1 of 26

JOURNAL CLUB · ANÁLISIS CRÍTICO DE ARTÍCULO · CARDIOLOGÍA

Discontinuación de la terapia

con betabloqueantes tras

infarto de miocardio

Ensayo aleatorizado, multicéntrico, abierto, de no inferioridad — SMART-DECISION

Choi KH, Kang D, Kim W, et al., for the SMART-DECISION Investigators. N Engl J Med 2026;394:1302-12. DOI: 10.1056/NEJMoa2601005

Residencia de Cardiología · 4º año — Análisis crítico enfocado en metodología estadística

2 of 26

INTRODUCCIÓN

Contexto clínico y justificación del estudio

Los betabloqueantes son piedra angular del tratamiento en pacientes con insuficiencia cardíaca o FEVI reducida (<40%) tras un infarto.
En pacientes con FEVI preservada (≥50%) tras IAM, ensayos contemporáneos y dos metaanálisis (REBOOT, REDUCE-AMI, Yndigegn et al.) no muestran beneficio clínico del fármaco.
En FEVI levemente reducida (40–49%) sí se ha sugerido un beneficio potencial → el efecto del tratamiento podría variar según la función ventricular.
Pregunta no resuelta: en pacientes estables, libres de eventos, que ya reciben BB desde hace ≥1 año, ¿es seguro discontinuar el fármaco a largo plazo?
El ensayo ABYSS (2024) comparó interrupción vs. continuación y NO demostró no inferioridad — pero su punto final incluía hospitalización cardiovascular, un componente sensible a la decisión clínica en diseño abierto.

Espectro de FEVI post-IAM

<40%

FEVI reducida

BB: beneficio establecido (CAPRICORN, CIBIS-II)

40–49%

FEVI levemente reducida

Posible beneficio (evidencia limitada)

≥50%

FEVI preservada

Sin beneficio demostrado (REBOOT, REDUCE-AMI)

→ SMART-DECISION estudia la población con FEVI ≥40% (sin IC), la de mayor incertidumbre clínica.

Introducción

SMART-DECISION · N Engl J Med 2026;394:1302-12

2

3 of 26

INTRODUCCIÓN

Pregunta de investigación (formato PICO)

P

Población

Pacientes estables tras IAM, FEVI ≥40%, sin insuficiencia cardíaca, con BB durante ≥1 año

I

Intervención

Discontinuación del betabloqueante inmediatamente tras la aleatorización

C

Comparador

Continuación del betabloqueante (mismo fármaco, misma dosis)

O

Resultado (outcome)

Compuesto de muerte por cualquier causa, IAM recurrente u hospitalización por IC

Hipótesis de no inferioridad

La discontinuación del betabloqueante NO es clínicamente inferior a su continuación con respecto al punto final compuesto primario, definiendo a priori un margen de no inferioridad aceptable (HR límite superior IC 95% < 1,4).

Introducción

SMART-DECISION · N Engl J Med 2026;394:1302-12

3

4 of 26

DISEÑO DEL ESTUDIO

Ficha técnica del ensayo SMART-DECISION

25

centros en

Corea del Sur

1:1

Aleatorización

(discontinuar vs. continuar)

Abierto

(open-label)

no enmascarado

No inferioridad

diseño estadístico

prespecificado

Multicéntrico, aleatorizado, controlado, de grupos paralelos, iniciado por investigadores (no industria).
Aleatorización estratificada por: tipo de IAM (STEMI/NSTEMI), betabloqueante recibido (carvedilol, bisoprolol, nebivolol u otro) y centro participante.
Comité independiente de adjudicación de eventos clínicos, ciego a la asignación de grupo — refuerza la validez interna pese al diseño abierto.
Junta independiente de monitoreo de datos y seguridad (DSMB).
Reclutamiento: abril 2021 – abril 2023. Seguimiento clínico a los 6, 12, 24 y 30 meses, y luego anualmente.

Diseño del estudio

SMART-DECISION · N Engl J Med 2026;394:1302-12

4

5 of 26

MATERIALES Y MÉTODOS

Población de estudio: criterios de selección

Criterios de inclusión

Condición clínica estable tras un infarto de miocardio
Betabloqueante recibido durante ≥ 1 año
Libre de eventos desde el IAM índice hasta el cribado
FEVI ≥ 40%
Sin insuficiencia cardíaca
Sin restricción de tipo/dosis de BB ni de tiempo transcurrido desde el IAM

Criterios de exclusión (clave)

Tratamiento en curso para insuficiencia cardíaca
FEVI reducida (< 40%)
Contraindicación para terapia con betabloqueante
Fibrilación auricular

Nota metodológica: la exclusión de FA es relevante — los BB tienen indicación de control de frecuencia independiente del contexto post-IAM, lo que habría confundido el objetivo del ensayo.

Materiales y métodos

SMART-DECISION · N Engl J Med 2026;394:1302-12

5

6 of 26

MATERIALES Y MÉTODOS

Reclutamiento, aleatorización y seguimiento

14 696 pacientes potencialmente elegibles identificados

2 574 evaluados (screened) para el ensayo

2 540 aleatorizados 1:1 (34 excluidos: criterios / consentimiento)

Discontinuación

n = 1246

34 no completaron seguimiento a 1 año (19 retiro de consentimiento, 15 pérdida)
1231 (98,8%) completaron ≥ 1 año de seguimiento
6 fallecieron dentro del primer año
1246 incluidos en el análisis primario (ITT)

Continuación

n = 1294

41 no completaron seguimiento a 1 año (25 retiro de consentimiento, 16 pérdida)
1278 (98,8%) completaron ≥ 1 año de seguimiento
9 fallecieron dentro del primer año
1294 incluidos en el análisis primario (ITT)

Base de datos cerrada (locked): 31 de diciembre de 2025 · 62 pacientes (2,4%) con desviaciones de protocolo

Materiales y métodos

SMART-DECISION · N Engl J Med 2026;394:1302-12

6

7 of 26

MATERIALES Y MÉTODOS

Definición de los puntos finales (end points)

PUNTO FINAL PRIMARIO

Compuesto de muerte por cualquier causa, IAM recurrente u

hospitalización por insuficiencia cardíaca

Puntos finales secundarios (exploratorios)

Componentes individuales del punto primario
Muerte de causa cardiovascular
Cualquier hospitalización / hospitalización cardiovascular
Ictus, fibrilación auricular de novo
Cambios en FEVI y en NT-proBNP
Calidad de vida (cuestionario PROMIS-29, 7 dominios)
Efectos adversos relacionados con betabloqueantes

Punto final exploratorio

Se replicó el compuesto usado en el ensayo ABYSS (muerte, IAM no fatal, ACV no fatal u hospitalización por causa cardiovascular) para permitir comparación directa entre ambos ensayos.

