11.3: Esquemas de aleatorización para intervenciones comunitarias o grupales

Como se discute en el Capítulo 4, los diseños de ensayo se han empleado cada vez más en los últimos años, en los que la unidad de asignación de la intervención es una comunidad o grupo, más que un individuo. Estos ensayos aleatorizados por conglomerados pueden implicar la aleatorización de comunidades que pueden ser bastante grandes; en consecuencia, el número de comunidades que se pueden incluir en un ensayo suele ser relativamente pequeño y puede ser del orden de 20 comunidades o menos. Si se utiliza un método de aleatorización simple sin restricciones para asignar intervenciones a comunidades, existe una probabilidad razonablemente alta de que pueda haber diferencias entre los dos grupos de comunidades, no relacionadas con las intervenciones, que puedan sesgar la medición de los efectos de la intervención. Por lo tanto, es común emplear algún método de aleatorización restringida en la asignación de intervenciones a comunidades (ver también Capítulo 4, Sección 4.2).

3.1 Diseño de pares coincidentes

Un diseño de pares emparejados es un caso especial de aleatorización estratificada, en el que los estratos son cada uno de tamaño dos. Las comunidades se emparejan en parejas, las parejas se eligen para que las dos comunidades en un par sean lo más similares posible con respecto a posibles variables de confusión; en ausencia de cualquier intervención, se esperaría que las dos comunidades tuvieran tasas de incidencia similares de la enfermedad u otro resultado en estudio. Un miembro de cada par se asigna al azar a un grupo de intervención y uno al otro. Se pueden emplear procedimientos similares de emparejamiento cuando hay más de dos grupos de intervención. Por ejemplo, con tres grupos, se emplearían trillizos emparejados.

Investigaciones recientes sobre el diseño de ensayos aleatorios por conglomerados han indicado que, aunque la aleatorización por pares emparejados sigue siendo un diseño de estudio válido, otros métodos de aleatorización, como la aleatorización estratificada o la aleatorización restringida (restringida), discutidos en las Secciones 3.2 y 3.3, pueden ser generalmente más estrategias de diseño apropiadas (Hayes y Moulton, 2009). La razón principal de esto es porque, si un ensayo se diseña como un estudio de pares emparejados, entonces debe analizarse como tal. En términos técnicos, el emparejamiento reduce el número de 'grados de libertad' que están disponibles en la comparación estadística de las medidas de resultado en las comunidades de intervención y comparación, en comparación con un diseño inigualable. Esto tiene pocas consecuencias si el número de comunidades es grande, pero, si el número es pequeño, como suele ser el caso, entonces el emparejamiento reduce el poder estadístico de un ensayo para detectar un efecto de intervención de un tamaño dado (a menos que los factores coincidentes estén muy estrechamente correlacionados con el resultado).

3.2 Diseño estratificado

Por las razones señaladas, la aleatorización sin restricciones en un ensayo aleatorizado por conglomerados puede conducir a un desequilibrio con respecto a los posibles factores de confusión entre los diferentes grupos de comparación del ensayo, a menos que el número de conglomerados sea muy grande. El emparejamiento de parejas de comunidades es una forma de intentar superar este problema para asegurar un mejor equilibrio entre los brazos del juicio, pero esta estrategia puede estar asociada con una pérdida sustancial de poder estadístico. Una alternativa intermedia es adoptar un diseño estratificado, en lugar de pares emparejados. Un diseño estratificado implica la agrupación de comunidades en varios estratos, con base en la tasa esperada de enfermedad en ausencia de la intervención. Por ejemplo, en un estudio sobre malaria, las comunidades con alta intensidad de transmisión se pondrían en el mismo estrato, y las de baja intensidad de transmisión se pondrían en un estrato diferente. Luego, las comunidades dentro de cada estrato se asignan aleatoriamente entre los diferentes brazos de intervención del ensayo.

