Graficas segundo prompt: OS experimental si OS control = Stupp 14.6 meses
#2838
Re: Laminar Pharmaceuticals
Hola Dashboard:
te confirmo los resultados de tu Prompt 1, llego a los mismos con segundo decimal de diferencias (que viene de redondeos de lo que veo ya que no hay acceso a tu fichero).
Por otro lado como "challenge", he revisado un método B alternativo usando Poisson-Binomial para tener método diferente aunque con nuestra muestra tan pequeña de 144 poca diferencia da... de hecho usándolo sale ΔmOS máximo 0.53 días (0.017 meses), Δλ máximo 0.72 días y P(N≥90) en λ_A 0.502 (vs 0.500 exacto). Medo día no es relevante...
Espero te sirva de algo, aunque 100 confirmaciones valgan menos que un error encontrado.
Para el Prompt 2 obtengo mismos resultados, esta vez con variación por redondeo 2 decimales que veo tuyos. (mismo comentario sobre método B)
Y un poquito de diversión para ti, Dashboard: ¿y si el control no se comporta como Stupp? Gráficas de qué pasa con los números cuando cambias esa suposición, usando como referencia cinco ensayos históricos reales de glioblastoma.
Saludos, J.
#2839
Re: Laminar Pharmaceuticals
Hola J.
Gracias por tomarte la molestia de replicarlo y, sobre todo, por intentar tensionar el método en vez de limitarte a confirmarlo.
Que en el Prompt 1 te salgan prácticamente los mismos resultados, con diferencias de segundo decimal atribuibles al redondeo, ya es una buena señal. Pero lo más útil de tu revisión es justo el “challenge” con un Método B alternativo basado en Poisson-binomial.
Si con ese contraste salen diferencias máximas del orden de:
ΔmOS = 0.53 días (0.017 meses),
Δλ = 0.72 días,
y (P(N \ge 90)) en la solución de (\lambda_A) = 0.502 frente a 0.500,
entonces, al menos para este problema y con (N=144), la aproximación principal parece muy robusta en términos prácticos. Medio día de diferencia está muy por debajo de la escala temporal relevante del ejercicio y no cambia ninguna de las conclusiones.
Que además en el Prompt 2 te ocurra lo mismo refuerza la idea de que los resultados no dependen de una implementación concreta, sino de la estructura del modelo y de los supuestos impuestos.
Y coincido totalmente contigo en la última frase: una confirmación nunca vale tanto como encontrar un error. Precisamente por eso tu contraste tiene valor: porque no solo confirma, sino que intenta romper el planteamiento con un método alternativo y no encuentra una discrepancia material.
De hecho, mi siguiente paso iba a ser precisamente plantear el prompt para construir un mapa de calor de la OS del control según fecha de ocurrencia del evento 90, pero como esa línea de trabajo ya la he hecho, voy a pasar directamente a intentar estimar la OS del control de la forma más precisa que pueda. Eso me va a llevar algo de tiempo porque quiero combinar el modo agente con investigación avanzada para intentar acotar bien el ancla del control antes de seguir afinando.
Como dato que me parece bastante revelador: la OS del brazo experimental del ensayo fase 2a de SurVaxM, además con criterios de exclusión significativamente más favorables, es de 25.9 meses. Si algo de ese orden acabara pareciéndose al control real en nuestro caso, entonces, según el mapa de calor, ya en abril estaríamos hablando de un HR alrededor de 0.8 en OS global.
Por curiosidad metodológica: ¿qué modelo de IA has usado para replicarlo?
#2840
Re: Laminar Pharmaceuticals
Hola:
sobre todo Opus de Anthropic, y como ya intuirás Python/numpy/scipy.
Sobre el heatmap: uso Weibull con el mismo k calibrado de Stupp (1.2683) que usas tú. Barremos mOS_control de 14 a 28 meses recalculando λ_c para cada ancla, y resolvemos λ_t para que P(evento 90 ≤ D) = 0.5. No hay ningún truco, es tu mismo modelo pero sin fijar el control... ¿tiene sentido?
Sobre lo de SurVaxM como referencia del control: ojo que es brazo experimental de fase 2a con criterios de inclusión mas favorables, así que 25.9m es probablemente un techo no un caso base. Pero como cota superior es útil, si el control fuera tan bueno, el heatmap da HR ~0.8 ya en abril que es justo lo que comentas.
Y bonus track algo menos historiado y muuuuuuucho menos fiable: P(éxito): 93-100% para todas las fechas. Esto suena demasiado bueno, pero tiene lógica: si el evento 90 cae en abril-noviembre 2026, el HR medio ponderado es 0.23-0.37, y con 90 eventos el logrank detecta cualquier HR < 0.63. Está muy por debajo del umbral.
Que el ensayo no haya alcanzado los 90 eventos a marzo 2026 es, bajo cualquier modelo razonable, una señal fuerte. No prueba nada (no sabemos qué brazo tira), pero la probabilidad de HR > 0.63 es prácticamente cero bajo este análisis. Ojo, importante: esto asume que no sabemos nada más (no hay comunicados de la empresa, decisiones del IDMC, etc.). En la realidad, esas señales también nos informan indirectmente.
Pero quizás mas llamativo para el publico de este hilo que haya llegado a leer hasta aquí: " El análisis dice: si el evento 90 cae en cualquier fecha de abril a noviembre 2026, el ensayo es casi seguro positivo, porque incluso con controles modernos optimistas, el HR implícito es tan bajo que 90 eventos sobran para detectarlo/ser bueno."
¡OJO NO creerse nada, todo pruebas elucubraciones y desvaríos de este forero random que queda a su disposición!
Saludos, J
#2841
Re: Laminar Pharmaceuticals
¿Estamos seguros de que nos informaran cuando se hayan alcanzado los 90 eventos?
#2842
Re: Laminar Pharmaceuticals
No, no hay garantía de que nos informen directamente cuando se alcancen.
Cómo nos enteraremos:
Comunicado de la empresa — si deciden informar (lo han hecho con hitos anteriores como el IDMC) pero con la entrada de nuevos accionistas... dudoso
Actualización en ClinicalTrials.gov — el sponsor debe actualizar el registro cuando el estudio completa. Pero puede haber meses de retraso entre el evento y la publicación
Publicación de resultados — obligatorio en ClinicalTrials.gov dentro de 12 meses de study completion que es en Noviembre de 2026!!!!
