En el desarrollo de nuevos productos médicos, es fundamental comprender la relación temporal entre los resultados de cada paciente. A lo largo de los años, JMP Clínico ha ofrecido métodos para comprender la sincronización de la medicación, los eventos adversos (EA) y las anomalías de laboratorio mediante informes como los Perfiles de Pacientes y la Narrativa de Eventos Adversos . Estas funciones ofrecen a los usuarios la oportunidad de comprender una gran cantidad de información procedente de ensayos clínicos, incluyendo:
- ¿Qué medicamentos pueden haber causado problemas de seguridad notables?
- ¿Qué tratamientos pueden haberse utilizado en respuesta a la aparición de EA?
- ¿Qué eventos o medicamentos pueden haber precedido a la muerte de un paciente?
Estos informes proporcionan una mayor comprensión de la causa y el efecto de la experiencia del paciente.
Sin embargo, puede resultar difícil subdividir un conjunto específico de resultados clínicamente relevantes y explorar un intervalo de tiempo definido por el usuario en torno a dichos resultados en todos los pacientes. Además, resumir la frecuencia de los resultados que se produjeron dentro de esos intervalos es un proceso manual.
¡Ya no!
El próximo informe de Ocurrencias Cercanas en JMP Clinical 19 permite a los usuarios definir ocurrencias de referencia de interés y encontrar ocurrencias cercanas que aparecen dentro de las ventanas temporales en torno a las fechas de inicio o fin, así como aquellas ocurrencias cercanas que puedan tener algún solapamiento temporal entre las ocurrencias de referencia y las cercanas. ¿Qué es una ocurrencia? Según la documentación del CDISC sobre Datos de Ocurrencias :
El análisis de incidencias consiste en el recuento de sujetos con un registro o término determinado y suele incluir una jerarquía estructurada de categorías de codificación de diccionario. Entre los datos que se ajustan a esta estructura se incluyen los utilizados para el análisis típico de eventos adversos, medicamentos concomitantes e historial médico.
Los éxitos cercanos actualmente consideran ocurrencias como eventos adversos (EA), medicaciones concomitantes (MC) y muertes.
¿Cómo se puede aplicar esto en la práctica? Por ejemplo, el informe "Sucesos Cercanos" permite a los usuarios:
- Identifique los medicamentos que se iniciaron el mismo día o algunos días después de la fecha de inicio de un EA específico.
- Identifique los EA o medicamentos que comenzaron dentro de una semana antes de la muerte de un paciente.
- Identifique cualquier EA que comience unos días después de suspender determinados medicamentos.
- Identifique cualquier EA que comience o continúe mientras se utilizan determinadas clases de medicamentos.
El cuadro de diálogo de Sucesos cercanos se muestra en la Figura 1. Los usuarios pueden referirse a los EA o medicamentos según sus nombres codificados individuales, según lo especificado por MedDRA o WHODrug Global, o pueden referirse a los términos según su texto reportado o una clasificación de nivel superior (p. ej., Término de Alto Nivel o Categoría Original para Medicamento). Estas designaciones se convierten en los "Términos de Interés" para Sucesos cercanos . Los usuarios pueden optar por explorar todos los EA o medicamentos o subconjuntos de términos que ocurren durante períodos específicos del estudio (p. ej., Pretratamiento, Durante el Tratamiento, Seguimiento sin Tratamiento, Emergente del Tratamiento).
Figure 1. Nearby Occurrences dialogFigura 1. Cuadro de diálogo Ocurrencias cercanas
La ejecución del informe para el ejemplo de Nicardipina proporciona el siguiente resultado en la Figura 2.
Figure 2. Nicardipine exampleFigura 2. Ejemplo de nicardipina
En este punto, el resultado asume que todas las ocurrencias son de interés como ocurrencias de referencia (lo cual no es particularmente útil). Sin embargo, supongamos que nos interesan los eventos adversos graves (EAG) de la clasificación de órganos y sistemas de trastornos cardíacos (COS). Al seleccionar estos términos en el filtro de datos, se obtiene un resumen a nivel de ocurrencia y a nivel de paciente de los términos seleccionados (Figura 3). En este ejemplo, todas nuestras ocurrencias de referencia son EA. A partir del gráfico de recuento izquierdo a nivel de ocurrencia de la Figura 3, podemos determinar lo siguiente:
- Hay 31 eventos de referencia que corresponden a eventos adversos graves (EAG) según el SOC de Trastornos Cardíacos. De estos, el 55 % y el 45 % se presentan en pacientes de los grupos NIC .15 y placebo, respectivamente.