En la práctica, a menudo es difícil decidir qué comunidades deben entrar en el mismo estrato. Si hay tasas basales disponibles para la enfermedad en estudio desde la vigilancia o de un estudio previo, entonces éstas pueden proporcionar una guía razonable sobre las tasas esperadas en las diferentes comunidades en ausencia de las intervenciones. No obstante, las tasas de algunas enfermedades pueden variar sustancialmente de un año a otro, y lo ocurrido en el pasado puede no ser una muy buena guía para lo que sucederá en el futuro. Muy comúnmente, tales tasas no están disponibles, y el investigador tiene la alternativa de realizar un estudio previo al ensayo para estimar las tasas de enfermedad en cada comunidad o, con base en consideraciones ecológicas y epidemiológicas, de hacer alguna estimación de cuáles podrían ser las tasas. La primera de estas opciones se suma al costo del estudio, mientras que puede haber considerables incertidumbres en cuanto a la utilidad y precisión del segundo enfoque. Se da una discusión más completa de estos temas en (Hayes, R. J. y Moulton, L. H. 2009. Ensayos aleatorizados por conglomerados. Boca Raton, Fla.; Londres: Chapman & Hall/CRC.)

Un diseño estratificado se asocia con menor pérdida de potencia estadística que un diseño de pares emparejados y ayudará a que las comunidades en los diferentes brazos del ensayo sean más comparables con respecto a posibles factores de confusión. Aún puede quedar algún desequilibrio con respecto a estos factores, pero es posible ajustar para ello en el análisis del ensayo, siempre y cuando, desde luego, se hayan medido los factores de confusión relevantes. Los métodos para el análisis de ensayos aleatorizados por conglomerados y el ajuste por factores de confusión están fuera del alcance de este libro y generalmente requerirán el aporte de un estadístico especialista.

(Hayes y Moulton 2009) sugieren que, en situaciones prácticas, es probable que el uso de tres o cuatro estratos brinde la mayoría de las ventajas que brinda el emparejamiento de pares, de manera que las comunidades se puedan emparejar con mucha precisión con respecto a las tasas de enfermedad esperadas durante el ensayo. Con respecto a la elección del número de estratos, estos autores sugieren que no debe haber más de dos estratos si hay seis o menos racimos por brazo, y no más de tres estratos si hay 7—10 racimos por brazo.

3.3 Diseño de aleatorización restringida

Otro método para controlar la confusión es adoptar un método conocido como aleatorización restringida o restringida. Considerar un juicio a realizarse en 12 comunidades, seis de las cuales se destinarán a la intervención bajo prueba, las seis restantes sirviendo como comunidades de control. Utilizando un diseño simple de aleatorización sin restricciones, se seleccionarían seis comunidades al azar para recibir la intervención, y las otras seis servirían como controles. Por casualidad, podría suceder que las seis comunidades de intervención resulten estar todas cerca de una carretera importante, y las seis comunidades de control estén todas más distantes de la carretera. Si la enfermedad que estamos estudiando pudiera estar relacionada con la proximidad a la carretera (por ejemplo, las tasas de infección por VIH muestran esta característica en algunas situaciones), entonces podemos estar bastante descontentos con esta selección particular de comunidades de intervención, ya que habría a priori razones para creer que habría diferencias en las tasas de enfermedad, independientemente del efecto de la intervención que quisimos probar. En estas circunstancias, podríamos rechazar la selección aleatoria inicial de comunidades y seleccionar otro conjunto de números aleatorios para determinar cuáles son nuestras comunidades de intervención. Si bien esta estrategia puede no parecer irrazonable, ¡es claramente peligroso permitir que un investigador anule un procedimiento de aleatorización si no le gusta el resultado!

Los diseños de aleatorización restringida tienen como objetivo excluir de la consideración las asignaciones aleatorias que resulten en un desequilibrio insatisfactorio entre las comunidades en los brazos de intervención y control. En el estudio ya esbozado, que involucra a 12 comunidades, existen 924 posibles asignaciones diferentes de las cuales las comunidades comprenden las seis en las que se aplicará la intervención. Conceptualmente, podríamos imaginar examinar cada una de estas posibles asignaciones y decidir con cuál de ellas estaríamos contentos y cuáles nos causarían preocupación. Supongamos que hubo, por ejemplo, 400 para los cuales parecía haber un equilibrio razonable de factores de confusión entre la intervención putativa y las comunidades de control. Podríamos restringir nuestra consideración de posibles asignaciones a estos 400, y elegir uno de estos al azar para que sea el que realmente se utilizó en el juicio. Este es el principio básico del diseño de aleatorización restringida o restringida.

