O RMST foi apresentado em pesquisas de saúde há cerca de 25 anos e, desde então, tem sido amplamente utilizado em economia, engenharia, negócios e outras profissões.
Em ambientes clínicos, o RMST é útil porque é uma maneira direta de entender o tempo médio para sobreviver ao tempo em que os pacientes vivem após o diagnóstico ou tratamento e fatores que afetam esse tempo com o prazo especificado.
Além disso, diferentemente dos modelos de inclinação de Cox e de outros modelos comuns, as estimativas e comparações feitas usando RMST não dependem da suposição de riscos relativos de que a possibilidade de um evento seja corrigida ao longo do tempo.
Mas há caça: o RMST pode testar as diferenças no efeito do tratamento entre os grupos da linha de base para um ponto de tempo-é difícil determinar o limiar ideal nos estudos clínicos e epidêmicos. Isso leva a resultados menos estatisticamente poderosos do que pode ser. ”
Han Gang, PhD, Professor de Biomedia, Faculdade de Saúde Pública no Texas A e M.
Para enfrentar esse desafio, Han e seus colegas no acadêmico e na indústria desenvolveram um novo método que usa uma ferramenta matemática atual-um modelo automático inferior para determinar o tempo perfeito ou ideal, analisando o tempo médio restrito ao estudar dois grupos.
“Isso é especialmente importante em estudos médicos, porque a possibilidade de um evento específico pode mudar durante os vários estágios do tratamento”, disse Matthew Lee Smith, professor de comportamento em saúde da Faculdade de Saúde Pública da Texas A&M, que participou desta pesquisa.
Para determinar o limite ideal, a equipe calculou um tempo limite a partir de um ponto de mudança significativo nas taxas de risco e comparou o que encontrou com o maior tempo possível.
Seu papel de pesquisa, publicado em The American Epidemiology JournalOs benefícios do método proposto em vários estudos de simulação e dois exemplos reais mostraram um estudo clínico e um estudo epidêmico.
Eles usaram o novo método de medir as taxas de erro do tipo 1 e a força estatística em simulações que foram a taxa de risco de um grupo e mudaram para outro grupo. Eles compararam os grupos usando o teste de lognk padrão e seu novo modelo.
Maria C. Uri, PhD, professora distinta da Faculdade de Saúde Pública, procurando métodos de prevenção baseados em evidências: “Nosso modelo foi o melhor”. “Esse também foi o caso quando aplicamos os cenários do mundo real”.
Para ambos os cenários, os métodos tradicionais de análise estatística revelaram que não há diferenças perceptíveis entre dois remédios. Quando o novo modelo foi aplicado, os resultados de cada cenário descobriram que um tratamento era claramente superior.
O primeiro cenário comparou dois tratamento por sete meses para pacientes com câncer de pulmão não -células que têm níveis mais baixos da chave Sinais vitais. O segundo usou um tempo recorde para medir o tempo para recuar as pessoas com demência moderada que viviam com cuidadores em comparação com aqueles que não viviam com cuidadores.
Han disse: “Esses resultados são promissores e são necessárias mais pesquisas que comparam mais de dois grupos que usam várias variáveis comuns, como a idade dos participantes, raça, situação social e econômica”, disse Han. “No entanto, com base nesses primeiros resultados, acreditamos que esse método pode ser mais forte do que todas as comparações atuais de dois grupos na análise dos resultados do tempo com o evento”.
Outros participaram do estudo, Departamento de Epidemiologia e Doutorado em Biomedia, Laura Hopkins, Raymond Carroll, PhD, Professora Distinta do Ministério das Estatísticas do Texas A e M e colaboradores externos de Eli Lily e Partners, e o H. Lee Mofit Cancer.
fonte:
Referência do diário:
Ele, c. , Assim, E outros. (2025). Determine a porta na análise do tempo de sobrevivência restrito das comparações do grupo com as aplicações em estudos clínicos e epidemiologia. The American Epidemiology Journal. https://doi.org/10.1093/aje/kwaf034.