Por qué importa: distintas definiciones del punto final explican en gran parte por qué ABYSS y SMART-DECISION llegaron a conclusiones opuestas (ver comparación más adelante).

Materiales y métodos

SMART-DECISION · N Engl J Med 2026;394:1302-12

7

8 of 26

①

NÚCLEO DEL ANÁLISIS CRÍTICO

Herramientas estadísticas

utilizadas en el ensayo

Diseño de no inferioridad, cálculo muestral, métodos de tiempo al evento, riesgos competitivos, modelos mixtos y análisis de subgrupos — explicados en profundidad para la discusión de journal club.

9 of 26

HERRAMIENTAS ESTADÍSTICAS · 1 DE 7

Diseño de no inferioridad y su margen

A diferencia de un ensayo de superioridad, aquí NO se busca demostrar que discontinuar es mejor, sino que no es inaceptablemente peor.
Se prespecificó un margen de no inferioridad: el límite superior del IC 95% del HR debía ser < 1,4.
Ese 1,4 no es arbitrario: se apoya en el rango habitual (1,3–1,5) usado en ensayos cardiovasculares de no inferioridad con baja tasa basal de eventos.
Diseño estadístico: alfa unilateral de 2,5% ⇔ IC bilateral del 95% (simétrico en escala logarítmica del HR).
Se concluye no inferioridad si el límite superior del IC 95% (bilateral) del HR < 1,4 — equivalente al límite superior de un IC unilateral del 97,5%.

Lectura del resultado sobre el eje del HR

0,5

1,0

1,4

margen

HR 0,80 (IC95% 0,57–1,13)

El IC 95% completo (0,57–1,13) queda por debajo de 1,4 ⇒ se cumple no inferioridad, con margen amplio de seguridad estadística.

Herramientas estadísticas

SMART-DECISION · N Engl J Med 2026;394:1302-12

8

DISEÑO DE NO INFERIORIDAD — explicación extensa para la discusión.��1) Lógica del diseño: en un ensayo de superioridad probamos H0: no hay diferencia, y buscamos rechazarla. En no inferioridad probamos H0: el tratamiento experimental (discontinuar) es PEOR que el control (continuar) por un margen clínicamente relevante (delta), y buscamos rechazar esa H0 para concluir que el nuevo tratamiento 'no es inaceptablemente peor'. Es el diseño correcto aquí porque no se espera que discontinuar un fármaco sea superior en eficacia; el objetivo es evitar sobretratamiento innecesario si es seguro hacerlo.��2) El margen de no inferioridad (delta = HR 1,4): es una decisión clínica, no puramente estadística, que define cuánto exceso de riesgo relativo estamos dispuestos a aceptar a cambio de los beneficios de discontinuar (menos efectos adversos, menor carga de medicación, mejor adherencia). Un margen de 1,4 significa aceptar hasta un 40% más de riesgo relativo de eventos. Es un margen relativamente amplio -- los autores lo justifican citando el rango habitual 1,3-1,5 en cardiología para eventos de baja incidencia basal, pero un margen amplio reduce la capacidad de excluir un efecto perjudicial moderado (volveremos a esto como limitación).��3) Relación alfa unilateral 2,5% <-> IC bilateral 95%: en no inferioridad, técnicamente solo importa un lado de la distribución (que el HR no supere el margen), por lo que el test es unilateral con alfa=0,025. Sin embargo, como el IC bilateral al 95% es simétrico en la escala logarítmica del HR, su límite superior coincide exactamente con el límite superior de un IC unilateral al 97,5%. Esto permite usar el IC de 95% estándar para la inferencia de no inferioridad sin necesidad de calcular un IC unilateral aparte -- es una equivalencia matemática útil que hay que saber explicar si preguntan por qué usan 95% IC en un test de una cola.��4) Regla de decisión: se concluye no inferioridad si el límite superior del IC 95% del HR < 1,4. Aquí: HR 0,80 (IC95% 0,57-1,13). El límite superior (1,13) es mucho menor que 1,4, por lo que se cumple ampliamente el criterio (P=0,001 para no inferioridad). De hecho, como el IC completo está por debajo de 1 (aunque esto no era el objetivo del estudio), los datos son compatibles incluso con un beneficio de discontinuar, aunque el estudio no tiene poder para 'demostrar superioridad' porque no fue diseñado ni con población ni con seguimiento suficiente para eso -- es solo una observación exploratoria post-hoc de la dirección del efecto.��5) Punto crítico para la discusión: la ausencia de diferencia estadísticamente significativa NO es lo mismo que demostrar equivalencia; en no inferioridad la conclusión depende enteramente de la elección previa (prespecificada) del margen. Si alguien eligiera un margen más estricto (ej. HR 1,2), este mismo resultado NO habría cumplido no inferioridad. Es fundamental preguntar siempre: ¿el margen es clínicamente razonable? En este caso, discutir si 1,4 es demasiado permisivo dado que el punto final incluye mortalidad.

10 of 26

HERRAMIENTAS ESTADÍSTICAS · 2 DE 7

Cálculo del tamaño muestral y poder estadístico

2540

pacientes calculados

80%

poder estadístico

2,5%

alfa unilateral

~3%

incidencia anual

esperada (grupo control)

Supuestos del cálculo: reclutamiento uniforme durante 3 años, 2 años adicionales de seguimiento tras el último paciente incluido, y ~2% de atrición → seguimiento mediano esperado de 3,5 años.
El reclutamiento fue más rápido de lo previsto: la muestra planeada se alcanzó en ~2 años.
Ajuste metodológico correcto: para preservar el poder y la duración de seguimiento originalmente planeados, se extendió el seguimiento a 2,5 años tras el último paciente (rango esperado 2,5–4,5 años).
Punto clave de rigor: esta modificación fue independiente de los resultados observados (no hubo análisis intermedio ni recálculo adaptativo del tamaño muestral basado en comparaciones entre grupos) — se evita así la inflación del error tipo I por 'espiar' los datos.

