El problema de la multidimensionalidad

En las Partes I y II de esta serie establecimos por qué la ALSFRS-R se convirtió en la medida de resultado dominante en los ensayos en ELA, y catalogamos las limitaciones metodológicas que se han ido acumulando en su contra. La mayoría de ellas —variabilidad entre evaluadores, no linealidad, censura informativa— son problemas de precisión de la medición o de mala especificación analítica. Introducen ruido o sesgo en las estimaciones del deterioro funcional, pero no cuestionan que el deterioro funcional sea, de entrada, una magnitud coherente que medir.

La multidimensionalidad es distinta. No es un problema de ruido ni de mala especificación del modelo. Es un problema de validez de constructo: un cuestionamiento del supuesto de que la puntuación total de la ALSFRS-R esté midiendo siquiera una única magnitud coherente. Si ese supuesto falla, la puntuación total no es solo ruidosa. Es, en un sentido técnico preciso, ininterpretable.

Esta es la limitación más importante del perfil de la escala, y la que menos atención sistemática ha recibido en el diseño y el análisis de ensayos. Este artículo explica qué significa la multidimensionalidad, qué evidencia tenemos de ella en la ALSFRS-R y por qué importa —de forma concreta— para interpretar los resultados de ensayos clínicos recientes.

¿Qué significa la unidimensionalidad y por qué importa?

#

Una escala de medición es unidimensional si todos sus ítems reflejan un único constructo subyacente —una variable latente— que explica por completo las correlaciones entre ellos. En una escala unidimensional, una vez conocida la posición de un paciente en ese constructo latente, saber su puntuación en un ítem concreto no aporta nada nuevo sobre sus puntuaciones en los demás. Los ítems son, en términos psicométricos, localmente independientes dado el rasgo latente.

La prueba clásica es el análisis factorial confirmatorio (AFC): ¿explica un único factor subyacente cómo puntúan los pacientes en todos los ítems? Si es así, la escala es unidimensional y una puntuación total tiene sentido. Si no —si los ítems se agrupan en conjuntos separados que un solo factor no puede explicar—, la escala es multidimensional, y sumar esos grupos en una puntuación total confunde cosas distintas.

El análisis de Rasch aborda la misma pregunta de otra manera: se pregunta si las puntuaciones de cada ítem pueden predecirse a partir de un único rasgo subyacente, o si los ítems se desvían sistemáticamente de esa predicción de un modo que sugiere dimensiones separadas. Franchignoni y colaboradores lo aplicaron a la ALSFRS-R en 2013 y encontraron evidencia clara de desajuste: los ítems bulbares y respiratorios formaban agrupaciones propias que un único rasgo no podía capturar adecuadamente.¹

¿Por qué importa esto en la práctica? Porque si la ALSFRS-R es multidimensional, entonces la puntuación total es un promedio ponderado de procesos biológicos distintos —neurodegeneración bulbar, pérdida de motoneuronas de las extremidades, fallo de la musculatura respiratoria— que pueden responder de forma diferente a una misma intervención. Agregarlos en una puntuación total no neutraliza esas diferencias. Las oculta.

Si la ALSFRS-R es multidimensional, la puntuación total es un promedio ponderado de procesos biológicos distintos que pueden responder de forma diferente al tratamiento. Agregarlos no neutraliza esas diferencias. Las oculta.

Evidencia de multidimensionalidad en la ALSFRS-R

#

El argumento psicométrico lleva más de una década construyéndose. La estructura de cuatro dominios de la escala —bulbar, motor fino, motor grueso y respiratorio— tuvo una motivación clínica más que empírica, y los primeros trabajos de análisis factorial ya sugerían que esa estructura era, como mucho, aproximada.

