Riesgos en Competencia

Los riesgos en competencia surgen cuando un sujeto puede experimentar uno de varios tipos de eventos mutuamente excluyentes, y la ocurrencia de un evento previene o altera la probabilidad de observar otro — por ejemplo, la muerte por una causa distinta a la que se está estudiando elimina al sujeto de la posibilidad de experimentar ese evento. Los métodos estándar de supervivencia para eventos únicos pueden llevar a errores en este contexto, por lo que el análisis de riesgos en competencia utiliza estimadores adaptados.

Definition

Un riesgo en competencia es un evento cuya ocurrencia excluye o altera fundamentalmente la probabilidad del evento de interés principal; el análisis de riesgos en competencia estima la probabilidad de cada tipo de evento a lo largo del tiempo, teniendo en cuenta los demás, principalmente a través de los riesgos instantáneos específicos de la causa y la función de incidencia acumulada.

Scope

Este tema aborda por qué la estimación ingenua de Kaplan-Meier sobrestima el riesgo de un evento cuando otros compiten, la distinción entre el riesgo instantáneo específico de la causa y la función de incidencia acumulada, y los enfoques de regresión que incluyen los modelos de Cox específicos de la causa y el modelo de subdistribución de Fine-Gray. Se trata de material de referencia metodológico y no de una guía clínica.

Core questions

• ¿Por qué tratar los eventos en competencia como censura ordinaria sesga la probabilidad estimada de un evento?
• ¿En qué se diferencian el riesgo instantáneo específico de la causa y la función de incidencia acumulada en lo que describen?
• ¿Cuándo se debe utilizar un modelo de Cox específico de la causa frente a un modelo de subdistribución de Fine-Gray?
• ¿Cómo se interpretan y se informan los resultados de los riesgos en competencia?

Key concepts

• Tipos de eventos mutuamente excluyentes
• Riesgo instantáneo específico de la causa
• Función de incidencia acumulada (FIA)
• Riesgo instantáneo de subdistribución
• Modelo de Fine-Gray
• Prueba de Gray
• Violación de la censura independiente
• Sobreestimación de uno menos Kaplan-Meier

Mechanisms

Cuando los eventos en competencia se tratan como censura ordinaria, se viola el supuesto de censura independiente, y uno menos la estimación de Kaplan-Meier sobrestima la probabilidad del evento de interés porque implícitamente asume que los sujetos censurados aún podrían experimentar ese evento. La función de incidencia acumulada, en cambio, estima la probabilidad de cada evento específico en un tiempo dado en el mundo real donde también ocurren los otros eventos, y suma los tipos de eventos para obtener la probabilidad total de cualquier evento. Dos marcos de regresión abordan los efectos de las covariables: los modelos de Cox específicos de la causa, que modelan el riesgo instantáneo de cada evento entre aquellos que aún no han experimentado el evento y responden a preguntas etiológicas, y el modelo de Fine-Gray, que modela el riesgo instantáneo de subdistribución directamente vinculado a la incidencia acumulada y es adecuado para la predicción. La comparación de grupos de incidencia acumulada utiliza la prueba de Gray (Fine & Gray, 1999; Gray, 1988; Putter et al., 2007; Austin et al., 2016).

Clinical relevance

Los riesgos en competencia son comunes en poblaciones de mayor edad o más enfermas donde, por ejemplo, la muerte por otras causas compite con el resultado en estudio; ignorarlos puede sobrestimar sustancialmente el riesgo de ese resultado y distorsionar las comparaciones. Reconocer esto es importante para evaluar estudios pronósticos; la entrada describe la metodología y no es una base para decisiones clínicas individuales.

Epidemiology

Los contextos de riesgos en competencia son frecuentes en cardiología, oncología, trasplantes y geriatría, donde coexisten múltiples causas de fallo; los tutoriales metodológicos en las principales revistas clínicas han promovido un análisis apropiado a medida que ha aumentado la concienciación (Austin et al., 2016).

Evidence & guidelines

No existen guías clínicas para el análisis de riesgos en competencia en sí mismo; las referencias metodológicas son la prueba de Gray para la incidencia acumulada (Gray, 1988), el modelo de subdistribución de Fine-Gray (Fine & Gray, 1999), tutoriales para audiencias de bioestadística y clínicas (Putter et al., 2007; Austin et al., 2016), y textos de análisis de supervivencia (Klein & Moeschberger, 2003).

History

La función de incidencia acumulada y los riesgos instantáneos específicos de la causa tienen profundas raíces en el trabajo actuarial y bioestadístico sobre decremento múltiple, pero la práctica moderna fue moldeada por la prueba de K-muestras de Gray de 1988 para la incidencia acumulada y el modelo de riesgo instantáneo de subdistribución de Fine-Gray de 1999, que juntos proporcionaron estimación, pruebas y regresión prácticas. Los tutoriales en las décadas de 2000 y 2010 llevaron estos métodos a la investigación clínica rutinaria (Putter et al., 2007; Austin et al., 2016).

Debates

¿Riesgo instantáneo específico de la causa versus modelo de subdistribución (Fine-Gray)?

Los modelos específicos de la causa abordan preguntas etiológicas sobre la tasa de un evento entre aquellos en riesgo, mientras que los modelos de Fine-Gray se centran en la incidencia acumulada para la predicción; los analistas debaten cuál informar, y muchos recomiendan presentar ambos en lugar de elegir uno.

Key figures

• Jason P. Fine
• Robert J. Gray
• Hein Putter
• Peter C. Austin

Seminal works

• fine-gray-1999
• gray-1988

Frequently asked questions

¿Por qué no puedo simplemente usar una curva de Kaplan-Meier cuando hay riesgos en competencia?

Tratar los eventos en competencia como censura viola el supuesto de independencia y hace que uno menos la estimación de Kaplan-Meier sobrestime la probabilidad del evento; en su lugar, se debe utilizar la función de incidencia acumulada.

¿Cuál es la diferencia entre el riesgo instantáneo específico de la causa y la función de incidencia acumulada?

El riesgo instantáneo específico de la causa es la tasa de un evento particular entre los sujetos que aún no han experimentado el evento y responde a preguntas etiológicas, mientras que la función de incidencia acumulada proporciona la probabilidad real de ese evento en un tiempo dado en presencia de los eventos en competencia.