Una diferencia no significativa en un ensayo clínico significa que la diferencia observada entre dos grupos no es lo suficientemente grande como para estar estadísticamente seguros de que no se debió al azar. Normalmente, un valor de p superior a 0,05 se considera no significativo. El valor p indica la probabilidad de que ocurran los datos observados o algo más extremo dada la hipótesis nula. El nivel de significancia (normalmente 0,05) es el umbral en el que el valor p se considera lo suficientemente pequeño como para rechazar la hipótesis nula.

Ejemplo:

Un estudio clínico compara un implante nuevo con un implante existente y encuentra un valor p de 0,08. Esto significa que la probabilidad de que la diferencia observada se deba al azar es superior al 5%. Dado que el valor p está por encima del nivel de significancia establecido de 0,05, la diferencia se considera no significativa.

3. ¿Por qué esto no equivale a equivalencia?

A diferencia de las pruebas para detectar una diferencia estadísticamente significativa, las pruebas de equivalencia tienen como objetivo mostrar que las diferencias entre dos tratamientos o productos son tan pequeñas que se encuentran dentro de un rango clínicamente aceptable. Esto se logra mediante diseños de estudios específicos como los estudios de equivalencia o de no inferioridad.

Estudios de equivalencia:

Estos estudios establecen dos límites predefinidos (límites de equivalencia) dentro de los cuales deben estar las diferencias entre tratamientos para ser considerados equivalentes. El objetivo es demostrar que la eficacia o seguridad del nuevo producto no difiere significativamente de la del producto establecido.

Estudios de no inferioridad:

Estos estudios verifican si el nuevo producto no es peor que el producto existente estableciendo únicamente un límite inferior que el nuevo producto no puede exceder.

4. Diferencias en metodología

4.1 Hipótesis nula

Cuando se prueban diferencias estadísticamente significativas, la hipótesis nula suele ser que no hay diferencias. Sin embargo, en los estudios de equivalencia la hipótesis nula es que los tratamientos no son equivalentes. El estudio debe proporcionar evidencia suficiente para refutar esta hipótesis nula.

Las pruebas de significación estadística desempeñan un papel central en ambos tipos de estudios, pero los objetivos y la interpretación de los resultados difieren. En las pruebas clásicas de significación estadística, se busca evidencia de que una diferencia observada no ocurrió por casualidad. La hipótesis nula se rechaza si se encuentra una diferencia estadísticamente significativa (valor p < α).

En los estudios de equivalencia, sin embargo, la hipótesis nula es que los tratamientos no son equivalentes (que existe una diferencia significativa). Para refutar esta hipótesis nula, el estudio debe demostrar que las diferencias entre tratamientos son lo suficientemente pequeñas como para caer dentro de un rango de equivalencia predefinido. Aquí también se prueba la significancia estadística, pero se utiliza un intervalo de confianza diferente. Los resultados deben mostrar que el intervalo de confianza de la diferencia se encuentra completamente dentro de la región de equivalencia para lograr significancia estadística en términos de equivalencia.

Así, en ambos casos se utiliza la significación estadística, pero con diferentes objetivos e interpretaciones.

4.2 Intervalos de confianza

Mientras que cuando se prueban diferencias significativas se utilizan intervalos de confianza para mostrar la incertidumbre de la estimación, en los estudios de equivalencia se utilizan intervalos de confianza para comprobar si se encuentran dentro de los límites de equivalencia establecidos. Si todo el intervalo de confianza se encuentra dentro de estos límites, se puede suponer equivalencia.

Estas diferencias en la metodología dejan claro que la mera ausencia de una diferencia estadísticamente significativa no es suficiente para demostrar la equivalencia. Hay otros factores que deben tenerse en cuenta para garantizar una interpretación correcta de los resultados del estudio.

4.3 Falta de potencia del estudio

Un estudio con un tamaño de muestra pequeño o poder insuficiente puede pasar por alto diferencias verdaderas. Por lo tanto, la falta de una diferencia significativa puede deberse simplemente a que el estudio no tiene el poder suficiente para detectar esta diferencia. Aquí es donde entra en juego la planificación del tamaño de la muestra: una planificación cuidadosa del tamaño de la muestra es crucial para garantizar el poder del estudio. El poder de un estudio describe la probabilidad de que el estudio detecte un efecto real si realmente existe. Sin una planificación adecuada del tamaño de la muestra, existe el riesgo de que un estudio no pueda detectar diferencias significativas, incluso si existen, debido a que hay muy pocos participantes.

4.4 Intervalos de confianza e incertidumbre de la estimación

Una diferencia no significativa puede asociarse con intervalos de confianza amplios, que pueden indicar tanto diferencias clínicamente importantes como ninguna diferencia. Esto muestra la incertidumbre de la estimación y no sugiere equivalencia.

