Hemos leído con gran interés la carta «Uso inclusivo de la conversión del tamaño de efecto y del factor Bayes en la investigación de medicina intensiva»1 referente a nuestro artículo publicado recientemente en Medicina Intensiva titulado «HLA genetic polymorphisms and prognosis of patients with COVID-19»2.
En nuestro estudio se incluyeron 72 pacientes COVID-19 (10 fallecidos y 62 supervivientes a 30 días) y reportábamos la asociación estadísticamente significativa entre diferentes polimorfismos genéticos del sistema de antígenos leucocitarios humanos (HLA) y la mortalidad por COVID-19 en el análisis de regresión. Uno de dichos alelos era el HLA-A*11.
Encontramos en la comparación entre supervivientes y fallecidos una tendencia (p=0,051) a una mayor frecuencia de la presencia del alelo HLA-A*11 en los pacientes fallecidos (3/30 [30%]) que en los supervivientes (4/62 [6,5%]). Sin embargo, encontramos que los pacientes fallecidos presentaron superiores APACHE-II (p<0,001) y SOFA (p=0,001), que los supervivientes. El análisis de regresión logística encontró que la presencia del alelo HLA-A*11 se asoció con una mayor mortalidad controlando por SOFA (OR: 7,693; IC 95%: 1,063-55,650; p=0,04) o APACHE-II (OR: 11,858; 95% IC 95%: 1,524-92,273; p=0,02).
Reconocimos que nuestro estudio tenía diferentes limitaciones, una de ellas que solo incluimos 2 variables en cada modelo de análisis de regresión debido al pequeño número de pacientes fallecidos en nuestro estudio, lo que impide la inclusión de varias variables3. Sin embargo, creemos que las fortalezas del estudio fueron que la presencia del alelo HLA-A*11 se asoció con la mortalidad después de controlar por 2 scores de gravedad (SOFA o APACHE-II), y que previamente se había descrito que su presencia estaba asociada a mala evolución en otras enfermedades infecciosas4,5.
Estamos de acuerdo con la reflexión metodológica de Ramos-Vera que se recomienda la confirmación de las investigaciones clínicas para validar sus resultados y reforzar la credibilidad práctica de las investigaciones. Como comenta Ramos-Vera, la opción de usar la inferencia bayesiana es una muy buena aproximación al control del error en la estimación. Además, nos complace saber que en el análisis bayesiano realizado por Ramos-Vera para precisar el grado de evidencia de nuestro estudio utilizando el método del factor de Bayes (FB), se encontró que los resultados del FB10 (a favor de la hipótesis alternativa) y FB01 (a favor de la hipótesis nula) objetivaron una evidencia extrema de nuestros resultados. Pero somos partidarios de realizar la validación de resultados observacionales o experimentales usando la replicación con muestras externas al estudio realizado. Por ello, creemos que sería interesante encontrar similares hallazgos a los nuestros en futuros estudios con muestras de pacientes COVID-19 diferentes, para ver si se encuentra una estabilidad en los hallazgos, disminuyendo la incertidumbre de los posibles errores tipo 1.
En conclusión, estamos de acuerdo con la opinión de Ramos-Vera que es necesaria la confirmación de las investigaciones clínicas (mediante muestras externas o inferencia bayesiana) para validar sus resultados y reforzar su credibilidad práctica.
FinanciaciónThis study was supported by a grant from Instituto de Salud Carlos III (PI-18-00500) (Madrid, España) and co-financed with Fondo Europeo de Desarrollo Regional (FEDER).