Aplicação metodológica
Aplicação de modelos estruturais marginais para estimar os efeitos de Terapia anti-retroviral em 5 coortes de seroconversores para vírus de imunodeficiência humana
Modelos estruturais marginais Aplicação para efeitos da terapia anti-retroviral em 5 coortes de seroconversores de HIV
Santiago Pérez -Toyosa, B; Fereresia imaculada, c; Miguel A. Hernand; Gemese
Escola Valenciana de Estudos de Saúde (EVES), Valência, Espanha;
BdePartaent D’Infermeria Comunidade, Medicina Preventiva Eu Salut Público I Història de la Science, Universitat d’Alacant, Alacant, Espanha;
Escola Valenciana de Estudos de Saúde (EVES), Valência, Espanha; Departamento de Saúde Pública, Universidade Miguel Hernández, Alacant, Espanha;
CDPAR Regamamento Saúde Pública, Universidad Miguel Hernández, Alacant, Espanha;
DDEPARTY de Epidemiologia, Escola de Saúde Pública, Universidade de Harvard, Boston, Estados Unidos;
Egroup of Espanhol Multicentes Estudo de Seroconversores (veja a relação completa dos seus membros no anexo)
Este trabalho foi financiado graças à ajuda de pesquisa do Fipse (Fundação para pesquisa e prevenção da AIDS na Espanha) Integrado pelo Ministério da Saúde, Laboratórios Abbott, Boehringer Ingelheim, Bristol Myers Squibb, Glaxosmithkline, Merck Sharp e Dohme e Roche), (Fipse 36349/02) e parcialmente para o FIS (Fund do FIS 02/0639) e Ajuda da Escola Valenciana de Estudos de Saúde (EVES) 2005.
Gerenciamento para correspondência
Objetivos
Os métodos convencionais têm limitações para ajustar por dependente do tempo fatores de confusão para avaliar a eficácia da população dos tratamentos em estudos observacionais. Neste trabalho, é demonstrado um novo tipo de metodologia, os modelos estruturais marginais (MEM), e a eficácia da terapia anti-retroviral de grande atividade (targa) sobre a incidência de AIDS ou morte é estimada.
Assuntos e Métodos: Os sujeitos foram identificados sem Targa seguido de 1997 sobre as coortes de seroconversores para o vírus da imunodeficiência humana (HIV) do projeto das gemas (grupo de estudo de soroconverter multicentro espanhol). Para estimar o efeito sobre a incidência de AIDS ou MORTE, os parâmetros de um mem foram obtidos através de uma regressão logística ponderada para a probabilidade reversa. A estimativa dos pesos foi baseada na contagem de CD4, tempo de seroconversão, sexo, idade, categoria de transmissão e tratamento prévio. Resultados: Os 917 assuntos elegíveis foram seguidos por uma média de 3,4 anos, durante as quais foram observadas 139 resultados de juros. 42,1% dos participantes receberam targa durante o estudo. A taxa relativa foi de 1,01 (intervalo de confiança (IC) de 95%, 0,68-1,49) por meio de um modelo COX não coxiável convencional, e 0,90 (IC 95%, 0,61 -1,32) utilizando um Cox modelo com mudança de covariates ao longo do tempo. A taxa de causalidade relativa estimada por um mem foi de 0,74 (IC 95%, 0,49-112).
Conclusões: O efeito benéfico de Targa encontrado por MEM é bem estabelecido, mas modelos convencionais não poderiam detectá-lo. O uso de um MEM é permitido adequadamente ajustando pela variável CD4, que é ao mesmo tempo uma variável de confusão dependente do tempo e é afetada pelo uso anterior do tratamento.
Palavras-chave: Modelos estruturais marginais. Análise de sobrevivência. Eficiência dos tratamentos. AIDS.
Abstract
Os métodos padrão para avaliar a eficácia da população dos tratamentos em estudos observacionais têm limições importantes para ajustes adequados para os confundidores dependentes do tempo. Neste artigo, descrevemos uma abordagem metodológica recentemente desenvolvida, modelos estruturais marginais (MSM) e usá-lo para efetivo a eficácia da terapia anti-retroviral altamente ativa (HAART) na AIDS ou no Incector da Morte.
