En receptores de trasplante de precursores hematopoyéticos (TPH) con infección por adenovirus (AdV), Qué proporción presenta respuesta al tratamiento o fallece tras recibir linfocitos T específicos?
Como desenlace secundario se evalúa la enfermedad de injerto contra huésped (EICH).
Resultados preliminares: En respuesta ITT (intention To Treat), Q = 3,43 (3 gl, p = 0,330) e I² = 12,6 %. En mortalidad a seis meses, Q = 3,04 (1 gl, p = 0,081) e I² = 67,1 %.
El resumen de respuesta por efectos aleatorios fue aproximadamente 66,2 % (IC 95 % de 45,1 % a 82,3 %).
Para mortalidad, el resumen fue 35,6 % con un IC que abarca prácticamente toda la escala.
Se usaron las hojas extracción de datos,
desenlaces por estudio y plan de
trabajo de
Formulario_Extraccion_Semana3_adenovirus.xlsx. Los conteos
se incluyen en el código para que el análisis sea reproducible sin abrir
Excel. La denominación ITT del formulario se refiere a todos los
pacientes con AdV que recibieron al menos una infusión.
install.packages(c("meta", "rmarkdown"))
library(meta)
## Warning: package 'metabook' was built under R version 4.5.3
datos <- data.frame(
estudio = c("Feuchtinger 2006", "Uhlin 2012", "Qasim 2013",
"Feucht 2015", "Qian 2017", "Rubinstein 2021",
"Galletta 2023", "Keller 2024"),
respuesta = c(5, 0, 3, 21, 10, 21, 24, 17),
total = c(9, 1, 5, 30, 11, 30, 37, 29),
evaluables = c(6, 1, 5, 29, 11, 26, NA, 23),
completa = c(4, 0, 3, 14, 10, 15, NA, 15),
muerte_6m = c(NA, NA, NA, 15, 2, NA, NA, NA),
muerte_con_qasim = c(NA, NA, 3, 15, 2, NA, NA, NA),
muerte_adv = c(3, 1, 1, 11, 1, NA, NA, NA),
eich_30d = c(1, NA, NA, NA, 3, NA, NA, NA),
eich_nueva_30d = c(0, NA, NA, NA, 0, NA, NA, NA)
)
principal <- c(3, 4, 5, 8)
fraccion <- function(x, n) ifelse(is.na(x) | is.na(n), "—", paste0(x, "/", n))
knitr::kable(data.frame(
Estudio = datos$estudio,
`Respuesta ITT` = fraccion(datos$respuesta, datos$total),
`Respuesta completa` = fraccion(datos$completa, datos$total),
`Muertes a 6 meses` = fraccion(datos$muerte_6m, datos$total),
`Muertes por AdV` = fraccion(datos$muerte_adv, datos$total),
`EICH a 30 días` = fraccion(datos$eich_30d, datos$total),
check.names = FALSE
))
| Estudio | Respuesta ITT | Respuesta completa | Muertes a 6 meses | Muertes por AdV | EICH a 30 días |
|---|---|---|---|---|---|
| Feuchtinger 2006 | 5/9 | 4/9 | — | 3/9 | 1/9 |
| Uhlin 2012 | 0/1 | 0/1 | — | 1/1 | — |
| Qasim 2013 | 3/5 | 3/5 | — | 1/5 | — |
| Feucht 2015 | 21/30 | 14/30 | 15/30 | 11/30 | — |
| Qian 2017 | 10/11 | 10/11 | 2/11 | 1/11 | 3/11 |
| Rubinstein 2021 | 21/30 | 15/30 | — | — | — |
| Galletta 2023 | 24/37 | — | — | — | — |
| Keller 2024 | 17/29 | 15/29 | — | — | — |
Respuesta principal: Se usan los recuentos de respuesta virológica o clínica del formulario, con el denominador ITT. Qasim registró resolución de la viremia a cuatro semanas y Keller evaluó al día 30. Feucht y Qian informaron respuestas durante ventanas de hasta seis meses. El análisis agrupado representa la respuesta según cada estudio y se acompaña de una sensibilidad restringida a las evaluaciones cercanas a cuatro semanas.
