Ensaios adaptativos e bayesianos: do desenho estatístico às operações controladas
Resumo
Um ensaio adaptativo precisa de mais do que uma regra estatística de decisão. A equipe precisa saber quais dados disparam uma análise interina, quem pode visualizar resultados comparativos, como uma decisão autorizada chega aos sistemas de randomização e suprimentos e quais registros tornam o resultado reprodutível. A minuta do ICH E20 de junho de 2025 e a minuta bayesiana da FDA de janeiro de 2026 oferecem princípios úteis de planejamento, juntamente com o guia de desenho adaptativo da FDA de 2019, sua minuta sobre DMC de 2024 e o guia final sobre registros eletrônicos. Esses documentos não prescrevem uma arquitetura única de fornecedor nem garantem a aceitação de um desenho específico [1] [3] [4] [5] [10].
Status e escopo: este artigo analisa o texto recuperado da minuta do E20, focado principalmente em ensaios adaptativos confirmatórios, e a minuta bayesiana da FDA de janeiro de 2026. Uma meta do plano de trabalho não é uma adoção final. As páginas oficiais da FDA/EMA inspecionadas para esta revisão ainda identificam o E20 como minuta. Ensaios exploratórios envolvem considerações adicionais e podem permitir adaptações menos plenamente especificadas; não imponha a arquitetura confirmatória mecanicamente a todos os ensaios de fase inicial [1] [2].
A implementação proposta a seguir separa três camadas: legislação aplicável e requisitos subjacentes de registro; recomendações de guias não vinculantes; e controles de engenharia propostos pelos autores para discussão com o patrocinador e a equipe do estudo. Termos como instantâneo imutável, token de parâmetro, matriz de firewall ou mapeamento CDISC descrevem implementações possíveis. Eles não constituem evidência de que a FDA exija uma tela específica, um nome de variável, uma transação automatizada ou uma capacidade do produto EClinCloud.
Três decisões de planejamento conectam as camadas estatística e operacional. Acesso: separar a análise e o monitoramento não cegos da condução cega do ensaio, incluindo a divulgação indireta por meio de informações de adaptação ou de suprimentos. Execução: estabelecer como uma decisão é autorizada, representada e aplicada sem alterar a regra estatística aprovada. Reprodutibilidade: preservar os dados, o código, as premissas, o software e os registros de decisão relevantes. Um bloqueio interino formal do banco de dados pode ser apropriado, mas o E20 o descreve como uma medida possível para assegurar a validação e a limpeza oportunas, e não como um requisito incondicional para cada avaliação interina [1].
A escala da simulação deve seguir a precisão necessária para a característica operacional. O E20 apresenta 100,000 ou mais repetições como um exemplo que pode ser importante para a estimativa do erro tipo I; não se trata de um mínimo numérico universal. A computação bayesiana requer, de modo semelhante, diagnósticos justificados e registros de implementação apropriados ao método selecionado. Um ambiente de análise reutilizável apoia esses objetivos, mas não pode estabelecer a relevância científica de uma distribuição a priori externa nem a adequação do estimando de um estudo [1] [3].
O extrato preservado da busca no NIH RePORTER contém 5,137 registros retornados a partir de 31 consultas e 4,876 identificadores únicos de solicitação. Na análise predefinida de texto/consulta, 1,069 solicitações correspondem a conceitos de EDC/eCRF, 854 a conceitos de randomização, 414 a conceitos de comitê de monitoramento, 103 a conceitos de desenho adaptativo, 69 a conceitos bayesianos e 30 a conceitos de simulação de ensaios. Trata-se de correspondências lexicais/de consulta em um corpus público selecionado de concessões, e não de implementações verificadas ou de um levantamento de plataformas comerciais. Seu valor reside no contexto temático; elas não comprovam uma lacuna de capacidade no mercado nem que uma concessão sem determinada expressão careça do método subjacente [12].
1. Arquitetura regulatória e limites de escopo: ICH E20, portfólio de guias da FDA de 2019–2026 e ICH E9(R1)
1.1 Distinção entre recomendações de guias não vinculantes e autoridades legais exigíveis
Antes de traduzir os documentos regulatórios de 2025–2026 em especificações de sistemas eClinical, as equipes de operações clínicas e bioestatística devem preservar a distinção jurídica entre orientação regulatória não vinculante e requisitos legais ou regulatórios de cumprimento obrigatório. Tanto o guia preliminar da FDA que publica o ICH E20 (Docket No. FDA-2025-D-3023, 90 FR 46900, 30 de setembro de 2025) quanto o guia preliminar da FDA sobre Metodologia Bayesiana (Docket No. FDA-2025-D-3217, 91 FR 1190, 9/12 de janeiro de 2026) explicam que, quando finalizados, representarão o entendimento da FDA, não estabelecem responsabilidades juridicamente exigíveis e contêm recomendações, salvo quando requisitos regulatórios ou legais específicos forem citados. [1] [3] [11]
Os regulamentos federais aplicáveis permanecem distintos de guias de orientação e escolhas de implementação. As regras de notificação de segurança de IND regem as responsabilidades pertinentes de segurança do patrocinador; as disposições sobre inspeção e acesso regem os registros dentro de seu escopo; os requisitos de registros eletrônicos e assinaturas eletrônicas dependem das regras subjacentes (predicate rules) aplicáveis e do escopo da Parte 11. Os guias da FDA sobre DMC e sistemas eletrônicos discutem maneiras de preservar o cegamento, sustentar registros confiáveis e disponibilizar informações pertinentes para revisão. Não se deve inferir que todo programa necessite de todos os comitês listados ou que a autoridade de inspeção se inicie apenas após a conclusão de um ensaio clínico [5] [10] [11].
O patrocinador deve documentar as obrigações e responsabilidades aplicáveis ao ensaio em questão, incluindo as atividades delegadas. Acesso baseado em funções, validação proporcional do sistema, trilhas de auditoria e retenção de registros podem implementar essas responsabilidades, mas o desenho deve considerar os riscos e o uso pretendido. O fluxo de trabalho detalhado deste artigo é uma discussão de proposta de desenho, não um substituto para essa avaliação de aplicabilidade [7] [10].
1.2 O que se qualifica como um desenho adaptativo segundo o ICH E20, Seção 1
Na Seção 1 (Introdução: Antecedentes, Contexto e Escopo), o ICH E20 estabelece um limite preciso sobre o que constitui um desenho de ensaio clínico adaptativo:
Um desenho adaptativo permite modificações no ensaio planejadas prospectivamente com base na análise interina de dados acumulados dos participantes. Os elementos prospectivos e de dados internos o distinguem de muitas emendas comuns (ICH E20, Seção 1) [1].
O ICH E20 exclui imediatamente três categorias de atividades de ensaios que os patrocinadores frequentemente confundem com desenhos adaptativos em POPs operacionais (Seção 1):
- Modificações não planejadas do protocolo: Emendas ad hoc ao protocolo realizadas no decorrer do ensaio em resposta a eventos inesperados estão fora da definição de desenhos adaptativos; suas consequências para a validade e a interpretação requerem avaliação (Seção 6.2). [1]
- Modificações puramente externas: Alterações no protocolo motivadas exclusivamente por informações externas ao ensaio (como novos achados de segurança ou padrões de desfecho publicados a partir de um ensaio não relacionado, sem análise de dados internos acumulados do ensaio) estão fora da definição de desenho adaptativo, embora ainda exijam documentação cuidadosa e preservação do cegamento. [1]
- Monitoramento operacional de rotina: O monitoramento contínuo de métricas operacionais não comparativas — especificamente taxa de recrutamento, qualidade dos dados e taxa de retirada do ensaio — deve ser conduzido rotineiramente como parte da boa gestão de ensaios clínicos segundo o ICH E6(R3) e o ICH E8(R1), e explicitamente não é o foco do ICH E20 (Seção 1). [1] [7] [9]
O plano de trabalho do E20 fornece marcos de desenvolvimento; uma adoção prevista para outubro de 2026 não é evidência de que a adoção tenha ocorrido. A minuta concentra-se em ensaios destinados a confirmar a eficácia e apoiar a avaliação de benefício-risco, ao mesmo tempo em que explica como seus princípios também podem orientar trabalhos exploratórios. Sua discussão bayesiana traz uma ressalva quanto à harmonização na minuta examinada. Os patrocinadores devem verificar a versão aplicável e a implementação regional antes de uma submissão e discutir questões específicas do ensaio com a autoridade pertinente [1] [2].