- La ocurrencia más común es el paro cardíaco con 12 ocurrencias, con 58% y 42% en NIC .15 y Placebo, respectivamente.
- Los eventos adversos graves (EAG) menos comunes son el bloqueo auriculoventricular de primer grado, las extrasístoles ventriculares y la taquicardia ventricular con una aparición cada una, todos ellos experimentados en pacientes del grupo placebo.
Figure 3. Reference occurrences: Cardiac Disorders SAEsFigura 3. Incidencias de referencia: Trastornos cardíacos y eventos adversos graves
Del gráfico de recuento de la derecha a nivel de paciente en la Figura 3, podemos determinar lo siguiente:
- Se registraron 24 pacientes con eventos adversos graves relacionados con trastornos cardíacos. De estos, el 58 % y el 42 % se encontraban en los grupos de NIC .15 y placebo, respectivamente.
- Las frecuencias de pacientes para cada tipo de ocurrencia (n = 12, 3, 3, 3, 3, 2, 2, 1, 1, 1) no varían con respecto al gráfico de recuento de niveles de ocurrencia, lo que indica que cada tipo de ocurrencia se presenta en un paciente diferente. Si las frecuencias hubieran sido mayores para un tipo de ocurrencia en el gráfico de niveles de ocurrencia, esto indicaría que los pacientes habrían experimentado más de una ocurrencia.
- La suma de las frecuencias de las ocurrencias individuales (n = 31) es mayor que el número de pacientes (n = 24), lo que indica que algunos pacientes experimentaron múltiples eventos adversos graves relacionados con trastornos cardíacos.
Los resúmenes tabulares proporcionados muestran la frecuencia y el porcentaje de columna de cada ocurrencia de referencia. Por ejemplo, de las tablas podemos concluir que:
- El 41,2 % (7/17) y el 35,7 % (5/14) de los eventos adversos graves relacionados con trastornos cardíacos experimentados en los grupos NIC .15 y placebo, respectivamente, fueron paros cardíacos.
- El 50,0 % de los pacientes que experimentaron eventos adversos graves relacionados con trastornos cardíacos en los grupos NIC .15 (7/14) y Placebo (5/10) experimentaron un paro cardíaco.
Las 31 ocurrencias de referencia están disponibles para revisión abriendo un cuadro de Esquema de datos.
Con la selección de estas ocurrencias de referencia, el cuadro Esquema de consulta del panel Opciones de datos permite al usuario ejecutar una consulta para identificar eventos (EA o muertes) o medicamentos que cumplan con los criterios de la consulta (Figura 4).
Figure 4. Query dialogFigura 4. Cuadro de diálogo de consulta
Son posibles dos tipos de consultas:
- Consulta específica: Esta consulta busca ocurrencias cercanas comparando la fecha de inicio o fin de las ocurrencias de referencia con la fecha de inicio o fin de las ocurrencias cercanas. Si las ocurrencias cercanas ocurren dentro del número de días seleccionado (Después, Antes, o Antes o Después de las fechas seleccionadas), se resumirán en el área "Ocurrencias Cercanas" del resultado. Tenga en cuenta que una ventana de cero días identificará las ocurrencias que ocurren en la misma fecha. Por ejemplo, si se utiliza la fecha de inicio tanto para las ocurrencias de referencia como para las cercanas, "Ocurrencias Cercanas" identificará los términos que comienzan el mismo día que las ocurrencias de referencia.
- Cualquier superposición: esta consulta busca ocurrencias cercanas evaluando si hay alguna superposición en el tiempo según las fechas de inicio y finalización de la referencia y las ocurrencias cercanas.
