TRATAMIENTO DE OUTLIERS EN BIOEQUIVALENCIA

摘要

The aim of this paper is to show how decision may be optimized by adding robust and non-parametric methods, which don't afirm that the data sample come from a normal distribution, to the recommended statistical methods, when a bio-equivalence study is undertaken. Four kind of methods (parametric, non-parametric, robust and robust using the bootstrap distribution are compared and applied to the experimental data of 3 drugs: Carbamacepine, Diltia-zen and Riphampicine. The use of robust methods is connected to the outliers' consideration. An outlier is a parameter value which is far from the rest being observed for that parameter. The American Pharmacopeial guides for bio-equivalence studies in vivo dedicate one paragraph to the treatment of this data. Apart from the parametric and non-parametric methods two robust methods are suggested in this paper. Robust methods don't attemp to leave outliers aside and they include these values in the analysis with adequate penalities to avoid the distorsion of the final result.%El objetivo de este trabajo es mostrar, que al agregar a la metodología estadística recomendada en los estudios de bioequivalencia, otros métodos estadísticos, que no suponen a la muestra de datos como proveniente de una distribución 'normal', la decisión resulta ser más eficiente. Para eso se comparan 4 métodos distintos (paramétrico, no paramétrico, robusto y robusto usando la distribución bootstrap) aplicándolos a datos experimentales de 3 drogas Carbamacepina, Diltiazen y Rifampicina. El uso de métodos robustos, esta vinculado al manejo de 'outliers'. Un outlier es un valor discordante en un parámetro cuando se lo compara con los restantes valores observados en el estudio para ese parámetro. La farmacopea americana en las guías para los estudios de bioequivalencia in vivo le dedica un párrafo al manejo de estos datos. Además de los métodos difundios paramétrico y no paramétrico. En este trabajo se proponen (Ver Apéndice), dos métodos robustos cuyo objetivo no es descartar los outliers, sino incluirlos en el estudio penalizándolos adecuadamente para que no distorsionen el resultado final.