Win Ratio for Hierarchical Composite Endpoints
WWR/WinRatio.In a composite endpoint, "death" is clearly more important than "hospitalization", yet the traditional approach treats them equally. The win ratio stratifies by pre-specified importance: it compares the most important endpoint first, then moves to the secondary measure if no winner is found. Every treatment patient is compared pairwise with every control patient, counting wins/losses/ties to give the Win Ratio, Win Odds and Net Benefit. Computed locally in your browser; data are not uploaded.
① Pegar datos
One subject per row, columns in order: group (1=treatment, 0=control) time (level-1 endpoint event time) status (1=event, 0=censored) secondary (optional, level-2 continuous value). Separate by space/Tab/comma.
Cómo usarla y metodología
¿En qué es mejor el Win Ratio que un criterio compuesto tradicional?
El «tiempo hasta el primer evento» tradicional trata muerte y hospitalización por igual y solo mira el primer evento. El win ratio jerarquiza por importancia clínica, comparando primero el criterio más importante, capturando así que «la muerte cuenta más que la hospitalización» y usando toda la información — ampliamente adoptado en insuficiencia cardíaca y campos afines en los últimos años.
¿Cómo elegir entre WR, Win Odds, Net Benefit?
WR = victorias/derrotas, ignora los empates, el más informado; Win Odds reparte los empates a medias, adecuado cuando los empates son frecuentes; Net Benefit = (victorias−derrotas)/comparaciones totales, de −1 a 1, fácil de interpretar en absoluto. Los tres pueden informarse juntos.
¿Cómo fijar la jerarquía?
Ordene de mayor a menor importancia clínica. Esta herramienta pone por defecto el nivel 1 en el tiempo hasta el evento criterio (p. ej. muerte cardiovascular) y el nivel 2 en una medida secundaria continua (p. ej. puntuación de calidad de vida, marcha de 6 minutos). Si el nivel 1 decide un ganador, el nivel 2 no se consulta.
¿Por qué a veces falla el cálculo de un intervalo de confianza?
El IC usa bootstrap, que exige que cada remuestreo contenga a la vez una «victoria» y una «derrota». Con n muy pequeños (p. ej. 2 por grupo), la mayoría de remuestreos no pueden satisfacer ambos, así que el IC muestra «se necesitan más datos». Aumentar la muestra da un IC estable.
Pegue el enlace en Slack, Teams, X o LinkedIn: la imagen de vista previa sale de la tarjeta Open Graph de esta página.