Herramientas estadísticas

SMART-DECISION · N Engl J Med 2026;394:1302-12

9

CÁLCULO DE TAMAÑO MUESTRAL Y PODER — explicación extensa.��1) Componentes del cálculo: para un ensayo de no inferioridad de tiempo al evento se necesitan: (a) la tasa de eventos esperada en el grupo de referencia (aquí ~3% anual en continuación, basada en cohortes previas de los mismos investigadores), (b) el margen de no inferioridad (HR 1,4), (c) el nivel de significación unilateral (2,5%), (d) el poder deseado (80%), y (e) los parámetros de reclutamiento y seguimiento (periodo de acumulación de 3 años + 2 años de seguimiento mínimo tras el último paciente). Con estos parámetros se resuelve la ecuación de eventos necesarios bajo un modelo de riesgos proporcionales (fórmula tipo Schoenfeld/Freedman para diseños de no inferioridad), lo que se traduce en un número de pacientes dado un supuesto de tasa de eventos y censura.��2) Por qué el poder es 80% y no 90%: es una elección estándar que equilibra el tamaño muestral factible con el riesgo de error tipo II (20% de probabilidad de no detectar la no inferioridad aun cuando sea cierta). En ensayos grandes, pragmáticos y multicéntricos como este, 80% de poder es aceptable pero deja margen para resultados 'ambiguos' si la tasa de eventos observada es menor que la esperada -- que es justamente lo que ocurrió aquí (evento observado a 4 años ~7-9% frente a una tasa anual esperada de 3%, es decir, la tasa observada terminó siendo MENOR de lo anticipado en términos acumulados, lo cual amplía relativamente los IC y reduce la precisión real lograda).��3) La extensión del seguimiento: cuando el reclutamiento fue más rápido de lo esperado, los investigadores tenían dos alternativas legítimas: (a) aumentar el tamaño muestral, o (b) extender el tiempo de seguimiento para acumular los eventos necesarios manteniendo el N. Eligieron la opción (b). Esto es metodológicamente sólido SIEMPRE que -- como aclaran explícitamente -- la decisión se tomó de forma ciega a los resultados de eficacia comparativa entre grupos (no hubo interim analysis que influyera la decisión). Esto es un punto de rigor metodológico que vale la pena destacar como fortaleza: evita el sesgo de 'ajustar el estudio hasta que dé el resultado esperado', un riesgo real en diseños adaptativos mal ejecutados.��4) Relación con la potencia lograda realmente (post-hoc): el número de eventos observados en el punto final primario fue 58+74=132, en una muestra de 2540 con seguimiento mediano de 3,1 años. Es importante notar en la discusión que la incidencia observada del evento fue MENOR que la anticipada, lo cual en la práctica reduce la precisión de la estimación (intervalos de confianza más anchos de lo planeado) -- de hecho, los mismos autores lo reconocen como limitación en la discusión del artículo. Esto no invalida el análisis de no inferioridad -- que sigue siendo válido con los datos observados -- pero sí limita cuánto podemos confiar en la ausencia de un riesgo moderado.

11 of 26

HERRAMIENTAS ESTADÍSTICAS · 3 DE 7

Análisis de tiempo al evento: Kaplan–Meier y log-rank

El estimador de Kaplan–Meier calcula la probabilidad acumulada de estar libre de evento en cada instante, usando la información de TODOS los pacientes hasta que salen del seguimiento (evento, censura o fin de estudio a los 4 años).
Ventaja central: incorpora correctamente la censura (pacientes que abandonan sin evento, o el estudio termina antes) sin descartar su información parcial — a diferencia de comparar simples proporciones finales.
La comparación entre curvas se probó con la prueba de rangos logarítmicos (log-rank test), que pondera cada instante de evento por igual y evalúa si las funciones de supervivencia difieren globalmente.
Seguimiento por intención de tratar: los pacientes sin evento fueron censurados en el último contacto conocido o a los 4 años, lo que ocurriera primero.

Curvas ilustrativas construidas a partir de las estimaciones de Kaplan–Meier a 4 años reportadas en el texto (0%, 7,2% y 9,0%); no reproducen la curva exacta de la Figura 2 del artículo.

Log-rank global: p = 0,001 (para no inferioridad, no para superioridad)

Herramientas estadísticas

SMART-DECISION · N Engl J Med 2026;394:1302-12

10

KAPLAN-MEIER Y LOG-RANK — explicación extensa.��1) Qué resuelve Kaplan-Meier: en un ensayo con seguimiento variable (pacientes reclutados en distintos momentos, algunos con menos tiempo de observación) y con pérdidas de seguimiento, no podemos simplemente calcular 'proporción de eventos / total de pacientes' porque eso ignora el tiempo de exposición al riesgo de cada paciente y sesga la estimación si la censura no es aleatoria en el tiempo. El estimador de Kaplan-Meier calcula, en cada tiempo de evento observado, la probabilidad condicional de sobrevivir (no tener el evento) dado que se sobrevivió hasta ese momento, y multiplica estas probabilidades condicionales sucesivas (producto límite) para obtener la curva de supervivencia acumulada. Los pacientes censurados (retiro de consentimiento, pérdida de seguimiento, fin del estudio a los 4 años) contribuyen información hasta el momento de su censura y luego salen del cálculo, sin ser contados como 'sin evento' de forma sesgada.��2) Supuesto clave: censura no informativa -- es decir, que el motivo de censura no está relacionado con el riesgo real de sufrir el evento. Esto es razonable aquí porque la censura principal es administrativa (fin de estudio) o por retiro de consentimiento no relacionado aparentemente con el pronóstico, aunque nunca puede descartarse del todo (ej. un paciente que se retira porque se siente mal podría introducir sesgo).��3) Log-rank test: es una prueba no paramétrica que compara las curvas de Kaplan-Meier de dos (o más) grupos. En cada tiempo de evento observado, compara el número de eventos observados en cada grupo contra el número esperado bajo la hipótesis nula de curvas idénticas (calculado según el número de pacientes en riesgo en cada grupo en ese momento), y suma estas discrepancias ponderadas en un estadístico chi-cuadrado. Es la prueba estándar para comparar curvas de supervivencia porque no asume una distribución particular del tiempo al evento ni que el efecto sea constante en el tiempo -- pero da igual peso a todos los tiempos de evento, lo cual puede ser subóptimo si el efecto del tratamiento varía con el tiempo (efecto tardío o efecto que se atenúa).��4) Importante para la crítica: el artículo reporta 'P=0,001 para no inferioridad' -- este valor de p NO es un test de superioridad habitual (H0: curvas iguales), sino que corresponde específicamente al test formal de no inferioridad (evaluando si el HR excede el margen de 1,4), construido sobre el modelo de Cox, no directamente sobre el log-rank. El log-rank/KM se usa aquí principalmente de forma descriptiva y para el gráfico, mientras que la inferencia formal de no inferioridad descansa en el modelo de Cox (siguiente diapositiva). Es un matiz importante: en el texto los autores aclaran que 'la inferencia estadística se centró en las estimaciones de efecto, y solo se reportó un valor de p para el análisis del punto final primario' -- es decir, decidieron explícitamente NO hacer pruebas de hipótesis clásicas para los puntos secundarios, prefiriendo estimaciones puntuales e intervalos de confianza (enfoque de estimación en lugar de un enfoque basado únicamente en significación, que es una buena práctica estadística moderna).

