Descuidar la agrupación es, creo, la práctica habitual a la hora de analizar los ensayos clínicos multicéntricos basado en un tiempo-a-evento de resultado. Es decir, el estándar de modelo de Cox se utiliza. En ese caso, el efecto del tratamiento tiene un promedio de población (marginal) de la interpretación, el efecto promedio sobre todos los centros. Se sabe que el modelo de Cox conduce a una estimación consistente de la población cociente de riesgo (bajo algunas condiciones suaves, supongo), pero el error estándar no es debido a la correlación entre el tiempo de supervivencia. Ajuste del error estándar, sin embargo, es posible mediante el uso de la jackknife, que conduce a algún tipo de sándwich estimador. El método está disponible en R (cf. el clúster() función para ser utilizado dentro de coxph()). Alternativamente, multinivel modelado también puede ser utilizado para ese tipo de datos, como lo sugieren. Es decir, el centro de efecto entra en el modelo de Cox como efecto aleatorio. En el análisis de supervivencia, esto se llama una fragilidad del modelo. En la fragilidad del modelo, el efecto del tratamiento tiene un centro específico (condicional) interpretación. El método también está disponible en R (cf. la fragilidad() función para ser utilizado dentro de coxph(), o coxme()).
Ambos enfoques son correctas, siempre que el cociente de riesgo es bien interpretada (promedio de población frente a centro específico). En general, el promedio de población efecto es atenuado en comparación con el centro-
efecto específico. Yo diría que la elección de un método u otro depende de la interpretación que queramos darle a la relación de riesgo. El centro de interpretación específica, según yo, particularmente relevante en el contexto de ensayos clínicos como se compara a "como".
Las referencias que hablar de este tema incluyen Glidden y Vittinghoff (2004), tesis de Doctorado por Snavely (capítulo 1), y Duchateau y Janssen (2008, Capítulo 3).