Assuntos e Métodos: Analisamos todos os assuntos seguidos após 1997 como parte do projeto das gemas (comprado por várias coortes de seroconversores de HIV em Espanha) e que não haviam usado HAART antes do início do acompanhamento. Para estimar o efeito da HAART sobre AIDS ou Incidência de Morte, estimamos os parâmetros de um modelo cox estrutural marginal, montando um modelo de regressão logística ponderada de probabilidade inversa. A estimativa dos pesos foi baseada na contagem de CD4, desde que desde seroconversão, sexo, idade, categoria de transmissão e tratamento anterior. Resultados: 917 Assuntos elegíveis foram seguidos por uma média de 3,4 anos e observamos 139 eventos. 42,1% dos participantes receberam Hart durante o estudo.A taxa de taxa estimada foi de 1,01 (intervalo de confiança de 95% (IC), 0,68-1,49) utilizando um modelo COX sem coveriates e 0,90 (IC 95%, 0,61-1,32) utilizando um modelo COX com coveriates dependentes do tempo. O índice de taxa causal estimado para MSM foi de 0,74, (95% CI, 0,49-112).
Conclusões: O efeito benéfico da HAART estimada pelo MSM, mas perdido em grande parte pelos métodos convencionais, é consistente com os achados de estudos randomizados anteriores. O MSM adequadamente ajustado para a contagem de CD4 CD4 dependente do tempo, que é tanto um confundidor de variação de tempo e seja afetado pelo tratamento prévio.
Palavras-chave: modelos estruturais marginais. Análise de sobrevivência. Eficácia do tratamento. AUXILIA.
introducción
La Llamada Terapia Antirretroviral de Gran Actividad (Targa) Combina Al Menos 3 Fármacos, Generalmace Inhibidor de la Proteasa (IP) O Inhibidor da ONU Análogo No Nucleósido de la Transcriptasa Inversa (NNRTI) Junto Con 2 Inhibidores Nucleósidos de la Transcripasa Inversa (NRTI). DOS Ensayos Clínicos Han Mostrado Que La Targa, Comparada Con Un Régimen Compuesto Por 2 Nrti1,2, Reduzir La Incidencia de Sida Y Muerte Entre Las Personas Infectadas por El Vírus de la InMunodeficiencia Humana (VIH). Pecar Embargo, Los Resultados de Estos Ensayos Clínicos de Corta Duración (Menos de Un Año) Não Permitence AVALUAR LA EFICÁCIA A Largo Plazo de la Targa, UNA Terapia Que Debe Ser Tomada de Por Vida. Por ello, SE Precisan Estudios Observaciones Longitudinales Para Estimagem El Efecto de La Targa A Largo Plazo Y Frente Um Diferente Estrategias Terapéuticas3-6.
pecado Embargo, La Aplicación de Métodos Estadísticos Convencionales Para Estudios Longitudinales (p. EJ ., Regesión de Cox Con Variáveis Cambiantes en El Tiempo) Puede Proporcionar Estimações Sesgados del Efecto Causal del Tratamiento7-10. Este SESGO APARECE CUANDO HAY FACTORES DE RIESGO DEL EVO QUE CAMBIAN CON, filho Predictors del Início del Tratamiento, Y Su Valor está Afectado por El Uso Previo de Tratamiento. En Estudios de Targa y Sida, UN BAJO RECUENO DE CD4 ES UNA INDICACIÓN DE INICIO DE TRATAMIENTO QUE SE ASÓCIA CON UNA MENOR SUPERIVÊNCIA (ES Decir, ES UNA VARIÁVEL DE CONFUSIÓN DEFESPIENTE DEL TIEMPO); Afemás, El Recuento de CD4 está Afectado por El Início del Tratamiento. El Sesgo de Los Métodos Convencionales Aunsencia de Confusión Residual (es Decir, Inclusa Si Se Hubieran Medido Todas Las Indicaciones del Tratamiento) Porque Se Delbe A ONU AJUSTE INAPROPIADO DE LA CONFUSIÓNS CRAADA POR VARIABAS AFECTADAS POR EL TIEMPO AFECTADAS POR EL TIEMPO.
descritos UN Nuevo Tipo de Metodologia, Los Modelos Estruturais Marginales (MEM), Para Ajustar Apropiadão Por Variáveis de Confusión Defientes Del Tiempo Afectados POR EL TRATAMIPO PREVIO. Los Parámetros de Estos Modelos Se Estiman Mediante Ponderación por Probabilidad Inversa. El Arrículo Muestra Una Aplicación Prática de Los Mem Para Estimagem La Efectividade de Targa Sobre La Incidencia de Sida.
