Jornal Brasileiro de Pneumologia

ISSN (on-line): 1806-3756

ISSN (impressa): 1806-3713

SCImago Journal & Country Rank
Busca avançada

 

Número Atual: 2017 - Volume 43 - Número 4 (Julho/Agosto)

EDUCAÇÃO CONTINUADA: METODOLOGIA CIENTÍFICA

Estudos prognósticos para a tomada de decisão em saúde

Prognostic studies for health care decision making

 

Cecilia Maria Patino; Juliana Carvalho Ferreira

 

1. Department of Preventive Medicine, Keck School of Medicine, University of Southern California, Los Angeles (CA) USA.
2. Methods in Epidemiologic, Clinical and Operations Research (MECOR) program, American Thoracic Society/Asociación Latinoamericana del Tórax, Montevideo, Uruguay.
3. Divisão de Pneumologia do Instituto do Coração (InCor), Hospital das Clínicas, Faculdade de Medicina da Universidade de São Paulo, São Paulo (SP) Brasil.


 

 

 

CENÁRIO PRÁTICO

Um estudo de coorte retrospectivo multicêntrico foi realizado a fim de elaborar e validar um modelo prognóstico para prever a mortalidade em 1 ano em pacientes adultos submetidos a pelo menos 14 dias ininterruptos de ventilação mecânica. Variáveis prognósticas prováveis foram escolhidas a priori, com base na literatura publicada e no julgamento clínico (10 variáveis). Durante a fase de desenvolvimento do estudo, as variáveis prognósticas foram incluídas em um modelo de regressão logística para avaliar quão bem cada variável previa a mortalidade em 1 ano pelo cálculo da discriminação (capacidade de classificar corretamente os participantes em pacientes que morreram e pacientes que não morreram) por meio da análise da curva ROC e da área sob a curva (ASC). Os autores constataram que 5 das 10 variáveis maximizavam a capacidade prognóstica do modelo para mortalidade em 1 ano (idade, contagem de plaquetas, uso de vasopressor, hemodiálise, sem diagnóstico de trauma) com discriminação muito boa (ASC = 0,80; IC95%: 0,76-0,83). Na fase de validação, os autores usaram os valores dos coeficientes β estimados para cada variável no modelo de regressão logística da coorte de desenvolvimento para prever a mortalidade em 1 ano em uma nova coorte de pacientes e mostraram que a discriminação também foi muito boa (ASC = 0,78; IC95%: 0,72-0,83), mostrando assim que o modelo de 5 variáveis era válido. Em seguida, os autores criaram uma regra de predição clínica, um sistema de pontos usado para calcular facilmente a probabilidade de mortalidade em 1 ano para cada paciente, com base na força de associação de cada variável (coeficiente β) com a mortalidade no modelo da fase de desenvolvimento. A todos os coeficientes β foi atribuído 1 ponto, à exceção da categoria "idade ≥ 65 anos", à qual foram atribuídos 2 pontos. Por fim, os autores validaram esse sistema de pontos mostrando que, à medida que o número de pontos aumentava, a probabilidade de mortalidade em 1 ano aumentava.(1)

POR QUE ESTUDOS PROGNÓSTICOS SÃO ÚTEIS

O objetivo geral de estudos prognósticos em contextos clínicos é ajudar clínicos, pacientes e familiares a tomar decisões esclarecidas a respeito de cuidados de saúde com base em informações disponíveis sobre cada paciente no presente para prever desfechos no futuro. Em nosso exemplo, a identificação de pacientes cujo risco de morte no prazo de 1 ano é alto justifica a recomendação dos clínicos de acompanhamento ambulatorial mais próximo após a alta. Além disso, ajuda os pacientes e os familiares a tomar decisões adequadas a respeito do fim da vida daqueles cujo risco de morte é muito alto e a identificar intervenções personalizadas para evitar futuras hospitalizações por insuficiência respiratória.

COMO ELABORAR UMA REGRA DE PREDIÇÃO CLÍNICA

O processo envolve a elaboração de um estudo de coorte retrospectivo ou prospectivo que avalie variáveis prognósticas nos participantes no início do estudo, que os acompanhe durante um período pré-especificado e que meça se eles desenvolvem o desfecho ou não. Usando os dados provenientes de um subgrupo de participantes, denominado coorte de desenvolvimento, constrói-se um modelo de regressão logística com o desfecho (em nosso exemplo, mortalidade em 1 ano) como variável dependente e variáveis preditivas plausíveis como variáveis independentes e calcula-se a ASC (Figura 1). Em seguida, a equação matemática (coeficientes β) proveniente do modelo da fase de desenvolvimento é testada em outro subgrupo de pacientes semelhantes, denominado coorte de validação. A regra de predição clínica é construída atribuindo-se pontos a cada variável preditiva com base em sua força de associação com o desfecho.(2)



REFERÊNCIAS

1. Hough CL, Caldwell ES, Cox CE, Douglas IS, Kahn JM, White DB, et al. Development and validation of a mortality prediction model for patients receiving 14 days of mechanical ventilation. Crit Care Med. 2015;43(11):2339-45.https://doi.org/10.1097/CCM.0000000000001205
2. Steyerberg EW, Moons KG, van der Windt DA, Hayden JA, Perel P, Schroter S, et al. Prognosis Research Strategy (PROGRESS) 3: prognostic model re-search. PLoS Med. 2013;10(2):e1001381. https://doi.org/10.1371/journal.pmed.1001381

 

 


O Jornal Brasileiro de Pneumologia está indexado em:

Latindex Lilacs SciELO PubMed ISI Scopus Copernicus pmc

Apoio

CNPq, Capes, Ministério da Educação, Ministério da Ciência e Tecnologia, Governo Federal, Brasil, País Rico é País sem Pobreza
Secretaria do Jornal Brasileiro de Pneumologia
SCS Quadra 01, Bloco K, Salas 203/204 Ed. Denasa. CEP: 70.398-900 - Brasília - DF
Fone/fax: 0800 61 6218/ (55) (61) 3245 1030/ (55) (61) 3245 6218
E-mails: jbp@jbp.org.br
jpneumo@jornaldepneumologia.com.br

Copyright 2017 - Sociedade Brasileira de Pneumologia e Tisiologia

Logo GN1