12 of 26

HERRAMIENTAS ESTADÍSTICAS · 4 DE 7

Modelo de riesgos proporcionales de Cox

El hazard ratio (HR) se estimó con un modelo de regresión de Cox, que modela el riesgo instantáneo (hazard) de sufrir el evento en función del grupo de tratamiento.
Todos los modelos se ajustaron por los factores de estratificación prespecificados: tipo de IAM, betabloqueante utilizado y centro participante — reduce la variabilidad residual y evita confusión por desbalance aleatorio en variables de estratificación.
Supuesto central del modelo: proporcionalidad de riesgos — el HR debe mantenerse aproximadamente constante a lo largo del tiempo de seguimiento.
Verificación del supuesto: se evaluó graficando los residuos de Schoenfeld frente al tiempo; residuos sin tendencia sistemática respaldan la validez del modelo.
Interpretación del HR = 0,80: el riesgo instantáneo de evento en el grupo de discontinuación fue, en promedio a lo largo del seguimiento, un 20% menor que en el grupo de continuación (IC95%: entre 43% menor y 13% mayor).

Herramientas estadísticas

SMART-DECISION · N Engl J Med 2026;394:1302-12

11

MODELO DE COX Y RESIDUOS DE SCHOENFELD — explicación extensa.��1) Qué es el modelo de Cox: es un modelo de regresión semiparamétrico para datos de tiempo al evento. A diferencia de un modelo paramétrico (que asume una distribución específica del tiempo al evento, ej. exponencial o Weibull), el modelo de Cox deja la función de riesgo basal h0(t) sin especificar (componente no paramétrico) y modela el efecto de las covariables como un multiplicador constante sobre ese riesgo basal: h(t|X) = h0(t) * exp(beta*X). El coeficiente exponenciado exp(beta) es el hazard ratio (HR): cuánto se multiplica el riesgo instantáneo por unidad de la covariable (aquí, por pertenecer al grupo de discontinuación vs. continuación).��2) Por qué es el método de elección: permite comparar el riesgo entre grupos ajustando por covariables sin necesidad de asumir una forma específica de la curva de supervivencia, y maneja naturalmente la censura. Es el estándar de facto en ensayos clínicos cardiovasculares de tiempo al evento.��3) El supuesto de riesgos proporcionales (proportional hazards): el modelo asume que la razón de riesgos entre los dos grupos (HR) es CONSTANTE en el tiempo -- es decir, que el beneficio o perjuicio relativo de discontinuar no varía sustancialmente entre el mes 1 y el año 4 de seguimiento. Si este supuesto se viola (por ejemplo, si discontinuar aumenta el riesgo temprano por rebote adrenérgico pero luego se iguala, o si el riesgo diverge progresivamente con los años), el HR estimado es un promedio ponderado en el tiempo que puede ser engañoso u ocultar patrones clínicamente relevantes.��4) Cómo se verifica: los residuos de Schoenfeld son residuos definidos para cada evento observado (no para cada paciente), que bajo el supuesto de riesgos proporcionales deberían ser independientes del tiempo (sin tendencia/pendiente sistemática cuando se grafican contra el tiempo o se correlacionan con él). Una pendiente significativa distinta de cero sugiere que el efecto del tratamiento cambia con el tiempo, violando el supuesto. El artículo indica que se evaluó este supuesto mediante el gráfico de residuos de Schoenfeld para el punto final primario -- es una buena práctica metodológica que muchos ensayos omiten reportar, aunque el artículo no muestra explícitamente el resultado cuantitativo (test de correlación) sino que lo menciona como verificación cualitativa.��5) Ajuste por factores de estratificación: al incluir tipo de IAM, betabloqueante usado y centro como covariables/estratos en el modelo de Cox, se controla por posibles diferencias sistemáticas en estas variables entre los grupos (aunque la aleatorización ya debería balancearlas en expectativa) y se reduce la varianza residual del modelo, aumentando la precisión (IC más estrechos) sin introducir sesgo, porque estos factores fueron definidos ANTES de ver los resultados (prespecificados), evitando el problema de 'ajuste post-hoc para forzar significación'.��6) Interpretación clínica correcta del HR: un HR de 0,80 significa que, en cualquier instante durante el seguimiento, el riesgo instantáneo (no acumulado) de sufrir el evento compuesto en el grupo de discontinuación es, en promedio, el 80% del riesgo del grupo de continuación -- es decir, una reducción relativa del riesgo instantáneo del 20%. Es importante remarcar en la discusión que un HR no es lo mismo que un riesgo relativo acumulado ni que una diferencia de riesgo absoluto (que fue de -1,8 puntos porcentuales, IC95% -5,5 a 1,9 -- noten que este IC SÍ cruza el cero, lo cual es coherente porque la diferencia absoluta y el HR responden preguntas ligeramente distintas y tienen distinta potencia estadística).

13 of 26

HERRAMIENTAS ESTADÍSTICAS · 5 DE 7

Riesgos competitivos: modelos de Fine–Gray

Problema: al analizar componentes no fatales (p. ej., IAM recurrente) de forma aislada, la muerte por otra causa impide que ese evento pueda ocurrir — es un 'riesgo competitivo', no una simple censura.
Tratar la muerte como censura habitual (como en Kaplan–Meier estándar) SOBRESTIMA la incidencia del evento no fatal, porque asume implícitamente que esos pacientes fallecidos habrían podido seguir en riesgo.
Solución aplicada: modelos de subdistribución de Fine–Gray, con la muerte modelada explícitamente como riesgo competitivo — para muerte cardiovascular, el riesgo competitivo fue la muerte de causa no cardiovascular.
El resultado se reporta como hazard ratio de subdistribución (sHR), aplicado a los componentes individuales no fatales del punto final compuesto.

Paciente en seguimiento

En riesgo

Evento de interés

(p. ej. IAM recurrente)

Riesgo competitivo

(muerte por otra causa)

Fine–Gray mantiene en el denominador (conjunto de riesgo) a los pacientes que ya tuvieron el evento competitivo, en lugar de retirarlos como haría una censura estándar — reflejando mejor la probabilidad acumulada real observable en la práctica clínica.