Sujetos Y Métodos
Dados
SE HA UTILIZADO INFORMAÇÃO Provediente de Las 5 Cohortes de Seroconverteses Al Vih Del Prótese (Grupo de Estudio Multicéntrico Español de Seroconvertes) Que Hemos Descrito Con Detalhes Con anteriorIDAD11. Para Este Análisis Se Eligió A Los 917 Sujetos Que en Ener de 1997, O EN EL Momento de Su Inclusão em La Cohorte Si Esta Había Ocurrido con posterioridad, no Habían RECIBIDO TARGA. Las Siguientes Variáveis Se Midieron Al Inicio Del Seguimiento: Sexo, EDAD, USO Previo de Terapia Antirretroviral (No Targa), Tiempo Desde La Seroconversión Al Vih, Categoría de Transmisión (Hombres Que Mantienen Relaciones Sexuales Con hombres, Usuarios de Drogas Por Vía Parenteral, heterossexuales, Otros), CD4 Y Carga Viral. El Seguimiento Se Organizó en Intervalo Mensuales e Cada intervalo Se Le Asignó La Medición Más Reciente de CD4 y Carga Viral. El CD4 SE CLASIFICÓN PT 5 Grupos Con Los Siguientes Puntos de Corte (50, 100, 200, 350 células / μl). La Carga Viral SE Recodificificó de Acuerdo Con Los Puntos de Corte habituais (400, 1.000, 10.000, 100.000 Copias por ml). LA Variável Carga Viral Sem Seó En Nuestro Análisis Principal Porque Sem Estã Disponível Para Todos Los individuos. El USO de Targa SE RESUMIÓ EN UNA Dicotómica Con Valor 0 Para Los Meses Previos Al Inicio del Tratamiento, Y 1 Para Los Meses Desde El Início de Tratamiento Hasta El Final Del Seguimiento. Por Tanto, Nuestro Análisis es Por Intención de Tratar, ES Decir, SE ASUMA QUE CUANDO UN INTICIA TARGA PERMECE SIEMPRE en Ella. SE Analizó El Tiempo Desde El Início del Seguimiento Hasta El Primero de Los Siguientes Eventos: El Diagnóstico de Sida o Muerte, La Pérdida de Seguimiento, O Septiembre de 2004.
Modelos estruturais marginais
O objetivo de nossa análise é comparar a taxa de incidência de AIDS / MORTE que teria sido observada, se todos os indivíduos tivessem iniciado a TATA no início do acompanhamento , com a taxa de incidência de AIDS / MORTE que teria sido observada se nenhum paciente iniciou o TATA durante o acompanhamento. Cada uma dessas taxas descreve uma situação contractual12 (isto é, uma situação que não ocorreu na realidade). Como os efeitos causais são definidos como contrastes de situações contracacionais, a razão para essas duas taxas é uma taxa relativa causal.
Se a iniciação da tag tinham sido aleatoriamente designada no início do acompanhamento, o parente A taxa observada seria um estimador consistente da taxa relativa causal porque os tratados e não tratados seriam intercambiáveis. Em contraste, em estudos observacionais, a probabilidade de receber o tratamento geralmente confia nas características do sujeito. Os pacientes do Tratado não são geralmente intercambiáveis com aqueles não tratados, de modo que a taxa relativa observada não coincide com a taxa de causalidade relativa13. Nos estudos farmacoepidemiológicos, este problema é conhecido como indicação por indicação.
Uma solução para o problema da confusão é medir todas as características dos pacientes que afetam a decisão de tratamento e risco de AIDS / MORTE (por exemplo, indicações de tratamento) para estimar a taxa relativa causal entre os pacientes que têm os mesmos valores dessas variáveis. Este método é conhecido como estratificação. Os modelos de regressão com covariates são uma versão sofisticada da estratificação.
