Avaliando Evidências para Aprovações de Medicamentos Contra o Câncer

Para um novo remédio contra o câncer ser vendido nos EUA, ele precisa ser aprovado pela Food and Drug Administration (FDA). O processo de aprovação muitas vezes depende de evidências limitadas, o que dificulta a vida dos médicos na hora de fazer escolhas informadas sobre o tratamento. Mesmo com a recomendação da FDA de que sejam mostradas evidências fortes de dois estudos convincentes, muitos novos medicamentos contra o câncer foram aprovados entre 2000 e 2020 com base em apenas um estudo principal. Isso levanta preocupações sobre a confiabilidade das evidências.

Outro problema é que a FDA permite o uso de pontos de desfecho substitutos. Esses são resultados que se acreditam estar relacionados a desfechos importantes de saúde, como a sobrevivência, mas são mais fáceis de medir. Exemplos incluem a sobrevida livre de progressão (não piorar o câncer) e a resposta tumoral (a redução do tamanho do tumor). No entanto, esses substitutos podem não prever com precisão o que realmente importa para os pacientes, como a sua sobrevivência geral. Por isso, há muita dúvida sobre se as evidências atuais para medicamentos contra o câncer atendem às diretrizes da FDA para benefícios significativos.

#O Papel dos Fatores de Bayes

Para tomar decisões regulatórias melhores, é vital capturar as evidências disponíveis quando um medicamento é aprovado. Os fatores de Bayes (BFs) podem fornecer uma maneira de medir a evidência estatística a favor ou contra a eficácia do medicamento. Em termos simples, os BFs comparam a probabilidade dos resultados do estudo sob duas ideias diferentes: que o tratamento funciona versus que ele não funciona. O número resultante mostra quão forte é a evidência.

Por exemplo, um BF de 1 significa que a evidência é incerta, já que ambos os resultados são igualmente prováveis. Um BF de 10 significa que a evidência apoia fortemente a ideia de que o tratamento é eficaz. Por outro lado, um BF de 0.1 significa que a evidência sugere fortemente que o tratamento não funciona.

Usar uma abordagem bayesiana pode dar uma visão mais clara de quão forte é a evidência para novos medicamentos contra o câncer. Este projeto tem como objetivo avaliar a força da evidência para medicamentos contra o câncer aprovados entre 2000 e 2020 usando BFs. Diferentes níveis de incerteza podem ser aceitáveis dependendo do tipo de tratamento e se é um tratamento de primeira linha ou de linhas posteriores. Além disso, a força da evidência pode variar com base no tipo de câncer.

#Objetivos

O primeiro objetivo deste projeto é descrever a força da evidência para medicamentos contra o câncer aprovados entre 2000 e 2020 com base em uma abordagem bayesiana. O segundo objetivo é comparar a força da evidência com base em diferentes fatores, como pontos de desfecho do tratamento, tipos de aprovação e tipos de câncer.

#Aprovação Ética e Coleta de Dados

Como o estudo usou dados públicos de ensaios clínicos, não foi necessária aprovação ética. Os objetivos e métodos do projeto foram registrados em uma plataforma online. Os dados e códigos de análise usados neste estudo podem ser encontrados publicamente.

Os dados da FDA foram coletados de um projeto específico focado em medicamentos contra o câncer. Isso incluiu tanto medicamentos aprovados quanto as análises relacionadas da FDA. Para cada ensaio avaliando um medicamento, vários detalhes foram reunidos, como quantos pacientes estavam envolvidos, quantos desfechos existiam e o tipo de câncer tratado.

#Análise de Dados

A análise foi realizada usando software estatístico. Os fatores de Bayes foram calculados para todos os pontos de desfecho nos ensaios. Para a sobrevida geral e a sobrevida livre de progressão, estatísticas como razões de risco foram usadas para criar um modelo estatístico. Para a resposta tumoral, um método diferente foi utilizado.

Se vários ensaios apoiaram a aprovação de um medicamento, os dados desses ensaios foram combinados para fornecer uma medida geral da força da evidência. Isso permitiu uma compreensão mais ampla da evidência por trás da aprovação.