Herramientas estadísticas

SMART-DECISION · N Engl J Med 2026;394:1302-12

12

RIESGOS COMPETITIVOS Y MODELOS DE FINE-GRAY — explicación extensa.��1) El problema conceptual: en un análisis estándar de Kaplan-Meier/Cox para un evento no fatal (ej. IAM recurrente), lo habitual es censurar a los pacientes que mueren sin haber tenido ese evento, tratándolos igual que a quienes se pierden de seguimiento o terminan el estudio. Pero hay una diferencia fundamental: un paciente perdido de seguimiento PODRÍA, en teoría, tener el evento después (simplemente no lo observamos); un paciente que murió NUNCA podrá tener un IAM recurrente porque ya no puede tener ningún evento futuro. Tratar la muerte como censura ordinaria en el estimador de Kaplan-Meier de 'incidencia de IAM recurrente' produce el llamado 'complemento de 1 menos Kaplan-Meier', que en presencia de riesgos competitivos SOBRESTIMA sistemáticamente la incidencia acumulada real del evento de interés, porque asume implícitamente (de forma incorrecta) que esos pacientes fallecidos habrían seguido en riesgo de tener el evento si hubieran seguido vivos.��2) La solución de Fine-Gray (1999): en lugar de modelar el hazard 'causa-específico' (que sí permite censura estándar por muerte, pero cuya integral no da directamente la incidencia acumulada real), Fine y Gray propusieron modelar el hazard de la SUBDISTRIBUCIÓN: matemáticamente, mantienen en el 'conjunto de riesgo' (risk set) a los pacientes que ya tuvieron el evento competitivo (la muerte), en lugar de removerlos -- de forma que el modelo, al integrarse, produce directamente estimaciones de incidencia acumulada compatibles con lo que se observaría en la realidad (la función de incidencia acumulada, CIF). El coeficiente resultante exponenciado es el 'subdistribution hazard ratio' (sHR), que tiene una interpretación distinta al HR causa-específico de un Cox estándar: refleja el efecto sobre la PROBABILIDAD ACUMULADA observable del evento, teniendo en cuenta que la muerte compite por 'consumir' a los pacientes en riesgo.��3) Aplicación en este artículo: se usó específicamente para 'análisis de componentes individuales no fatales' del punto final compuesto (IAM recurrente, hospitalización por IC), con la muerte por cualquier causa como riesgo competitivo; y para muerte cardiovascular específicamente, el riesgo competitivo definido fue la muerte por causa NO cardiovascular (un uso clásico y correcto de este marco). Además, se realizó un análisis de sensibilidad de 'riesgos competitivos para tener en cuenta el riesgo de muerte' sobre los puntos finales secundarios en su conjunto, y los resultados fueron consistentes con los análisis principales -- lo cual es tranquilizador metodológicamente: indica que la elección del método (Cox estándar vs. Fine-Gray) no cambia sustancialmente las conclusiones, sugiriendo que el fenómeno de riesgo competitivo no estaba distorsionando gravemente las estimaciones principales (probablemente porque la mortalidad global fue relativamente baja en ambos grupos).��4) Punto para la discusión crítica: es una fortaleza metodológica notable que muchos ensayos cardiovasculares NO implementan correctamente -- es común ver ensayos que reportan 'incidencia de IAM recurrente' con Kaplan-Meier estándar sin ajustar por el riesgo competitivo de muerte, lo cual sesga (generalmente sobreestima) la incidencia reportada del evento no fatal. El hecho de que SMART-DECISION haya aplicado Fine-Gray de forma sistemática y prespecificada para todos los componentes no fatales es un indicador de calidad estadística del diseño analítico.

14 of 26

HERRAMIENTAS ESTADÍSTICAS · 6 DE 7

Modelos lineales mixtos para variables continuas repetidas

Aplicados a: FEVI, NT-proBNP, presión arterial, frecuencia cardíaca y los dominios del cuestionario PROMIS-29 (calidad de vida) — todas variables medidas repetidamente en el tiempo (basal + visitas de seguimiento).
Estructura del modelo: efectos fijos para visita, grupo de tratamiento y su interacción (visita × grupo) — la interacción es la que permite estimar si la trayectoria en el tiempo difiere entre grupos, no solo el nivel promedio.
Ajuste por el valor basal de cada variable, para controlar diferencias iniciales entre pacientes.
Interceptos aleatorios por paciente: modelan la correlación entre mediciones repetidas del mismo individuo (un paciente con NT-proBNP alto tiende a mantenerlo relativamente alto en visitas sucesivas).
Errores estándar estimados con un estimador robusto tipo 'sandwich' (cluster-robust), que es válido incluso si la estructura de correlación intra-paciente no está perfectamente especificada por el modelo — mayor robustez frente a violaciones de supuestos.

Herramientas estadísticas

SMART-DECISION · N Engl J Med 2026;394:1302-12

13

MODELOS LINEALES MIXTOS Y ESTIMADOR SANDWICH — explicación extensa.��1) Por qué no basta una simple comparación de medias en cada visita: cuando un mismo paciente aporta múltiples mediciones a lo largo del tiempo (basal, 6, 12, 24, 30 meses y anualmente), esas mediciones NO son independientes entre sí -- están correlacionadas dentro de cada paciente (correlación intra-sujeto). Ignorar esta correlación (por ejemplo, tratando cada visita como una observación independiente en una ANOVA simple) produce errores estándar incorrectos (típicamente subestimados), lo que infla artificialmente la significación estadística.��2) Estructura del modelo mixto (linear mixed-effects model): incluye 'efectos fijos' para visita (el momento del seguimiento), grupo de tratamiento, y su INTERACCIÓN visita×grupo. El efecto fijo de interacción es el parámetro clave: mide si la pendiente/trayectoria de cambio en el tiempo (ej. de NT-proBNP) difiere entre el grupo de discontinuación y el de continuación -- que es la pregunta clínicamente relevante ('¿discontinuar el BB afecta la evolución de esta variable en el tiempo?'), más que solo comparar el promedio global entre grupos ignorando el tiempo.��3) Ajuste por valor basal: se incluye la medición basal de cada variable como covariable, lo cual es una práctica estándar (equivalente conceptualmente a un análisis tipo ANCOVA) para controlar diferencias de partida entre pacientes y mejorar la precisión de la estimación del efecto del tratamiento sobre el cambio.��4) Interceptos aleatorios ('random intercepts') por paciente: es el componente 'mixto' del modelo -- además de los efectos fijos poblacionales, se permite que cada paciente tenga su propio nivel basal individual (aleatorio, extraído de una distribución poblacional), lo que captura la heterogeneidad entre pacientes y modela apropiadamente la correlación entre las mediciones repetidas de un mismo individuo (dos mediciones del mismo paciente comparten ese intercepto aleatorio, y por tanto están correlacionadas, mientras que mediciones de pacientes distintos son condicionalmente independientes).��5) El estimador 'sandwich' (cluster-robust / robusto a heterocedasticidad): incluso con interceptos aleatorios, la estructura de correlación real de los datos podría ser más compleja de lo que el modelo mixto asume (ej. la correlación podría no ser constante entre todos los pares de visitas, podría haber heterocedasticidad, etc.). El estimador sandwich (también llamado de Huber-White o robusto) calcula los errores estándar de forma que sean válidos incluso si el modelo de covarianza especificado está mal especificado (misspecified), agrupando ('clustering') las observaciones por paciente. Es una capa adicional de robustez estadística: 'usamos un modelo razonable para la media, pero no confiamos ciegamente en su estructura de varianza-covarianza para calcular los IC/errores estándar'. Es una práctica considerada rigurosa y cada vez más estándar en ensayos clínicos modernos con datos longitudinales.��6) Relevancia clínica de esto: permite al artículo concluir, por ejemplo, que 'no hubo diferencias aparentes entre grupos en cambios desfavorables de la FEVI o en calidad de vida', aunque la presión arterial y la frecuencia cardíaca sí parecieron aumentar tras la discontinuación -- hallazgos mecanísticos que respaldan (o matizan) la seguridad hemodinámica de discontinuar el BB, más allá de los eventos clínicos duros.

