Análisis exploratorio sobre el impacto de las morbilidades en la adopción de pruebas de detección del cáncer colorrectal

Vinculación de conjuntos de datos y cuestiones éticas.

Los datos de la Cohorte de South Yorkshire (SYC) (incluidos los identificadores de pacientes) están en manos de la Unidad de Investigación de Ensayos Clínicos (CTRU) de la Universidad de Sheffield, mientras que los datos del Programa de Detección de Cáncer Intestinal (BCSP) están en manos de los Programas de Detección de Cáncer del NHS (parte de Salud Pública de Inglaterra).

La vinculación se basará en el subconjunto de encuestados del SYC que hayan dado su consentimiento para que los investigadores del SYC revisen sus registros de salud del NHS y sean elegibles para ser invitados a una prueba de detección de cáncer colorrectal (CRC). El método propuesto para la vinculación será el siguiente:

• Para aquellos encuestados que hayan dado este consentimiento, la CTRU enviará su número de NHS y su ID de estudio SYC al BCSP.
• Con el número del NHS, el BCSP extraerá datos sobre si se invitó a la persona a la detección y, de ser así, si la persona aceptó o no la detección.
• Luego, el BCSP enviará los datos de detección junto con el ID del estudio SYC a la CTRU. El número de NHS no se incluirá en los datos que se envían desde el BCSP (en otras palabras, se pseudoanonimizará).
• La CTRU utilizará el pseudo-ID para vincular los datos del programa de cribado a los datos del SYC. A continuación, se entregará un conjunto de datos pseudoanonimizados al equipo de investigación.

De esta forma, los únicos datos identificables del paciente que recibiría el BCSP son los datos que ya posee (número del NHS), mientras que la CTRU no recibiría ningún dato identificable adicional del paciente.

También se debe enfatizar que el equipo de investigación que lleva a cabo este proyecto no tendría acceso a los datos identificables del paciente en ninguna etapa del proyecto.

Datos utilizados.

Los siguientes datos serán utilizados dentro de este proyecto:

• Variables de exposición. Las variables de exposición son la presencia de condiciones de larga duración. Estos se recopilan dentro del SYC como condiciones de larga data autoinformadas. Se registran doce condiciones nombradas, junto con una "otra" condición, que incluye texto libre para permitir que el encuestado establezca la condición. Estas condiciones (y su prevalencia entre una muestra preliminar de personas de 60 a 74 años en el SYC) son: Depresión (8%), Ansiedad (10%), Fatiga (19%), Dolor (28%), Insomnio (8% ), diabetes (10 %), problemas respiratorios (13 %), presión arterial alta (31 %), enfermedad cardíaca (10 %), osteoartritis (16 %), accidente cerebrovascular (3 %), cáncer (5 %) y otros ( 29%).

Se considerarán todas las condiciones de larga data, con la excepción del cáncer (ya que esto incluirá CCR, y los pacientes con esto no son elegibles para la detección) y las descripciones de texto libre (estas se analizarán como "otras").

• Variable de resultado. La variable de resultado será si el individuo asistió a la prueba de CRC. Esto se vinculará a los datos de SYC utilizando los datos proporcionados por el Programa Nacional de Detección de Cáncer de Intestino. Cabe señalar que la detección del CCR se relaciona con la primera vez que se examina a una persona (detección frecuente). El análisis principal observará si una persona ha tenido una prueba de CRC (independientemente de la cantidad de invitaciones a la prueba que se enviaron). Dependiendo de la evidencia disponible, un análisis secundario consideraría la variable de resultado de 'cribado de CCR aceptado individualmente después de rechazar la invitación inicial para el cribado de CCR'.
• Variables de confusión. Se evaluarán las siguientes variables potencialmente confusoras: edad, sexo, etnia, nivel educativo más alto, niveles de ejercicio físico, tabaquismo, consumo de alcohol y puntuación de privación IMD.
• Variables descriptivas adicionales. Las siguientes variables no se utilizarán dentro de los modelos estadísticos, pero se incluirán al realizar una comparación descriptiva de las personas que asistan a la selección con aquellas que no asistan a la prueba: puntaje resumido EQ-5D autoinformado, uso de atención médica autoinformado en los últimos 3 meses (esto incluye 22 categorías nombradas, se prevé que, debido a la pequeña cantidad, será necesario agrupar algunas de ellas. Los posibles grupos a considerar son: Accidentes y emergencias (A&E), Uso hospitalario (excluyendo A&E), Cuidador de salud: médico de cabecera, Cuidador de salud: enfermera, Otros cuidadores de salud, Otros cuidadores, Terapeutas alternativos.

