Qué mide realmente el hazard ratio (y qué no mide)
Para interpretar correctamente el hazard ratio hay que empezar por entender qué es el hazard. El hazard en un momento dado t no es la probabilidad de sufrir un evento, sino la tasa instantánea de evento en ese momento entre los sujetos que aún no lo han sufrido. Formalmente, es el límite del cociente entre la probabilidad de que el evento ocurra en el intervalo [t, t+Δt) dado que el sujeto ha sobrevivido hasta t, dividida por Δt, cuando Δt tiende a cero. Es una velocidad, no una probabilidad.
El hazard ratio es el cociente entre los hazards de dos grupos en cualquier momento del seguimiento. En el modelo de Cox (el modelo estadístico del que procede el HR publicado en casi todos los ensayos cardiovasculares), este cociente se asume constante a lo largo del tiempo (una condición que se discutirá en profundidad en la siguiente sección). Así, un HR de 0,75 significa que la tasa instantánea de eventos en el grupo tratamiento es en todo momento el 75% de la del grupo control, lo que equivale a decir que el tratamiento reduce ese hazard en un 25% de forma continua durante todo el seguimiento. Es importante subrayar que se trata de una suposición del modelo: no implica que el efecto biológico real del tratamiento sea constante en el tiempo, sino que el modelo se construye sobre esa premisa.
💡 Lo que el HR no es
El HR no es la probabilidad de sufrir un evento bajo cada tratamiento, ni el porcentaje de pacientes que se salvan, ni la reducción absoluta del riesgo. No puede compararse directamente entre ensayos con distinta duración de seguimiento o distinto riesgo basal de la población. Es una medida relativa de tasas, no de probabilidades acumuladas.
Esta distinción tiene consecuencias prácticas relevantes. Cuando el DAPA-HF (2019) publica un HR de 0,74 para el objetivo primario compuesto, está diciendo que en cualquier momento del seguimiento el riesgo instantáneo de evento en el grupo dapagliflozina es el 74% del del grupo placebo. No implica que el 26% de los pacientes vayan a evitar el evento, ni que la probabilidad acumulada de evento se reduzca un 26%. Esa confusión, frecuente incluso en presentaciones de congresos, es el primer error que hay que evitar.
El modelo de Cox estima el HR ajustado por covariables mediante la partial likelihood, sin necesidad de especificar la forma de la función de supervivencia basal. Esta elegancia estadística tiene un coste: el HR no permite estimar de forma directa la probabilidad absoluta de evento en ninguno de los dos grupos. Para eso hay que recurrir a la curva de Kaplan-Meier o al complemento de la función de supervivencia estimada.
No hay comentarios:
Publicar un comentario