Cohortes y denominadores: Feuchtinger se incorpora solo en sensibilidad por posible solapamiento con Feucht y por su criterio combinado de expansión celular y descenso viral. Rubinstein se incorpora solo en sensibilidad porque 3 de sus 30 pacientes no eran receptores de TPH y el formulario no desglosa las respuestas de los 27 receptores. Galletta se evalúa en un escenario separado de Rubinstein por probable solapamiento. Su 24/37 se infirió del 64,9 %. Uhlin aporta un solo paciente y una clasificación de respuesta incierta, por lo que se incorpora solo en sensibilidad.
Mortalidad a seis meses: Se agrupan Feucht y Qian, que informan el recuento para la ventana objetivo. Qasim registra tres muertes dentro de seis meses y carece de fecha de último control de los dos supervivientes, por lo que se incorpora en sensibilidad. En Uhlin la muerte ocurrió antes de 90 días y se evalúa por separado en sensibilidad por tratarse de un solo paciente. Feuchtinger carece de ventana uniforme y presenta una discrepancia de recuento. Rubinstein informa muertes tempranas. Keller y Galletta reportan datos de mortalidad de cohortes más amplias.
Mortalidad atribuida a AdV: La tabla conserva los recuentos disponibles. Las ventanas de seguimiento y los criterios de atribución difieren, y Qasim admite una atribución alternativa de 2/5. Se relaliza de manera descriptiva.
EICH: Se usan los recuentos con tipo y ventana compatibles con 30 días de Feuchtinger y Qian. En Qasim la ventana del evento requiere confirmación. Feucht reporta hasta ocho semanas. En Rubinstein el formulario aproxima un dato por infusión a un denominador por paciente de una población mixta. En Uhlin falta el detalle individual de ventana y tipo. Galletta y Keller aportan datos de cohortes más amplias. Se presenta una síntesis descriptiva por la escasez de datos comparables.
Se seleccionó un modelo de efectos aleatorios por las diferencias anticipadas en edad, gravedad y refractariedad de la infección, fuente y procesamiento de los linfocitos, uso concomitante de antivirales, definición y ventana de respuesta. La decisión se fijó en el código antes de estimar el efecto resumen. Q e I² describen la heterogeneidad observada y tienen incertidumbre considerable teniendo en cuenta que son pocos estudios.
Se usa metaprop() con ponderación por inverso de la
varianza, transformación logit, estimación REML de τ² e IC del resumen
por Hartung–Knapp con ajuste para evitar intervalos estrechos. Para la
varianza de los estudios con 0 o todos los eventos se aplica una
corrección de 0,5 en ambas categorías. Los puntos de los estudios en el
forest plot muestran la proporción observada y sus IC binomiales exactos
de Clopper–Pearson.
