Determinarea prognosticului

C.Baicus, mai 2006

De ce avem nevoie de studii

prognostice?

• Pacientii vor sa stie cum vor evolua

• Medicii sunt interesati de prognostic,

care influenteaza deciziile terapeutice:

– raport beneficiu / cost, reactii adverse

(riscului toxicitatii tratamentului

riscului toxicitatii tratamentului)

PROGNOSTICUL se referă la

rezultatele posibile ale unei boli şi

la frecvenţele cu care acestea sunt

aşteptate să apară.

Aspect calitativ (ce se poate

întâmpla?)

Aspect temporal (după cât timp?)

Factori prognostici = caracteristici ale

unui pacient care pot fi folosite pentru a

îi prezice mai exact prognosticul:

demografici (de ex. vârstă, sex)

specifici bolii (de ex. stadializarea tumorii,

localizarea infarctului)

comorbiditate (de ex. alte condiţii

acompaniind boala respectivă)

prognostic diagnostic

• Similare:

identifica probabilitatea pacientilor de a avea

– o anumita boala (diagnostice)

– un anumit deznodamant (prognostice)

– o anumita responsivitate la tratament

• Diferite:

– dg: comparare cu gold standard/ pgn: evolutie

– dg: Sn, Sp, LR /

pgn: RR, OR, curbe de supravietuire&hazard

ratio

prognostic etiologie

FR factori prognostici

• studii de cohorta

RR, supravietuire mediana

• studii caz-martor

nu dau informaţii despre riscul absolut al unui

eveniment, ci doar despre cel relativ estimat ca OR

Criterii de validitate ale studiilor

prognostice

I. Criterii principale

1 .Eşantion

reprezentativ, cu boala bine definită şi cu

întreg spectrul de severitate

pacienţi aflaţi la un moment similar în

evoluţia bolii (ex: durata bolii, în general

legată de prognostic)

• devreme (pentru a nu pierde pacienţii care deja

au murit sau pe cei care deja s-au însănătoşit)

= cohortă de început (inception cohort), de la

primele manifestări ale bolii.

2 .Urmărirea: suficient de lungă şi completă

Ideal: urmărit de la începutul bolii până la

deznodământ

Urmărirea prea scurtă: prea puţini pacienţi suferă

deznodământul – nu se poate trage o concluzie;

mărimea eşantionului.

Urmărirea lungă: pierderea din vedere – legată de

deznodământul bolii (au murit/s-au vindecat)

Urmărirea “suficient de completă”:

Regula 5 şi 20%

Analiza “în cel mai rău caz”/”în cel mai bun caz”

I. Criterii principale

II. Criterii secundare

3 .Criteriile de evaluare a deznodământului –

obiective şi nesupuse erorilor sistematice

(bias).

– Orbirea evaluatorului faţă de factorii

prognostici.

În cazul identificării unor subgrupe cu

prognostic diferit:

4 .S-a efectuat o ajustare pentru factorii

prognostici importanţi?

Grupurile de comparat: similare la început, cu excepţia

factorului prognostic evaluat

Randomizare – în studiile terapeutice

Analiză stratificată / analiză prin regresie multiplă

Nu este necesar ca factorii prognostici să determine

deznodământul; ei trebuie doar să fie destul de

puternic asociaţi cu acesta pentru a-l prezice.

II. Criterii secundare

5 .Validarea modelului prognostic într-o

cohortă independentă (grup test).

II. Criterii secundare

Analiza datelor

Rezultatele cantitative cu privire la prognostic sau risc sunt reprezentate

de numărul de evenimente care au aparut în timp.

Cât de mare este probabilitatea apariţiei efectului de

studiat în perioada specificată de timp?

Riscul la timpul t

RR – test X2 (testul exact al lui Fisher)

OR – regresie logistică (analiză multivariată)

Curba de supravieţuire (modificarea riscului în timp)

RR – log rank test sau Mantel-Haenzel (analiză univariată)

OR – modelul lui Cox (regresia riscului proporţional – multivariată)

Cât de precisă este estimarea probabilităţii (riscului)?

