La falacia transitiva para ensayos aleatorizados: Si A supera a B y B supera a C en ensayos separados, ¿es A mejor que C?

ANTECEDENTES: Si la intervención A supera a B en un ensayo aleatorizado, y B supera a C en otro ensayo aleatorizado, ¿se puede concluir que A es mejor que C? El problema fue motivado por la planificación de un ensayo aleatorizado, donde A es la detección por TC espiral, B es la detección por rayos X y C es sin detección. A primera vista, esto podría parecer una aplicación sencilla del principio transitivo de la lógica. MÉTODOS: Ampliamos el enfoque gráfico para variables binarias omitidas que fue desarrollado originalmente para ilustrar la paradoja de Simpson, aplicándolo a escenarios hipotéticos, pero plausibles, involucrando la detección de cáncer de pulmón, tratamiento para cáncer gástrico y terapia antibiótica para neumonía clínica. RESULTADOS: Las ilustraciones gráficas de los tres ejemplos muestran diferentes formas en que puede surgir la falacia transitiva para ensayos aleatorizados debido a cambios en una variable binaria no observada o no ajustada. En el escenario más dramático, B supera a C en el primer ensayo, A supera a B en el segundo ensayo, pero C supera a A en el momento del segundo ensayo. CONCLUSIÓN: Incluso con tamaños de muestra grandes, combinar los resultados de un ensayo aleatorizado previo de B contra C con los resultados de un nuevo ensayo aleatorizado de A contra B no garantizará inferencias correctas sobre A contra C. Un ensayo de tres brazos de A, B y C protegería contra este problema y debería ser considerado cuando los ensayos secuenciales se realicen en el contexto de cambios en tendencias seculares importantes en variables omitidas como la terapia en ensayos de detección de cáncer.