaliação pós-tratamento de variável de resultado contínuo, as estimativas do tamanho da amostra geralmente não fazem uso da informação existente sobre os níveis de desequilíbrio basal e correlação (r) entre as pontuações pré e pós-tratamento da variável de resultado. Como resultado, em cenários de ensaio onde de facto existe desequilíbrio, podem ter sido indicadas mais ou menos unidades amostrais do que o necessário, criando questões éticas e relacionadas com a concepção eficiente do ensaio. Este estudo de simulação teve como objetivo quantificar os tamanhos relativos de amostra necessários em diferentes níveis de condições experimentais, incluindo o desequilíbrio de base para os métodos estatísticos de análise de variância ANOVA, análise de pontuação de mudança CSA e análise de covariância ANCOVA.

Métodos: No geral, foram avaliados 126 ensaios hipotéticos, cada um com dados simulados utilizando diversas combinações de níveis de efeito do tratamento, correlação entre as pontuações pré e pós-tratamento, direção e magnitude do desequilíbrio basal.

Resultados: Independentemente do tamanho e da direção do desequilíbrio da linha de base e do nível de efeito a determinar, a CSA, quando comparada com a ANOVA, requer o mesmo tamanho de amostra quando r=0,5, requer menos unidades amostrais quando r >0,5 e mais unidades amostrais quando r<0,5. Independentemente do nível de desequilíbrio de base, dependendo do nível de correlação, a redução do tamanho da amostra necessária pode atingir mais de 50% do original para especificar a ANCOVA.

Conclusões: Os investigadores devem fazer uso da especificação de correlação a priori nas estimativas do tamanho da amostra e esforçar-se por reportar informação sobre o nível de correlação observado nos seus ensaios. Esta informação é crucial para o desenho futuro de ensaios clínicos eficientes.