Uma segunda solução para o problema da confusão é medir as mesmas características dos pacientes para estimar a probabilidade de cada indivíduo recebe tratamento (p. Por exemplo, Targa ou nada) que ele recebeu na realidade. Os pesos de sinal são então calculados que são proporcionais ao inverso da probabilidade estimada (semelhante à ponderação usada em algumas técnicas de amostragem14). A função dos pesos é simular uma “pseudopobulação” na qual cada indivíduo da população original é ponderada, para que a distribuição das características dos pacientes seja a mesma entre os tratados e os não tratados a cada momento. Isto é, na ausência de confusão residual na população original, tratados e não tratados são intercambiáveis na pseudopobulação, e não há confusão15. Este método é conhecido como ponderação de probabilidade reversa ou, em sua forma mais elementar, padronização. Os parâmetros dos modelos estruturais marginais são estimados por ponderação por probabilidade inversa8,13,16.
Os dois métodos, estratificação e ponderação, proporcionam estimadores uma interpretação causal apenas sob a condição de que as variáveis confusas que tenham foi corretamente medido. Como é impossível demonstrar o cumprimento desta condição da ausência de confusão residual, os estudos observacionais não podem garantir a validade causativa de seus estimadores. No entanto, os pesquisadores podem aumentar a probabilidade de que a condição seja cumprida se aplicarem seu conhecimento especializado e análise de estudo. Por exemplo, nosso estudo registra e incorpora na análise a maioria das variáveis indicador de tratamento que também são conhecidas fatores de risco para a AIDS.
Embora tanto a validade da estratificação quanto a ponderação dependem de uma condição que não pode ser verificada Emprisicamente, a ponderação permite ajustar corretamente pelas variáveis de confusão que mudam ao longo do tempo e são afetadas pelo tratamento anterior (por exemplo, a contagem de CD4 em nosso estudo). Métodos com base na estratificação, como modelos de regressão convencionais (incluindo o modelo COX com alteração de variáveis ao longo do tempo), não permitem ajustar corretamente essas variáveis de confusão, mesmo que tenham sido medidas corretamente17. Neste artigo, usamos um modelo cox estrutural marginal para estimar a taxa relativa causal. Estimar os parâmetros do modelo estrutural marginal de COX8,13,16, é utilizado um processo dividido em 2 etapas.
Na primeira etapa é estimado para cada assunto a probabilidade de iniciar o tratamento em cada intervalo ( Um mês, no nosso caso) usando, por exemplo, uma regressão logística, onde a variável de resposta é o indicador de uso de tratamento e covariáveis são os fatores de risco que estão associados ao início do tratamento. Cada sujeito contribui com tantas observações como meses desde o início do acompanhamento até o início do tratamento (a probabilidade de ser tratada após o início do tratamento é 1 sob a suposição de que os pacientes não deixam targa uma vez que a terapia foi iniciada).Essas probabilidades são usadas para estimar os pesos para cada assunto e mês.
No segundo estágio Um modelo COX é ajustado com a variável alterando no tempo de Targa, e nenhuma outra variável alterando no tempo, ponderada pelo esperado pesos no estágio anterior. O estimador da taxa relativa de AIDS / MORTALIDADE deste modelo é um estimador consistente da taxa relativa causal sob as condições de não-confusão residual e correta Especificação dos modelos em ambos os estágios. Para facilitar a programação, abordar o modelo COX ponderado através de uma regressão logística ponderada, na qual cada indivíduo contribui com tantas observações como meses de acompanhamento. A proporção de probabilidades dessa regressão logística é bem abordada pelo risco relativo ou na taxa relativa instantânea (TR) do modelo Cox, porque o risco de eventos (AIDS ou MORTE) foi inferior a 10% em todos os intervalos mensais.
Abaixo apresentamos uma descrição mais detalhada desse processo em 2 etapas. Em nosso estudo para cada observação mensal T de cada indivíduo I, um indicador de tratamento para tratamento AI (T) e Li (T) covariates (CD4 e carga viral) está disponível, que são usados para decidir a atribuição de tratamento no mês t . A partir de agora, eliminamos o subscrito I de cada indivíduo para aliviar a notação. Para se referir à história de A desde o início do acompanhamento até o mês, usamos uma barra horizontal, isto é, Ã (t) = {a (0), A (1) A (t) }, e o mesmo para L. l (0) representa as medidas covaríáveis no início do acompanhamento (CD4, carga viral, pré-tratamento, idade, sexo e tempo de seroconversão). L (0) está incluído em l (t).
informalmente, o peso atribuído a um indivíduo no mês T é o inverso da probabilidade de que o indivíduo recebeu seu próprio histórico de tratamento desde o início do seguimento até o mês t. Esses pesos:
pode ser usado para ajustar pela confusão que causam as variáveis l (t). O numerador é, informalmente, a probabilidade de o indivíduo recebe o tratamento (Targa ou nada) que ele realmente recebeu durante o mês k.