15 of 26

HERRAMIENTAS ESTADÍSTICAS · 7 DE 7

Análisis por intención de tratar, subgrupos y multiplicidad

Intención de tratar (ITT) — análisis principal

Todos los pacientes analizados según el grupo al que fueron ASIGNADOS por aleatorización, independientemente de la adherencia real. Preserva el balance generado por la aleatorización y evita sesgo de selección post-randomización.

Por protocolo (PP) — análisis de sensibilidad

Excluye a quienes tuvieron desviaciones mayores de protocolo (p. ej., discontinuar en el grupo de continuación, o continuar en el grupo de discontinuación). Resultado: HR 0,79 (IC95% 0,56–1,12) — consistente con el análisis ITT.

Subgrupos preespecificados: analizados con modelos de Cox incluyendo términos de interacción tratamiento × subgrupo — evalúa si el efecto del tratamiento es homogéneo o difiere según características basales (edad, sexo, FEVI, PA, etc.).
Sin imputación de datos faltantes — los valores ausentes no fueron reemplazados; se trabajó con los datos observados.
Punto crítico explícito de los autores: NO se realizaron ajustes por multiplicidad, y el ancho de los IC de los puntos secundarios/subgrupos no debe usarse para inferir significación — riesgo de error tipo I al mirar múltiples comparaciones sin corrección.

Herramientas estadísticas

SMART-DECISION · N Engl J Med 2026;394:1302-12

14

ITT, POR PROTOCOLO, SUBGRUPOS Y MULTIPLICIDAD — explicación extensa.��1) Intención de tratar (ITT): es el principio de análisis primario recomendado (y casi obligatorio) en ensayos clínicos aleatorizados de superioridad Y de no inferioridad, aunque con matices importantes. Analiza a los pacientes según el grupo al que fueron aleatoriamente asignados, sin importar si realmente recibieron/cumplieron la intervención asignada. Esto preserva la aleatorización (y por tanto el balance esperado de factores de confusión conocidos y desconocidos entre grupos) y refleja mejor la efectividad de una ESTRATEGIA clínica en el mundo real (incluyendo la falta de adherencia, que también ocurre en la práctica).��2) Matiz importante en no inferioridad: en ensayos de SUPERIORIDAD, ITT es conservador (tiende a diluir diferencias reales hacia la hipótesis nula, dado que la falta de adherencia hace que los grupos se parezcan más entre sí, sesgando hacia 'no hay diferencia'). Pero en ensayos de NO INFERIORIDAD ocurre lo contrario: la dilución por falta de adherencia hace que los grupos se parezcan más, lo cual puede FAVORECER espuriamente la conclusión de no inferioridad incluso si el tratamiento experimental fuera realmente inferior. Por esto, en ensayos de no inferioridad las guías (ICH E9) recomiendan mostrar TANTO el análisis ITT COMO el análisis por protocolo (PP), y solo confiar en la conclusión de no inferioridad si AMBOS coinciden. Aquí: HR ITT 0,80 (0,57-1,13) vs. HR PP 0,79 (0,56-1,12) -- resultados prácticamente idénticos, lo que refuerza la robustez de la conclusión frente a este sesgo potencial. Vale la pena destacarlo explícitamente como fortaleza metodológica en la discusión.��3) Análisis de subgrupos preespecificados: se usaron modelos de Cox con un término de interacción tratamiento×subgrupo (por ejemplo, tratamiento × sexo), cuyo coeficiente evalúa si el HR difiere significativamente entre categorías del subgrupo (ej. hombres vs. mujeres). Es metodológicamente superior a simplemente 'calcular el HR por separado en cada subgrupo y ver si alguno cruza 1' -- ese enfoque informal es propenso a errores de interpretación (falsos subgrupos 'positivos' por azar). Aun así, con docenas de subgrupos analizados, el riesgo de falsos positivos/negativos por azar sigue siendo relevante, especialmente en subgrupos pequeños (mujeres, n=326; FEVI 40-49%, n=396) donde los IC son muy anchos y las estimaciones inestables -- deben interpretarse como generadoras de hipótesis, nunca como confirmatorias.��4) Ausencia de ajuste por multiplicidad -- este es uno de los puntos MÁS importantes para el análisis crítico: el artículo analiza un punto final primario, más de una decena de puntos finales secundarios, un punto exploratorio adicional, y más de una docena de subgrupos preespecificados -- cada comparación adicional aumenta la probabilidad acumulada de al menos un hallazgo 'significativo' por puro azar (inflación del error tipo I), si se interpretaran de forma aislada como hallazgos confirmatorios. Los propios autores son transparentes y responsables al respecto: explicitan que NO ajustaron por multiplicidad, que los puntos secundarios deben interpretarse como EXPLORATORIOS, y que el ancho de los IC de esos análisis no debe usarse para inferir 'significación'. Esto es buena práctica de reporte (transparencia), pero exige que el lector/residente sea especialmente cauteloso al citar, por ejemplo, la reducción de accidente cerebrovascular (HR 0,43, IC95% 0,19-0,99) como un hallazgo confirmado -- es plausible que sea un hallazgo casual dado el número de comparaciones realizadas, y no debe usarse aisladamente para cambiar la práctica clínica.��5) No imputación de datos faltantes: significa que el análisis se basó en 'casos disponibles' en cada punto temporal/variable, sin técnicas como imputación múltiple. Esto es aceptable si la proporción de datos faltantes es baja (aquí el seguimiento fue muy completo, >98% a 1 año) pero puede introducir sesgo si los datos faltantes no son completamente al azar (MCAR) -- por ejemplo, si los pacientes que abandonan el estudio tienen sistemáticamente peor o mejor evolución que quienes permanecen.

16 of 26

②

RESULTADOS DEL ENSAYO

Población, punto final primario

y análisis de subgrupos

Aplicando el marco estadístico descrito, revisamos ahora los hallazgos concretos del ensayo SMART-DECISION.

