Cómo interpretar figuras en informes de ensayos clínicos.

La visualización gráfica de los datos se encuentra entre las herramientas más poderosas disponibles para comunicar los hallazgos de la investigación médica, dada la complejidad cada vez mayor de los diseños de estudio y la preferencia de la mente por la información transmitida en formato pictórico.
Sin embargo, aunque hay información general disponible sobre lo que constituye una presentación de datos efectiva y lo que constituye una buena práctica en la presentación de informes de ensayos, hay relativamente poca orientación sobre el uso de cifras para ayudar a la presentación de los resultados de los ensayos. Debido a que las cifras son tan efectivas para crear una impresión duradera de los resultados, su construcción, y la interpretación por parte de los lectores, deben manejarse con cuidado. Recientemente, realizamos una encuesta para determinar los tipos de cifras que se usan con mayor frecuencia en los informes de ensayos clínicos y para descubrir las buenas prácticas, y no tan buenas, que suelen asistir a su uso. Aquí, destacamos las características importantes de los tipos de figuras más utilizados. Al hacerlo, esperamos ilustrar los rasgos distintivos de las figuras que puedan transmitir una impresión coherente con las conclusiones válidas del ensayo y los aspectos de las figuras que pueden, sin una interpretación cuidadosa, ser engañosos.

Lo que más se ve
Examinamos todos los números de cinco revistas médicas generales principales (Annals of Internal Medicine, BMJ, JAMA, Lancet y New England Journal of Medicine) publicadas desde noviembre de 2006 hasta enero de 2007. Los 77 informes de ensayos aleatorios incluidos en estas publicaciones contenían 175 figuras (media 2,3 figuras por artículo). Los cuatro tipos más comunes de figuras fueron los gráfico de flujo (66 artículos), los gráfico de Kaplan-Meier (32 artículos), los gráficos de bosque (21 artículos) y los gráficos de medidas repetidas (20 artículos)

Diagrama de flujo
Los diagramas de flujo son parte integral de las pautas CONSORT para la presentación de informes de ensayos clínicos.
Muestran el flujo de participantes a través de las etapas del ensayo de una manera que debería ser fácil de seguir. La Figura 1 muestra un ejemplo exitoso de un gráfico de flujo que muestra una imagen clara del diseño y la conducta del ensayo. Incluye el número de personas examinadas y las razones de la exclusión, información que muchos ensayos no recopilan e informan. Los números que no reciben tratamiento aleatorio y los números perdidos durante el seguimiento son limitaciones clave que todo estudio debe documentar.
El diagrama de flujo en la figura 2 es más difícil de leer porque contiene una repetición sustancial de palabras. Dichos diagramas de flujo en ensayos de múltiples brazos pueden mostrarse de manera más concisa como una tabla, siempre que no haya pérdida de información.

Gráfico de Kaplan-Meier
El gráfico de Kaplan-Meier es para datos de tiempo para eventos o supervivencia, cuando el interés se centra en el riesgo de un evento en particular (como la muerte o el infarto de miocardio) a medida que los participantes avanzan en el tiempo. Debido a que el objetivo de muchos tratamientos o intervenciones es tratar de reducir la ocurrencia de un evento en particular, este tipo de gráfico se usa comúnmente para informar ensayos clínicos. Sin embargo, es un aspecto de las estadísticas que los médicos no comprenden bien. La gráfica se dibuja con el tiempo en el estudio sobre el eje horizontal y la proporción acumulada con el evento, o la proporción para la cual aún no se ha producido el evento (la probabilidad de supervivencia), representada en la vertical. Se dibujan curvas para cada grupo de tratamiento, y la separación entre las curvas indica posibles diferencias en la efectividad de los tratamientos. Las estimaciones de Kaplan-Meier cambian solo cuando los eventos ocurren realmente, de modo que cada gráfico es una serie de pasos. Observe cómo pocos participantes fueron seguidos a cinco años.

La Figura 3 muestra las características esenciales de un gráfica de Kaplan Meier. Los grupos de tratamiento son visualmente diferenciables, con una escala vertical adecuada y ejes claramente marcados. Debajo del eje horizontal, se muestran los números de participantes que permanecen en riesgo (es decir, aquellos que permanecen bajo observación y para quienes aún no se ha producido el evento). Se necesita una comparación estadística formal (en este caso, una relación de riesgo con un intervalo de confianza del 95% y el valor P de la prueba de rango logarítmico) para evaluar si la distancia entre las curvas es suficiente para representar una diferencia real en el riesgo entre el tratamiento y los brazos de control. Esta información a menudo se incluye mejor en la figura en sí. En este caso la ligera diferencia no es significativa.

Gráfico de bosque
Un gráfico de bosque muestra los efectos estimados del tratamiento en varios subgrupos de pacientes. Normalmente, un gráfico de bosque presenta un efecto general (para todos los participantes asignados al azar) y luego varios cálculos de subgrupos (por ejemplo, por sexo) en un eje común. Cada punto trazado representa una comparación entre los participantes de tratamiento y control en el subgrupo relevante y se acompaña de su IC del 95%.
La Figura 5 es un ejemplo simple de un gráfico de bosque, con solo un conjunto de análisis de subgrupos. Esta figura tiene varias características consistentes con la buena práctica. Muestra la estimación general y los intervalos de confianza (combinando todos los subgrupos) y las etiquetas indican qué dirección favorece el tratamiento o el control. Las estimaciones de subgrupos se muestran debajo de la estimación general. Aunque las líneas sugieren que los pacientes con una concentración basal de albúmina por debajo de 25 g / l pueden beneficiarse del tratamiento con albúmina, la inclusión de la prueba de heterogeneidad (a veces llamada prueba de interacción) deja claro que la evidencia no es lo suficientemente sólida como para ser concluyente. Dichas pruebas de interacción son clave para la interpretación de gráficos de bosque y deben incluirse en el gráfico o en la leyenda.

Cuando los gráficos de bosque muestran relaciones (como en la figura 5) en lugar de diferencias absolutas, el eje horizontal puede estar en una escala logarítmica, de modo que una relación de 2 se represente tan alejada de 1 como de 0.5. Esto tiene sentido porque 2 es el inverso multiplicativo de 1/2.
La información numérica adicional a menudo se tabula junto a la figura. En la figura 5, el número de muertes y pacientes (a la izquierda de las estimaciones trazadas) es útil ya que son los «datos sin procesar» para cada subgrupo. La mayoría de los gráficos de bosque presentan varios análisis de subgrupos (fig. 6). La presentación de los resultados en formato tabular y gráfico permite a los lectores examinar los efectos con precisión y facilita la inclusión de datos en los metanálisis posteriores. Sin embargo, la figura 6 no da los resultados de las pruebas de heterogeneidad; en cambio, los autores afirman que «no hubo evidencia de una heterogeneidad sustancial». Esta figura muestra algunas convenciones adicionales compatibles con las buenas prácticas. Las líneas verticales se trazan tanto para el valor que indica que no hay efecto de tratamiento (punteado en 1.0) como para el efecto general (sólido, en 0.64). Además, el tamaño del símbolo trazado para las estimaciones puntuales es proporcional al número de eventos dentro de cada subgrupo. Las parcelas forestales también se utilizan en los metanálisis que combinan la evidencia de varios estudios relacionados, donde surgen los mismos problemas.