Análisis estadístico.

El análisis estadístico comprenderá los siguientes apartados:

• Análisis exploratorio inicial. Este análisis inicial proporcionará una visión general de los datos disponibles y resaltará cualquier problema que deba abordarse dentro del modelado estadístico.

Un análisis descriptivo comparará las características de las personas que asisten al tamizaje de CCR con las que no asisten. Esta comparación incluirá las variables de exposición, variables de confusión y variables descriptivas adicionales (como se detalla en la sección anterior). Se evaluará la significación estadística de las comparaciones, con la salvedad de que, dado que no se supusieron diferencias específicas a priori, los valores de p resultantes deben interpretarse con precaución. Las pruebas T se utilizarán para comparar variables continuas, la prueba exacta de Fisher se utilizará para comparar variables binarias y la prueba de Kruskal-Wallis se utilizará para comparar variables ordinales. Cualquier valor de p inferior al 5 % se considerará como una asociación estadísticamente significativa.

Además del análisis descriptivo, la forma funcional de la asociación entre cualquier variable continua y el resultado se evaluará visualmente utilizando métodos de suavizado. Si se indica una forma funcional no lineal, se considerará el uso de funciones no lineales (polinomios fraccionarios, splines naturales).

• Manejo de datos faltantes. La cantidad de datos faltantes determinará la estrategia empleada (Harrell, 2001). Si la proporción total de personas con datos faltantes es inferior al 5 %, se realizará una imputación única de los valores faltantes. En caso contrario, se procederá a la imputación múltiple de valores faltantes.
• Modelado estadístico. Las tasas de aceptación del cribado para el CCR se analizarán mediante regresión logística, con la demografía del paciente, el estado socioeconómico, los factores del estilo de vida y las morbilidades como variables potencialmente explicativas.

El interés principal es qué morbilidades afectan la tasa de captación, con particular interés en las morbilidades mentales (de las cuales la depresión y la ansiedad se miden en el SYC). Por ello, sólo se considerarán las interacciones con estas dos morbilidades mentales. Para examinar la asociación entre las morbilidades mentales y la captación, y ver cómo el resto de variables influyen en esta asociación, se presentarán una serie de modelos:

• Modelo 1 (modelo univariante): incluirá solo las condiciones de larga duración (variables de exposición) como variables independientes.
• Modelo 2 (modelo ajustado por demografía): incluirá las variables independientes del Modelo 1, junto con las variables demográficas (edad, género y etnia).
• Modelo 3 (modelo completo): incluirá todas las variables consideradas en este estudio. No se considerarán interacciones.
• Modelo 4 (modelo exploratorio): este aplicará la selección de subconjuntos al Modelo 3 (paso a paso hacia atrás, con una probabilidad de eliminación de 0,05). Las interacciones se considerarán después de aplicar la selección de subconjuntos.

El propósito de mostrar una serie de modelos será mostrar la asociación no ajustada entre las morbilidades y la aceptación de la detección, y resaltar el grado en que estas asociaciones están mediadas por las características del paciente. Se hace una distinción entre las características 'intrínsecas' (edad, género y etnia), que (generalmente) están más allá del control de una persona para cambiar, y las características restantes, sobre las cuales una persona tiene más control.

Cálculos de potencia.

