Las guías clínicas recomiendan el uso del historial de exacerbaciones al elegir terapias para predecir el riesgo de exacerbaciones de la enfermedad pulmonar obstructiva crónica, pero un análisis de datos de tres estudios clínicos diferentes encontró que el historial de exacerbaciones por sí solo no es la herramienta de predicción de riesgo más precisa, y que incluso puede causar daño en algunas situaciones.
“Nuestros resultados presentan una historia de advertencia sobre el riesgo potencial de daño a los pacientes cuando se aplican ingenuamente algoritmos de estratificación de riesgo en diferentes entornos clínicos”, dijo el autor principal Joseph Khoa Ho, PharmD, candidato a maestría en ciencias farmacéuticas en la Universidad de Columbia Británica en Vancouver, Canadá, dicho Noticias médicas de Medscape.
“Demostramos que los modelos de predicción de riesgo tienen una mayor precisión que el historial de exacerbaciones solo para predecir el riesgo futuro de exacerbaciones de la EPOC”, dijo. “Sin embargo, los modelos de predicción requirieron una reevaluación y una recalibración específica del entorno para lograr una mayor utilidad clínica”.
El estudio, conocido como IMPACT, analizó tres ensayos en los que participaron 4107 pacientes con distintos niveles de riesgo de exacerbación moderada o grave: el grupo de placebo del Estudio para comprender la mortalidad y la morbilidad en la EPOC (SUMMIT; N = 2421); el ensayo de tratamiento con oxígeno a largo plazo (LOTT; N = 595); y el grupo de placebo del ensayo Towards a Revolution in COPD Health (TORCH; N = 1091). Los riesgos de exacerbación fueron bajo, medio y alto en los tres ensayos respectivos.
El estudio, publicado en línea este mes en la revista PECHOcomparó el desempeño de tres algoritmos de estratificación de riesgo:
Resultados del análisis
El estudio utilizó el área bajo la curva (AUC), un método para evaluar la eficacia o la eficiencia, para comparar el rendimiento de los algoritmos de predicción. ACCEPT superó el historial de exacerbaciones y el algoritmo de Bertens en todas las muestras LOTT (riesgo medio) y TORCH (riesgo alto), ambas estadísticamente significativas. En SUMMIT (riesgo bajo), Bertens y ACCEPT superaron el historial de exacerbaciones, que fue estadísticamente significativo.
El AUC del historial de exacerbaciones solo para predecir exacerbaciones futuras en SUMMIT, LOTT y TORCH fue 0,59 (IC del 95 %, 0,57 – 0,61), 0,63 (IC del 95 %, 0,59 – 0,67) y 0,65 (IC del 95 %, 0,63 – 0,68). ), respectivamente. Bertens tuvo un AUC más alto en comparación con el historial de exacerbaciones solo en SUMMIT (aumento de 0,10, PAG < .001) y ANTORCHA (aumento de 0.05, PAG < .001), pero no en LOTT (aumento de 0.01, PAG = .84).
ACCEPT tuvo un AUC más alto en comparación con el historial de exacerbaciones solo en todas las muestras del estudio, en 0,08 (PAG < .001), 0.07 (PAG = .001) y 0.10 (PAG < .001), respectivamente. En comparación con Bertens, ACCEPT tuvo un AUC más alto en 0,06 (PAG = .001) en LOTT y 0.05 (PAG < .001) en TORCH, mientras que las AUC no fueron diferentes en SUMMIT (cambio de -0.02, PAG = .dieciséis).
Justificación del estudio
El autor principal Mohsen Sadatsafavi, MD, PhD, profesor asociado de ciencias farmacéuticas en la Universidad de Columbia Británica, dijo Noticias médicas de Medscape que este estudio se inspiró en un estudio en cardiología a principios de 2022 que encontró que el rendimiento de la multitud de herramientas de predicción de riesgo utilizadas para evaluar el riesgo de enfermedad cardiovascular puede variar ampliamente si no están calibradas para nuevas poblaciones de pacientes.
“El hallazgo principal fue que el historial de exacerbaciones por sí solo puede ser dañino incluso si se aplica a diferentes niveles de riesgo”, dijo Sadatsafavi sobre el estudio IMPACT. “Ningún algoritmo podría ser universalmente aplicable, pero el historial de exacerbaciones tiene una probabilidad muy alta de ser peor que no hacer ninguna estratificación de riesgo y simplemente administrar medicamentos a todos los pacientes”.
El historial de exacerbaciones se consideró dañino porque generó un beneficio neto más bajo que Bertens o ACCEPT, encontró el estudio IMPACT.
El beneficio de las dos herramientas de predicción de riesgos es que pueden recalibrarse, dijo Sadatsafavi. “No tienes ese lujo con el historial de exacerbaciones porque es solo un historial fijo positivo o negativo”, dijo. “Necesitamos ser muy conscientes de la diferencia en los ataques pulmonares en diferentes poblaciones y el hecho de que el historial de exacerbaciones tiene un desempeño muy diferente en diferentes grupos y podría ser dañino cuando se aplica en ciertas poblaciones. Sugerimos el uso de las herramientas de estratificación de riesgo como un mejor modelo estadístico adecuado”.
Comentario experto
“Como señalan los autores, las pautas actuales para el manejo de la EPOC recomiendan una terapia de exacerbación preventiva teniendo en cuenta el historial de exacerbaciones del paciente”, dijo Mary Jo S. Farmer, MD, PhD, profesora asistente de la Facultad de Medicina Chan de la Universidad de Massachusetts-Baystate en Worcester, a través de Email. “Sin embargo, esta estrategia ha demostrado ser dañina en algunas situaciones”.
Señaló que los modelos de predicción multivariable eran más precisos que el historial de exacerbaciones solo para predecir el riesgo de exacerbaciones moderadas/graves de la EPOC a los 12 meses, pero que ningún algoritmo fue superior en utilidad clínica en todas las muestras.
“Los autores concluyen que se puede lograr la mayor precisión de un modelo de predicción de riesgos cuando el modelo se recalibra en función del riesgo de exacerbación de referencia de la población de estudio en cuestión”, añadió Farmer.
El estudio recibió financiación de los Institutos Canadienses de Investigación en Salud. Ho, Sadatsafavi y Farmer informan que no tienen ningún conflicto de interés económico pertinente.
PECHO. Publicado en línea el 8 de diciembre de 2022. Resumen
Para obtener más noticias, siga a Medscape en Facebook, .Instagram, YouTube y LinkedIn