Hablemos de...
Estadística para pediatras (IV). Estudios secuenciales
Rosario Madero, Elia Pérez, Belén San José
Sección de Bioestadística. Hospital Universitario La Paz. Madrid España.
Leído
3965
Vecesse ha leído el artículo
746
Total PDF
3219
Total HTML
Compartir estadísticas
array:22 [ "pii" => "S1696281808748546" "issn" => "16962818" "doi" => "10.1016/S1696-2818(08)74854-6" "estado" => "S300" "fechaPublicacion" => "2008-02-01" "aid" => "74854" "copyright" => "Elsevier España, S.L.. Todos los derechos reservados" "copyrightAnyo" => "2008" "documento" => "simple-article" "crossmark" => 0 "subdocumento" => "mis" "cita" => "An Pediatr Contin. 2008;6:56-8" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:2 [ "total" => 824 "formatos" => array:3 [ "EPUB" => 84 "HTML" => 443 "PDF" => 297 ] ] "itemAnterior" => array:18 [ "pii" => "S1696281808748534" "issn" => "16962818" "doi" => "10.1016/S1696-2818(08)74853-4" "estado" => "S300" "fechaPublicacion" => "2008-02-01" "aid" => "74853" "copyright" => "Elsevier España, S.L." "documento" => "article" "crossmark" => 0 "subdocumento" => "mis" "cita" => "An Pediatr Contin. 2008;6:50-5" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:2 [ "total" => 2382 "formatos" => array:3 [ "EPUB" => 64 "HTML" => 1148 "PDF" => 1170 ] ] "es" => array:9 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Ventana a otras especialidades</span>" "titulo" => "El deporte en la infancia y en la adolescencia" "tienePdf" => "es" "tieneTextoCompleto" => "es" "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "50" "paginaFinal" => "55" ] ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "María Asunción Bosch" "autores" => array:1 [ 0 => array:2 [ "nombre" => "María Asunción" "apellidos" => "Bosch" ] ] ] ] ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S1696281808748534?idApp=UINPBA00004N" "url" => "/16962818/0000000600000001/v1_201812120844/S1696281808748534/v1_201812120844/es/main.assets" ] "es" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Hablemos de...</span>" "titulo" => "Estadística para pediatras (IV). Estudios secuenciales" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "56" "paginaFinal" => "58" ] ] "autores" => array:1 [ 0 => array:3 [ "autoresLista" => "Rosario Madero, Elia Pérez, Belén San José" "autores" => array:3 [ 0 => array:3 [ "nombre" => "Rosario" "apellidos" => "Madero" "email" => array:1 [ 0 => "rmadero.hulp@salud.madrid.org" ] ] 1 => array:3 [ "nombre" => "Elia" "apellidos" => "Pérez" "email" => array:1 [ 0 => "epefer@gmail.com" ] ] 2 => array:3 [ "nombre" => "Belén" "apellidos" => "San José" "email" => array:1 [ 0 => "bjose.hulp@salud.madrid.org" ] ] ] "afiliaciones" => array:1 [ 0 => array:2 [ "entidad" => "Sección de Bioestadística. Hospital Universitario La Paz. Madrid España." "identificador" => "af0005" ] ] ] ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "f0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 761 "Ancho" => 1033 "Tamanyo" => 64014 ] ] "descripcion" => array:1 [ "es" => "<p id="sp0005" class="elsevierStyleSimplePara elsevierViewall">Representación gráfica de un plan secuencial clásico “abierto”, en el que los datos observados conducen a la aceptación del la hipótesis H<span class="elsevierStyleInf">1</span>.</p>" ] ] ] "textoCompleto" => "<span class="elsevierStyleSections"><p id="p0005" class="elsevierStylePara elsevierViewall">Habitualmente, al diseñar un estudio experimental, se determina el tamaño necesario de la muestra para que los resultados del estudio sean precisos, fiables y estén dotados de la potencia estadística adecuada. Los individuos del estudio se van seleccionando y al final, cuando están disponibles los datos de todos los casos, se realiza el análisis. Estos estudios se denominan de tamaño fijo.