ajustar <- function(filas, eventos, denominador = "total") {
d <- datos[filas, ]
d$eventos <- d[[eventos]]
d$n <- d[[denominador]]
stopifnot(nrow(d) >= 2L, all(d$n > 0),
all(d$eventos >= 0 & d$eventos <= d$n))
metaprop(eventos, n, studlab = estudio, data = d,
sm = "PLOGIT", method = "Inverse", method.ci = "CP",
incr = 0.5, method.incr = "only0",
common = TRUE, random = TRUE, method.tau = "REML",
method.random.ci = "HK",
adhoc.hakn.ci = "se", prediction = FALSE)
}
respuesta <- ajustar(principal, "respuesta")
mortalidad <- ajustar(c(4, 5), "muerte_6m")
pct <- function(x) sprintf("%.1f %%", 100 * x)
ic <- function(centro, li, ls) {
paste0(pct(plogis(centro)), " (", pct(plogis(li)), " a ",
pct(plogis(ls)), ")")
}
i2_q <- function(m) {
if (m$Q <= m$df.Q) return(0)
(m$Q - m$df.Q) / m$Q
}
resumen <- function(m) {
data.frame(
Estudios = m$k,
Q = round(m$Q, 2),
gl = m$df.Q,
`p de Q` = format.pval(m$pval.Q, digits = 3),
`I²` = pct(i2_q(m)),
`τ² logit` = round(m$tau2, 3),
`Aleatorios (IC 95 %)` = ic(m$TE.random, m$lower.random, m$upper.random),
`Común (IC 95 %)` = ic(m$TE.common, m$lower.common, m$upper.common),
check.names = FALSE
)
}
interpretar_i2 <- function(m) {
i2 <- i2_q(m)
if (i2 < 0.25) "baja" else if (i2 <= 0.50) "moderada" else "alta"
}
knitr::kable(rbind(
cbind(Desenlace = "Respuesta ITT", resumen(respuesta)),
cbind(Desenlace = "Mortalidad a seis meses", resumen(mortalidad))
))
| Desenlace | Estudios | Q | gl | p de Q | I² | τ² logit | Aleatorios (IC 95 %) | Común (IC 95 %) |
|---|---|---|---|---|---|---|---|---|
| Respuesta ITT | 4 | 3.43 | 3 | 0.33 | 12.6 % | 0.000 | 66.2 % (45.1 % a 82.3 %) | 66.2 % (54.3 % a 76.3 %) |
| Mortalidad a seis meses | 2 | 3.04 | 1 | 0.0813 | 67.1 % | 0.759 | 35.6 % (0.0 % a 100.0 %) | 43.3 % (28.5 % a 59.4 %) |
La respuesta muestra heterogeneidad baja según los umbrales orientativos del taller. Los estudios combinaron aclaramiento completo, reducción de carga viral y mejoría clínica en distintas ventanas. Por ejemplo, Qian registró aclaramiento en 10/11 durante el seguimiento, mientras que Keller registró respuesta completa o parcial en 17/29 al día 30. Las series pequeñas tienen intervalos amplios, por lo que el valor p de Q y el I² tienen capacidad limitada para distinguir variación real de imprecisión.
En mortalidad, la heterogeneidad estimada es alta. Feucht registró 15/30 muertes y Qian 2/11. Con dos estudios, Q tiene un grado de libertad y τ² se estima con poca precisión. Diferencias en enfermedad invasiva, tratamientos concomitantes y criterios de elegibilidad podrían contribuir a la dispersión.
El resumen de efectos aleatorios representa la proporción correspondiente al centro de la distribución de efectos verdaderos en escala logit. El modelo común supone una proporción subyacente compartida y pondera más a los estudios con mayor precisión. La tabla permite comparar los resultados e intervalos de ambos modelos bajo estos supuestos. Las proporciones observadas después de la infusión pueden reflejar, entre otros factores, la historia clínica, la recuperación inmunitaria y el uso concomitante de antivirales. El diseño de un solo brazo limita la atribución de los desenlaces al tratamiento.
dibujar <- function(m, etiqueta) {
forest(m, common = FALSE, random = TRUE,
prediction = FALSE, ref = NA, weight.study = "random",
print.I2 = FALSE,
leftcols = c("studlab", "event", "n"),
leftlabs = c("Estudio", "Eventos", "Total"),
rightcols = c("effect", "ci", "w.random"),
rightlabs = c("Proporción", "IC 95 %", "Peso"),
xlim = c(0, 1), at = seq(0, 1, 0.2),
xlab = etiqueta, print.tau2 = TRUE,
col.square = "#246680", col.diamond = "#173C52",
text.random = "Efectos aleatorios")
}
guardar <- function(m, etiqueta, archivo) {
png(archivo, width = 3000, height = 1350, res = 300)
on.exit(dev.off(), add = TRUE)
dibujar(m, etiqueta)
}
dibujar(respuesta, "Proporción de respuesta")
Figura 1. Proporción de respuesta ITT según la definición de cada estudio.
dibujar(mortalidad, "Proporción de mortalidad a seis meses")
Figura 2. Proporción de mortalidad por cualquier causa a seis meses.