17 of 26

RESULTADOS

Características basales de la población (n = 2540)

Característica	Discontinuación (n=1246)	Continuación (n=1294)
Edad, media (DE)	63,4 ± 9,9 años	63,0 ± 10,3 años
Sexo femenino	158 (12,7%)	168 (13,0%)
IAM con elevación del ST	714 (57,3%)	729 (56,3%)
Revascularización coronaria	1214 (97,4%)	1262 (97,5%)
Tiempo IAM → aleatorización, mediana (RIC)	4,6 (2,4–8,5) años	4,8 (2,3–8,4) años
FEVI por ecocardiografía, mediana (RIC)	59,0% (53,7–64,6)	59,0% (53,0–65,0)
Diabetes mellitus	501 (40,2%)	468 (36,2%)
Betabloqueante: carvedilol / bisoprolol / nebivolol	47,8% / 32,4% / 19,7%	47,4% / 32,2% / 20,2%

Las características basales estuvieron bien balanceadas entre grupos — consistente con una aleatorización exitosa. El tiempo mediano desde el IAM índice hasta la aleatorización (≈4,7 años) confirma que se trata de una población MUY ALEJADA del evento agudo y clínicamente muy estable — un dato clave para interpretar la generalizabilidad de los resultados.

Resultados

SMART-DECISION · N Engl J Med 2026;394:1302-12

16

18 of 26

RESULTADOS

Punto final primario: resultado principal

7,2%

Discontinuación

(58/1246 eventos)

9,0%

Continuación

(74/1294 eventos)

0,80

Hazard ratio

IC95%: 0,57–1,13

p=0,001

para no inferioridad

(no para superioridad)

Estimaciones de Kaplan–Meier a 4 años. Diferencia de riesgo absoluto: −1,8 puntos porcentuales (IC95%: −5,5 a 1,9) — nótese que este IC SÍ cruza el cero.
Criterio de no inferioridad cumplido: el límite superior del IC95% del HR (1,13) es claramente inferior al margen prespecificado de 1,4.
Componentes individuales: muerte por cualquier causa HR 0,71 (0,43–1,16); IAM recurrente HR 1,11 (0,63–1,96); hospitalización por IC HR 0,82 (0,42–1,57) — todos con IC amplios que cruzan 1, consistente con el diseño de no inferioridad (no buscan significación individual).
Eventos adversos serios: incidencia similar entre grupos (11,5% vs. 13,4%).

Resultados

SMART-DECISION · N Engl J Med 2026;394:1302-12

17

19 of 26

RESULTADOS

Puntos finales secundarios y seguridad

Punto final	Discont. n (%)	Continuación n (%)	HR (IC 95%)
Cualquier hospitalización	129 (13,1%)	154 (18,2%)	0,86 (0,68–1,09)
Muerte CV o IAM recurrente	50 (5,8%)	59 (7,2%)	0,86 (0,59–1,26)
Cualquier revascularización	38 (4,3%)	45 (6,7%)	0,86 (0,56–1,33)
Fibrilación auricular de novo	14 (1,5%)	20 (1,8%)	0,72 (0,36–1,43)
Ictus	8 (0,7%)	19 (1,8%)	0,43 (0,19–0,99)

⚠ Precaución interpretativa — ictus

El hallazgo de menor incidencia de ictus con discontinuación (HR 0,43; IC95% 0,19–0,99) es UNO ENTRE MÁS DE UNA DOCENA de puntos secundarios/exploratorios analizados SIN corrección por multiplicidad. Un IC que roza apenas 0,99 en este contexto es altamente compatible con un hallazgo casual (falso positivo) y NO debe interpretarse como evidencia confirmatoria de que discontinuar el BB reduce el riesgo de ictus.

Calidad de vida (PROMIS-29): sin diferencias relevantes entre grupos en los 7 dominios evaluados.

Resultados

SMART-DECISION · N Engl J Med 2026;394:1302-12

18

20 of 26

RESULTADOS

Análisis de subgrupos preespecificados

Subgrupo	n	HR (IC 95%)	Comentario
Todos los pacientes	2540	0,80 (0,57–1,13)	Resultado global
Sexo femenino	326	1,95 (0,65–5,82)	Muestra pequeña, IC extremadamente amplio
FEVI 40–50%	396	0,64 (0,25–1,63)	Subgrupo de mayor incertidumbre fisiopatológica
ERC	228	0,53 (0,23–1,23)	IC amplio, no concluyente
Edad ≥65 años	1124	0,78 (0,52–1,16)	Consistente con el global
FC ≥60 lpm	2279	0,73 (0,51–1,05)	Consistente con el global

En general, el efecto fue consistente (sin interacción significativa) a través de los subgrupos preespecificados (edad, sexo, IMC, hipertensión, diabetes, FEVI, PA, FC, tipo de IAM, betabloqueante usado, tiempo desde el IAM, revascularización completa).
Excepción aparente: sexo femenino (HR 1,95) — pero con solo 326 pacientes y un IC extremadamente amplio (0,65–5,82) que incluye tanto beneficio como daño considerable; NO alcanza significación y debe interpretarse como generadora de hipótesis, no como una señal de alarma confirmada.

Resultados

SMART-DECISION · N Engl J Med 2026;394:1302-12

19

Figura 3 del artículo (forest plot), resumida en tabla. El análisis de subgrupos con test de interacción es la forma correcta de evaluar heterogeneidad del efecto (en lugar de simplemente mirar si el IC de cada subgrupo cruza 1 por separado). El subgrupo de mujeres muestra un HR point-estimate >1 (posible señal de daño con discontinuación), pero el n es pequeño (326, 12,8% de la muestra) y el IC es enormemente amplio -- estadísticamente es completamente compatible tanto con beneficio grande como con daño grande. Es un ejemplo clásico de por qué los autores explícitamente piden cautela: mujeres y FEVI 40-49% fueron subrepresentadas, y estos análisis deben considerarse exploratorios/generadores de hipótesis, nunca confirmatorios ni usados para individualizar la decisión clínica todavía.

21 of 26

③

VALORACIÓN CRÍTICA

Fortalezas, debilidades

y puesta en contexto

Integramos el diseño, la estadística y los resultados en un juicio crítico sobre la validez interna, externa y la aplicabilidad clínica del ensayo.

22 of 26

ANÁLISIS CRÍTICO

Puntos fuertes del estudio

Diseño y tamaño

Ensayo aleatorizado, gran tamaño muestral (n=2540), multicéntrico — minimiza confusión por indicación, el problema central de los estudios observacionales previos.

Adjudicación ciega

Comité independiente de eventos, ciego a la asignación — mitiga el sesgo inherente al diseño abierto, especialmente relevante porque el punto primario son eventos objetivos (muerte, IAM, hospitalización por IC).

Punto final objetivo

A diferencia de ABYSS, el punto primario excluye componentes 'blandos' (como hospitalización CV genérica) susceptibles a decisión clínica discrecional en diseño abierto.

Rigor estadístico

Uso apropiado de Fine–Gray para riesgos competitivos, modelos mixtos con estimador sandwich, verificación del supuesto de proporcionalidad (Schoenfeld), y concordancia ITT/por protocolo.

Transparencia

Los autores reconocen explícitamente la falta de ajuste por multiplicidad y limitan la interpretación de los puntos secundarios — buena práctica de reporte.

