Los documentos de Koch, Abel y Urbach no rechazan la aleatorización sumariamente como un medio para lograr 1-4, sino que afirman que no es suficiente ni necesario alcanzar esos criterios. El mensaje final es a) No se debe hacer necesariamente un ECA para responder a todas las preguntas científicas yb) Cualquier ECA publicado puede no ser evidencia de eficacia estándar.
Como alternativa al ECA, el ensayo abierto (OLT) es una opción obvia, ya que el supuesto propósito de dicho ensayo es evaluar una nueva terapia que no sea fácilmente accesible para la población de pacientes. Para el análisis de ECA u OLT, se aplican principios similares para analizar estudios observacionales: control de factores causales, bloqueo de la aleatorización, etc., mejoran la eficiencia y reducen el sesgo de dichos estudios.
significa validar ciertas pruebas estadísticas
(¿son los participantes aleatorizados "independientes" y "distribuidos de manera idéntica" según los supuestos de la prueba t, la prueba de log-rank, etc.)
Profesionales del ECA: es probable que los grupos de participantes correlacionados se "rompan" en la aleatorización del estudio, de modo que, sin contaminación, la estructura de dependencia sea similar dentro de la asignación del tratamiento y los métodos para datos independientes estiman los errores estándar correctos de todos modos. Del mismo modo, es probable que los factores pronósticos estén equilibrados entre los grupos de estudio al momento de la aleatorización.
Desventajas de los ECA: la aleatorización no aborda la contaminación: los participantes como consecuencia de su indicación e incluso la participación en el estudio probablemente se relacionen entre sí e influyan en la participación y los resultados como resultado. Incluso con bloqueo, la distribución de factores pronósticos es heterogénea entre los brazos. Aquellos que reciben el tratamiento de mayor riesgo y que tienen un mayor riesgo al inicio del estudio tienen más probabilidades de "morir" antes, lo que lleva a un riesgo saludable establecido en momentos de eventos futuros (sesgo de supervivencia). Esto puede conducir a riesgos de cruce que son ineficientes para las pruebas de log-rank.
base para la inferencia causal,
es el efecto estimado igual que una instancia de "tiempo de rebobinado" de asignar a todos los participantes tratados para controlar y restar esas diferencias
ECA +: la asignación del tratamiento es completamente al azar, sin confusión por indicación, el cegamiento (cuando sea posible) puede reducir el riesgo de interrupción del tratamiento diferencial.
ECA: el seguimiento diferencial y no diferencial debido a la deserción contribuirá a los participantes desequilibrados al finalizar el estudio. Los estudios no cegados introducen el riesgo de interrupción del tratamiento diferencial. Los parámetros del estudio en torno a la aleatorización, el cegamiento y las terapias invasivas necesariamente restringen el grupo de estudio elegible a un subconjunto más pequeño que dará su consentimiento a esos parámetros (sesgo saludable del participante).
facilitación del enmascaramiento:
cuando el tratamiento se asigna aleatoriamente, ¿es posible administrar ambos tratamientos de manera que los participantes no sepan a qué brazo los asignaron al azar?
ECA +: cuando se dispone de un placebo apropiado , se puede hacer. Cabe señalar que el uso apropiado de "placebo" es tal que un participante recibe atención estándar (SOC). Por ejemplo, supongamos que un IND se administra por inyección y SOC es una píldora. Los participantes de control reciben SOC en forma de píldora (sin etiqueta) y una inyección de solución salina, mientras que los participantes del brazo activo reciben la inyección IND y una píldora de azúcar idéntica.
ECA: un placebo puede no estar disponible. Por ejemplo, provenge es una terapia de anticuerpos monoclonales para el cáncer de próstata de alto grado. La administración de este tratamiento requiere un procedimiento invasivo llamado leucaféresis. La leucaféresis es demasiado invasiva y costosa para realizarse de manera ética en el brazo de control, por lo que los participantes asignados por el proveniente sabrán que están recibiendo el IND.
método para equilibrar grupos de comparación.
¿La distribución esperada de "covariables" en la muestra de análisis es igual en distribución entre los participantes tratados con IND y los participantes de control?
ECA +: en el momento de la aleatorización se observa un balance muestral 50/50 de los grupos de tratamiento y control, así como un balance probabilístico esperado de posibles factores pronósticos. La aleatorización es posible para los diseños de entrada por lotes, aunque actualmente son mucho menos frecuentes.
ECA: el diseño eficiente aún requiere el control de los factores pronósticos, el diseño óptimo en presencia de un efecto del tratamiento no es el equilibrio 50/50 para la mayoría de los análisis, el desgaste y el tamaño desigual del grupo debido a la pérdida de seguimiento comúnmente significa que el diseño equilibrado No esta garantizado. La aleatorización no garantiza el equilibrio de los factores pronósticos.