CI

SANATOS FACTOR DE RISC

BOLNAV FACTOR PROGNOSTIC

DEZNODĂMÂNT

Reguli de predictie clinica

• Evaluarea simultana a mai multor factori

care “prezic” prognosticul la pacientii

individuali

• Pot fi folosite si pentru diagnostic

Reguli de predicţie clinică

Studii diagnostice sau prognostice

• efectuate pe sute sau mii de pacienţi

• valide metodologic (nivelul dovezii)

Cum ajungem la RPC?

I. Evaluarea item-urilor ca teste

diagnostice

II. Modele de regresie logistica

(analiza multivariabila)

I. Evaluarea item-urilor ca

teste diagnostice

B O A L Ă TOTAL

PREZENTĂ ABSENTĂ

TEST

POZITIV a b a+b

DIAGNOSTIC NEGATIV c d c+d

a+c b+d a+b+c+d

(a=adevărat pozitivi; b=fals pozitivi; c=fals negativi; d=adevărat negativi)

Sensibilitatea = a/(a+c)

Specificitatea = d/(b+d)

Probabilitatea pretest (prevalenţa) = (a+c)/(a+b+c+d)

Valoare predictivă pozitivă = a/(a+b)

Valoare predictivă negativă = d/(c+d)

Likelihood ratio pentru un rezultat pozitiv al testului (LR+) = sensibilitate/(1-specificitate)

Likelihood ratio pentru un rezultat negativ al testului (LR-) = (1-sensibilitate)/specificitate

Anemia, VSH şi scăderea ponderală ca teste

diagnostice în cancer C.Băicuş et al. Rom J Int Med, 1999, 37: 261-267

TEST Sb Sp Preval

PPV NPV LR+ LR- ProbPostTest+

ProbPostTest-

ANEMIE 37 (CI=36-39) 92 (CI=91-93) 4 17 (CI=16-18) 97 (CI=97-98) 4,66 0,68 16 3

VSH 52 (CI=51-54) 89 (CI=88-90) 4 17 (CI=16-18) 98 (CI=97-98) 4,76 0,53 17 2

SCAD.POND.

46 (CI=45-48) 94 (CI=93-94) 4 24 (CI=23-25) 98 (CI=97-98) 7,46 0,57 24 2

TS 9 (CI=9-10) 99,6 (CI=99-100)

4 51 (CI=50-53) 96 (CI=96-97) 24,62 0,91 51 4

TSAG 16 (CI=15-17) 99 (CI=99-99) 4 45 (CI=44-46) 96 (CI=96-97) 19,08 0,85 44 3

TPGV 80 (CI=78-81) 84 (CI=83-85) 4 18 (CI=17-19) 99 (CI=99-99) 5,99 0,24 17 1

TP = teste în paralel AV = anemie + VSH crescut (teste în serie)

TS = teste în serie AG = anemie + scădere ponderală

GV = scădere ponderală + VSH

II. Modele de regresie logistică

(analiza multivariabilă)

• HTA

• colesterol

• proteina C reactivă

• fumat

• glicemie (HbA2)

• trigliceride

• BMI

• IMA

VARIABILE

INDEPENDENTE

(FR)

VARIABILA DEPENDENTĂ

(EFECT)

• este o abstractizare matematică analogă

evenimentelor din lumea reală

• multe modele sunt scrise ca o ecuaţie care

defineşte o valoare pe care vrem să o prezicem

(Y) din una sau mai multe variabile (X) pe care

le cunoaştem.

Ce este un model?

• Analiza multivariabilă este o unealtă pentru

determinarea contribuţiilor relative ale

diferitelor cauze la un singur eveniment

Analiza multivariabilă

• Căutarea unui trend (tendinţe).

- cea mai simplă formă de regresie

- folosită pentru a răspunde la întrebări

precum: cresc nivelele de noradrenalină cu

gradul de insuficienţă cardiacă? A tins să

crească incidenţa cancerului de sân în ultimii

20 de ani?

La ce folosesc modelele?

La ce folosesc modelele?

• Ajustarea pentru un factor de confuzie

- tehnicile de regresie pot răspunde la întrebări

precum: a modificat tratamentul cel nou

incidenţa ulcerelor după ce s-a ajustat pentru

vârstă şi consumul de aspirină?

• Predicţie

- care este riscul de infarct miocardic atunci

când ştim vârsta, TA, colesterolul?