</p><p id="p0010" class="elsevierStylePara elsevierViewall">Hay otra manera de hacer inferencias estadísticas sin fijar el tamaño de la muestra antes de comenzar el estudio. Los análisis se hacen de forma repetida a medida que los casos se incorporan al estudio y se obtienen los resultados de cada individuo o grupo de individuos. El propio desarrollo del estudio indica cuándo hay un número suficiente de observaciones que garantizan que la decisión que se va a tomar es adecuada para el riesgo que los investigadores hayan prefijado. El tamaño es impredecible antes de comenzar el desarrollo del estudio.</p><p id="p0015" class="elsevierStylePara elsevierViewall">Estos estudios se denominan <span class="elsevierStyleItalic">secuenciales</span> o <span class="elsevierStyleItalic">secuenciales de grupo,</span> según si los análisis se repiten cada vez que se incorpora al estudio un caso o cuando lo hace un grupo.</p><p id="p0020" class="elsevierStylePara elsevierViewall">En los estudios médicos, el período de selección de los pacientes que van a participar en el estudio puede durar meses o años, de manera que los resultados de los primeros pacientes incorporados al estudio se pueden obtener mientras se siguen incluyendo nuevos pacientes. En estos casos, se puede tomar una decisión sobre el desarrollo del estudio con la incorporación de la información producida por los primeros casos<a class="elsevierStyleCrossRef" href="#bb0005"><span class="elsevierStyleSup">1</span></a>.</p><p id="p0025" class="elsevierStylePara elsevierViewall">En general, los estudios secuenciales y los métodos aplicados en su análisis no se desarrollan en la mayoría de los libros de estadística básica. En este artículo se hace una incursión en los estudios secuenciales para conocer en qué consiste el análisis estadístico en este tipo de estudio, su historia, su ámbito de aplicación y su utilidad en los estudios médicos, en concreto en los ensayos clínicos.</p><p id="p0030" class="elsevierStylePara elsevierViewall"><elsevierMultimedia ident="b0005"></elsevierMultimedia></p><span id="s0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="st0005">¿Qué es el análisis secuencial?</span><p id="p0060" class="elsevierStylePara elsevierViewall">El análisis secuencial es un conjunto de métodos que permiten contrastar la misma hipótesis en diferentes momentos durante el desarrollo de un estudio. Los métodos de análisis secuencial son una herramienta muy útil en el seguimiento de los datos de eficacia y seguridad en algunos ensayos clínicos<a class="elsevierStyleCrossRef" href="#bb0010"><span class="elsevierStyleSup">2</span></a>.</p><p id="p0065" class="elsevierStylePara elsevierViewall">El enfoque secuencial ha sido una manera natural de proceder durante la historia de la experimentación; sin embargo, la aplicación formal de los métodos secuenciales data de la década de los veinte en el área del control estadístico de la calidad de los productos manufacturados. Se introdujeron los gráficos de control y los planes de muestreo para la aceptación o el rechazo de lotes de productos o componentes, que se clasificaban como defectuosos o no defectuosos.</p><p id="p0070" class="elsevierStylePara elsevierViewall">La teoría moderna del análisis secuencial tiene su origen en un trabajo de Wald (1947). En la década de los años cincuenta, Armitage fue el primero en desarrollar y aplicar métodos secuenciales a los ensayos clínicos controlados. Estos primeros métodos requerían la evaluación de resultados cada vez que se incorporaban en el estudio los datos de un nuevo individuo. Es decir, eran completamente secuenciales. No tuvieron una amplia difusión, quizá porque la valoración de los resultados con tanta frecuencia es poco práctica.