Comparación de estrategias de análisis primario de ensayos aleatorizados con múltiples puntos finales con aplicación al trasplante renal

Por qué esto importa para los pacientes y los ensayos

Cuando los médicos prueban nuevos tratamientos, especialmente en personas que han recibido un trasplante de riñón, quieren saber no solo si los pacientes viven más tiempo, sino también si conservan el riñón trasplantado y evitan efectos secundarios graves como las infecciones. Ningún resultado por sí solo cuenta toda la historia. Este artículo utiliza simulaciones informáticas a gran escala para plantear una pregunta práctica: cuando un ensayo sigue varios resultados importantes a la vez, ¿qué estrategia estadística equilibra mejor respuestas claras, equidad para los pacientes y el tamaño limitado de los estudios del mundo real?

Diferentes formas de evaluar el éxito

Los autores se centran en ensayos aleatorizados que registran varios eventos clave tras el trasplante renal: muerte, pérdida del injerto trasplantado, episodios de rechazo e infecciones graves. En lugar de elegir solo uno de estos, hay tres estrategias principales ampliamente discutidas en la normativa. La primera combina varios eventos en un único resultado de “cualquier evento adverso”, de modo que el ensayo pregunta si el nuevo tratamiento retrasa o previene el primer evento de ese tipo. La segunda prueba cada evento por separado pero ajusta las reglas para que mirar muchas veces no aumente la probabilidad de un falso positivo. La tercera, llamada comparaciones por pares generalizadas, prioriza los resultados según su importancia clínica y compara a los pacientes de los dos grupos emparejándolos uno a uno: primero por el evento más importante y luego por los menos críticos solo cuando el primero es inconcluso.

Cómo se construyeron las simulaciones

Dado que resulta difícil deducir fórmulas exactas sobre el comportamiento de estas estrategias en escenarios complejos, los investigadores utilizaron simulaciones de ensayos clínicos. Inventaron miles de “ensayos virtuales” bajo una amplia gama de escenarios realistas: distintos tamaños muestrales, diferentes tasas de evento para cada resultado, variados tamaños del beneficio o daño del tratamiento y distintos grados de correlación entre resultados. Algunos escenarios reflejaban la realidad del trasplante renal, donde la muerte y la pérdida del injerto son raras pero las infecciones son frecuentes; otros incluían un evento “terminal” como la muerte que impide ver resultados posteriores, o permitían que los resultados estuvieran correlacionados sin ese bloqueo. En cada ensayo simulado, aplicaron cada estrategia de análisis y registraron si habría declarado el tratamiento como exitoso.

Qué encontraron sobre la potencia global

En la mayoría de los escenarios con resultados de tiempo hasta el evento, las estrategias que combinan información en una única prueba global —el punto final compuesto y las comparaciones por pares generalizadas— fueron más potentes que el enfoque de pruebas múltiples. Eso significa que tenían más probabilidad de detectar un beneficio verdadero del tratamiento cuando existía, especialmente cuando el tratamiento mejoraba varios resultados. Las comparaciones por pares generalizadas fueron a menudo ligeramente más potentes que el compuesto, particularmente cuando había beneficios en todos los resultados priorizados. Sin embargo, su rendimiento dependió mucho de cuál evento se colocó en la máxima prioridad y con qué frecuencia ocurría ese evento. En contraste, las pruebas múltiples con corrección tendieron a ser menos sensibles, pero su desempeño mejoró conforme los ensayos eran más grandes y cuando algunos eventos de baja frecuencia pero de gran importancia mostraban un efecto claro del tratamiento.

Intercambios ocultos y situaciones complicadas

Las simulaciones también revelaron advertencias importantes. Cuando un resultado frecuente pero menos grave, como la infección, domina la medida combinada, el punto final compuesto puede mostrar un beneficio estadísticamente significativo incluso si hay poca o ninguna mejora —e, en casos extremos, cierto empeoramiento— en resultados raros pero más graves como la muerte o la pérdida del injerto. Las comparaciones por pares generalizadas abordan esto en parte dando mayor peso a los eventos más graves, pero pueden perder potencia si ese evento de máxima prioridad es común y no se ve afectado por el tratamiento, porque muchas comparaciones de pacientes se detienen en ese nivel y nunca consideran cambios beneficiosos en resultados de menor prioridad. Las pruebas múltiples, aunque menos potentes en general, ofrecen una visión más clara de qué resultado específico impulsa un resultado positivo o negativo, a costa de necesitar efectos más fuertes o muestras mayores para alcanzar significación tras el ajuste.

Influencia de correlaciones y efectos opuestos

El comportamiento de las tres estrategias cambió cuando los resultados estaban correlacionados —por ejemplo, cuando los pacientes que pierden el injerto también tienen más probabilidad de morir— o cuando el tratamiento tenía efectos opuestos en distintos resultados. Las correlaciones positivas fuertes a menudo redujeron la potencia para los puntos finales compuestos y las comparaciones por pares generalizadas, porque los componentes fuertemente ligados aportan menos información independiente que los débilmente conectados. En escenarios con efectos opuestos, los métodos globales —especialmente cuando enfatizaban los eventos de mayor importancia— fueron menos propensos a declarar éxito si aparecía daño en los resultados de máxima prioridad, incluso cuando los resultados de menor prioridad mejoraban. Aun así, a menudo siguieron siendo más potentes que el enfoque de pruebas múltiples ajustadas, siempre que el resultado principal “impulsor” se beneficiara del tratamiento.

Qué significa esto para futuros ensayos

Para lectores ajenos a la estadística, el mensaje principal es que no existe una única forma válida de juzgar tratamientos complejos. Combinar resultados en una medida única o usar comparaciones por pares puede hacer que los ensayos sean más pequeños y eficientes, ayudando a detectar beneficios reales en el trasplante renal y entornos similares. Pero estos enfoques también pueden ocultar qué resultados específicos mejoraron o empeoraron, y pueden verse fuertemente influidos por cómo se priorizan o correlacionan los resultados. Los autores concluyen que los diseñadores de ensayos deben equilibrar la eficiencia estadística con la claridad: las pruebas globales pueden usarse para la decisión principal, pero siempre deberían acompañarse de un examen cuidadoso, resultado por resultado, para asegurarse de que los beneficios aparentes no estén enmascarando daños importantes.

Cita: Herkner, F., Posch, M., Bond, G. et al. Comparison of primary analysis strategies of randomized controlled trials with multiple endpoints with application to kidney transplantation. Sci Rep 16, 8769 (2026). https://doi.org/10.1038/s41598-026-38979-6

Palabras clave: ensayos de trasplante renal, puntos finales compuestos, análisis de múltiples puntos finales, comparaciones por pares generalizadas, simulación de ensayos clínicos