| Guia Regulatório / Norma | Processo (Docket) / Citação / Data de Publicação | Status Jurídico / de Harmonização | Principal Foco Operacional e de Sistemas para Construção de Estudos |
|---|---|---|---|
| Guia Preliminar ICH E20 / FDA: Desenhos Adaptativos para Ensaios Clínicos [1] [2] [11] | FDA-2025-D-3023; 90 FR 46900 (Etapa 2 do ICH: 25 de junho de 2025; FDA: 30 de set. de 2025) | Guia Preliminar Não Vinculante (a meta do plano de trabalho do ICH não é a adoção; Nota: a Seção 5.3 contém o aviso de não harmonização da Nota de Rodapé 1) | 5 princípios (3.1–3.5), 5 categorias de adaptação (4.1–4.5), IDMC + grupo estatístico independente separado (5.1), repetições de simulação justificadas pela precisão e relatório estruturado (5.2), desenhos bayesianos (5.3), randomização, suprimento de medicamentos e preparação oportuna de dados interinos (5.6), e documentação pré-ensaio e de pedido de registro (6.1–6.2). |
| Guia Preliminar da FDA: Uso de Metodologia Bayesiana em Ensaios Clínicos de Medicamentos e Produtos Biológicos [3] [11] | FDA-2025-D-3217; 91 FR 1190 (Emitido em 9 de jan. de 2026; FR: 12 de jan. de 2026) | Guia Preliminar Não Vinculante (compromisso do PDUFA VII) | Critérios de sucesso bayesianos Pr(d > a considerando os dados observados) > c (Seção IV.A), Prioris de Desenho vs. Prioris de Análise (IV.B.2), prioris com desconto estático vs. dinâmico (V.D.4), Tamanho Amostral Efetivo a Priori (V.E) e diagnósticos computacionais adequados ao método, sementes e documentação de código (VII–VIII). |
| Guia Final da FDA: Desenhos Adaptativos para Ensaios Clínicos de Medicamentos e Produtos Biológicos [4] [11] | FDA-2018-D-3124; 84 FR 65983 (Emitido em nov. de 2019; FR: 2 de dez. de 2019) | Guia Final Não Vinculante dos EUA | Estrutura fundamental dos EUA que distingue adaptações não comparativas (cegas) vs. comparativas (não cegas), testes de combinação por estágios, estimação ajustada por viés e documentação de firewall. |
| Guia Preliminar Revisado da FDA: Uso de Comitês de Monitoramento de Dados em Ensaios Clínicos [5] [11] | FDA-2001-D-0219; 89 FR 10084 (Publicado em 13 de fev. de 2024; revisando o Guia Final de março de 2006) | Guia Preliminar Não Vinculante que cita as normas vinculantes 21 CFR 312.32, 312.58 e 812.150(b)(10) | Discute relações com outras funções de supervisão (Seção V), explica que tabelas mascaradas "Grupo A vs. Grupo B" são consideradas não cegas (Seção VI.D.1) e aborda o acesso da FDA a atas fechadas do DMC e conjuntos de dados interinos sob as autoridades de inspeção aplicáveis, inclusive durante um ensaio em andamento (Seção VI.C.4.b). |
| Guia Preliminar da FDA: Desenhos Inovadores para Ensaios Clínicos de Produtos de CGT em Populações Pequenas [6] [11] | FDA-2025-D-3403; 90 FR 46220 (Emitido em 24 de set. de 2025; FR: 25 de set. de 2025) | Guia Preliminar Não Vinculante do CBER | Desenhos autocontrolados de braço único, modelagem da progressão da doença, empréstimo bayesiano, enriquecimento adaptativo/seleção de dose e protocolos mestres em coortes raras de terapia celular e gênica (CGT). |
| Guia Final ICH E6(R3) / FDA: Boas Práticas Clínicas (GCP) e Perguntas e Respostas da FDA (2024) sobre Sistemas Eletrônicos [7] [10] | FDA-2023-D-1955 (8 de set. de 2025; Anexo 2 do ICH consolidado em 16 de junho de 2026) e FDA-2022-D-2970 (out. de 2024) | Guias Finais que interpretam o 21 CFR Parte 11, 312 e 812 | Validação do ciclo de vida de sistemas computadorizados (ICH E6(R3) Seção 4.2), trilhas de auditoria e controles de acesso apropriados, preservação do cegamento (4.1) e supervisão de fornecedores de nuvem/TI (Perguntas e Respostas de 2024). |
| ICH E9(R1) Adendo sobre Estimandos e ICH E8(R1) Considerações Gerais [8] [9] | Etapa 4 do ICH: nov. de 2019 (E9(R1)) e out. de 2021 (E8(R1)); Guias Finais da FDA de maio de 2021 e abr. de 2022 | Diretrizes Finais Harmonizadas do ICH | Alinhamento do estimando de 5 atributos (Tratamento, População, Variável, Eventos Intercorrentes, Resumo em Nível Populacional) ao longo dos estágios adaptativos (E9(R1)) e planejamento de Qualidade por Design (QbD) Crítico para a Qualidade (CtQ) (E8(R1)). |
Tabela 1: Escopo regulatório e técnico do portfólio de guias do ICH e da FDA de 2019–2026 relevante para a execução de ensaios clínicos adaptativos e bayesianos. As recomendações dos guias não são vinculantes, salvo quando ancoradas em disposições legais ou do CFR citadas. [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11]
1.3 Cinco princípios que conectam a questão clínica à condução do ensaio
A Seção 3 do E20 organiza o planejamento em torno do lugar do ensaio no desenvolvimento, da especificação prospectiva, das conclusões errôneas, da estimação confiável e da integridade. Esses princípios orientam o desenho e a implementação; por si sós, não especificam uma arquitetura de banco de dados. Um requisito operacional deve ser rastreável ao desenho real, a uma obrigação aplicável ou a um controle de risco justificado, em vez de apenas trazer uma citação de guia [1].
Adequação ao desenvolvimento. Um ensaio contínuo (seamless) pode conectar estágios, mas não faz desaparecer questões de desenvolvimento não resolvidas. O E20 identifica questões que incluem informações adequadas de segurança, prontidão de fabricação, alterações de formulação e desenvolvimento diagnóstico. As equipes devem considerar se essas dependências permitem a transição proposta. Uma progressão estatisticamente eficiente ainda pode ser operacionalmente inadequada se os participantes ingressarem em um estágio posterior antes que as informações clínicas ou sobre o produto necessárias estejam disponíveis [1].
Planeje a adaptação e a pergunta à qual ela responde. O E20 recomenda especificar o número e o momento das análises interinas, os métodos estatísticos, as regras de adaptação previstas, as análises finais e os estimandos antes do início do ensaio. Quando a seleção de população ou de tratamento é planejada, o guia preconiza estimandos candidatos totalmente pré-especificados. Segundo o E9(R1), esses estimandos conectam tratamento, população, variável de desfecho, manejo de eventos intercorrentes e resumo em nível populacional. Alterar a elegibilidade de recrutamento não pode, portanto, ser tratado como uma atualização isolada do sistema de randomização: a equipe precisa saber qual comparação científica continua sendo pretendida [1] [8].
O planejamento prospectivo não significa que todo método adaptativo exija rigidez idêntica. O E20 explica que a adesão apropriada a uma regra prevista depende da adaptação e do método estatístico. Métodos que permitem inferência válida com flexibilidade são geralmente recomendados; quando a validade depende do cumprimento de uma regra, essa dependência importa. A tarefa prática é distinguir a flexibilidade permitida dos desvios que alteram as características operacionais ou a interpretação. Um sistema não deve converter silenciosamente uma recomendação de monitoramento em uma alteração irreversível apenas porque uma ação automatizada está disponível [1].
Limite conclusões errôneas. O E20 ilustra como ajustar o tamanho amostral utilizando efeitos de tratamento interinos sem ajuste estatístico apropriado pode mais do que dobrar o erro Tipo I. Trata-se de um alerta sobre uma consequência possível, não de uma previsão numérica para todo desenho. Métodos frequentistas comumente abordam isso por meio de controle pré-especificado de erro, incluindo multiplicidade quando relevante. Outras abordagens precisam de uma justificativa clara para conclusões robustas. Selecionar um nível de significância nominal habitual não estabelece que análises repetidas e seleção preservem esse nível [1].
Avalie a estimação, não apenas os testes. Um teste adaptativo pode controlar falsos positivos enquanto estimativas convencionais ainda apresentam viés ou cobertura de intervalo indesejáveis. A interrupção precoce e a seleção podem alterar quais conjuntos de dados chegam à análise final. O E20 recomenda examinar viés, variabilidade, erro quadrático médio e comportamento do intervalo de confiança, e utilizar métodos com maior confiabilidade quando disponíveis e adequados. Ele não exige o mesmo estimador ajustado para viés em todos os ensaios. O relatório deve explicar o método selecionado e quaisquer limitações remanescentes, em vez de dar a entender que um ajuste nomeado garanta conclusões isentas de viés [1] [4].
Proteger a integridade, incluindo a divulgação indireta. Tomar conhecimento do tamanho amostral revisado ou da alocação pode revelar informações sobre o resultado interino mesmo sem visualizar uma tabela de análise. O quanto pode ser inferido depende da regra e do que os observadores sabem; nem sempre é possível uma inversão exata. O E20 descreve um pequeno número de possíveis tamanhos amostrais revisados e um apêndice confidencial do estatuto como possíveis mitigações. Nenhum dos dois é um requisito universal, e nenhum garante a confidencialidade por si só. Metas de recrutamento dos centros de pesquisa, informações de suprimento e acesso à meta global também podem ser relevantes [1].
Isso cria uma questão útil de implementação: o que cada destinatário pode inferir a partir das informações necessárias para realizar seu trabalho? Por exemplo, uma equipe de logística pode precisar de uma instrução de suprimento autorizada sem a estimativa do efeito do tratamento que a motivou. A resposta pertence ao plano de comunicação efetivo do ensaio. O E20 reconhece explicitamente que os processos de proteção não podem garantir totalmente a integridade; os investigadores devem examinar alterações relevantes de condução e vieses potenciais ao interpretar os resultados [1].
2. Traduzir as cinco categorias de adaptação em operações controladas
A Seção 4 do E20 distingue interrupção precoce, modificação do tamanho amostral, seleção de população, seleção de tratamento e alocação de participantes. A Seção 5.6 aborda as dependências operacionais, incluindo sistemas de randomização, suprimento do produto, consentimento e validação e limpeza oportunas dos dados. Um bloqueio interino formal é uma medida possível, não um pré-requisito citado para toda análise. Os exemplos a seguir explicam questões que a construção de um estudo deve responder; não constituem uma especificação da FDA para software EDC ou RTSM [1].
| Etapa proposta | Transferência controlada |
|---|---|
| Coleta e limpeza | Conjunto de dados interino e corte definidos |
| Análise estatística independente | Relatórios pertinentes ao pessoal de monitoramento autorizado |
| Recomendação e decisão | Autoridade documentada e instrução de implementação |
| Atualização de randomização e suprimento | Continuação controlada consistente com o desenho |
| Arquivamento | Dados, métodos, decisões e desvios suficientes para reconstrução |
Fluxo de trabalho ilustrativo. Responsabilidades, acesso, prazos e automação devem refletir a governança acordada do ensaio.