</p><p id="p0075" class="elsevierStylePara elsevierViewall">El principal empuje a los métodos secuenciales se sitúa en la década de los años setenta, con la aparición de los trabajos de Pocock y, posteriormente, de O'Brian y Fleming. En ellos, se dan unas pautas claras para la implementación de diseños experimentales secuenciales a partir de las necesidades de controlar el error de tipo I del estudio y su potencia. Estos diseños secuenciales permiten que los datos se acumulen a intervalos más o menos regulares, con lo cual entre un análisis y otro se incorporan al estudio las observaciones de un grupo de pacientes. Estos métodos secuenciales se conocen con el nombre de métodos secuenciales de grupo.</p><p id="p0080" class="elsevierStylePara elsevierViewall">Al utilizar métodos secuenciales para contrastar una hipótesis, cada vez que se ha observado el resultado en un individuo o grupo de individuos, se debe tomar una de las decisiones siguientes:<ul class="elsevierStyleList" id="l0005"><li class="elsevierStyleListItem" id="u0005"><span class="elsevierStyleLabel">-</span><p id="p0085" class="elsevierStylePara elsevierViewall">Aceptar la hipótesis.</p></li><li class="elsevierStyleListItem" id="u0010"><span class="elsevierStyleLabel">-</span><p id="p0090" class="elsevierStylePara elsevierViewall">Rechazar la hipótesis</p></li><li class="elsevierStyleListItem" id="u0015"><span class="elsevierStyleLabel">-</span><p id="p0095" class="elsevierStylePara elsevierViewall">Tomar una observación adicional.</p></li></ul></p><p id="p0100" class="elsevierStylePara elsevierViewall">Los valores numéricos observados en las variables de interés para el estudio influyen en la decisión que hay que tomar. Algunas observaciones pueden conducir a tomar la decisión de terminar prematuramente el estudio, mientras que otras pueden hacer que una investigación se prolongue más en el tiempo.</p><p id="p0105" class="elsevierStylePara elsevierViewall">La característica fundamental de un estudio secuencial es la llamada <span class="elsevierStyleItalic">regla de finalización,</span> que define qué condiciones deben darse para tomar la decisión de finalizar con la selección de individuos para el estudio. Esta se describe como una función de los resultados observados previamente.</p></span><span id="s0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="st0010">Características de los estudios secuenciales</span><p id="p0110" class="elsevierStylePara elsevierViewall">En los estudios médicos el interés mostrado por los métodos secuenciales se debe a 3 razones: éticas, económicas o administrativas<a class="elsevierStyleCrossRef" href="#bb0015"><span class="elsevierStyleSup">3</span></a>.</p><p id="p0115" class="elsevierStylePara elsevierViewall">Por consideraciones éticas, no se debería continuar con un estudio en el que se comparen 2 tratamientos si ya se observa que uno es claramente inferior a su rival. Para comprobar si se da esta situación en cualquier trabajo de investigación, se procede secuencialmente. Por esta razón, se usan métodos secuenciales en los estudios de búsqueda de dosis o en el seguimiento de los ensayos clínicos para datos de eficacia o de seguridad.</p><p id="p0120" class="elsevierStylePara elsevierViewall">Las razones económicas mueven a la industria farmacéutica a clasificar los productos según la actividad que producen. Si se procede de una manera secuencial, muchos productos en desarrollo se rechazan prematuramente y son pocos los medicamentos que, al mostrar resultados prometedores, se someten a un número mayor de investigaciones y estudios.</p><p id="p0125" class="elsevierStylePara elsevierViewall">Los métodos secuenciales requieren de promedio un número menor de casos (algunas veces la mitad) que los estudios con tamaño muestral prefijado. Este ha sido el objetivo clásico de los estudios secuenciales: minimizar el número de individuos a incluir en un estudio, sin incrementar los correspondientes riesgos α y β.</p></span><span id="s0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="st0015">¿Cuándo se deben utilizar métodos secuenciales?