Os fatores de Bayes calculados mostraram quão provável era os dados sob a ideia de que o grupo de tratamento teve um desempenho melhor que o grupo controle. Os significados específicos dos fatores de Bayes foram estabelecidos, e essas medidas ajudaram a categorizar a evidência em diferentes forças.

#Análise Exploratória de Dados

Três análises exploratórias adicionais foram realizadas para reunir mais insights. Primeiro, a relação entre fatores de Bayes e tamanhos de efeito foi examinada visualmente. Os tamanhos de efeito representam o quão impactante é o tratamento, e se caem dentro de certos intervalos de confiança, revelam incerteza sobre o tratamento.

Em segundo lugar, a conexão entre fatores de Bayes e tamanho da amostra foi analisada. Ensaios maiores geralmente fornecem evidências mais confiáveis. Por fim, uma análise qualitativa avaliou o raciocínio por trás de algumas decisões de aprovação de medicamentos quando evidências estatísticas fracas foram observadas.

#Resultados do Estudo

O conjunto de dados inicial continha informações sobre 145 medicamentos contra o câncer aprovados para 156 usos com base em 186 ensaios. Quase metade dessas aprovações não tinha evidências fortes de um ensaio clínico randomizado. Outros foram principalmente suportados por um estudo.

Dos ensaios analisados, muitos focaram na sobrevida geral, na sobrevida livre de progressão ou na resposta tumoral. A maioria dos ensaios mostrou níveis variados de evidência para os medicamentos contra o câncer.

#Decisões de Aprovação Baseadas em Um Ensaio

A evidência estatística para pelo menos um ponto de desfecho foi moderada para cinco de 68 aprovações de medicamentos baseadas em um ensaio. No entanto, a maioria das aprovações teve evidências fortes de melhora em alguma medida. Para a sobrevida geral, o Fator de Bayes mediano foi muito menor em comparação com a sobrevida livre de progressão e a resposta tumoral, indicando que a evidência que apoia a sobrevida geral era mais fraca.

Ao olhar para ensaios com grupos de controle ativos (onde o novo tratamento é comparado a outro tratamento conhecido), uma porcentagem significativa ainda carecia de evidências fortes para os desfechos dos pacientes. Em ensaios com grupos de controle inativos (como placebos), havia mais evidências apoiando desfechos positivos.

#Aprovações Aceleradas

Os dados indicaram que as aprovações aceleradas tinham menos evidências em todos os desfechos em comparação com aprovações não aceleradas. Muitas aprovações aceleradas foram baseadas em evidências estatísticas fracas, o que é preocupante no contexto da segurança do paciente e da eficácia do tratamento.

#Linhas de Tratamento e Tipos de Câncer

Os achados mostraram que não houve diferença significativa na força da evidência com base na linha de tratamento-se era a primeira, segunda ou terceira linha. Além disso, não foram vistas diferenças notáveis na força da evidência entre tipos de câncer sólido e hematológico.

#Aprovações Baseadas em Dois Ensaios

Alguns medicamentos foram aprovados com base em dois ensaios; no entanto, alguns foram baseados em evidências fracas de ambos os estudos. Essa falta de evidências fortes levanta questões sobre a confiabilidade dessas aprovações.

#Conclusões

O estudo destaca a necessidade de padrões mais altos de evidência, especialmente em relação à sobrevida geral, que é crítica para avaliar a eficácia de medicamentos contra o câncer. Muitos medicamentos foram aprovados sem evidências claras sobre os desfechos de sobrevivência, o que representa um risco para os pacientes.

Os fatores de Bayes oferecem uma nova forma de entender melhor a força das evidências por trás das aprovações de medicamentos contra o câncer. No geral, os achados sugerem que há uma incerteza significativa sobre a eficácia de muitos medicamentos contra o câncer, especialmente aqueles aprovados por processos acelerados.

Revisões regulares e melhorias contínuas no processo de aprovação de medicamentos são essenciais para garantir que os pacientes recebam tratamentos com evidências adequadas que apoiem seus benefícios.