- care este rata de succes la facultatea de

medicină în funcţie de nota de la capacitate,

media generală din liceu şi sex?

La ce folosesc modelele?

La ce folosesc modelele?

• Diagnostic

- care este probabilitatea ca o pacientă să aibă

LES dacă are acDNAdc +, pericardită şi febră?

- determinarea curbelor standard pentru

diverse teste, aceste curbe fiind apoi utilizate

pentru diagnostic şi/sau stadializare

• Un algoritm diagnostic bun poate face un

rezident să fie la fel de bun diagnostician ca

şi şeful de clinică!

Regresia

Y = a+b1X1+ b2X2+ b3X3+…… bnXn+

Regresia

Probabilitatea de a avea cancer

(regresie logistică)

lnODDScancer = -2,36 + 1,150(vârsta) + 0,921(anemie) + 0,861(VSH)

C.Baicus et al. Eur J Intern Med, 2006; 17:28-31.

VSH>29mm/h Anemie<10g

Hb

Varsta>62a Risc neo (CI)

(%)

Risc non-neo

(CI) (%)

NU NU NU 9 (0-15) 91 (85-100)

DA NU NU 18 (12-27) 82 (73-88)

NU DA NU 19 (12-30) 81 (70-88)

NU NU DA 23 (15-32) 77 (68-85)

DA DA NU 36 (16-63) 64 (37-84)

DA NU DA 41 (21-66) 59 (34-79)

NU DA DA 43 (21-68) 57 (32-79)

DA DA DA 64 (27-90) 36 (10-73)

Probabilitatea de a avea cancer

(regresie logistică)

C. Baicus et al. / European Journal of Internal Medicine 14 (2003) 249–254

lnODDS(boală severă) = -1,1275 +

1,4678(bili) + 1,6677(ALAT) + 1,0519(anemie) + 1,0078(leucocitoză)

FON - predictori ai gravităţii

ODDS(boală severă) =

e-1,1275 + 1,4678(bili) + 1,6677(ALAT) + 1,0519(anemie) + 1,0078(leucocitoză)

Prezenţi toţi (=1):

LOGODDS(boală severă) = -1,1275 + 1,4678(bili) + 1,6677(ALAT) +

+ 1,0519(anemie) + 1,0078(leucocitoză) =

-1,1275+1,4678+1,6677+1,0519+1,0078 = 4,0677 = lnODDS

ODDS(boală severă) = e4,0677 = 58,42

Risc = ODDS/(1+ODDS) = 58,42/(1+58,42) = 0,98 (98%)

Regresia logistică

Absenţi toţi (=0):

LOGODDS(boală severă) = -1,1275 + 1,4678(bili) + 1,6677(ALAT) +

+ 1,0519(anemie) + 1,0078(leucocitoză) =

-1,1275 = lnODDS

ODDS(boală severă) = e-1,1275 = 32,38

Risc = ODDS/(1+ODDS) = 0,32/(1+0,32) = 0,24 (24%)

Regresia logistică

Estimarea probabilităţii de a avea o

etiologie gravă prin regresie logistică

Hb<10g Leucocite >1010/L

ALATcrescută

Bilirubinatotală

crescută

Probabilitateaunei boligrave (%)

Probabilitateaunei boli maipuţin grave

(%)

NU NU NU NU 24 76

NU DA NU NU 47 53

DA NU NU NU 47 53

NU NU NU DA 58 42

NU NU DA NU 63 37

DA DA DA DA 98 2

C. Baicus et al. / European Journal of Internal Medicine 14 (2003) 249–254

Importanta localizarii studiului

• Prognosticul (ca si valorile predictive ale

testelor diagnostice) difera in functie de

localizarea studiului

– ingrijire primara/secundara/tertiara

• evaluarile dintr-o localizare nu sunt

aplicabile in alta

• pacientii inrolati in orice studiu au trecut

printr-un filtru

• Trebuie descrise cat mai explicit:

– caracteristicile pacientilor inrolati

– tipul de filtru prin care au trecut pana la inrolare

• sa aiba aceeasi sansa de a fi inclusi pacientii

care sufera/nu sufera efectul de studiat

– pacienti simptomatici, intrebati daca au mai

avut pietre la rinichi

Importanta localizarii studiului