</span><p id="p0130" class="elsevierStylePara elsevierViewall">Hay una condición necesaria para que se pueda plantear un enfoque secuencial en el momento de diseñar un estudio: se debe disponer de los resultados de un paciente en un período breve, con el fin de poder contribuir a una toma de decisiones prematura. Por ejemplo, tiene sentido utilizar procedimientos secuenciales en el caso de un ensayo clínico con analgésicos, donde los resultados producidos por un tratamiento en los pacientes pueden observarse en unos pocos días, o incluso horas. Por el contrario, en un estudio relacionado con el efecto de un tratamiento a largo plazo, no tiene mucho sentido un planteamiento secuencial. Otro ejemplo de aplicación de estos métodos son los ensayos de control de calidad, para aceptar o rechazar lotes de productos sanitarios.</p></span><span id="s0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="st0020">Plan secuencial clásico</span><p id="p0135" class="elsevierStylePara elsevierViewall">Los métodos clásicos de análisis secuencial se fundamentan en un cociente de probabilidades calculado repetidamente. El proceso a seguir es el siguiente<a class="elsevierStyleCrossRef" href="#bb0020"><span class="elsevierStyleSup">4</span></a>.</p><p id="p0140" class="elsevierStylePara elsevierViewall">Se requiere contrastar 2 hipótesis sobre el verdadero valor del parámetro desconocido , que caracteriza una distribución. Se contrastan 2 hipótesis: la nula H0 ( = <span class="elsevierStyleInf">0</span>) frente a la hipótesis alternativa H1 ( = <span class="elsevierStyleInf">1</span>). Se van seleccionand casos y con cada nueva observación se calculan las probabilidades:</p><p id="p0145" class="elsevierStylePara elsevierViewall">P<span class="elsevierStyleInf">0m</span> = probabilidad de que puedan obtenerse “m” observaciones como éstas, si la hipótesis H<span class="elsevierStyleInf">0</span> es cierta.</p><p id="p0150" class="elsevierStylePara elsevierViewall">P<span class="elsevierStyleInf">1m</span> = probabilidad de que puedan obtenerse “m” observaciones como éstas, si la hipótesis H<span class="elsevierStyleInf">1</span> es cierta.</p><p id="p0155" class="elsevierStylePara elsevierViewall">La decisión de rechazar o no H<span class="elsevierStyleInf">0</span> se fundamenta en los valores que vayan tomando esas probabilidades.</p><p id="p0160" class="elsevierStylePara elsevierViewall">Si P<span class="elsevierStyleInf">0m</span> es mucho mayor que P<span class="elsevierStyleInf">1m</span>, se debería aceptar H<span class="elsevierStyleInf">0</span>. Si P<span class="elsevierStyleInf">0m</span> es mucho menor que P<span class="elsevierStyleInf">1m</span>, se debería aceptar H<span class="elsevierStyleInf">1</span>. Si, por el contrario, no hay mucha diferencia entre P<span class="elsevierStyleInf">0m</span> y P<span class="elsevierStyleInf">1m</span>, entonces se debe tomar una nueva observación.</p><p id="p0165" class="elsevierStylePara elsevierViewall">Para comparar las 2 probabilidades, se usa el cociente P<span class="elsevierStyleInf">0m</span> / P<span class="elsevierStyleInf">1m</span> y las cantidades que se consideran “mucho mayor” o “mucho menor” son constantes fijadas por el investigador.</p><p id="p0170" class="elsevierStylePara elsevierViewall">Como en todas las pruebas estadísticas, fijados unos riesgos de tipo I y II, representados por α y β, respectivamente, la regla de finalización se expresaría del modo siguiente:<ul class="elsevierStyleList" id="l0010"><li class="elsevierStyleListItem" id="o0005"><span class="elsevierStyleLabel">1.</span><p id="p0175" class="elsevierStylePara elsevierViewall">Si P<span class="elsevierStyleInf">1m</span> / P<span class="elsevierStyleInf">0m</span> ≤ β / (1 ‒ α) → se acepta H<span class="elsevierStyleInf">0</span>.</p></li><li class="elsevierStyleListItem" id="o0010"><span class="elsevierStyleLabel">2.</span><p id="p0180" class="elsevierStylePara elsevierViewall">Si P<span class="elsevierStyleInf">1m</span> / P<span class="elsevierStyleInf">0m</span> ≥ (1 ‒ β) /α → se acepta H<span class="elsevierStyleInf">1</span>.