Los análisis de potencia se realizaron utilizando G*Power 3.1.9. Se calculó el tamaño de muestra requerido para detectar un efecto significativo de una variable preespecificada. Para este análisis se utilizó un nivel alfa del 5% y una prueba de dos colas. Había una serie de factores adicionales que debían estimarse o elegirse:

• Potencia requerida: se utilizaron valores de 95% y 80%.
• Odds ratio: se probaron valores entre 1,2 y 3.
• Probabilidad de captación entre los que no tienen morbilidad: se utilizó la captación global del 47% observada entre 2008 y 2011 del BCSP.
• Grado de correlación entre las variables potencialmente explicativas: se probaron valores de 20 % y 40 % (esto se indica con 'R2' en la siguiente tabla).
• Prevalencia de la variable preespecificada: se utilizó un valor del 8%, correspondiente a la prevalencia de depresión en un análisis preliminar de los datos del SYC. En este análisis, el 74% de la muestra tenía morbilidad, con un promedio de 1,8 condiciones de larga duración por persona.

Tabla 1: Tamaño de muestra requerido en función de potencia, correlación y razón de probabilidades.

Potencia = 80 % Potencia = 95 % Razón de probabilidades R2 = 0,2 R2 = 0,4 R2 = 0,2 R2 = 0,4 1,2 16.066 21.422 26.605 35.473 1,3 7.780 10.373 12.876 17.168 1,4 4.751 6,3 35 7.857 10.476 1,5 3.292 4.389 5.437 7.249 1,6 2.466 3.289 4.069 5.425 1,8 1.603 2.137 2.637 3.516 2,0 1.174 1.566 1.925 2.567 2,2 926 1.234 1.513 2.017 2,4 767 1.022 1.248 1.665 2,6 658 877 1.067 1.422 2,8 5 79 772 935 1.247 3,0 519 693 837 1.116

Se espera que el tamaño de la muestra disponible sea de aproximadamente 7.500, lo que indica que cualquier razón de probabilidad de 1,4 o superior se detectará con una potencia del 80 %, mientras que cualquier razón de probabilidad de 1,5 o superior se detectará con una potencia del 95 %.

Un ejemplo de un cambio en las tasas de aceptación relacionado con una razón de probabilidad de 1,5 sería una disminución en la aceptación del 60 % al 57 %. En la Tabla 2 se presentan más ejemplos.

Tabla 2: Disminuciones en la tasa de aceptación correspondientes a una razón de probabilidad de 1,5 Tasa de aceptación en el grupo 1: 90 % 80 % 70 % 60 % Tasa de aceptación en el grupo 2: 81 % 72 % 64 % 57 %

También se probó un método alternativo para estimar el tamaño de las muestras (Campbell, Julious y Altman 1996). Utiliza tablas publicadas que estiman el tamaño de la muestra (por grupo) necesario para identificar una diferencia preespecificada en dos proporciones con un nivel de significación del 5 % y un poder del 80 %. Luego, los tamaños de los grupos se ajustan para tener en cuenta cualquier diferencia en el tamaño del grupo. Por ejemplo, si el grupo con depresión representa el 8 % de la población total, entonces para detectar una diferencia en la aceptación del 65 % entre las personas sin depresión y del 60 % entre las personas con depresión, se requiere un tamaño de muestra general de 425, de los cuales 34 necesitaría tener depresión y 391 no tendría depresión. El tamaño general de la muestra requerido para un rango de diferencias en las tasas de aceptación se presenta en la Tabla 3 (las tasas de aceptación son todos múltiplos del 5% ya que estos valores se usan en las tablas publicadas).

Tabla 3: Tamaños de muestra requeridos para detectar diferencias preespecificadas en la captación. Consumo en el grupo A Consumo en el grupo B Tamaño total de la muestra 60 % 55 % 1 188 65 % 60 % 425 70 % 65 % 213 75 % 70 % 138

* Suponiendo que la comparación es entre personas con depresión (prevalencia 8%, correspondiente al grupo B) y sin depresión.