No entanto, os pesos w (t) têm uma variabilidade excessiva, pelo que é aconselhável estabilizá-los. A estabilização pode ser obtida substituindo, para cada pessoa – mês, numerador 1 para a probabilidade de ter recebido seu próprio histórico de tratamento desde o início do acompanhamento até o tempo t sem condicionamento nas variáveis dependentes do tempo em L (T). Em seguida, o peso estabilizado é:
Para estimar as probabilidades no numerador do SW (T), ajustamos o modelo de regressão logística:
onde β0 (t) é modelado, por exemplo, com um spline cúbico restrito (em nosso exemplo , Com nós nos percentis 20, 40, 60 e 80, usando os valores padrão da Stata para os percentis 0 e 100). O modelo é restrito aos intervalos antes do início do tratamento, A (t 1) = 0, porque para o resto a probabilidade de receber tratamento A (t) = 1 é igual a 1 sob nossa suposição de que “uma vez tratada, sempre tratado “. As probabilidades estimadas por este modelo são usadas para calcular a probabilidade estimada de que um indivíduo tenha recebido seu próprio histórico de tratamento l (0) desde o início do acompanhamento até cada mês.
Estimar as probabilidades no Denominador, assumimos que a decisão de iniciar o tratamento no mês T depende apenas do valor basal e do mais recente valor de L, isto é, L (0) e L (T) e ajustar o modelo de regressão logística:
Nossos resultados foram semelhantes quando usamos menores suposições restritivas, por exemplo, quando o modelo incluiu l (0) e os três valores mais recentes l (t), l (t 1) e l (t 2), por isso decidimos apresentar a análise mais simples.
analogamente, SWC (T) pesos são estimados para ajuste para o viés de seleção causado por censura informativa. Para fazer isso, em vez de estimar o peso como a probabilidade de ser tratado, o peso é estimado como a probabilidade de ser censurado. Multiplicando os Pesos, SW (T) e SWC (T), você obtém o peso definitivo para cada pessoa – mês. Finalmente, a taxa de causalidade relativa é estimada por um modelo ponderado de COX ou, de forma aproximadamente equivalente, através de um modelo de regressão logística ponderada. Os estimadores dos parâmetros do modelo ponderado são estimadores consistentes dos parâmetros de um modelo marginal estrutural. Uma descrição formal do modelo cox estrutural marginal pode ser encontrada nas obras de Hernan et al7,.18.
Para comparar os resultados obtidos com o modelo ponderado, 3 modelos logísticos não ponderados foram ajustados.O primeiro inclui o tratamento variável como dependente do tempo, mas não covariável (modelo bruto). O segundo adiciona ao modelo anterior l (0), isto é, as medidas covaríáveis no momento da entrada no estudo. O terceiro adiciona ao modelo anterior os fatores em mudança no tempo l (T). O modelo ponderado inclui as mesmas covariáveis que o segundo modelo não ponderado. As taxas relativas e seus intervalos confiáveis (IC) de 95% foram estimados. No modelo ponderado, a variância robusta foi utilizada para ajustar pela correlação induzida pelos pesos e, portanto, a IC 95% da taxa relativa no modelo ponderado é conservadora (cobre mais de 95%). As análises foram realizadas através do Programa Stata 9.0, e para o modelo ponderado as instruções foram seguidas por Mef> Resultados
A Tabela 1 mostra as características dos 917 assuntos elegíveis que foram seguidos por uma média de 3,4 anos. 139 Resultados de interesse (88 casos de AIDS e 51 mortes) foram observados, o que implica uma taxa anual de 4.5 Resultados por 100 pessoas. Durante o acompanhamento, 388 indivíduos (42,1%) iniciaram a Targa, que implica uma taxa de incidência anual de Targa de 21,3 por 100 pessoas; 87 dos eventos foram apresentados em pessoas não tratadas (incidência de 4,8%) e 52 em pessoas tratadas (incidência de 4,3%). 39,8% do tempo de acompanhamento por pessoa foi observado após o início de Targa. A Tabela 2 mostra os fatores associados a uma maior probabilidade de início de Targa: sexo feminino, não usam drogas parenterais, longo intervalo desde o início da infecção pelo HIV e baixo nível de CD4 no seguimento.