</p></li><li class="elsevierStyleListItem" id="o0015"><span class="elsevierStyleLabel">3.</span><p id="p0185" class="elsevierStylePara elsevierViewall">Si β / (1 ‒ α) ≤ P<span class="elsevierStyleInf">1m</span> / P<span class="elsevierStyleInf">0m</span> ≤ (1-β) / α → se toma otra observación.</p></li></ul></p><p id="p0190" class="elsevierStylePara elsevierViewall">Este proceso continúa hasta que se cumpla una de las condiciones 1 o 2. Las cotas que condicionan cada decisión son fijas y no dependen del número de observaciones acumuladas.</p><p id="p0195" class="elsevierStylePara elsevierViewall">Este tipo de prueba secuencial se conoce con el nombre de <span class="elsevierStyleItalic">plan secuencial abierto,</span> y en las <a class="elsevierStyleCrossRefs" href="#f0005">figuras 1 y 2</a> se muestra un ejemplo de su representación gráfica. Según los valores fijados para α y β, se obtienen 2 rectas paralelas que definen las zonas correspondientes a cada decisión. El camino marcado por las observaciones del estudio puede conducir hacia una u otra. En la <a class="elsevierStyleCrossRef" href="#f0005">figura 1</a> las observaciones acumuladas en el estudio conducen a aceptar H<span class="elsevierStyleInf">1</span>, mientras que el camino marcado por las observaciones en la <a class="elsevierStyleCrossRef" href="#f0010">figura 2</a> requiere seguir seleccionando observaciones.</p><elsevierMultimedia ident="f0005"></elsevierMultimedia><elsevierMultimedia ident="f0010"></elsevierMultimedia><p id="p0200" class="elsevierStylePara elsevierViewall">En general, un plan secuencial abierto conduce a tamaños muestrales más pequeños que los necesarios en los estudios clásicos de tamaño prefijado. Sin embargo, dado que el tamaño muestral no está acotado, se podría llegar a situaciones en las que el número de observaciones necesarias sea excesivamente grande, como sería el caso en el que el desconocido valor de no es igual ni a <span class="elsevierStyleInf">0</span> ni a <span class="elsevierStyleInf">1</span>.</p><p id="p0205" class="elsevierStylePara elsevierViewall">Frente a los planes secuenciales abiertos, surgen los planes secuenciales cerrados, en los que las cotas no son constantes, sino que se obliga a que dependan de la cantidad de observaciones <span class="elsevierStyleItalic">m</span> que se van acumulando, con la condición de que ambas coincidan para algún valor. Estos planes se conocen como <span class="elsevierStyleItalic">planes secuenciales cerrados.</span></p></span><span id="s0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="st0025">Métodos secuenciales de grupo<a class="elsevierStyleCrossRef" href="#bb0025"><span class="elsevierStyleSup">5</span></a></span><p id="p0210" class="elsevierStylePara elsevierViewall">La característica fundamental que diferencia un método o plan secuencial de grupo de un plan completamente secuencial es que en lugar de analizar los datos después de cada observación, se analizan tras acumular los datos a intervalos más o menos regulares respecto al número de casos acumulados. El desarrollo de los planes secuenciales de grupo ha llevado a una utilización más amplia de los métodos secuenciales. Su impacto ha sido evidente en muchos ensayos clínicos con medicamentos en los que hay un comité que controla el desarrollo del estudio, y que realiza una valoración de aspectos que afectan a éste (eficacia o seguridad) en intervalos regulares.</p><p id="p0215" class="elsevierStylePara elsevierViewall">La manera de proceder es la misma que con los métodos secuenciales clásicos. Hay una creciente variedad de planes secuenciales de grupo, según sea el tipo de datos que se deban analizar (binarios, continuos o de supervivencia) y con diferentes criterios para definir la regla de parada. Las cotas que condicionan la decisión sobre continuar seleccionando grupos de casos o finalizar el estudio van cambiando con el número de casos acumulados y se eligen para proteger el valor especificado de riesgo α y el tamaño de las agrupaciones de los casos se determina para obtener la potencia deseada (1 - β).