4.5 Hipótesis nula falsa

La hipótesis nula en la mayoría de los estudios es que no hay diferencia. No rechazar esta hipótesis nula no significa que se haya demostrado que no hay diferencia, sólo que no hay evidencia suficiente para afirmar lo contrario.

5. Ejemplos de problemas en ensayos clínicos de dispositivos médicos.

5.1 Comparación de dos implantes

En un estudio que evaluó un nuevo implante de cadera en comparación con un producto establecido, se encontró un valor de p de 0,06. Aunque la diferencia no es estadísticamente significativa, el nuevo implante aún podría ser menos efectivo o seguro. Un intervalo de confianza amplio podría variar desde una gran superioridad hasta una inferioridad significativa.

5.2 Evaluación de un nuevo dispositivo de diagnóstico

Se prueba un nuevo dispositivo de diagnóstico con un dispositivo estándar y los resultados muestran un valor p de 0,09. Esto no significa que ambos dispositivos sean igualmente buenos, sólo que el estudio no encontró suficiente evidencia para determinar una diferencia. Es posible que el estudio no sea lo suficientemente grande como para detectar diferencias pequeñas pero clínicamente relevantes.

6. ¿Cómo se debe comprobar la equivalencia?

6.1 Estudios de equivalencia y no inferioridad

Para probar la equivalencia, se deben utilizar diseños de estudio específicos, como estudios de equivalencia o de no inferioridad. Estos estudios cuentan con hipótesis y métodos estadísticos específicos para demostrar que las diferencias entre tratamientos están dentro de un límite de tolerancia predefinido.

Ejemplo:

Un estudio de equivalencia podría definir que el nuevo implante es clínicamente equivalente si la diferencia de funcionalidad está dentro de un rango de ± 2% respecto al implante estándar.

6.2 Intervalos de confianza y límites de equivalencia

En lugar de limitarse a observar los valores p, también se deben considerar los intervalos de confianza. Si todo el intervalo de confianza se encuentra dentro de los límites de equivalencia predefinidos, se puede asumir la equivalencia.

7. Pasos prácticos para evitar malentendidos

Diseño de estudio claro:

El estudio debe definir claramente si su objetivo es encontrar diferencias (estudio de superioridad) o demostrar equivalencia o no inferioridad. Esto influye en la elección de los métodos estadísticos y en la interpretación de los resultados.

Tamaño de muestra adecuado:

Un tamaño de muestra suficiente es crucial para garantizar el poder del estudio. Esto ayuda a detectar diferencias reales y evitar falsos negativos.

Límites de equivalencia predefinidos:

Antes de iniciar el estudio, se deben establecer límites de equivalencia claros basados ​​en consideraciones clínicas. Esto ayuda a evaluar mejor la relevancia clínica de los resultados.

8. Conclusión

La ausencia de una diferencia estadísticamente significativa en los ensayos clínicos no significa automáticamente que los dispositivos médicos probados sean equivalentes. Se requieren diseños de estudio y métodos estadísticos específicos para demostrar la equivalencia. La planificación e interpretación cuidadosas de los resultados de los estudios son cruciales para evaluar la verdadera eficacia y seguridad de los dispositivos médicos. Ésta es la única manera de garantizar que los nuevos productos cumplan con los altos estándares de la práctica clínica y ofrezcan beneficios reales a los pacientes.

9. Cómo podemos ayudarte

Nuestros estadísticos le acompañan desde la recogida de datos, pasando por el análisis hasta la interpretación de los resultados. Estar a salvo.

Como CRO, te apoyamos durante todo el proceso de generación y evaluación de datos clínicos y en la aprobación y seguimiento de mercado de tu producto. ¡Y empezamos con la estrategia clínica! También creamos el expediente de evaluación clínica completo para usted.

En el caso de ensayos clínicos, consideramos junto con usted si es necesario realizar un ensayo clínico, en qué condiciones y según qué requisitos, y en caso afirmativo, qué ensayo clínico. Esto lo aclaramos como parte de la fase previa al estudio: en 3 pasos, determinamos la estrategia correcta y rentable con respecto a la recopilación de datos clínicos necesarios en su caso.

Si se va a realizar un ensayo clínico, primero se deben cumplir requisitos básicos de seguridad y rendimiento. Los datos del ensayo clínico luego pasan a la evaluación clínica, que a su vez forma la base para las actividades de seguimiento clínico poscomercialización (PMCF) (incluido un estudio PMCF si es necesario).

Además, todos los fabricantes de dispositivos médicos exigen un sistema de gestión de calidad (SGC), incluso cuando desarrollan productos de Clase I.

Le acompañamos durante todo el proyecto con su dispositivo médico, empezando por una consulta inicial gratuita, le ayudamos con la introducción de un sistema de gestión de calidad, la planificación e implementación del estudio hasta la documentación técnica, siempre con referencia principal a los datos clínicos del producto: desde el principio hasta el final Fin.

¿Tienes ya algunas preguntas iniciales?

Puede obtener una consulta inicial gratuita aquí: consulta inicial gratuita