Logistic Modelos de regressão para estimar o início e a censura de Targa em cada mês foram usados para estimar pesos estabilizados. Na Figura 1, a taxa relativa (95% CI) é apresentada utilizando os vários modelos não ponderados: 1,01 (0,68-1,49) sem covariáveis, 0,80 (0,54-1,19) com medidas variáveis no momento inicial (sexo, Tratamento anti-retroviral anterior, CD4 basal, idade, tempo de seroconversão) e 0,90 (0,61-1,32) com medidas covaríáveis no momento inicial e mudança ao longo do tempo (CD4). A taxa relativa causal (IC95%) estimada pelo modelo ponderado com covariáveis iniciais foi de 0,74 (0,49-1, 12).
No modelo ponderado Não houve interação significativa (p = 0,522) entre o nível inicial de CD4 e Targa. A taxa relativa causal (95% ci) foi de 0,62 (0,26-1,34) para CD4 < 200, de 0,74 (0,38-1, 43) para CD4 200-350, de 1,24 ( 0,56-2,74) para CD4 350-500 e 0,57 (0,25-1,31) para CD4 > 500 no início do acompanhamento.
Quando os modelos foram ajustados nos 437 assuntos para os quais as medições de carga viral estavam disponíveis, as taxas relativas estimadas (95% de CI) foram 1,00 (0,68-1,49) no modelo não covariável, 1,02 (0,63-1,66) no modelo com mudança variáveis ao longo do tempo, e 0,54 (0, 24-1,26) no modelo ponderado.
discussão
Observacional de estudos de coorte, como o projeto das gemas, complementam as informações sobre eficiência fornecido por ensaios clínicos porque refletem melhor as condições reais da aplicação de tratamentos. O uso dos modelos estruturais marginais nos permitiu estimar o efeito líquido da etiqueta da progressão para a AIDS ou a morte após ajustar adequadamente pelos fatores confusos dependentes do tempo.
Apesar de IC, nossos estimadores são mais amplos que os Observado em outros trabalhos que usavam MEM9.10, nossa análise confirma o efeito benéfico de Targa: uma redução na incidência de AIDS ou morte de 25% quando os pesos dependem da história individual de contagem de CD4, e 46%, quando os pesos também dependem do histórico de carga viral individual do HIV. No entanto, um modelo COX convencional (não ponderado) com variáveis dependentes do tempo estimou uma redução de apenas 10%. Este efeito para a nulidade é devido em parte ao viés de seleção que ocorre ao usar uma variável como a contagem de CD4, que induz o tratamento e, ao mesmo tempo, é afetado por este aqui17.20. Nossos resultados são consistentes com estimativas de eficácia da população obtida por vários autores3-6 que usavam métodos com base na consideração do período de calendário como uma variável instrumental de Targa.
Um dos principais desafios do método utilizado é a necessidade Para estimar consistentemente a probabilidade de iniciação de Targa em cada intervalo (um mês, no nosso caso). Isso requer registrar longitudinalmente as covariates que os médicos e pacientes usam para decidir o início do tratamento.No caso da infecção pelo HIV, os guias de início de tratamento são baseados em cargas virais e, acima de tudo, nos valores do CD4, que foi a variável alterando no tempo usado em nossa análise principal. Outros fatores que podem ser associados ao início do tratamento também foram incluídos em nossa análise (sexo, categoria de transmissão, idade, tempo de seroconversão) 21. Embora outros fatores prognósticos prognósticos não estivessem disponíveis, como comorbidade ou outros problemas específicos, acreditamos que os mais importantes foram incluídos na análise.
Para garantir que nossos estimadores não dependissem de suposições não-verificáveis Em relação à nossa capacidade de prever a probabilidade de abandono do tratamento, adotamos a convenção que uma vez que o paciente entra em tratamento, continua sempre nele. Um resultado dessa estratégia é que nossas estimativas são análogas para as de um ensaio clínico com uma análise de intenção de tratar. Em nosso estudo, não sabemos se houve interrupções e, se fossem motivados pelo mau cumprimento terapêutico ou pela decisão clínica. Nos estudos em que esta informação está disponível, os modelos estruturais marginais podem usá-lo para estimar a eficiência real do tratamento (não o efeito pela intenção de tratar), desde que a probabilidade de interrupção do tratamento possa ser consistentemente estimada. Está associado ao tempo fatores de confusão completos, como contagem de CD4.