</p></span></span>" "textoCompletoSecciones" => array:1 [ "secciones" => array:6 [ 0 => array:2 [ "identificador" => "s0005" "titulo" => "¿Qué es el análisis secuencial?" ] 1 => array:2 [ "identificador" => "s0010" "titulo" => "Características de los estudios secuenciales" ] 2 => array:2 [ "identificador" => "s0015" "titulo" => "¿Cuándo se deben utilizar métodos secuenciales?" ] 3 => array:2 [ "identificador" => "s0020" "titulo" => "Plan secuencial clásico" ] 4 => array:2 [ "identificador" => "s0025" "titulo" => "Métodos secuenciales de grupo" ] 5 => array:1 [ "titulo" => "Bibliografía<elsevierMultimedia ident="201812120847298706"></elsevierMultimedia>" ] ] ] "pdfFichero" => "main.pdf" "tienePdf" => true "multimedia" => array:15 [ 0 => array:7 [ "identificador" => "f0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 761 "Ancho" => 1033 "Tamanyo" => 64014 ] ] "descripcion" => array:1 [ "es" => "<p id="sp0005" class="elsevierStyleSimplePara elsevierViewall">Representación gráfica de un plan secuencial clásico “abierto”, en el que los datos observados conducen a la aceptación del la hipótesis H<span class="elsevierStyleInf">1</span>.</p>" ] ] 1 => array:7 [ "identificador" => "f0010" "etiqueta" => "Figura 2" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr2.jpeg" "Alto" => 760 "Ancho" => 1060 "Tamanyo" => 64739 ] ] "descripcion" => array:1 [ "es" => "<p id="sp0010" class="elsevierStyleSimplePara elsevierViewall">Representación gráfica de un plan secuencial clásico “abierto”, en el que los datos observados hasta este momento conducen a seguir seleccionando individuos para el estudio.</p>" ] ] 2 => array:5 [ "identificador" => "201812120847298701" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon01.jpeg" "Alto" => 82 "Ancho" => 72 "Tamanyo" => 1628 ] ] ] 3 => array:5 [ "identificador" => "201812120847298702" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon01.jpeg" "Alto" => 82 "Ancho" => 72 "Tamanyo" => 1628 ] ] ] 4 => array:5 [ "identificador" => "201812120847298703" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon01.jpeg" "Alto" => 82 "Ancho" => 72 "Tamanyo" => 1628 ] ] ] 5 => array:5 [ "identificador" => "201812120847298704" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon01.jpeg" "Alto" => 82 "Ancho" => 72 "Tamanyo" => 1628 ] ] ] 6 => array:5 [ "identificador" => "201812120847298705" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon01.jpeg" "Alto" => 82 "Ancho" => 72 "Tamanyo" => 1628 ] ] ] 7 => array:5 [ "identificador" => "201812120847298706" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "fx1.jpeg" "Alto" => 144 "Ancho" => 667 "Tamanyo" => 27242 ] ] ] 8 => array:5 [ "identificador" => "201812120847298707" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon04.jpeg" "Alto" => 21 "Ancho" => 21 "Tamanyo" => 625 ] ] ] 9 => array:5 [ "identificador" => "201812120847298708" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon05.jpeg" "Alto" => 21 "Ancho" => 46 "Tamanyo" => 943 ] ] ] 10 => array:5 [ "identificador" => "201812120847298709" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon04.jpeg" "Alto" => 21 "Ancho" => 21 "Tamanyo" => 625 ] ] ] 11 => array:5 [ "identificador" => "2018121208472987010" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon05.jpeg" "Alto" => 21 "Ancho" => 46 "Tamanyo" => 943 ] ] ] 12 => array:5 [ "identificador" => "2018121208472987011" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon05.jpeg" "Alto" => 21 "Ancho" => 46 "Tamanyo" => 943 ] ] ] 13 => array:5 [ "identificador" => "2018121208472987012" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "icon04.jpeg" "Alto" => 21 "Ancho" => 21 "Tamanyo" => 625 ] ] ] 14 => array:6 [ "identificador" => "b0005" "tipo" => "MULTIMEDIATEXTO" "mostrarFloat" => false "mostrarDisplay" => true "texto" => array:1 [ "textoCompleto" => "<span class="elsevierStyleSections"><p id="p0035" class="elsevierStylePara elsevierViewall"><elsevierMultimedia ident="201812120847298701"></elsevierMultimedia>El análisis secuencial es un conjunto de métodos que permiten contrastar la misma hipótesis en diferentes momentos durante el desarrollo del estudio.