2.1 Interrupção precoce: considerar as informações disponíveis após o corte interino
Desenhos sequenciais em grupo e outros desenhos de interrupção precoce utilizam evidências acumuladas para considerar eficácia, futilidade ou segurança. As regras estatísticas e o processo operacional de interrupção precisam estar alinhados. O recrutamento, o acompanhamento, a adjudicação de eventos e a entrada de dados não param necessariamente de forma simultânea. Uma decisão tomada a partir de um conjunto de dados interino definido pode, portanto, ser seguida por informações adicionais de participantes já incluídos. Ignorar esses dados ou misturá-los silenciosamente na análise original obscurece o que embasou a recomendação [1] [4].
O E20 recomenda a documentação apropriada dos dados adicionais e o relato de análises baseadas nos dados interinos e em todos os dados disponíveis. Diferenças nas estimativas de benefício-risco merecem exame. Isso não estabelece um sinalizador universal de software nem impõe a mesma estrutura de dois conjuntos de dados para todo desfecho. A equipe estatística deve definir as regras de inclusão e análise, e a equipe de dados deve preservar linhagem suficiente para reproduzir as análises pretendidas. Um registro corrigido e uma observação genuinamente posterior podem exigir tratamento distinto [1].
Para futilidade, o E20 geralmente recomenda regras não vinculantes. Essa terminologia refere-se ao desenho estatístico: continuar apesar de uma recomendação de futilidade pode ter implicações de controle de erro diferentes das de ignorar um limite do qual depende a validade do teste. Ser não vinculante não significa que a discricionariedade operacional não seja documentada ou que considerações de segurança possam ser desconsideradas. O estatuto e o plano de análise devem explicar como recomendações, decisões e desvios serão registrados e avaliados [1].
2.2 Modificação do tamanho amostral: distinguir estimativas cegas de parâmetros perturbadores de efeitos comparativos
Uma reavaliação cega do tamanho amostral pode utilizar informações como a variabilidade combinada sem revelar uma comparação entre tratamentos. Isso pode reduzir algumas preocupações com confidencialidade, mas não é automaticamente inócuo do ponto de vista estatístico. O E20 observa que métodos convencionais podem ser adequados em alguns estudos de superioridade de tamanho razoável com desfechos contínuos, ao passo que certos cenários de não inferioridade podem apresentar inflação do erro Tipo I. A justificativa deve abordar o desfecho, a hipótese e o procedimento real de reavaliação, em vez de presumir que a palavra “cega” estabelece validade [1].
Uma reavaliação não cega utiliza informações interinas comparativas e levanta questões adicionais de inferência e integridade. O E20 recomenda pré-especificar a regra prevista, incluindo os tamanhos amostrais mínimo e máximo, e o método de análise. Combinar evidências por estágio com pesos pré-especificados é um exemplo de abordagem que sustenta uma inferência válida; a diretriz não limita os patrocinadores a dois algoritmos nomeados. Uma abordagem deve ser avaliada quanto ao controle de erro, ao poder estatístico, à confiabilidade da estimação e à evidência clinicamente significativa, incluindo exposição adequada [1].
O E20 recomenda fortemente análise e monitoramento independentes para dados comparativos não cegos nos desenhos confirmatórios que aborda. As informações divulgadas para implementar uma alteração precisam de controle deliberado. Uma grade discreta de tamanhos amostrais e um apêndice confidencial são formas possíveis de reduzir a divulgação indireta; nenhum dos dois é obrigatório para toda reavaliação não cega. A equipe deve avaliar se o mecanismo selecionado de fato oculta informações sensíveis em seu contexto, inclusive de pessoas que conhecem o desenho e observam alterações no recrutamento ou no suprimento [1].
Para a implementação, registre qual conjunto de dados e qual regra geraram a recomendação, quem autorizou a meta resultante e quais sistemas ou centros receberam a instrução. Essas são práticas propostas de rastreabilidade, não nomes de campos obrigatórios. Caso a recomendação difira da regra prevista, preserve o motivo e avalie suas implicações antes de tratar a alteração como uma atualização comum de configuração. Um registro apenas da meta final não consegue explicar se as condições estatísticas que sustentam a inferência foram mantidas [1] [10].
2.3 Seleção de população: manter os estimandos candidatos e o plano de participantes
O enriquecimento adaptativo pode selecionar entre populações pré-especificadas usando evidências interinas. O E20 requer estimandos candidatos, regras de seleção previstas e inferência planejada. A fundamentação científica para um subgrupo ou limiar de biomarcador precisa de justificativa, e a interpretação de benefício-risco deve considerar as informações geradas nas populações. Uma regra tecnicamente válida não pode transformar um subgrupo arbitrário em um alvo clinicamente significativo [1] [8].
Não há exigência universal do E20 de que um RTSM estratifique cada subgrupo candidato desde o primeiro participante ou alterne automaticamente os portões de coorte. A implementação deve dar suporte ao desenho selecionado e às suas reais necessidades de randomização, elegibilidade e análise. Quando ensaios ou fluxos de laboratório central informam a elegibilidade, as equipes devem estabelecer processos adequados de prontidão, qualidade e reconciliação para esse uso. A diretriz citada não prescreve uma sequência única de integração nem uma interface entre o ensaio e o RTSM para todos os estudos de enriquecimento [1].
O E20 também pede o planejamento do manejo de participantes em populações que não são mais selecionadas. As ações pertinentes dependem do protocolo, da segurança e dos objetivos científicos; um artigo não deve ditar que todo participante nessa situação siga uma mesma política idêntica de continuação. Deve-se preservar a distinção entre interromper novos recrutamentos em uma população e alterar o tratamento ou o acompanhamento de pessoas já incluídas. Essas decisões podem ter diferentes consequências éticas, operacionais e de estimando [1] [8].
2.4 Seleção de tratamento: testar a seleção e a estimativa subsequente
A seleção de doses ou regimes pode conectar estágios exploratórios e confirmatórios ou remover braços de um desenho com múltiplos braços. O plano deve descrever os tratamentos, as regras de seleção previstas, as comparações pretendidas e o manejo dos participantes alocados a tratamentos que não são mais selecionados. A multiplicidade e a inferência por estágios exigem um método adequado ao desenho; uma instrução genérica para aplicar um procedimento de teste fechado ou de combinação é insuficiente [1] [4].
A seleção pode favorecer estimativas interinas incomumente positivas. O E20 recomenda avaliar a confiabilidade das estimativas e considerar estimativas ajustadas, em vez de exigir um estimador específico de contração (shrinkage) ou não viesado pela mediana em todos os casos. A tempestividade dos dados também merece atenção: se os desfechos de um braço chegarem mais lentamente, a comparação disponível pode não representar a informação pretendida no ponto de decisão. Avalie esses cenários operacionais plausíveis durante o planejamento, em vez de presumir maturidade igual dos dados porque todos os braços compartilham um único banco de dados [1].
Uma instrução de seleção de braço tem consequências para a randomização e o suprimento, mas a resposta operacional deve seguir o protocolo e o processo de autorização. Remover uma opção de alocação, gerenciar o estoque e comunicar-se com os centros de pesquisa são tarefas distintas. Um fluxo de trabalho proposto deve evitar a divulgação de evidências interinas desnecessárias sem criar uma exigência universal de remessas simuladas, de uma API específica ou de zeramento automático de uma tabela de probabilidades [1].
2.5 Alocação de participantes: abordar tendências temporais e dependências de implementação
A alocação adaptativa por covariáveis e a randomização adaptativa à resposta respondem a diferentes questões de desenho. A primeira pode buscar equilíbrio nas características dos participantes; a segunda utiliza desfechos acumulados para alterar a alocação. O E20 destaca que a alocação adaptativa à resposta pode interagir com tendências temporais no prognóstico, nos cuidados ou no recrutamento. A comparação resultante pode ser distorcida se as proporções de tratamento e os desfechos mudarem em conjunto ao longo do tempo calendário [1].
O guia discute abordagens possíveis, incluindo um número limitado de pontos de adaptação, análises por estágios com pesos de combinação pré-especificados e testes baseados em rerandomização. Esses são exemplos, e não uma lista exclusiva ou um modelo obrigatório de “máquina do tempo”. As características operacionais devem ser avaliadas para o desenho real, incluindo tendências e atrasos realistas. A alocação adaptativa à resposta não constitui uma melhoria automática de poder estatístico em relação à alocação fixa; suas contrapartidas podem incluir menor poder e complexidade operacional [1].
