Los gráficos de embudo se utilizan para variables continuas, binarias y de recuento con el fin de evaluar el rendimiento de subgrupos mutuamente excluyentes en comparación con la población total (Spiegelhalter, 2005). En los ensayos clínicos, los gráficos de embudo se utilizan a menudo para evaluar el rendimiento de los centros y determinar si se necesita formación y supervisión adicionales para mantener la calidad de los datos (Zink et al., 2018).
Como ejemplo, consideremos el gráfico de barras de la izquierda de la Figura 1, que resume el porcentaje de muertes de pacientes ocurridas en los centros participantes en el ensayo clínico de nicardipina (Haley et al., 1993). El gráfico muestra una tasa de mortalidad general de aproximadamente el 25 %. Si existe preocupación por la seguridad, lo lógico sería realizar un seguimiento de los centros con las tasas de mortalidad más altas para determinar si existen factores que contribuyan a un número excesivo de fallecimientos.
Figure 1. Nicardipine exampleFigura 1. Ejemplo de nicardipina
Sin embargo, una tasa de mortalidad extremadamente alta no necesariamente es motivo de alarma. Por ejemplo, consideremos un centro con un solo paciente inscrito. La tasa de mortalidad en este centro tiene dos posibilidades: 100 % y 0 %. Con una tasa de mortalidad general del 25 %, una tasa del 100 % en un centro con un solo paciente inscrito no requiere necesariamente seguimiento. El gráfico de barras podría mostrar la muestra del centro mediante etiquetas, pero esto no resuelve el problema para los centros con más de un paciente inscrito. Idealmente, el interés radica en identificar los centros donde la tasa de mortalidad es inusual considerando el número de pacientes inscritos.
Introduzca el gráfico de embudo, que se presenta en el lado derecho de la Figura 1. En este gráfico, se muestra la proporción de muertes en cada centro según el tamaño de la muestra de pacientes tratados en dicho centro. Una línea de referencia vertical (roja) resume la tasa de mortalidad general, mientras que las líneas curvas conectan los límites superior e inferior de los intervalos de confianza (IC) del 99,8 % y del 95 % generados para cada tamaño de muestra presentado en el eje X. Las regiones generadas por estas líneas de referencia pueden utilizarse para categorizar los marcadores de los centros y priorizar las intervenciones necesarias. Por ejemplo, los marcadores en el panel derecho de la Figura 1 son:
- Verde, si la tasa de mortalidad era inferior a la tasa de mortalidad general (riesgo leve).
- Amarillo, si la tasa de mortalidad es superior a la tasa de mortalidad general (riesgo moderado).
- Rojo, si la tasa de mortalidad supera el límite superior del 99,8 %, que es aproximadamente tres errores estándar por encima de la respuesta general (riesgo grave).
Las barras correspondientes en el panel izquierdo están coloreadas en consecuencia, lo que pone de manifiesto que basarse únicamente en tasas de mortalidad excesivamente altas es insuficiente para identificar sitios problemáticos.
Es posible realizar categorizaciones adicionales. Por ejemplo, considere lo siguiente:
- Verde, si la tasa de mortalidad se encuentra dentro de los límites del IC del 95% (riesgo leve).
- Amarillo, si la tasa de mortalidad supera el IC del 95 % y se encuentra dentro del IC del 99,8 % (riesgo moderado) con tasas por encima del promedio general (lo que indica exceso de muertes) y tasas por debajo del promedio (lo que indica escasez).
- Rojo, si la tasa de mortalidad supera el IC del 99,8 % (riesgo grave) con tasas por encima del límite superior (lo que indica exceso de muertes) y por debajo del límite inferior (lo que indica escasez).
Por supuesto, si bien un menor número de muertes es, en última instancia, algo positivo, la ausencia de fallecimientos puede ser motivo de preocupación (por ejemplo, retraso en la notificación, mala conducta).
El complemento Funnel Plot del JMP Marketplace facilita la creación de gráficos de embudo, permitiendo generar gráficos para variables continuas, binarias y de recuento, con la opción de ajustar los intervalos de los resultados binarios según la duración del seguimiento (Liu et al., 2006). Los usuarios definen los intervalos según límites de confianza específicos o múltiplos del error estándar (Figura 2).
Figure 2. Funnel Plot dialogFigura 2. Cuadro de diálogo del gráfico de embudo
Por ejemplo, la Figura 3 resume las tasas de incidencia de transfusiones de sangre ajustadas por exposición por cada 100 días.
Figure 3. Exposure-adjusted incidence rates of blood transfusion per 100 daysFigura 3. Tasas de incidencia de transfusión sanguínea ajustadas por exposición por cada 100 días.
El manual describe posibles mejoras futuras para el complemento. Si le resulta útil, ¡comparta sus comentarios conmigo a través del JMP Marketplace!
Referencias
- Hayley EC, Kassell NF y Torner JC. (1993). Ensayo controlado aleatorizado de nicardipina intravenosa en dosis altas en la hemorragia subaracnoidea aneurismática . Revista de Neurocirugía 78: 537-547.
- Liu GF, Wang J, Liu K y Snavely DB. (2006). Intervalos de confianza para una diferencia de tasa de incidencia ajustada por exposición con aplicaciones a ensayos clínicos . Estadística en Medicina 25: 1275-1286.
- Spiegelhalter DJ. (2005). Gráficos de embudo para comparar el rendimiento institucional. Estadística en Medicina 24: 1185-1202.
- Zink RC, Dmitrienko A y Dmitrienko A. (2018). Repensando los umbrales basados en la clínica de TransCelerate BioPharma para el monitoreo basado en el riesgo . Therapeutic Innovation & Regulatory Science 5: 560-571.