Alcance mecanístico

Incorpora FEVI, NT-proBNP y calidad de vida (PROMIS-29) — no evaluados sistemáticamente en ensayos previos de discontinuación de BB.

Análisis crítico

SMART-DECISION · N Engl J Med 2026;394:1302-12

20

23 of 26

ANÁLISIS CRÍTICO

Puntos débiles y limitaciones

Diseño abierto

Sin cegamiento — aunque mitigado por adjudicación ciega, persiste riesgo de sesgo en decisiones de manejo (ej. umbral para hospitalizar) y en el reporte de síntomas/calidad de vida.

Margen de no inferioridad amplio

HR 1,4 es relativamente permisivo; combinado con menor incidencia de eventos de la esperada, reduce la precisión real para excluir un exceso de riesgo moderado.

Sin ajuste por multiplicidad

Múltiples puntos secundarios y subgrupos analizados sin corrección — alto riesgo de error tipo I en hallazgos como la reducción de ictus (HR 0,43, IC 0,19–0,99).

Generalizabilidad limitada

Población monoétnica (Corea del Sur), 87% varones, baja prevalencia de enfermedad vascular periférica — no extrapolable directamente a otros contextos étnicos/sanitarios.

Selección de 'supervivientes estables'

Mediana de 4,7 años desde el IAM índice — los resultados NO informan sobre la seguridad de discontinuar tempranamente (ej. al año) ni en pacientes de mayor riesgo basal.

Subgrupos infrarrepresentados

Mujeres (12,8%) y FEVI 40–49% (15,6%) — conclusiones de seguridad en estos grupos son exploratorias, no confirmatorias.

FEVI preAleatorización, no en el momento 0

Se usó el ecocardiograma clínico más reciente antes de la aleatorización — posible cambio no capturado en la función ventricular real al momento de discontinuar.

Análisis crítico

SMART-DECISION · N Engl J Med 2026;394:1302-12

21

Síntesis de limitaciones — conectar cada una con lo desarrollado en la sección estadística. En particular remarcar dos limitaciones jerárquicamente más importantes que el resto: (1) el margen de no inferioridad amplio combinado con menos eventos de los esperados, que en conjunto reducen la capacidad real de excluir un daño moderado (no es lo mismo un IC estrecho por debajo de 1,4 que uno que llega justo hasta 1,13 partiendo de una tasa de eventos menor a la anticipada); y (2) la falta de ajuste por multiplicidad, que debe hacernos desconfiar de cualquier hallazgo secundario 'brillante' como el de ictus. También es importante la limitación de aplicabilidad temporal: este ensayo no responde si es seguro discontinuar el BB al año exacto del IAM en un paciente recién estabilizado -- sólo en el escenario de 'superviviente crónico muy estable', que es una población distinta y de menor riesgo basal por definición (sesgo de supervivencia).

24 of 26

ANÁLISIS CRÍTICO

¿Por qué ABYSS y SMART-DECISION difieren?

Aspecto	ABYSS (2024)	SMART-DECISION (2026)
Resultado de no inferioridad	NO cumplido	Cumplido
Punto final primario	Incluye hospitalización CV amplia (angina, angiografía sin revasc.)	Solo eventos objetivos duros (muerte, IAM, hosp. por IC)
Tiempo desde IAM a aleatorización (mediana)	2,9 años	4,7 años
Mínimo de BB previo requerido	6 meses	1 año
Prevención secundaria de fondo	Menos intensiva (ezetimiba, P2Y12)	Más intensiva → menor incidencia global de eventos

Lectura crítica: la discrepancia entre ensayos NO es contradictoria a nivel de eventos duros — en ABYSS el riesgo de muerte, IAM y hospitalización por IC también fue similar entre grupos; la diferencia surgió de hospitalizaciones 'blandas' (angina, angiografías) más susceptibles al sesgo de decisión clínica en diseño abierto.
SMART-DECISION prespecificó un punto final más 'duro' y objetivo desde el diseño — una decisión metodológica defendible que reduce la vulnerabilidad al sesgo de un ensayo abierto.

Análisis crítico

SMART-DECISION · N Engl J Med 2026;394:1302-12

22

Comparación con el ensayo ABYSS (Silvain et al., NEJM 2024), que es la referencia directa más relevante porque comparó la misma pregunta clínica con diseño similar pero llegó a la conclusión opuesta. Es fundamental para el análisis crítico entender que la diferencia de resultados se explica principalmente por la definición del punto final primario -- en ABYSS, el punto compuesto incluía 'hospitalización por causa cardiovascular' de forma amplia, lo cual es un criterio blando susceptible a la discrecionalidad médica en un ensayo sin cegamiento (un médico que sabe que el paciente discontinuó el BB podría tener un umbral más bajo para indicar una angiografía diagnóstica o para hospitalizar por síntomas leves). SMART-DECISION evitó deliberadamente ese sesgo potencial al prespecificar solo eventos 'duros' objetivos. Además, la población de SMART-DECISION es más alejada del evento índice (mediana 4,7 vs 2,9 años) y recibió prevención secundaria más intensiva contemporánea, lo que explica la menor incidencia global de eventos observada aquí.

25 of 26

CONCLUSIONES

Mensaje principal y aplicabilidad clínica

Conclusión de los autores

En pacientes estables con FEVI ≥40%, sin insuficiencia cardíaca, que ya recibían betabloqueante desde hace ≥1 año tras un IAM, la discontinuación del fármaco fue NO INFERIOR a su continuación respecto al compuesto de muerte, IAM recurrente u hospitalización por IC — sin diferencias relevantes en eventos adversos serios.

Aplicabilidad práctica: en un subgrupo bien seleccionado de pacientes estables y de bajo riesgo (perfil similar al del ensayo), discontinuar el BB puede ser una estrategia razonable — reduciendo carga de medicación y efectos adversos potenciales — sin necesidad de continuación indefinida 'por costumbre'.
No debe extrapolarse a: discontinuación temprana (<1 año post-IAM), pacientes con FEVI 40–49% o mujeres (datos insuficientes), ni a poblaciones con perfil de riesgo más alto o distinto contexto étnico/sanitario.
La decisión debe seguir siendo individualizada, considerando indicaciones concomitantes del BB (angina, arritmia, hipertensión) no relacionadas específicamente con el IAM.

Conclusiones

SMART-DECISION · N Engl J Med 2026;394:1302-12

23

26 of 26

Gracias

Preguntas y discusión abierta

Choi KH, Kang D, Kim W, et al., for the SMART-DECISION Investigators. Discontinuation of Beta-Blocker Therapy after Myocardial Infarction. N Engl J Med 2026;394:1302-12. DOI: 10.1056/NEJMoa2601005

Análisis crítico de artículo · Residencia de Cardiología, 4º año