Os arranjos de randomização e suprimento devem ser capazes de implementar os algoritmos pré-especificados com envolvimento mínimo do patrocinador, conforme descreve o E20. Isso não exige execução totalmente autônoma sem supervisão autorizada. O protocolo, o plano de monitoramento e a especificação de implementação devem estar alinhados quanto ao que ocorre quando dados necessários sofrem atraso, uma recomendação é adiada ou o suprimento não consegue sustentar uma alteração que, de outro modo, seria permitida. Essas dependências pertencem ao planejamento e à avaliação de cenários, em vez de serem improvisadas após o conhecimento dos resultados comparativos [1].
| Adaptação | Preocupação de planejamento orientada pela fonte | Pergunta ilustrativa de implementação |
|---|---|---|
| Interrupção precoce | Dados adicionais e interpretação após a análise interina | A equipe consegue reproduzir o conjunto de dados da decisão e distinguir informações posteriores? |
| Modificação do tamanho amostral | Inferência válida, limites da meta e divulgação indireta | Quem recebe a meta revisada e o que pode inferir? |
| Seleção de população | Estimandos candidatos, justificativa de subgrupos e gestão de participantes | É possível reconstruir a elegibilidade, as alterações no recrutamento e o pertencimento à análise? |
| Seleção de tratamento | Multiplicidade, estimação e gestão de tratamentos não selecionados | As instruções de randomização e de suprimento são consistentes com a decisão autorizada? |
| Adaptação de alocação | Tendências temporais, atrasos nos desfechos e viabilidade operacional | O desenho foi avaliado sob alterações plausíveis no recrutamento e na disponibilidade de dados? |
Tabela 2: Perguntas de implementação propostas derivadas das cinco categorias do E20. Nenhuma linha prescreve uma arquitetura de software específica, um marcador de dados ou um bloqueio interino obrigatório. [1]
3. Governança e acesso a dados: separar responsabilidades sem inventar comitês universais
A análise estatística, o monitoramento, a avaliação de segurança e a gestão do estudo têm finalidades distintas. O E20 e a minuta sobre DMC da FDA explicam por que essas responsabilidades são relevantes para a independência e a confidencialidade. Eles não estabelecem que todo estudo exija seis entidades nem que um único organograma garanta a integridade. O desenho, os riscos e a governança do ensaio devem determinar quais órgãos são necessários e como suas responsabilidades interagem [1] [5].
3.1 Análise e monitoramento independentes no contexto do E20
Para os ensaios adaptativos confirmatórios que envolvem dados comparativos não cegos discutidos na Seção 5.1, o E20 recomenda um comitê independente de monitoramento de dados, incluindo um estatístico com conhecimento em desenhos adaptativos, e um grupo estatístico independente separado. O grupo deve preparar as análises interinas, não deve incluir membros do IDMC e não deve dar suporte a outras atividades do estudo. O E20 recomenda fortemente que esse grupo e o IDMC tenham acesso exclusivo aos dados interinos não cegos [1].
Este artigo utiliza “grupo estatístico independente” em vez de tratar uma sigla organizacional específica como uma entidade obrigatória. A independência é um arranjo substantivo: pessoal, responsabilidades, conflitos, relações de subordinação e acessos precisam sustentá-la. Contratar uma empresa separada não demonstra, por si só, que um analista esteja isolado das decisões de condução do estudo. Por outro lado, a recomendação da diretriz não deve ser apresentada como uma proibição legal que apague sua discussão sobre o acesso excepcional do patrocinador [1].
Uma revisão proposta da construção do estudo deve conectar cada saída sensível ao seu destinatário e à sua finalidade. O grupo de análise precisa de dados e métodos suficientes para produzir resultados confiáveis; o órgão de monitoramento precisa de informações suficientes para avaliar a recomendação e a segurança dos participantes. Os implementadores cegos precisam de instruções operacionais suficientes para agir. Entregar o mesmo relatório a todos é conveniente, mas pode anular a separação que o plano de governança se destina a alcançar [1] [5].
3.2 Outras funções de supervisão e mascaramento de grupo comparativo
A minuta sobre DMC da FDA de fevereiro de 2024 distingue várias funções de supervisão. Um IRB protege os participantes e geralmente recebe informações cegas durante um ensaio em andamento, mas os patrocinadores e os investigadores continuam responsáveis por comunicar novas informações significativas relevantes para essa supervisão. É impreciso reduzir as necessidades de informação do IRB a uma carta periódica de continuidade ou afirmar que ele nunca pode receber outras informações relevantes [5].
Um comitê diretivo do ensaio pode supervisionar o desempenho científico e operacional. A FDA recomenda que ele permaneça cego quanto aos resultados por braço do estudo. Espera-se que os adjudicadores de desfechos estejam cegos quanto à intervenção atribuída ao avaliar os desfechos, inclusive quando o próprio ensaio não é cego. Essa separação ajuda a reduzir o viés; ela não garante que a classificação seja isenta de viés. O DMC, que vê dados comparativos, não deve também adjudicar desfechos [5].
A minuta aborda separadamente os monitores de centros clínicos e as entidades que revisam dados de segurança. Monitores de centro apoiam a condução e a qualidade dos dados e devem permanecer cegos quanto às atribuições; eles não devem revisar dados acumulados de efetividade para a tomada de decisão no ensaio. Uma entidade que avalia relatórios agregados de segurança pode precisar de informações de segurança não cegas, incluindo atribuições individuais pertinentes, mantendo-se separada da condução do ensaio e sem acesso a dados de efetividade. Sua finalidade difere da avaliação mais ampla do DMC sobre a continuidade, embora a FDA descreva cenários em que um DMC também pode realizar avaliações de segurança [5].
Um órgão de adaptação pode ser separado do DMC, ou as responsabilidades de adaptação podem ser atribuídas ao DMC quando apropriado. A minuta descreve os prós e contras: órgãos separados podem concentrar a expertise relevante, enquanto um único órgão pode reduzir desafios de coordenação. O órgão de adaptação deve incluir expertise estatística apropriada e implementar o plano pré-especificado, em vez de inventar adaptações após ver os resultados. A discussão antecipada de cenários hipotéticos ajuda a estabelecer se as ações contempladas são razoáveis [5].
Tabelas comparativas rotuladas como “Grupo A” e “Grupo B” são consideradas não cegas na minuta sobre DMC. A supressão dos nomes dos medicamentos não elimina a comparação entre os grupos de tratamento, e outras características podem revelar as identidades. Portanto, essas tabelas não são um substituto seguro para relatórios operacionais cegos. As decisões de acesso devem refletir o conteúdo da informação, e não se uma coluna por acaso contém o nome de um produto [5].
3.3 Exceções, registros e controles técnicos proporcionais
O E20 aborda uma proposta de acesso do patrocinador a dados interinos não cegos como uma exceção que exige justificativa convincente e planejamento. Ele recomenda manter um número mínimo de pessoas, independentes da condução do ensaio, e manter registros detalhados de quem acessou quais informações. O acesso proposto e as medidas para proteger a integridade devem ser discutidos com os reguladores durante o planejamento. A minuta também reconhece que uma recomendação de encerramento precoce pode exigir informações suficientes para a decisão do patrocinador [1].
Esses pontos não autorizam acesso irrestrito do patrocinador, mas tampouco estabelecem uma proibição universal sobre cada tarefa futura de um indivíduo nem exigem um registro eletrônico de cada evento de leitura. A equipe deve documentar os limites reais, as responsabilidades e as informações liberadas. Controles de acesso proporcionais e trilhas de auditoria relevantes podem apoiar esse plano sob os requisitos aplicáveis de registros eletrônicos; a avaliação de risco e o uso pretendido determinam quais controles são adequados [7] [10].
As atas de sessões fechadas e os relatórios não cegos precisam de proteção contra o pessoal cego do ensaio, enquanto a autoridade aplicável da FDA para inspeção e acesso a registros permanece relevante durante um ensaio em andamento. Planeje a preservação de registros, o acesso para os reguladores e a transferência posterior apropriada sem comprometer o cegamento em andamento. “Confidencial” descreve um manuseio controlado; não é uma base para presumir que os registros não possam ser inspecionados até o término do ensaio [5].
| Responsabilidade | Limite orientado por diretriz | Possível controle de implementação |
|---|---|---|
| Condução cega do ensaio | Evitar que informações interinas comparativas influenciem a condução | Separar instruções operacionais de relatórios sensíveis |
| Adjudicação de desfechos | Avaliar desfechos com cegamento quanto à intervenção designada | Procedimentos definidos de preparação de casos e de acesso |
| Relato agregado de segurança | Acesso pertinente à segurança separado da efetividade e da condução | Permissões específicas por finalidade e escalonamento documentado |
| Análise estatística independente | Separada da participação no IDMC e de outras atividades do ensaio na recomendação do E20 | Ambiente de análise definido e distribuição controlada de relatórios |
| Monitoramento ou adaptação | Competência técnica apropriada e plano pré-especificado de monitoramento ou adaptação | Registros controlados de deliberação e recomendações autorizadas |
Tabela 3: Responsabilidades e possíveis controles. Trata-se de uma matriz de planejamento, não de um requisito para um número fixo de comitês, funções de banco de dados ou produtos de segurança. [1] [5] [7] [10]
4. Métodos bayesianos: explique a escolha inferencial e preserve as evidências computacionais
4.1 A ressalva de harmonização do E20
A nota de rodapé 1 da Seção 5.3 do E20 afirma que a seção bayesiana não está totalmente harmonizada. A minuta também adverte contra tratar seu conteúdo como aceitação regulatória plena ou como substituto das diretrizes regionais vigentes. Essas declarações não revelam os motivos privados das divergências entre as autoridades. Um plano defensável deve identificar o posicionamento regional pertinente e discutir o desenho proposto, em vez de presumir aceitação global pela presença de um método em uma minuta [1].
Probabilidades bayesianas podem apoiar decisões de adaptação dentro de um desenho cuja análise primária controla o erro frequentista. Uma questão distinta surge quando informações externas entram na inferência primária por meio de uma priori informativa. A priori pode alterar conclusões e características operacionais, especialmente quando as evidências externas conflitam com a população atual. Esses usos exigem justificativa distinta; nenhum deles implica um ponto de corte a posteriori universal, uma proibição ao empréstimo ou uma garantia matemática de determinado ganho de eficiência [1] [3].