Ao contrário de outro trabalho anterior9, não encontramos uma interação clara do tratamento com os valores iniciais do CD4 no início do estudo, embora isso possa ser devido a diferenças na composição de coortes. Uma limitação do nosso trabalho é que, ao comparar pacientes tratados e não tratados com TARGA, este último grupo inclui tratados com terapia anti-retroviral não definidos como Targa. Quando a análise foi restrita a indivíduos que não tinham recebido qualquer tipo de terapia anti-retroviral no início do acompanhamento, a redução da incidência de AIDS ou morte foi de 40% (taxa relativa de 0,61, IC95%, 0,60 -1, 24). Este efeito é menor do que o previamente estimado em uma coorte suíça10, mas deve-se ter em mente que nossa análise não pôde ser ajustada pela carga viral (devido à falta de dados) e que a composição da coorte suíça é diferente das nossas . Enquanto a coorte suíça é formada por assuntos HIV-positivos que recebem cuidados médicos em centros hospitalares, Gemes4 inclui algumas coortes de seroconverters selecionados fora do ambiente hospitalar, em Informações sobre AIDS e Centros de Prevenção antes de 1996.
em resumo, Este artigo apresentou uma aplicação do MEM ao controle de confusão por uma indicação devido às variáveis em mudança em uma coorte de pacientes com HIV positivos. Embora os MEMS permitam estimar os efeitos causais, mesmo quando há variáveis de confusão dependem do tempo que são afetados pelo tratamento anterior, as suposições que esse tipo de modelagem requer (informações confiáveis, sem variáveis de confusão não medidas, sem censura informativa e com uma especificação correta dos modelos) não são mais restritivas do que as dos métodos convencionais. A aplicação dos MEMS noutros domínios da investigação clínica e epidemiológica ajudará a avaliar as possibilidades dessa metodologia a analisar os efeitos causais sobre estudos observacionais.
Anexo 1. Grupo de estudo multicêntrico espanhol de serocoms (Gemes)
Centro de coordenação, Departamento de Saúde Pública, Miguel Hernández University: Julia del Amo, Ildefonso Hernández Aguado. Centro de Análise de Dados, Escola Valenciana de Estudos de Saúde: Santiago Pérez-Hoyos, Ferreros Imaculate. Cohorte do hospital alemães Trias I Pujol de Badalona: Robert Muga, Arantza Sanvicens, Bonaventura Clotet, Jordi Tor. Cohort de Madrid-Sandoval: Jorge del Romero, Paloma Romero, Carmen Rodríguez, Soledad García, Vicente Soriano e o grupo de Serocversores da Comunidade de Madri. Cohorte dos CIPS da Comunidade Valenciana: Isabel Hurtado, Manoli García de la Hera, Ignacio Alastúre, Josefina Belda, Josep Tripullen, Elisa Fernández, Concha Santos, taxa de Teresa. Coorte de Centros de Cuidados de Aids e Prevenção de Barcelona. Cohort IMSP: Patricia García de Olálla, Joan A. Caylà. Coorte de prisões da Catalunha: Rafael Guerrero, Andrés Marco. Hospital Paz Hemofilício Coorte: Manolo Quintana, Cristina González. Coortes de hemofilício do Hospital Vall d’Hebron: Isabel Ruiz. Coortes hemofílicos de Virgen del Rocío de Sevilla: Rosario Pérez, José Miguel Cisneros. Coorte do Instituto de Saúde Pública de Navarra: Jesús Castilla.
Bibliografia
1.Martelo SM, Squires Ke, Hughes MD, Grimes JM, Demeter LM, Currier JS, et al. Um ensaio controlado de dois análogos de nucleosídeos mais indinavir em pessoas com infecção por vírus da imunodeficiência humana e contagens de células CD4 de 200 por milímetro cúbico ou menos. Aids Clinical Ensays Group 320 Equipe de estudo. N engl j med. 1997; 337: 725-33.
2. Cameron DW, Heath-Chiozzi M, Danner S, Cohen C, Kravcik S, Maurath C, et al. Ensaio randomizado com placebo controlado por ritonavir na doença avançada do HIV-1. O grupo avançado do estudo do Ritonavir da doença do HIV. Lanceta. 1998; 351: 543-9.