</p><p id="p0040" class="elsevierStylePara elsevierViewall"><elsevierMultimedia ident="201812120847298702"></elsevierMultimedia>El diseño secuencial permite obtener conclusiones que pueden llevar a una finalización temprana del estudio, y los motivos principales para aplicar un diseño secuencial son de carácter ético, económico y administrativo.</p><p id="p0045" class="elsevierStylePara elsevierViewall"><elsevierMultimedia ident="201812120847298703"></elsevierMultimedia>La regla de finalización del estudio secuencial define qué condiciones deben darse para tomar la decisión de finalizar el estudio y se describe como una función de los resultados obtenidos en los análisis intermedios.</p><p id="p0050" class="elsevierStylePara elsevierViewall"><elsevierMultimedia ident="201812120847298704"></elsevierMultimedia>En un estudio secuencial abierto, las zonas correspondientes a cada decisión expresada en la regla de finalización están delimitadas por una constante, a diferencia de un estudio secuencial cerrado, donde las cotas dependen del número de observaciones que se van acumulando.</p><p id="p0055" class="elsevierStylePara elsevierViewall"><elsevierMultimedia ident="201812120847298705"></elsevierMultimedia>Los análisis intermedios se pueden realizar cada vez que se añada al estudio un nuevo caso o un grupo de casos; este último se conoce como “diseño secuencial de grupo”.</p></span>" ] "descripcion" => array:1 [ "es" => "<p id="sp0015" class="elsevierStyleSimplePara elsevierViewall">Puntos clave</p>" ] ] ] "bibliografia" => array:2 [ "titulo" => "Bibliografía<elsevierMultimedia ident="201812120847298706"></elsevierMultimedia>" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bs0005" "bibliografiaReferencia" => array:5 [ 0 => array:3 [ "identificador" => "bb0005" "etiqueta" => "1.<elsevierMultimedia ident="201812120847298709"></elsevierMultimedia>" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The Design and Analysis of Sequential Clinical Trials" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "J. Whitehead" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:4 [ "edicion" => "2nd ed." "fecha" => "1992" "editorial" => "John Wiley & Sons" "editorialLocalizacion" => "Chichester" ] ] ] ] ] ] 1 => array:3 [ "identificador" => "bb0010" "etiqueta" => "2." "referencia" => array:1 [ 0 => array:3 [ "comentario" => "Review" "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A 25-year review of sequential methodology in clinical studies" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "Susan Todd" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1002/sim.2763" "Revista" => array:6 [ "tituloSerie" => "Stat Med" "fecha" => "2007" "volumen" => "26" "paginaInicial" => "237" "paginaFinal" => "252" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17139691" "web" => "Medline" ] ] ] ] ] ] ] ] 2 => array:3 [ "identificador" => "bb0015" "etiqueta" => "3.<elsevierMultimedia ident="2018121208472987010"></elsevierMultimedia>" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Estadística para la Investigación Médica" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "P. Armitage" 1 => "G. Berry" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:3 [ "fecha" => "1992" "editorial" => "Ed. Doyma" "editorialLocalizacion" => "Barcelona" ] ] ] ] ] ] 3 => array:3 [ "identificador" => "bb0020" "etiqueta" => "4.