Varios estudios de AFC han encontrado que un modelo de un solo factor ajusta mal la ALSFRS-R. Una solución de dos factores (motor frente a bulbar/respiratorio) suele ajustar mejor, y algunos análisis respaldan una estructura de tres o cuatro factores que se corresponde aproximadamente con los dominios clínicos.² La subescala respiratoria, en particular, satura sistemáticamente en un factor parcialmente distinto del de los ítems motores, algo biológicamente poco sorprendente: la insuficiencia respiratoria en la ELA refleja una denervación diafragmática e intercostal que puede progresar de forma semiindependiente de la afectación de extremidades y bulbar.

Es importante señalar que los factores no son independientes. El deterioro bulbar, motor y respiratorio están correlacionados —los pacientes que se deterioran deprisa en un dominio tienden a deteriorarse en los demás—, y por eso una puntuación total capta algo de señal. Pero correlación no es identidad. Dos constructos pueden ser claramente distintos y aun así covariar. La pregunta relevante no es si los dominios están correlacionados, sino si responden de forma diferencial a un tratamiento dado. Y ahí la evidencia de los ensayos clínicos resulta instructiva.

Las consecuencias clínicas: la evidencia de la pridopidina

#

La ilustración reciente más instructiva viene del Régimen D del HEALEY ALS Platform Trial, que evaluó la pridopidina —un agonista selectivo del receptor sigma-1— frente a un placebo compartido a lo largo de 24 semanas.³ La variable principal, el cambio en la puntuación total de la ALSFRS-R a las 24 semanas, no se alcanzó en el conjunto completo de análisis. Un resultado negativo sin más, en apariencia. Pero el cuadro a nivel de dominio era bastante más interesante. En el subgrupo predefinido de pacientes con ELA definida y enfermedad temprana (menos de 18 meses desde el inicio de los síntomas), la pridopidina mostró un deterioro numéricamente más lento tanto en la puntuación total de la ALSFRS-R como, específicamente, en los subdominios bulbar y respiratorio. En un análisis exploratorio posterior de los progresadores rápidos dentro de ese subgrupo, la pridopidina frenó el deterioro de la puntuación total de la ALSFRS-R en un 32 %, el de la función respiratoria en un 62 % y el de la disnea en un 88 %.

El patrón es revelador. La señal era específica de dominio —concentrada en la función bulbar y respiratoria— y resultaba invisible en la puntuación total del conjunto completo de análisis. Un fármaco con un efecto potencialmente relevante sobre procesos biológicos concretos se registró como resultado nulo porque esos procesos se agregaron con dominios en los que no había efecto alguno.

El mecanismo por el que queda oculto es sencillo. Supongamos que un fármaco frena el deterioro bulbar en un 40 % pero no tiene efecto sobre la progresión motora de las extremidades ni sobre la respiratoria. En un análisis de la puntuación total, ese efecto del 40 % queda diluido entre los 12 ítems, de los cuales solo tres son bulbares. La relación señal-ruido efectiva se reduce aproximadamente en un factor de cuatro respecto a lo que detectaría un análisis específicamente bulbar. Si el efecto bulbar es de partida moderado, el análisis de la puntuación total devolverá un resultado nulo.

Este no es un modo de fallo hipotético. Es una explicación plausible de parte del historial de ensayos negativos en la ELA, un campo que ha visto decenas de compuestos prometedores no alcanzar la significación estadística en la puntuación total de la ALSFRS-R, con muy poco examen sistemático de si había efectos específicos de dominio que quedaran enmascarados.

Un fármaco que frena el deterioro bulbar en un 40 % pero deja intactas la progresión de las extremidades y la respiratoria devolverá con toda probabilidad un resultado nulo en la puntuación total de la ALSFRS-R. El ensayo quedará registrado como negativo. El fármaco no avanzará; no porque no funcione, sino porque no fuimos capaces de verlo funcionar.

Qué hace válida a una medida de resultado: el marco normativo

#

La literatura psicométrica ofrece un marco normativo claro para evaluar escalas compuestas, y la ALSFRS-R sale malparada en la dimensión que más importa a la hora de agregar.

