Combinando Múltiplas Comparações e Técnicas de Modelagem em Estudos de Dose-Resposta

A análise de dados de estudos de dose-resposta há muito é dividida em duas grandes estratégias: procedimentos de comparação múltipla e abordagens baseadas em modelos. As abordagens baseadas em modelos assumem uma relação funcional entre a resposta e a dose, considerada como um fator quantitativo, de acordo com um modelo paramétrico pré-especificado. O modelo ajustado é então usado para estimar uma dose adequada para alcançar uma resposta desejada, mas a validade de suas conclusões dependerá fortemente da escolha correta do modelo de dose-resposta a priori desconhecido. Os procedimentos de comparação múltipla consideram a dose como um fator qualitativo e fazem muito poucas, se houver, suposições sobre o modelo subjacente de dose-resposta. O objetivo principal é frequentemente identificar a dose mínima eficaz que é estatisticamente significativa e produz um efeito biológico relevante. Uma abordagem é avaliar a significância dos contrastes entre diferentes níveis de dose, preservando a taxa de erro familiar. Esses procedimentos são relativamente robustos, mas a inferência é restrita à seleção da dose alvo entre os níveis de dose em investigação. Descrevemos uma estratégia unificada para a análise de dados de estudos de dose-resposta que combina comparações múltiplas e técnicas de modelagem. Assumimos a existência de vários modelos paramétricos candidatos e utilizamos técnicas de comparação múltipla para escolher aquele mais provável de representar a verdadeira curva de dose-resposta subjacente, enquanto preservamos a taxa de erro familiar. O modelo selecionado é então usado para fornecer inferências sobre doses adequadas.