4.2 O que os exemplos regulatórios estabelecem
A minuta bayesiana da FDA de janeiro de 2026 aborda o empréstimo de ensaios anteriores, controles externos ou não concorrentes, extrapolação pediátrica, estimação de subgrupos e determinação de dose. Ela cita exemplos que incluem REBYOTA, GBM AGILE e Precision Promise. Estes ilustram contextos nos quais métodos bayesianos foram utilizados; eles não autorizam copiar uma priori, um modelo ou um limiar para outro programa [3].
A decisão sobre a fonte deve preceder a integração dos dados. Identifique evidências pertinentes, explique a inclusão e a exclusão e examine diferenças em população, tratamento, cuidados e mensuração de desfechos. Uma junção tecnicamente limpa não pode tornar um controle externo inadequado comparável ao ensaio atual. A finalidade da proveniência é, portanto, mais ampla do que documentar a origem de um arquivo: ela apoia a avaliação de se as informações selecionadas respondem à questão clínica atual [1] [3].
A minuta de CGT para pequenas populações da FDA fornece contexto adicional para programas que enfrentam recrutamento limitado, mas esse cenário não elimina a necessidade de inferência crível. A adequação do empréstimo ou de outro desenho inovador depende do produto, da condição e das evidências. Uma plataforma operacional pode preservar as premissas e o registro da análise; ela não pode estabelecer a relevância de pacientes externos apenas ao colocar suas observações em um esquema comum [6].
4.3 Critérios de sucesso, prioris de análise e prioris de desenho
A minuta bayesiana ilustra uma regra de decisão em formato legível: Pr(d > a considerando os dados observados) > c. Aqui, d é o efeito do tratamento, a é o limiar de comparação e c é o ponto de corte da probabilidade a posteriori. Em uma escala de efeito na qual valores maiores são favoráveis, a pode ser zero para superioridade ou uma margem negativa de não inferioridade. Se valores menores forem favoráveis, a desigualdade muda. Chamar a universalmente de benefício mínimo clinicamente significativo descreveria de forma incorreta alguns desses usos [3].
A minuta discute várias justificativas para critérios de sucesso. Um ponto de corte pode ser calibrado para características operacionais frequentistas, escolhido por meio da interpretação direta de uma probabilidade a posteriori crível ou embasado por uma estrutura de benefício-risco ou de teoria da decisão. A justificativa é contextual e deve ser discutida com a FDA. Informações a priori que favorecem um efeito podem alterar o comportamento de falsos positivos sob cenários nulos do ensaio clínico atual; a calibração pode, portanto, exigir uma concessão quanto à eficiência do empréstimo de informações. Ela não exige invariavelmente o mesmo ponto de corte nem elimina todos os benefícios do empréstimo de informações [3].
Sob um modelo especificado, a regra acima implica que a probabilidade a posteriori de d ser igual ou inferior a a é menor que 1 menos c. Ela não afirma que essa probabilidade é igual a 1 menos c, nem que a taxa de falsos positivos em amostragem repetida do ensaio clínico é igual a esse número. A interpretação direta depende da credibilidade da priori e do modelo. Uma pequena probabilidade de cauda a posteriori não pode corrigir a escolha seletiva de dados externos nem um conflito não examinado entre a priori e a população atual [3].
Distinga a priori de análise, que entra na inferência com os dados observados do ensaio clínico, de uma priori de desenho ou de amostragem, que representa valores verdadeiros plausíveis do parâmetro na avaliação das características operacionais. Calcular a média dos resultados sobre uma priori de desenho responde a uma pergunta diferente da avaliação do desempenho em um valor especificado do parâmetro. As duas prioris podem servir a propósitos diferentes e necessitam de justificativa separada. Nomear ambas na documentação da simulação ajuda a evitar que uma premissa usada para gerar cenários seja confundida com a priori realmente utilizada na análise do ensaio clínico [3].
Para desenhos calibrados para erro frequentista, avalie cenários nulos e alternativos relevantes e premissas operacionais plausíveis. Quando a FDA e o patrocinador concordarem com outra estrutura de sucesso, características operacionais bayesianas e avaliações da priori de desenho podem ser relevantes. A sensibilidade entre parâmetros plausíveis e ao conflito entre a priori e os dados continua informativa, mas a minuta não impõe um único modelo fixo de relato em grade nula a todo ensaio bayesiano não calibrado. Explique quais resumos sustentam a justificativa real do desenho e o que o cálculo de médias pode ocultar [3].
4.4 Empréstimo de informações e tamanho amostral efetivo a priori
O E20 e a minuta bayesiana enfatizam a relevância e a qualidade das informações externas. Diferenças nos cuidados, na elegibilidade, na mensuração de desfechos e no tempo podem enfraquecer a comparabilidade. O E20 geralmente espera dados externos em nível de paciente para sustentar a avaliação de relevância e de conflito. Ele não exige universalmente o pareamento por escore de propensão antes de qualquer empréstimo de informações, e o ajuste para características mensuradas não estabelece, por si só, a permutabilidade [1] [3].
A FDA distingue o desconto estático, no qual o grau de empréstimo de informações é fixo, de abordagens dinâmicas que permitem que a compatibilidade com os dados atuais influencie o empréstimo de informações. Métodos dinâmicos podem oferecer proteção sob conflito, mas seus parâmetros e premissas também precisam de justificativa. Nenhuma família garante a rejeição completa de evidências incompatíveis em todos os conjuntos de dados. Simulações e análises de sensibilidade devem examinar o método proposto, em vez de atribuir um comportamento ideal ao seu nome [3].
| Abordagem de priori | Descrição na Seção V.D.4 da FDA | Questão para avaliação |
|---|---|---|
| Priori de potência fixa | Uma potência fixa entre zero e um desconta a informação da verossimilhança externa | O que acontece sob conflito quando o peso de empréstimo não consegue se adaptar? |
| Extensões, incluindo prioris comensuradas e prioris de potência supervisionada | O empréstimo pode depender da similaridade entre a informação externa e a atual | A taxa de redução do empréstimo é justificada diante de conflitos plausíveis? |
| Prioris de mistura | Componentes pré-especificados informativos e menos informativos podem ter diferentes contribuições a posteriori | Como a escolha dos componentes e os pesos iniciais afetam as conclusões? |
| Modelos hierárquicos bayesianos | Os parâmetros são relacionados por meio de uma distribuição comum | As premissas de intercambiabilidade e de variação entre grupos são críveis? |
| Prioris elásticas | Uma medida de congruência e uma função escolhida determinam o empréstimo | A medida, a calibração e a resposta ao conflito estão adequadamente justificadas? |
Tabela 4: Abordagens selecionadas discutidas na minuta sobre métodos bayesianos. As descrições não prometem descarte completo da informação externa nem prescrevem um modelo para todos os programas. [3]
O tamanho amostral efetivo da priori pode expressar a informação representada por uma priori, mas não há uma contagem universalmente única de participantes virtuais. A FDA discute diferentes definições e recomenda explicar a medida e o cálculo. Com empréstimo dinâmico, a contribuição pode variar conforme as observações atuais; avalie-a em resultados plausíveis e em relação ao tamanho amostral prospectivo. Uma média favorável pode ocultar uma contribuição elevada em cenários específicos [3].
O E20 recomenda pré-especificar a abordagem de empréstimo e os critérios de sucesso, examinar o conflito entre priori e dados, limitar o empréstimo máximo e avaliar a sensibilidade, incluindo o cenário sem empréstimo. Deve permanecer disponível uma quantidade suficiente de dados do ensaio atual para uma avaliação informativa de benefício-risco. Essas avaliações ajudam a expor a dependência de premissas externas. O tamanho amostral efetivo da priori não deve ser confundido com o número efetivo de extrações de MCMC, que diz respeito à precisão computacional, nem com o erro tipo I, que a FDA não recomenda como medida de informação emprestada [1] [3].
4.5 Justifique a precisão das simulações e a reprodutibilidade computacional
Tanto o ICH E20, Seção 5.2 (Simulações) quanto a Minuta de Guia sobre Métodos Bayesianos da FDA, de janeiro de 2026 (Seções IV.B, VII e VIII) elevam os conjuntos de simulações e os scripts de computação a posteriori a artefatos primários de revisão regulatória. [1] [3]
Para réplicas independentes de simulação que estimam uma probabilidade próxima de 0.025, o erro padrão binomial de Monte Carlo é aproximadamente sqrt(0.025 × 0.975 / M). Com 1,000 repetições, ele é de cerca de 0.00494; com 100,000, é de cerca de 0.000494. As margens aproximadas de Monte Carlo de 95% são, portanto, 0.00968 e 0.000968, respectivamente. Trata-se de cálculos numéricos ilustrativos, não de intervalos de confiança clínicos nem de uma regra universal de aprovação/reprovação. A precisão deve ser justificada para o estimador, os cenários e a decisão reais [1].
O E20 explica que 100,000 ou mais repetições podem ser importantes para a estimativa do erro tipo I, enquanto um número menor pode ser suficiente para outras características, como o poder estatístico. Ele também requer um intervalo justificado de cenários, desenhos de referência, geração reproduzível de números aleatórios e um relatório estruturado. Sua lista para o relatório inclui exemplos de ensaios individuais simulados, limitações e uma discussão clínica que conecte os achados ao desenho proposto [1].
Para computação numérica bayesiana, documente o método selecionado, a implementação, o ambiente de software, as configurações relevantes e os diagnósticos. O número de cadeias MCMC, as iterações e as verificações de convergência podem ser relevantes quando MCMC for utilizado; thinning, amostragem hamiltoniana ou um limiar de diagnóstico específico não são universalmente exigidos. Uma regra automatizada de nova tentativa proposta deve ser cientificamente justificada e registrada, e não apresentada como um algoritmo prescrito pela FDA. Rastreie falhas de implementação para que o descarte silencioso de réplicas simuladas difíceis não distorça as estimativas das características operacionais [3].