Cada cuadrado marca la proporción de un estudio y su tamaño refleja el peso en el modelo de efectos aleatorios. La línea horizontal muestra el IC 95 % del estudio. El centro del diamante indica la estimación agrupada y su anchura representa el IC 95 %. En estos gráficos de un solo brazo, 0 representa ausencia de eventos y 1 representa eventos en todos los participantes. La pregunta sobre qué intervalos cruzan una línea de no efecto aplica a medidas comparativas como el RR.
En respuesta, la mayor proporción observada corresponde a Qian (10/11, 90,9 %). Los IC de los estudios se solapan, aunque los puntos difieren en magnitud. En mortalidad, Qian tiene menos eventos y un denominador menor que Feucht, y su intervalo se solapa con el de Feucht. En respuesta, Feucht y Keller aportan aproximadamente 41 % y 46 % del peso. En mortalidad, Feucht aporta alrededor de 61 % y Qian 39 %. Se omite el intervalo de predicción dado el pequeño número de estudios y la incertidumbre sobre la comparabilidad de las ventanas.
sensibilidad <- list(
"Respuesta a unas cuatro semanas (Qasim y Keller)" =
ajustar(c(3, 8), "respuesta"),
"Solo respuesta completa, ITT" = ajustar(principal, "completa"),
"Respuesta según evaluables" = ajustar(principal, "respuesta", "evaluables"),
"Respuesta con Feuchtinger en lugar de Feucht" =
ajustar(c(1, 3, 5, 8), "respuesta"),
"Respuesta con Rubinstein (población mixta)" =
ajustar(c(principal, 6), "respuesta"),
"Respuesta con Galletta (recuento inferido)" =
ajustar(c(principal, 7), "respuesta"),
"Respuesta con Uhlin" = ajustar(c(principal, 2), "respuesta"),
"Mortalidad con Qasim (seguimiento incompleto de supervivientes)" =
ajustar(c(3, 4, 5), "muerte_con_qasim")
)
# En este escenario, el paciente de Uhlin falleció antes de 90 días.
datos$muerte_con_uhlin <- datos$muerte_6m
datos$muerte_con_uhlin[2] <- 1
sensibilidad[["Mortalidad con Uhlin (un paciente)"]] <-
ajustar(c(2, 4, 5), "muerte_con_uhlin")
tabla_sens <- do.call(rbind, lapply(sensibilidad, resumen))
knitr::kable(cbind(Escenario = names(sensibilidad),
tabla_sens[, c("Estudios", "I²", "Aleatorios (IC 95 %)")]),
row.names = FALSE)
| Escenario | Estudios | I² | Aleatorios (IC 95 %) |
|---|---|---|---|
| Respuesta a unas cuatro semanas (Qasim y Keller) | 2 | 0.0 % | 58.8 % (1.7 % a 99.2 %) |
| Solo respuesta completa, ITT | 4 | 39.1 % | 53.1 % (29.5 % a 75.4 %) |
| Respuesta según evaluables | 4 | 0.0 % | 73.8 % (53.3 % a 87.5 %) |
| Respuesta con Feuchtinger en lugar de Feucht | 4 | 8.9 % | 61.9 % (37.7 % a 81.4 %) |
| Respuesta con Rubinstein (población mixta) | 5 | 0.0 % | 67.3 % (53.2 % a 78.9 %) |
| Respuesta con Galletta (recuento inferido) | 5 | 0.0 % | 65.7 % (52.1 % a 77.2 %) |
| Respuesta con Uhlin | 5 | 12.7 % | 65.2 % (47.1 % a 79.8 %) |
| Mortalidad con Qasim (seguimiento incompleto de supervivientes) | 3 | 43.2 % | 42.5 % (7.5 % a 87.0 %) |
| Mortalidad con Uhlin (un paciente) | 3 | 46.1 % | 41.1 % (4.9 % a 90.5 %) |
La sensibilidad con respuesta completa modifica el criterio del evento, y la de evaluables modifica el denominador. Las demás sensibilidades muestran cuánto dependen los resultados de la ventana de evaluación, el origen de la cohorte o el seguimiento. Para EICH de novo dentro de 30 días, Feuchtinger y Qian registran 0/9 y 0/11 respectivamente. En ambos estudios los eventos tempranos observados correspondieron a agravación o reactivación.