Una puntuación total es un estadístico resumen válido si y solo si la escala es unidimensional —o lo bastante próxima a la unidimensionalidad como para que las desviaciones no distorsionen materialmente la inferencia—. Esto no es una preferencia filosófica. Es un requisito matemático. Cuando se suman puntuaciones de ítems que saturan en factores distintos, se está realizando una operación cuyo resultado depende de la ponderación arbitraria implícita en la estructura de ítems, del número de ítems por dominio y de las varianzas relativas de las trayectorias específicas de cada dominio. El número resultante no tiene una interpretación limpia en términos de ningún proceso biológico concreto.

En la ALSFRS-R, los cuatro dominios aportan tres ítems cada uno a la puntuación total: una decisión de diseño de motivación clínica que impone en la práctica una ponderación igual entre dominios, con independencia de sus ritmos relativos de cambio o de su importancia clínica. Un paciente que pierde toda la función bulbar conservando íntegras la motora y la respiratoria puntúa 36/48, lo mismo que un paciente que ha perdido función moderada de manera uniforme en todos los dominios. No son estados clínicos equivalentes, y tratarlos como si lo fueran a efectos de estimar un efecto de tratamiento introduce un sesgo sistemático cuya dirección depende de dónde actúe el fármaco.

Cómo es en realidad la estructura factorial de la ALSFRS-R

#

Los exámenes metodológicamente más rigurosos de la estructura factorial de la ALSFRS-R han empleado enfoques tanto exploratorios como confirmatorios en grandes conjuntos de datos de historia natural. El hallazgo constante es que un modelo de tres factores correlacionados —que se corresponde a grandes rasgos con las dimensiones bulbar, motora y respiratoria— ajusta sustancialmente mejor que un modelo de un solo factor, con valores del índice de ajuste comparativo (CFI) y del error cuadrático medio de aproximación (RMSEA) que favorecen claramente la solución multidimensional.²

La implicación práctica es que la ALSFRS-R contiene al menos tres relojes semiindependientes funcionando a la vez. En un paciente dado, cualquiera de esos relojes puede ir más rápido o más lento. En un ensayo dado, un fármaco puede afectar a uno, a dos o a los tres, y los tamaños del efecto pueden diferir sustancialmente entre dominios.

Hacia una solución

#

Reconocer el problema de la multidimensionalidad no lo resuelve de inmediato. Caben dos respuestas generales. La primera es sustituir la ALSFRS-R por un instrumento psicométricamente más sólido, diseñado desde el principio para ser unidimensional, con una selección de ítems guiada por análisis de Rasch o de TRI. La segunda es aceptar la estructura multidimensional de la escala y modelizarla explícitamente, analizando las trayectorias específicas de cada dominio de forma simultánea en lugar de colapsarlas en una puntuación total.

Caben dos respuestas. La más ambiciosa es sustituir la ALSFRS-R por un instrumento mejor diseñado. La ROADS se construyó desde el principio para ser unidimensional, con ítems seleccionados y calibrados para reflejar un único constructo subyacente. La AIMS toma otro camino y asume explícitamente la multidimensionalidad de la escala, estructurando la evaluación en dominios separados que se analizan de forma independiente. Ambas son intentos serios de corregir lo que la ALSFRS-R hace mal, pero ambas se topan con la misma barrera práctica: los instrumentos nuevos carecen de las décadas de datos de historia natural que los reguladores esperan de una variable principal. Esa validación lleva años, y son años de los que los pacientes de los ensayos actuales no disponen. La respuesta más accionable a corto plazo es seguir usando la ALSFRS-R, pero analizarla como lo que en realidad es: un vector de trayectorias por dominio, no un escalar. La maquinaria estadística para hacerlo ya existe. Los argumentos para usarla son, en mi opinión, ya convincentes. Ese es el foco de la Parte IV.