Um pacote prático de reprodutibilidade pode incluir um exemplo executável, sementes documentadas, versões de entrada, scripts e saídas, juntamente com explicações suficientes para uma reexecução independente. E20 recomenda um relatório que conecte as premissas clínicas aos cenários de simulação e às conclusões. A aprovação em uma verificação de execução de software estabelece que o programa é executado; isso não prova que a grade de cenários cubra o intervalo clinicamente plausível ou que um modelo selecionado seja adequado [1] [3].
5. Panorama quantitativo: portfólio eClinical do NIH RePORTER (2026-08-23) e prontidão dos padrões CDISC (snapshots de 2026-07-31)
Para adicionar contexto empírico a essas questões de planejamento sem exagerar o que os portfólios públicos de pesquisa medem, analisamos dois conjuntos de dados locais verificados capturados em 2026-08-23 (NIH RePORTER) e 2026-07-31 (Padrões CDISC):
- O Conjunto de Dados do Portfólio eClinical do NIH RePORTER (“nih_reporter_eclinical”, 2026-08-23), obtido por meio da API oficial de pesquisa do NIH RePORTER v2 (https://api.reporter.nih.gov/v2/projects/search) em 31 consultas de pesquisa eClinical predefinidas de alto sinal, resultando em 5,137 registros brutos de projetos da API (100% dos totais relatados nas consultas verificados) e 4,876 solicitações de projeto únicas sem duplicatas (“unique_appl_ids_verified = true”). [12]
- O Conjunto de Dados de Padrões CDISC (“cdisc_standards”, 2026-07-31 [“20260731_full”]), indexando 32 páginas oficiais de padrões CDISC descobertas/baixadas e 54 registros vinculados de recursos de especificação (25 recursos públicos baixados, 29 pacotes de padrões autenticados excluídos) (https://www.cdisc.org/standards). [13]
5.1 Distribuição da infraestrutura eClinical vs. governança adaptativa, bayesiana, de firewall e de simulação no corpus do NIH RePORTER
Entre as 4,876 solicitações de projeto eClinical do NIH sem duplicatas (snapshot 2026-08-23), a classificação programática de texto e consultas em títulos de projetos, resumos e tags de consulta correspondentes mostra frequências desiguais dos termos selecionados: [12]
| Dimensão Analítica / Consulta / Categoria de Subcorpus | Contagem Verificada (Captura de 2026-08-23) | Contagem Relativa ao Denominador de Referência de 4,876 Solicitações | Interpretação Operacional e Relevância para a Construção do Estudo |
|---|---|---|---|
| Total de Registros de API nas 31 Consultas eClinical Predefinidas [12] | 5,137 registros | — (100.0% dos totais de consulta recuperados) | União bruta entre todas as 31 strings de busca eClinical predefinidas antes da desduplicação por appl_id. |
| Solicitações de Projeto Únicas Desduplicadas (appl_id) [12] | 4,876 projetos | 100.00% (Denominador) | Linha de base verificada e desduplicada de solicitações financiadas pelo NIH retornadas pelo conjunto eClinical de 31 consultas. |
| Consulta: "wearable sensor" [12] | 2,049 registros | 42.02% | Maior contagem listada para uma única consulta; um resultado de busca não estabelece o fluxo de dados, o método de adaptação ou o critério de corte de um estudo. |
| Subcorpus Temático: Infraestrutura de EDC / eCRF (“edc_ecrf_projects”) [12] | 1,069 projetos | 21.92% | Inclui "electronic data capture" (1,023 registros de consulta), "clinical data management system" (62) e "electronic case report form" (3). |
| Subcorpus Temático: Randomização / RTSM / Alocação (“randomization_rtsm_projects”) [12] | 854 projetos | 17.51% | Projetos que fazem referência à randomização, alocação ou "randomization system" (59 registros diretos de consulta) e "clinical trial supply" (5). |
| Subcorpus Temático: Supervisão por DMC / DSMB (“dmc_dsmb_projects”) [12] | 414 projetos | 8.49% | Projetos que fazem referência a Comitês de Monitoramento de Dados ou Conselhos de Monitoramento de Dados e Segurança — menos da metade do número de projetos de randomização (414 vs. 854). |
| Consulta: "digital biomarker" [12] | 409 registros | 8.39% | Correspondências a essa expressão de busca; uma única captura não estabelece crescimento nem enriquecimento adaptativo efetivo. |
| Consulta: "clinical trial recruitment" e "remote patient monitoring" [12] | 308 e 259 registros | 6.32% e 5.31% | Fluxos de trabalho operacionais de recrutamento e monitoramento descentralizado ("decentralized clinical trial" = 10 registros; "remote data capture" = 46). |
| Consulta: "clinical trial data management", "CTMS" e "econsent" [12] | 191, 160 e 148 registros | 3.92%, 3.28% e 3.04% | Gerenciamento central do estudo e consentimento livre e esclarecido eletrônico ("electronic informed consent" = 26 registros adicionais; alinhamento de consentimento do ICH E20, Seção 5.6). |
| Subcorpus Temático: Desenhos Adaptativos de Ensaios (“adaptive_design_projects”) [12] | 103 projetos | 2.11% | Solicitações que correspondem à regra predefinida de texto/consulta para desenho adaptativo; isso não constitui verificação da metodologia implementada no ensaio. |
| Consulta: "risk based monitoring", "centralized monitoring" e "SDV" [12] | 79, 37 e 37 registros | 1.62%, 0.76% e 0.76% | Contagens para as consultas de monitoramento especificadas; estas não estabelecem nenhum fluxo de trabalho específico de limpeza ou bloqueio interinos. |
| Consulta: "endpoint adjudication" e "clinical endpoint adjudication" [12] | 60 e 11 registros | 1.23% e 0.23% | Fluxos de trabalho de adjudicação cega (Guia Preliminar sobre DMC da FDA de 2024, Seção V.C). |
| Subcorpus Temático: Metodologia Bayesiana (“bayesian_projects”) [12] | 69 projetos | 1.42% | Solicitações que correspondem à regra predefinida de texto/consulta bayesiana; os métodos e a implementação não foram verificados individualmente. |
| Subcorpus Temático: Simulação Explícita de Ensaios (“trial_simulation_projects”) [12] | 30 projetos | 0.62% | Solicitações que correspondem à regra predefinida de texto/consulta de simulação de ensaios; a ausência de correspondência não estabelece ausência de simulação. |
As linhas de registros de consulta e as linhas temáticas desduplicadas são unidades diferentes. Os percentuais dividem cada contagem exibida por 4,876 para referência; os percentuais das linhas de consulta não são proporções verificadas de estudos distintos. As categorias podem se sobrepor e não devem ser somadas. Os rótulos temáticos descrevem a classificação predefinida, e não uma auditoria dos métodos das subvenções.
Tabela 5: Detalhamento programático do conjunto de dados eClinical do NIH RePORTER (“nih_reporter_eclinical”, snapshot de 2026-08-23, 4,876 solicitações únicas de projeto em 31 consultas predefinidas). [12]
Entre os Institutos e Centros (ICs) administradores do NIH, as 4,876 solicitações de projeto eClinical sem duplicatas são lideradas pelo National Cancer Institute (NCI, 983 solicitações, 20.16%), pelo National Institute on Aging (NIA, 775, 15.89%), pelo National Heart, Lung, and Blood Institute (NHLBI, 437, 8.96%), pelo NICHD (338, 6.93%), pelo NINDS (278, 5.70%), pelo NIDDK (273, 5.60%), pelo NIMH (192, 3.94%), pelo NIDA (190, 3.90%), pelo NIBIB (166, 3.40%) e pelo NIAMS (152, 3.12%). Nesse corpus selecionado, as contagens registradas de solicitações por ano fiscal aumentaram de 398 no ano fiscal de 2021 e 457 no ano fiscal de 2022 para 553 no ano fiscal de 2023, 597 no ano fiscal de 2024 e 634 no ano fiscal de 2025 (com 383 registradas no ano fiscal parcial de 2026 até o snapshot de 2026-08-23). [12]
5.2 Limites de escopo metodológico no conjunto de dados NIH RePORTER
Em conformidade com uma rigorosa higiene probatória, três limites regem a interpretação da Tabela 5:
- Denominador delimitado pela consulta: As 4,876 solicitações sem duplicatas representam solicitações de bolsas e acordos de cooperação financiados pelo NIH que correspondem a pelo menos uma das 31 expressões de busca eClinical predefinidas (como "electronic data capture", "wearable sensor", "randomization system", etc.). Elas não representam todos os ensaios clínicos financiados pelo NIH nem ensaios comerciais IND/IDE patrocinados pela indústria (nos quais desenhos adaptativos e bayesianos são frequentemente descritos em protocolos IND confidenciais, e não em resumos públicos de bolsas). [12]
- Unidade Ano-Solicitação vs. Estudo Único: No NIH RePORTER, concessões de continuidade não competitivas (solicitações do Tipo 5, como 5U01HL123009-04 e 5U01HL123009-05 para o NHLBI PETAL Network Coordinating Center) possuem identificadores appl_id distintos ao longo dos anos fiscais. Assim, 4,876 é uma contagem de solicitações de projeto sem duplicatas, e não de protocolos clínicos plurianuais distintos. [12]
- Ausência de inferência de capacidade a partir da ausência lexical: As correspondências de palavras-chave descrevem o que foi encontrado nos títulos, resumos, termos e resultados de consulta indexados. A ausência de determinadas expressões não demonstra ausência de métodos ou de capacidade de software. Essas contagens não permitem classificar sistemas comerciais, mensurar prontidão regulatória ou estabelecer uma necessidade de mercado não atendida [12].