En la práctica, es improbable que se omitan las fechas de fallecimiento y los eventos adversos. Sin embargo, los medicamentos para enfermedades crónicas pueden tener fechas de inicio desconocidas (lo que indica que se iniciaron en algún momento del pasado) o fechas de finalización desconocidas (lo que implica que el medicamento aún se utiliza para controlar la enfermedad). Si bien JMP Clínico se esfuerza al máximo para imputar las fechas según reglas predefinidas, en algunos casos aún pueden ocurrir fechas faltantes. El estudio de ocurrencias cercanas asume las siguientes fechas faltantes:
- Para consultas específicas, solo se puede determinar que los registros están "cerca uno del otro" cuando las fechas utilizadas en la consulta no están ausentes. En otras palabras, se asume que las fechas de inicio ausentes son tan antiguas que no se pueden interpretar como "cercanas". De igual manera, se asume que las fechas de finalización ausentes no han ocurrido, lo que implica que el medicamento o evento aún está en curso.
- Para consultas con cualquier solapamiento, se asume que la fecha de inicio faltante corresponde al inicio del tiempo, mientras que la fecha de finalización faltante corresponde al final del tiempo. Estas suposiciones permiten identificar ocurrencias cercanas con cierto solapamiento temporal con ocurrencias de referencia cuando faltan una o ambas fechas.
En los casos en que no se recopilaron las fechas de interrupción de medicamentos o EA como parte del diseño del eCRF, se asume que las fechas de interrupción son iguales a las fechas de inicio. En otras palabras, los eventos comienzan y terminan el mismo día. Esta suposición se aplica siempre a las muertes.
Ejecutemos la siguiente consulta para identificar ocurrencias cercanas que comiencen dentro de los tres días anteriores al inicio de las ocurrencias de referencia (Figura 5).
Figure 5. Specific queryFigura 5. Consulta específica
Al hacer clic en "Ejecutar consulta", se generan figuras y tablas en el área "Incidencias cercanas" de la ventana de resultados. Puede cerrar el cuadro de esquema "Incidencias de referencia" para visualizar fácilmente este resultado. Recuerde que el ensayo con nicardipina incluye visitas diarias durante aproximadamente dos semanas para una enfermedad muy grave. El resultado inicial está muy saturado, pero al subconjuntor a CM mediante el filtro de datos, se obtienen los siguientes resultados en la Figura 6.
Con base en los resultados, las siguientes conclusiones son verdaderas:
- Nivel de ocurrencia
- Se registraron 192 casos de MC que comenzaron dentro de los tres días posteriores al inicio de al menos un evento adverso grave relacionado con trastornos cardíacos. De estos, el 54 % y el 46 % se presentaron en pacientes de los grupos NIC .15 y placebo, respectivamente.
- La aparición cercana más común es la dexametasona con 22 apariciones, 50% tanto en NIC .15 como en Placebo.
- Los suplementos de potasio tienen 21 apariciones.
- Veintiuno de 192 (10,9) % de todas las apariciones de CM cercanas fueron suplementos de potasio.
- Nivel de paciente
- Veintiuno de los 24 pacientes tienen eventos de CM cercanos por al menos un evento adverso grave (EAG) de trastornos cardíacos.
- Doce pacientes tomaron fenobarbital. Dado que se presentaron 18 casos de fenobarbital, algunos pacientes lo tomaron más de una vez en esos tres días. Once pacientes tomaron suplementos de potasio. Dado que se presentaron 21 casos de fenobarbital, algunos pacientes lo tomaron más de una vez en esos tres días.
- Doce de 21 (57,1%) pacientes recibieron fenobarbital, dos tercios de los cuales recibían NIC .15.
Figure 6. Nearby OccurrencesFigura 6. Incidencias cercanas
En este caso, la ventana Datos puede ser más útil para el usuario, ya que permite ver los detalles específicos de las ocurrencias cercanas y los eventos de referencia a los que pertenecen. Tenga en cuenta que las figuras y tablas de la Figura 4 muestran ocurrencias cercanas únicas . Sin embargo, la ventana Datos muestra todas las ocurrencias cercanas correspondientes a cada ocurrencia de referencia, incluso si estas se presentan varias veces.
El informe incluye ocurrencias de referencia en la salida incluso cuando no hay ocurrencias cercanas; se enumeran como “Sin ocurrencias cercanas”.
Sucesos cercanos también está disponible para ensayos cruzados o ensayos donde los tratamientos varían según los períodos de estudio. Los resúmenes a nivel de paciente se basan en el grupo planificado o real. Los resúmenes a nivel de incidencia se basan en los valores de tratamiento a nivel de incidencia.
Esta próxima característica hará que sea mucho más fácil identificar a los pacientes de interés según los eventos que experimentan.