Examinar todas las 924 asignaciones posibles sería una empresa considerable y sería aún más difícil si el número total de comunidades fuera superior a 12. Por lo tanto, es necesario buscar algún método más automatizado para decidir qué aleatorizaciones son aceptables. En la práctica, lo que se hace es definir algunas variables clave para las cuales deseamos lograr un equilibrio razonable entre los brazos de intervención y control. Estas variables clave se comparan luego en cada una de las posibles aleatorizaciones, y se establece una regla para excluir una aleatorización si la diferencia entre las variables clave en los brazos de intervención putativa y control es mayor que alguna cantidad especificada. Así, la selección de aleatorizaciones 'aceptables' se puede programar en una computadora, de manera que la selección se haga automáticamente una vez definidos los criterios de aceptabilidad para el equilibrio entre las comunidades de intervención y control.

El procedimiento descrito como una modificación de la aleatorización simple sin restricciones también se puede incorporar a un diseño estratificado, de manera que existe una selección de posibles aleatorizaciones aceptables dentro de cada estrato.

Tanto la estratificación como la aleatorización restringida pueden usarse para lograr un buen equilibrio (evitar la confusión), pero la estratificación también tiene como objetivo reducir la variación entre conglomerados (dentro del estrato) y, por lo tanto, aumentar la potencia y la precisión.

Casilla 11.1 Uso de aleatorización restringida en un ensayo aleatorizado comunitario de una intervención de salud sexual adolescente en Tanzania

En este ensayo, realizado para evaluar el impacto de una intervención multicomponente de salud sexual sobre el VIH y otros resultados adversos en adolescentes de Tanzania, las 20 comunidades rurales de estudio se agruparon en tres estratos, con base en su riesgo esperado de infección por VIH (Hayes et al., 2005). Había seis comunidades en el estrato de bajo riesgo, ocho en el estrato de riesgo medio y seis en el estrato de alto riesgo.

Hay un total de 28 000 formas de asignar la mitad de las comunidades en cada estrato al brazo de intervención y la mitad al brazo control. Debido a que el número total de comunidades es bastante pequeño, no todas estas 28 000 asignaciones proporcionarían un buen equilibrio de características clave entre los brazos de tratamiento. Por lo tanto, se utilizó la aleatorización restringida para lograr un saldo aceptable aplicando los siguientes criterios:

• prevalencia media del VIH en cada grupo de tratamiento dentro de 0.075% de la media global
• prevalencia media de infección por Chlamydia trachomatis (TC) en cada grupo de tratamiento dentro del 0.1% de la media general
• dos de las 20 comunidades estaban cerca de minas de oro, y una de ellas debía destinarse a cada brazo de tratamiento
• incluso distribución de comunidades de intervención en los cuatro distritos administrativos en los que se llevó a cabo el juicio.

La prevalencia de VIH y TC se basó en una encuesta inicial de jóvenes realizada en cada comunidad de estudio. Se asumió que las prevalencias de VIH y TC (también una ITS) estaban correlacionadas con el comportamiento sexual en las comunidades de estudio y, por lo tanto, eran predictores del riesgo de contraer infección por VIH durante el ensayo. La prevalencia del VIH a menudo aumenta en las comunidades mineras, y fue importante asegurar que se asignara una comunidad minera a cada brazo de tratamiento. Por último, asegurar una distribución uniforme de las comunidades de intervención entre los distritos ayudó a que el juicio fuera aceptable para los líderes locales.

Se utilizó un programa de computadora para verificar cada una de las 28 000 asignaciones posibles con los criterios de saldo, y 953 asignaciones cumplieron los criterios y se enumeraron. Uno de ellos fue elegido al azar en una ceremonia pública de aleatorización.

Fuente: datos de Hayes, R. J., et al., The MEMA kwa Vijana project: design of a community randomised trial of an innovative adolescent sexual health intervention in rural tanzania, Contemporary Clinical Trials, Volumen 26, Número 4, pp. 430—42, Copyright © 2005 Elsevier Inc. Todos los derechos reservados.