5.3 Utilize o material CDISC disponível dentro de seu escopo real
O extrato CDISC preservado tem data de 31 de julho de 2026 e contém 32 páginas de padrões e 54 registros de recursos vinculados. Desses registros de recursos, 25 recursos públicos foram baixados e 29 pacotes autenticados foram excluídos. Não se trata de uma biblioteca completa de padrões autenticada. O E20 recomenda a validação e a limpeza oportunas dos dados interinos relevantes e observa que um bloqueio formal pode ser apropriado. Ele não determina que toda análise interina seja entregue como um pacote SDTM/ADaM nem nomeia sinalizadores de análise específicos [1] [13].
Para uma implementação proposta, distinga metadados de coleta, conjuntos de dados de tabulação, conjuntos de dados de análise e metadados de resultados. CDASH, ODM, SDTM, ADaM e Define-XML têm finalidades distintas; selecionar um formato não equivale a validar a análise de um estudo. Utilize as versões publicadas, os guias de implementação e os requisitos de submissão aplicáveis. O índice acessível apoia a descoberta de padrões, mas não estabelece que todo mapeamento proposto esteja em conformidade [13].
Um pacote interino pode preservar a data de corte, a extração de origem, as transformações, a população de análise, a atribuição de estágio, a proveniência de dados externos e a versão de saída. Sinalizadores de análise como ANL01FL ou ANL02FL são exemplos cujos significados devem ser definidos explicitamente; eles não significam inerentemente “interino” ou “dados em atraso”. Da mesma forma, STUDYID, DTYPE ou EPOCH não devem ser reaproveitados sem considerar sua semântica definida. Metadados personalizados podem ser apropriados, mas devem ser rotulados e documentados, em vez de serem descritos como variáveis CDISC obrigatórias [13].
O pertencimento ao estágio e o tratamento de eventos atrasados devem seguir o método estatístico pré-especificado. Simplesmente atribuir todo evento tardio a um estágio baseado em data pode violar a estrutura de independência pretendida. Registre a derivação e peça à equipe estatística que a verifique em relação ao desenho. Para empréstimo externo, retenha proveniência suficiente para reproduzir os registros incluídos e excluídos e as análises de sensibilidade. Essas são recomendações de desenho que apoiam a rastreabilidade, não prova de aceitação regulatória [1] [3].
6. Ensaie a decisão, sua implementação e seu registro de evidências
6.1 Quatro cenários hipotéticos de falha
Os cenários a seguir são exercícios propostos pelos autores, não incidentes observados em ensaios clínicos, estimativas de frequência de falha ou testes de aceitação regulatória. Eles traduzem as preocupações das fontes sobre inferência, confidencialidade, viabilidade operacional e dados adicionais em perguntas que uma equipe do estudo pode ensaiar. A resposta apropriada depende do protocolo real, do plano estatístico, das considerações de segurança e da governança [1] [3] [5].
| Cenário hipotético | Risco a examinar | Pergunta de ensaio proposta |
|---|---|---|
| Um tamanho amostral revisado revela mais do que o pretendido | Pessoas com conhecimento da regra podem inferir resultados interinos | O plano de comunicação limita informações desnecessárias e avalia a inferência residual? |
| Uma adaptação autorizada sobrecarrega o fornecimento | Restrições operacionais podem impedir a implementação oportuna | Os prazos de entrega e alternativas viáveis são considerados antes do início do ensaio? |
| Dados externos e atuais entram em conflito | A influência da priori pode produzir confiança enganosa | Conflitos plausíveis e premissas alternativas de empréstimo foram avaliados? |
| Dados chegam após a data de corte interina | Informações posteriores podem alterar estimativas de benefício-risco | As análises do momento da decisão e as subsequentes podem ser reconstruídas e suas diferenças explicadas? |
Tabela 6: Exercícios hipotéticos de planejamento. Eles não estabelecem uma regra obrigatória de tamanho amostral discreto, política de remessa simulada, substituição automática de priori ou sinalizador de conjunto de dados.
Para o primeiro exercício, distinga o acesso aos resultados comparativos do conhecimento inferido por meio de uma mudança operacional. Restringir um relatório pouco adianta se outra comunicação de rotina divulgar um sinal quase equivalente. Os controles sugeridos pelo E20 devem ser avaliados em combinação com as informações reais disponíveis aos destinatários. O objetivo é uma redução justificada no risco de divulgação, não uma promessa de que apêndices confidenciais ou escolhas discretas tornem a inferência impossível [1].
Quanto ao fornecimento, examine as consequências das adaptações planejadas antes do recrutamento. Uma ação estatisticamente permitida pode exigir preparação entre depósitos, países ou configurações de produto. O ensaio deve estabelecer quem identifica a restrição e quem pode autorizar uma resposta consistente com o plano. Não se deve inventar uma nova regra estatística após a visualização de resultados não cegados. O E20 observa que a simulação pode ajudar a investigar cenários operacionais, bem como o desempenho estatístico [1].
Em caso de conflito entre a priori e os dados, compare os resultados sob premissas alternativas justificadas e examine a dependência das conclusões em relação a informações externas. O empréstimo dinâmico é um método a ser avaliado, não uma correção automática. Substituir a distribuição a priori após observar uma comparação desfavorável pode, por si só, comprometer o plano prospectivo. A equipe do estudo deve saber quais análises de sensibilidade foram planejadas e como achados inesperados serão documentados e interpretados [1] [3].
Para observações tardias, preserve o que estava disponível no momento da decisão e o que se tornou disponível posteriormente, incluindo correções e adjudicação. Um bloqueio formal pode ajudar em um fluxo de trabalho específico, mas registros versionados por si sós não determinam o tratamento estatístico correto dessas observações. Esse tratamento precisa seguir o desenho. Compare as análises relevantes e discuta diferenças materiais em vez de substituir silenciosamente a evidência interina pela extração mais recente [1].
6.2 Proposta de verificação de prontidão em quatro partes
A lista de verificação a seguir é a síntese do autor para discussão com a equipe do estudo, embasada nas Seções 5.2 e 6 do E20, na discussão sobre documentação da minuta bayesiana e nas demais fontes abaixo. Não constitui um atestado de que a EClinCloud implementou cada funcionalidade nem uma lista completa de obrigações para cada ensaio clínico [1] [3].
Prontidão estatística: documente os objetivos e os estimandos candidatos, as adaptações previstas, os métodos de análise, as características operacionais importantes e as análises de sensibilidade. Avalie um desenho de referência e justifique as premissas de simulação, a precisão e a computação. Explique quais conclusões dependem da adesão estrita a uma regra e onde o método permite flexibilidade. Identifique questões que necessitam de discussão regulatória precoce antes de tratar o plano de análise como uma especificação de engenharia [1] [3] [8].
Prontidão de governança: identifique quem analisa, revisa, recomenda, decide e implementa. Considere substitutos, conflitos, acessos excepcionais e procedimentos de emergência, bem como a operação normal. Trate grupos comparativos mascarados como informação não cega. Avalie a divulgação indireta por meio de recrutamento, alocação e instruções de suprimento. Documente por que os controles escolhidos se adequam ao ensaio real e quais riscos residuais permanecem [1] [5].
Prontidão de execução: ensaie decisões interinas representativas com dados de teste controlados. Conecte o processo de corte e limpeza à análise, autorização, randomização e suprimento. Confirme que uma instrução é interpretada de forma consistente por seus destinatários, inclusive quando uma decisão é adiada ou uma correção é necessária. Hashes, mensagens criptografadas e softwares de fluxo de trabalho são ferramentas possíveis, não requisitos nomeados do E20. A validação deve abordar o uso pretendido e o risco, em vez de meramente demonstrar que uma mensagem foi transmitida [1] [7] [10].
Prontidão de arquivamento: preserve os planos prospectivos, a implementação real e os desvios, as evidências de acesso relevantes e os registros de deliberação. Reconcilie o relatório final com as adaptações que ocorreram. O arquivo deve dar suporte à reconstrução enquanto preserva a confidencialidade durante a condução em andamento. Um revisor deve conseguir conectar uma recomendação à sua evidência e à ação subsequente sem adivinhar a partir de nomes de arquivos nem presumir que a última versão do banco de dados foi a revisada [1] [5].
7. Método, limites de escopo e limitações
Esta síntese utiliza os documentos primários listados abaixo e extratos preservados de dados públicos. As seções das fontes descrevem recomendações; as tabelas de engenharia e os cenários hipotéticos são traduções propostas pelos autores para o planejamento de estudos, e não testes de aceitação de fornecedor nem capacidades garantidas da EClinCloud. O denominador do NIH é um conjunto de identificadores de solicitações selecionado por consulta, e a extração do CDISC inclui apenas os recursos públicos efetivamente disponíveis. A aceitação específica para o estudo, a aplicabilidade do formato de dados e a implementação regulatória precisam ser confirmadas para o ensaio clínico e a jurisdição pretendidos.
Para uma discussão com a EClinCloud, traga a sinopse do protocolo, os estimandos candidatos, as regras interinas e os fluxos de dados planejados. Utilize uma adaptação representativa para identificar as responsabilidades estatísticas, de governança e de implementação e, em seguida, confirme o escopo do serviço e as evidências de suporte com o fornecedor. O resultado útil é um plano documentado para o estudo real, e não a presunção de que um rótulo de produto ou uma consulta garanta a aceitação regulatória.