3. Detenta R, Muñoz A, McFarlane G, Kingsley La, Margolick JB, Giorgi J, et al. Eficácia da terapia anti-retroviral potente no momento da AIDS e a morte em homens com duração da infecção por HIV conhecida. Investigadores de estudo de coorte de auxílio multicêntrico. Jama. 1998; 280: 1497-503.
4. Pérez-Hoyos S, Del Amo J, Muga R, Del Romero J, García O, Guerrero R, et al. Eficácia da terapia anti-retroviral altamente ativa em coortes espanhóis de seroconversores de HIV: diferenças por categoria de transmissão. AUXILIA. 2003; 17: 353-9.
5. Babiker A, Darbyshire J, Pebzotti P, Porter K, Reza G, Walker SA, et al. Alterações sobre o tempo de calendário no risco de eventos específicos de definição de primeiros socorros após o Soroconversion do HIV, ajustando para riscos concorrentes. Int j epidemiol. 2002; 31: 951-8.
6. Porter K, Babiker A, Bhaskaran K, Darbyshire J, Pezzotti P, Walker Como, et al. Determinantes da sobrevivência após a seroconversão do HIV-1 após a introdução do HAART. Lanceta. 2003; 362: 1267-74.
7. Hernan Ma, Brumback B, Robins JM. Modelos estruturais marginais para estimar o efeito causal da zidovudina na sobrevivência dos homens HIV positivos. Epidemiologia. 2000; 11: 561-70.
8. Robins JM, Hernan Ma, Brumback B. Modelos estruturais marginais e inferência causal na epidemiologia. Epidemiologia. 2000; 11: 550-60.
9. Cole Sr, Hernan Ma, Robins JM, Anastos K, Chmiel J, Detenta R, et al. Efeito da terapia anti-retroviral altamente ativa no tempo para adquirir a síndrome da imunodeficiência ou a morte usando modelos estruturais marginais. Sou J Epidemiol. 2003; 158: 687-94.
10. Sterne Ja, Hernan Ma, Ledergerber B, Tilling K, Weber R, Sendi P, et al. Eficácia a longo prazo de terapia anti-retroviral potente na prevenção da AIDS e da morte: um estudo de coorte prospectivo. Lanceta. 2005; 366: 378-84.
11. Gemes (Grupo Español Multicéntrico Para El Estudio de Seroconversores). El Perído de Incubación del Sida PT España Antes de la Terapia Antirretroviral de Alta Eficacia. Med Clin (Barcel). 2000; 115: 681-6.
12. Neyman J. Sobre a aplicação da teoria da probabilidade aos experimentos agrícolas: ensaio sobre princípios, seção 9. Ciência estatística. 1990; 5: 465-80.
13. Hernan ma. Uma definição de efeito causal para pesquisa epidemiológica. J Epidemiol Community Health. 2004; 58: 265-71.
14. Horvitz DG, Thompson DJ. Uma generalização da amostragem sem substituição de uma população finita. Jasa. 1952; 47: 663-85.
15. Hernan Ma, Robins JM. Estimativa de efeitos causais de dados epidemiológicos. J epidemiol. Saúde da comunidade. 2006; 60: 578-86.
16. Hernan Ma, Hernández-Díaz S, Robins JM. Uma abordagem estrutural para viés de seleção. Epidemiologia. 2004; 15: 615-25.
17. Robins JM. Modelos estruturais marginais. Processos ou a associação estatística americana, seção na Bayesian Statistical Science, p. 1-10. Alexandria: Associação Estatística Americana; 1998.
18. Hernan Ma, Brumback B, Robins JM. Modelos estruturais marginais para estimar o efeito causal conjunto dos tratamentos não randomizados. Jasa. 2001; 96: 440-8.
19. Menina Z, Hernan Ma, Wolfe F, Tilling K, Choi H, Sterne Ja. Controlando a confusão dependente do tempo usando modelos estruturais marginais. Stata J. 2004; 4: 402-20.
20. Cole Sr, hernan ma. Falibilidade na estimativa de efeitos diretos. Int j epidemiol. 2002; 31: 163-5.
21. Ahdieh L, Gange SJ, Greenblatt R, Minkoff H, Anastos K, Jovem M, et al. Seleção por indicação de uso de terapia anti-retroviral potente em uma grande coorte de mulheres infectadas com vírus da imunodeficiência humana. Sou J Epidemiol. 2000; 152: 923-33.