<elsevierMultimedia ident="2018121208472987011"></elsevierMultimedia>" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Introduction to Statistical Analysis" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "J.W. Dixon" 1 => "F.J. Massey Jr." ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:4 [ "edicion" => "3rd ed." "fecha" => "1983" "editorial" => "McGraw-Hill" "editorialLocalizacion" => "New York" ] ] ] ] ] ] 4 => array:3 [ "identificador" => "bb0025" "etiqueta" => "5.<elsevierMultimedia ident="2018121208472987012"></elsevierMultimedia>" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Group Sequential Tests with Applications to Clinical Trials" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "C. Jennison" 1 => "B.W. Turnbull" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Libro" => array:3 [ "fecha" => "2000" "editorial" => "Chapman and Hall/CRC" "editorialLocalizacion" => "Boca Raton" ] ] ] ] ] ] ] ] ] ] ] "idiomaDefecto" => "es" "url" => "/16962818/0000000600000001/v1_201812120844/S1696281808748546/v1_201812120844/es/main.assets" "Apartado" => array:4 [ "identificador" => "76666" "tipo" => "SECCION" "en" => array:2 [ "titulo" => "Hablemos de…" "idiomaDefecto" => true ] "idiomaDefecto" => "en" ] "PDF" => "https://static.elsevier.es/multimedia/16962818/0000000600000001/v1_201812120844/S1696281808748546/v1_201812120844/es/main.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S1696281808748546?idApp=UINPBA00004N" ]
| año/Mes | Html | Total | |
|---|---|---|---|
| 2024 Noviembre | 3 | 0 | 3 |
| 2024 Octubre | 45 | 6 | 51 |
| 2024 Septiembre | 43 | 2 | 45 |
| 2024 Agosto | 28 | 2 | 30 |
| 2024 Julio | 34 | 2 | 36 |
| 2024 Junio | 28 | 7 | 35 |
| 2024 Mayo | 35 | 4 | 39 |
| 2024 Abril | 31 | 7 | 38 |
| 2024 Marzo | 49 | 7 | 56 |
| 2024 Febrero | 53 | 15 | 68 |
| 2024 Enero | 142 | 7 | 149 |
| 2023 Diciembre | 61 | 6 | 67 |
| 2023 Noviembre | 81 | 24 | 105 |
| 2023 Octubre | 57 | 14 | 71 |
| 2023 Septiembre | 57 | 4 | 61 |
| 2023 Agosto | 47 | 9 | 56 |
| 2023 Julio | 81 | 5 | 86 |
| 2023 Junio | 67 | 6 | 73 |
| 2023 Mayo | 88 | 4 | 92 |
| 2023 Abril | 39 | 5 | 44 |
| 2023 Marzo | 58 | 1 | 59 |
| 2023 Febrero | 37 | 3 | 40 |
| 2023 Enero | 42 | 4 | 46 |
| 2022 Diciembre | 32 | 3 | 35 |
| 2022 Noviembre | 58 | 11 | 69 |
| 2022 Octubre | 61 | 8 | 69 |
| 2022 Septiembre | 98 | 5 | 103 |
| 2022 Agosto | 49 | 6 | 55 |
| 2022 Julio | 40 | 8 | 48 |
| 2022 Junio | 30 | 10 | 40 |
| 2022 Mayo | 41 | 5 | 46 |
| 2022 Abril | 32 | 7 | 39 |
| 2022 Marzo | 40 | 6 | 46 |
| 2022 Febrero | 46 | 6 | 52 |
| 2022 Enero | 52 | 5 | 57 |
| 2021 Diciembre | 46 | 14 | 60 |
| 2021 Noviembre | 63 | 13 | 76 |
| 2021 Octubre | 62 | 18 | 80 |
| 2021 Septiembre | 33 | 10 | 43 |
| 2021 Agosto | 34 | 6 | 40 |
| 2021 Julio | 22 | 11 | 33 |
| 2021 Junio | 24 | 15 | 39 |
| 2021 Mayo | 38 | 9 | 47 |
| 2021 Abril | 131 | 9 | 140 |
| 2021 Marzo | 43 | 9 | 52 |
| 2021 Febrero | 48 | 7 | 55 |
| 2021 Enero | 64 | 15 | 79 |
| 2020 Diciembre | 58 | 16 | 74 |
| 2020 Noviembre | 59 | 13 | 72 |
| 2020 Octubre | 42 | 5 | 47 |
| 2020 Septiembre | 28 | 11 | 39 |
| 2020 Agosto | 33 | 7 | 40 |
| 2020 Julio | 31 | 9 | 40 |
| 2020 Junio | 23 | 8 | 31 |
| 2020 Mayo | 31 | 8 | 39 |
| 2020 Abril | 28 | 3 | 31 |
| 2020 Marzo | 33 | 5 | 38 |
| 2020 Febrero | 40 | 7 | 47 |
| 2020 Enero | 37 | 5 | 42 |
| 2019 Diciembre | 28 | 4 | 32 |
| 2019 Noviembre | 23 | 6 | 29 |
| 2019 Octubre | 16 | 2 | 18 |
| 2019 Septiembre | 12 | 5 | 17 |
| 2019 Agosto | 4 | 0 | 4 |
| 2019 Julio | 20 | 3 | 23 |
| 2019 Junio | 1 | 11 | 12 |
| 2019 Mayo | 15 | 20 | 35 |
| 2019 Abril | 24 | 18 | 42 |
| 2019 Marzo | 20 | 28 | 48 |
| 2019 Febrero | 15 | 22 | 37 |
| 2019 Enero | 10 | 19 | 29 |
| 2018 Diciembre | 28 | 26 | 54 |
| 2018 Noviembre | 29 | 17 | 46 |
| 2018 Octubre | 30 | 20 | 50 |
| 2018 Septiembre | 12 | 7 | 19 |
| 2018 Agosto | 24 | 20 | 44 |
| 2018 Julio | 15 | 9 | 24 |
| 2018 Junio | 17 | 17 | 34 |
| 2018 Mayo | 13 | 12 | 25 |
| 2018 Abril | 27 | 23 | 50 |
Mostrar todo