Fontes
1. U.S. Food and Drug Administration (FDA) / International Council for Harmonisation (ICH). E20 Adaptive Designs for Clinical Trials: Draft Guidance for Industry, Docket No. FDA-2025-D-3023, 90 FR 46900, endossado pela Assembleia do ICH na Etapa 2 em 25 de junho de 2025; publicado pela FDA em 30 de setembro de 2025 (36 páginas). Escopo e exclusões (Seção 1), aviso sobre inflação não ajustada do tamanho amostral (Seção 2), cinco princípios fundamentais, incluindo possíveis medidas de confidencialidade (Seção 3), cinco categorias de adaptação, incluindo dados de overrun/defasagem e recomendações de futilidade não vinculantes (Seção 4), recomendações de confidencialidade para o IDMC e o grupo estatístico independente (Seção 5.1), simulações de ensaios clínicos com precisão justificada e relatório estruturado de simulação (Seção 5.2), desenhos adaptativos bayesianos e aviso de não harmonização da Nota de Rodapé 1 (Seção 5.3), considerações sobre randomização, fornecimento de medicamentos e preparação de dados interinos (Seção 5.6) e listas de verificação de documentação pré-ensaio e de pedido de registro (Seção 6).
2. Grupo de Trabalho de Especialistas (EWG) E20 do International Council for Harmonisation (ICH). ICH E20 Step 2 Introductory Training Presentation: Adaptive Designs for Clinical Trials (datada de 25 de junho de 2025; arquivo publicado em julho de 2025, 27 slides) e ICH E20 EWG Work Plan (12 de fevereiro / 20 de março de 2026, 3 páginas). Liderança do EWG (Relator Dr. Gregory Levin, FDA; Presidente Regulatório Dr. Christian Roes, EC), janelas regionais de consulta pública, reunião do EWG no Rio de Janeiro em junho de 2026 e metas do plano de trabalho para a finalização da Etapa 3/4 em outubro de 2026, as quais não constituem evidência de adoção.
3. U.S. Food and Drug Administration (CDER / CBER / OCE). Use of Bayesian Methodology in Clinical Trials of Drug and Biological Products: Draft Guidance for Industry, Docket No. FDA-2025-D-3217, 91 FR 1190, emitido em 9 de janeiro de 2026; aviso no Federal Register publicado em 12 de janeiro de 2026 (29 páginas). Compromisso do PDUFA VII; exemplos na Seção III (REBYOTA, GBM AGILE, Precision Promise, empagliflozina, linagliptina, EMAS BHM, LEADER liraglutida, Rinvoq Drug Trials Snapshot, CRM, BLRM/EWOC, BOIN, mTPI/mTPI2, BOIN12); critérios bayesianos de sucesso Pr(d > a considerando os dados observados) > c e distribuições a priori de desenho vs. distribuições a priori de análise (Seção IV); distribuições a priori de desconto estáticas vs. dinâmicas e Tamanho Amostral Efetivo da Priori (ESS) (Seção V); e diagnósticos computacionais adequados ao método, reprodutibilidade e documentação de código (Seções VII–VIII).
4. U.S. Food and Drug Administration (CDER / CBER). Desenhos Adaptativos para Ensaios Clínicos de Medicamentos e Produtos Biológicos: Guia para a Indústria, Guia Final, Docket nº FDA-2018-D-3124, 84 FR 65983, emitido em novembro de 2019; aviso no Federal Register publicado em 2 de dezembro de 2019 (37 páginas). Análises interinas não comparativas vs. comparativas, métodos de teste de combinação por estágios (Cui-Hung-Wang, normal inversa), estimação pontual e intervalar ajustada para viés e expectativas de firewall de acesso a dados.
5. U.S. Food and Drug Administration (CDER / CBER / CDRH / OCP). Uso de Comitês de Monitoramento de Dados em Ensaios Clínicos: Guia Preliminar para a Indústria, Guia Preliminar Revisado, Docket nº FDA-2001-D-0219, 89 FR 10084, publicado em 13 de fevereiro de 2024 (29 páginas; revisando o Guia Final de março de 2006 Estabelecimento e Operação de Comitês de Monitoramento de Dados em Ensaios Clínicos). Relações com IRBs, comitês diretivos, adjudicadores de desfechos, monitores de centros clínicos, entidades de revisão de segurança e comitês de adaptação (Seção V); orientação de que dados interinos comparativos rotulados como "Grupo A vs. Grupo B" são considerados não cegos (Seção VI.D.1); e autoridade da FDA para inspecionar atas fechadas relevantes do DMC e conjuntos de dados interinos, inclusive durante um ensaio em andamento, nos termos de 21 CFR 312.58 e 21 CFR 812.150(b)(10) (Seção VI.C.4.b).
6. U.S. Food and Drug Administration (CBER). Desenhos Inovadores para Ensaios Clínicos de Produtos de Terapia Celular e Gênica em Populações Pequenas: Guia Preliminar para a Indústria, Docket nº FDA-2025-D-3403, 90 FR 46220, emitido em 24 de setembro de 2025; aviso no Federal Register publicado em 25 de setembro de 2025 (10 páginas). Desenhos autocontrolados de braço único, modelagem de progressão da doença, empréstimo bayesiano, desenhos de ensaios adaptativos (Seção III.D), ensaios com controle externo e protocolos mestres em ensaios raros de terapia celular e gênica (CGT).
7. U.S. Food and Drug Administration (FDA) / International Council for Harmonisation (ICH). E6(R3) Boas Práticas Clínicas (GCP): Guia para a Indústria, Docket nº FDA-2023-D-1955, Guia Final da FDA (Princípios e Anexo 1) emitido em 8 de setembro de 2025 (86 páginas), e Diretriz Consolidada ICH E6(R3) (Princípios, Anexo 1 e Anexo 2) (16 de junho de 2026). Governança de dados e cegamento do patrocinador (Seções 3.10–3.16), validação do ciclo de vida de sistemas computadorizados, trilhas de auditoria, controle de acesso baseado em funções (RBAC) e preservação do cegamento (Seções 4.1–4.4), e Registros Essenciais (Apêndice C).
8. International Council for Harmonisation (ICH) / U.S. Food and Drug Administration (FDA). E9(R1) Princípios Estatísticos para Ensaios Clínicos: Adendo: Estimandos e Análise de Sensibilidade em Ensaios Clínicos, Etapa 4 do ICH datada de 20 de novembro de 2019 / Guia Final da FDA emitido em maio de 2021 (22 páginas; complementando a diretriz principal de 1998 ICH E9 Princípios Estatísticos para Ensaios Clínicos). Cinco atributos do estimando (Tratamento, População, Variável, Eventos Intercorrentes, Resumo em Nível Populacional) e estratégias para eventos intercorrentes que respaldam objetivos e interpretação coerentes do ensaio, incluindo contextos adaptativos.
9. International Council for Harmonisation (ICH) / U.S. Food and Drug Administration (FDA). E8(R1) Considerações Gerais para Estudos Clínicos, Etapa 4 do ICH datada de 6 de outubro de 2021 / Guia Final da FDA emitido em abril de 2022 (29 páginas). Quality by Design (QbD), fatores Críticos para a Qualidade (CtQ) e testes de estresse de viabilidade operacional de desenhos complexos de estudos clínicos.
10. U.S. Food and Drug Administration (CDER / CBER / CDRH / CFSAN / CVM / OCP / ORA). Electronic Systems, Electronic Records, and Electronic Signatures in Clinical Investigations: Questions and Answers: Guidance for Industry, Orientação Final, Docket No. FDA-2022-D-2970, emitida em outubro de 2024 (28 páginas). Aplicabilidade do 21 CFR Part 11, acordos com provedores de serviços de nuvem/TI, segregação de acesso baseada em funções entre usuários cegos e não cegos, revisão da trilha de auditoria antes dos bloqueios interinos e finais do banco de dados e atribuição de assinatura eletrônica.
11. Office of the Federal Register, National Archives and Records Administration (NARA) / U.S. Government Publishing Office (GPO). Avisos oficiais de disponibilidade no Federal Register: 90 FR 46900 (Doc. 2025-18897, 30 de set. de 2025 — ICH E20); 91 FR 1190 (Doc. 2026-00325, 12 de jan. de 2026 — Metodologia Bayesiana); 90 FR 46220 (Doc. 2025-18651, 25 de set. de 2025 — CGT em Populações Pequenas); 84 FR 65983 (Doc. 2019-25986, 2 de dez. de 2019 — Desenhos Adaptativos); e 89 FR 10084 (Doc. 2024-02849, 13 de fev. de 2024 — Comitês de Monitoramento de Dados).
12. National Institutes of Health (NIH). NIH RePORTER eClinical Project Applications Dataset (“nih_reporter_eclinical”, Snapshot 2026-08-23), obtido por meio da API v2 do NIH RePORTER (https://api.reporter.nih.gov/v2/projects/search). Corpus verificado de 31 consultas de busca predefinidas de alto sinal em eClinical, que resultaram em 5,137 registros brutos da API e 4,876 solicitações de projetos únicas sem duplicatas (“unique_appl_ids_verified = true”), com tabulação cruzada entre solicitações de projetos de EDC/eCRF (1,069), randomização/RTSM (854), DMC/DSMB (414), desenho adaptativo (103), abordagem bayesiana (69) e simulação de ensaios (30).
13. CDISC. Catálogo de padrões. Extração pública datada de 31 de julho de 2026: 32 páginas e 54 registros de recursos, compreendendo 25 recursos públicos baixados e 29 pacotes autenticados excluídos. Este índice delimitado não constitui a biblioteca completa de especificações.