Abrir este archivo en RStudio y pulsar Knit. El proceso genera el informe HTML y exporta los dos PNG. Los recuentos y decisiones pueden actualizarse en el código tras el consenso del grupo.
Se usó ChatGPT para adaptar el ejemplo de la semana 4 al formulario de adenovirus, organizar los recuentos por desenlace y preparar el código y la interpretación. Los datos proceden del formulario y mantienen su condición de extracción preliminar.
sessionInfo()
## R version 4.5.0 (2025-04-11 ucrt)
## Platform: x86_64-w64-mingw32/x64
## Running under: Windows 11 x64 (build 26300)
##
## Matrix products: default
## LAPACK version 3.12.1
##
## locale:
## [1] LC_COLLATE=Spanish_Mexico.utf8 LC_CTYPE=Spanish_Mexico.utf8
## [3] LC_MONETARY=Spanish_Mexico.utf8 LC_NUMERIC=C
## [5] LC_TIME=Spanish_Mexico.utf8
##
## time zone: America/Bogota
## tzcode source: internal
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] meta_9.0-0 metabook_0.2-0
##
## loaded via a namespace (and not attached):
## [1] sass_0.4.10 generics_0.1.4 xml2_1.5.2
## [4] stringi_1.8.7 lattice_0.22-9 hms_1.1.4
## [7] lme4_2.0-1 digest_0.6.39 magrittr_2.0.4
## [10] evaluate_1.0.5 grid_4.5.0 RColorBrewer_1.1-3
## [13] CompQuadForm_1.4.4 fastmap_1.2.0 jsonlite_2.0.0
## [16] Matrix_1.7-4 purrr_1.2.1 scales_1.4.0
## [19] numDeriv_2016.8-1.1 jquerylib_0.1.4 reformulas_0.4.4
## [22] Rdpack_2.6.6 cli_3.6.5 rlang_1.1.7
## [25] rbibutils_2.4.1 splines_4.5.0 cachem_1.1.0
## [28] yaml_2.3.12 otel_0.2.0 tools_4.5.0
## [31] tzdb_0.5.0 nloptr_2.2.1 minqa_1.2.8
## [34] metafor_5.2-1 dplyr_1.2.1 ggplot2_4.0.3
## [37] mathjaxr_2.0-0 boot_1.3-32 vctrs_0.7.1
## [40] R6_2.6.1 lifecycle_1.0.5 stringr_1.6.0
## [43] MASS_7.3-65 pkgconfig_2.0.3 pillar_1.11.1
## [46] bslib_0.10.0 gtable_0.3.6 glue_1.8.0
## [49] Rcpp_1.1.1 xfun_0.57 tibble_3.3.1
## [52] tidyselect_1.2.1 rstudioapi_0.18.0 knitr_1.51
## [55] farver_2.1.2 htmltools_0.5.9 nlme_3.1-169
## [58] rmarkdown_2.32 readr_2.2.0 compiler_4.5.0
## [61] S7_0.2.1 metadat_1.6-0