La probabilidad de éxito (POS) es un concepto estadístico comúnmente utilizado en la industria farmacéutica, incluso por parte de las autoridades sanitarias, para apoyar la toma de decisiones .
La probabilidad de éxito es un concepto estrechamente relacionado con el poder condicional y el poder predictivo . El poder condicional es la probabilidad de observar significación estadística dados los datos observados asumiendo que el parámetro del efecto del tratamiento es igual a un valor específico. El poder condicional a menudo es criticado por este supuesto. Si conocemos el valor exacto del efecto del tratamiento, no es necesario realizar el experimento. Para abordar este problema, podemos considerar el poder condicional en un entorno bayesiano al considerar que el parámetro del efecto del tratamiento es una variable aleatoria . Tomando el valor esperado de la potencia condicional con respecto a la distribución posteriordel parámetro da el poder predictivo. El poder predictivo también se puede calcular en un entorno frecuentista . No importa cómo se calcule, el poder predictivo es una variable aleatoria, ya que es una probabilidad condicional condicionada a datos observados aleatoriamente. Tanto el poder condicional como el poder predictivo utilizan la significación estadística como criterio de éxito. Sin embargo, la significación estadística a menudo no es suficiente para definir el éxito. Por ejemplo, una autoridad sanitaria a menudo requiere que la magnitud del efecto del tratamiento sea mayor que un efecto que es meramente estadísticamente significativo para respaldar el registro exitoso. Para abordar este problema, podemos extender el poder condicional y el poder predictivo al concepto de probabilidad de éxito. Para la probabilidad de éxito, el criterio de éxito no se limita a la significación estadística. Puede ser otra cosa, como un resultado clínico significativo.
Tipos de TPV
- Probabilidad condicional de éxito (CPOS): Es la probabilidad de observar el éxito (en términos del resultado observado) en el futuro dados los datos observados y el efecto del tratamiento igualando un valor específico. CPOS es una extensión del poder condicional. Sus criterios de éxito no se limitan a la significación estadística. Sin embargo, cuando el éxito se define como significación estadística, se convierte en poder condicional.
- Probabilidad predictiva de éxito (PPOS): Es la probabilidad de observar el éxito en el futuro dados los datos observados. PPOS es una extensión del poder predictivo. Sus criterios de éxito no se limitan a la significación estadística. Sin embargo, cuando el éxito se define como significación estadística, se convierte en poder predictivo. Tenga en cuenta que PPOS es una probabilidad condicional condicionada a datos observados aleatoriamente. Por tanto, es una variable aleatoria.
- Probabilidad posterior de éxito (OPOS): Es la probabilidad de éxito (en términos del parámetro de efecto del tratamiento) calculada utilizando la probabilidad posterior . Tenga en cuenta que OPOS es una probabilidad condicional condicionada a datos observados aleatoriamente. Por tanto, es una variable aleatoria.
Aplicación en el diseño de ensayos clínicos
Diseño de prueba piloto usando PPOS
El diseño de prueba piloto tradicional se realiza típicamente controlando la tasa de error de tipo I y la potencia para detectar un valor de parámetro específico. El objetivo de una prueba piloto, como una prueba de fase II, generalmente no es respaldar el registro. Por lo tanto, no tiene sentido controlar la tasa de error de tipo I, especialmente un gran error de tipo I, como se suele hacer en una prueba de fase II. Una prueba piloto generalmente proporciona evidencia para respaldar una decisión de aprobación o no aprobación para una prueba de confirmación. Por lo tanto, tiene más sentido diseñar una prueba basada en PPOS. Para respaldar una decisión de No / Go, los métodos tradicionales requieren que el PPOS sea pequeño. Sin embargo, el PPOS puede ser pequeño solo por casualidad. Para resolver este problema, podemos requerir que el intervalo creíble de PPOS sea estrecho de modo que el cálculo de PPOS esté respaldado por información suficiente y, por lo tanto, PPOS no sea pequeño solo por casualidad. Encontrar un diseño óptimo es equivalente a encontrar la solución a las siguientes 2 ecuaciones. [1]
- PPOS = PPOS1
- límite superior del intervalo creíble de PPOS = PPOS2
donde PPOS1 y PPOS2 son algunos valores de corte definidos por el usuario. La primera ecuación asegura que el PPOS es pequeño, de modo que no se impedirá que muchos ensayos entren en la siguiente etapa, para protegerse contra falsos negativos . La primera ecuación también asegura que el PPOS no sea demasiado pequeño, de modo que no entrarán demasiados ensayos en la siguiente etapa, para protegerse contra falsos positivos . La segunda ecuación asegura que el intervalo creíble de PPOS sea estrecho, de modo que el cálculo de PPOS esté respaldado por información suficiente. La segunda ecuación también asegura que el intervalo creíble de PPOS no sea demasiado estrecho para que no demande demasiados recursos.
Diseño provisional de inutilidad con PPOS
Provisional de futilidad tradicional está diseñado en función del gasto beta. Sin embargo, el gasto beta no tiene una interpretación intuitiva. Por lo tanto, es difícil comunicarse con colegas que no son estadísticos. Dado que PPOS tiene una interpretación intuitiva, tiene más sentido diseñar la futilidad provisional utilizando PPOS. Para declarar inutilidad, exigimos que el PPOS sea pequeño y que el cálculo del PPOS esté respaldado por información suficiente. Según Tang, 2015 [2], encontrar el diseño óptimo equivale a resolver las 2 ecuaciones siguientes.
- PPOS = PPOS1
- límite superior del intervalo creíble de PPOS = PPOS2
Diseño provisional de eficacia defensiva utilizando CPOS
La eficacia provisional tradicional está diseñada en función de las funciones de gasto. Dado que las funciones de gasto no tienen una interpretación intuitiva, es difícil comunicarse con colegas que no son estadísticos. Por el contrario, la probabilidad de éxito tiene una interpretación intuitiva y, por lo tanto, puede facilitar la comunicación con colegas no estadísticos. Tang (2016) [3] [4] propone el uso de los siguientes criterios para apoyar la toma de decisiones provisionales de eficacia: mCPOS> c1 lCPOS> c2 donde mCPOS es la mediana de CPOS con respecto a la distribución del parámetro y lCPOS es la menor límite del intervalo creíble de CPOS. El primer criterio asegura que la probabilidad de éxito sea grande. El segundo criterio asegura que el intervalo creíble de CPOS sea estrecho; el cálculo de CPOS está respaldado por suficiente información; por tanto, la probabilidad de éxito no es grande por casualidad. Encontrar el diseño óptimo es equivalente a encontrar la solución a las siguientes ecuaciones:
- mCPOS = c1
- lCPOS = c2
Ver también
Referencias
- ↑ Tang, Z (28 de mayo de 2015). "Diseño PPOS" . slideshare .
- ^ Tang, Z (2015). "Diseño intermedio de futilidad óptima: un enfoque de probabilidad predictiva de éxito con el tiempo hasta el punto final del evento". Revista de estadísticas biofarmacéuticas . 25 (6): 1312-1319. doi : 10.1080 / 10543406.2014.983646 . PMID 25379701 .
- ^ Tang, Z (2017). "Diseño provisional de eficacia defensiva: vista dinámica de relación beneficio / riesgo usando probabilidad de éxito". Revista de estadísticas biofarmacéuticas . 27 (4): 683–690. doi : 10.1080 / 10543406.2016.1198370 . PMID 27295497 .
- ^ Tang, Z (19 de marzo de 2017). "Diseño provisional de eficacia defensiva" . slideshare .