Las guías clínicas recomiendan utilizar los antecedentes de exacerbaciones al elegir tratamientos, a fin de predecir el riesgo de exacerbaciones de enfermedad pulmonar obstructiva crónica, pero un análisis de los datos de tres estudios clínicos diferentes ha revelado que ese historial por sí solo no es la herramienta de predicción del riesgo más precisa, y que incluso puede causar daños en algunas situaciones.[1]
"Nuestros resultados constituyen una advertencia sobre el riesgo potencial de dañar a los pacientes cuando se aplican ingenuamente algoritmos de estratificación del riesgo en diferentes contextos clínicos", dijo a Medscape Noticias Médicas el autor principal, Joseph Khoa Ho, Pharm. D., candidato a máster en ciencias farmacéuticas en la University of British Columbia en Vancouver, Canadá.
"Demostramos que los modelos de predicción del riesgo tienen mejor precisión que los antecedentes de exacerbaciones por sí solos para predecir el riesgo de exacerbaciones de enfermedad pulmonar obstructiva crónica", indicó. "Sin embargo, los modelos de predicción requirieron reevaluación y recalibración específica del contexto para lograr una mayor utilidad clínica".
En el estudio, conocido como IMPACT, se analizaron tres ensayos en los que participaron 4.107 pacientes con distintos niveles de riesgo de exacerbación moderado o grave: el grupo con placebo del Estudio para Comprender la Mortalidad y la Morbilidad en la enfermedad pulmonar obstructiva crónica (SUMMIT; N = 2.421), el Ensayo de Tratamiento con Oxígeno a Largo Plazo (LOTT; N = 595) y el grupo con placebo del ensayo Hacia una Revolución en la Salud de la enfermedad pulmonar obstructiva crónica (TORCH; N = 1.091). Los riesgos de exacerbación fueron bajos, medios y altos, respectivamente.
En el estudio, publicado en versión electrónica en CHEST, se comparó el rendimiento de tres algoritmos de estratificación del riesgo:[1]
Antecedentes de exacerbaciones
El modelo que Loes C. M. Bertens, Ph. D., y sus colaboradores en Países Bajos desarrollaron en 2013[2]
La última versión de la herramienta de predicción de exacerbaciones agudas de enfermedad pulmonar obstructiva crónica, conocida como ACCEPT[3]
Resultados del análisis
En el estudio se utilizó el área bajo la curva (AUC), un método de evaluación de la eficacia o la eficiencia, para comparar el rendimiento de los algoritmos de predicción. ACCEPT superó al historial de exacerbaciones y al algoritmo Bertens en todas las muestras de LOTT (riesgo medio) y de TORCH (riesgo alto), y ambos resultados fueron estadísticamente significativos. En SUMMIT (riesgo bajo), Bertens y ACCEPT superaron al historial de exacerbaciones, lo que fue estadísticamente significativo.
El área bajo la curva de los antecedentes de exacerbación por sí solos para predecir futuras exacerbaciones en SUMMIT, LOTT y TORCH fue de 0,59 (intervalo de confianza de 95% [IC 95%]: 0,57 a 0,61), 0,63 (IC 95%: 0,59 a 0,67) y 0,65 (IC 95%: 0,63 a 0,68), respectivamente. Bertens tuvo un área bajo la curva mayor en comparación con los antecedentes de exacerbación solos en SUMMIT (aumento de 0,10; p < 0,001) y TORCH (aumento de 0,05; p < 0,001), pero no en LOTT (aumento de 0,01; p = 0,84).
El área bajo la curva del ACCEPT fue superior al del historial de exacerbaciones solo en todas las muestras del estudio, en 0,08 (p < 0,001), 0,07 (p = 0,001) y 0,10 (p < 0,001), respectivamente. En comparación con Bertens, ACCEPT tuvo un área bajo la curva superior en 0,06 (p = 0,001) en LOTT y 0,05 (p < 0,001) en TORCH, mientras que las áreas bajo la curva no fueron diferentes en SUMMIT (cambio de -0,02, p = 0,16).
Justificación del estudio
El Dr. Mohsen Sadatsafavi, profesor asociado de Ciencias Farmacéuticas de la University of British Columbia, autor principal del estudio, señaló que este se inspiró en un estudio de cardiología de principios de 2022 en el que se observó que el rendimiento de la multitud de herramientas de predicción del riesgo utilizadas para evaluar el riesgo de enfermedad cardiovascular podía variar mucho si no se calibran para nuevas poblaciones de pacientes.[4]
"El principal hallazgo fue que el historial de exacerbaciones por sí solo puede ser perjudicial, aunque se aplique a distintos niveles de riesgo", dijo el Dr. Sadatsafavi sobre el estudio IMPACT. "Ningún algoritmo podría tener aplicación universal, pero el historial de exacerbaciones tiene una probabilidad muy alta de ser peor que no hacer ninguna estratificación del riesgo en absoluto y simplemente dar medicación a todos los pacientes".
Los antecedentes de exacerbación se consideraron perjudiciales porque generaron un beneficio neto inferior al de Bertens o ACCEPT, según el estudio IMPACT.
La ventaja de las dos herramientas de predicción del riesgo es que pueden recalibrarse, según el Dr. Sadatsafavi. "No podemos permitirnos ese lujo con el historial de exacerbaciones, porque se trata de un historial fijo positivo o negativo", agregó. "Debemos tener muy en cuenta la diferencia en los ataques pulmonares en diferentes poblaciones y el hecho de que el historial de exacerbaciones tiene un rendimiento muy diferente en diferentes grupos y podría ser perjudicial cuando se aplica en determinadas poblaciones. Recomendamos el uso de las herramientas de estratificación del riesgo como modelo estadístico más adecuado".
Comentarios de expertos
"Como señalan los autores, las guías actuales para el manejo clínico de la enfermedad pulmonar obstructiva crónica recomiendan un tratamiento preventivo de las exacerbaciones teniendo en cuenta el historial de exacerbaciones del paciente", respondió por correo electrónico la Dra. Mary Jo S. Farmer, Ph. D., profesora adjunta de la University of Massachusetts Chan Medical School–Baystate en Worcester, Estados Unidos. "Sin embargo, esta estrategia ha demostrado ser perjudicial en algunas situaciones".
Añadió que los modelos de predicción multivariable eran más precisos que el historial de exacerbaciones por sí solo para predecir el riesgo a 12 meses de exacerbaciones moderadas o graves de enfermedad pulmonar obstructiva crónica, pero que ningún algoritmo era superior en utilidad clínica en todas las muestras.
"Los autores concluyen que la mayor precisión de un modelo de predicción del riesgo puede alcanzarse cuando el modelo se recalibra en función del riesgo de exacerbación inicial de la población de estudio en cuestión", finalizó la Dra. Farmer.
El estudio recibió financiación de Canadian Institutes of Health Research. Ho y los doctores Sadatsafavi y Farmer han declarado no tener ningún conflicto de interés económico pertinente.
Para más contenido suscríbase a nuestros boletines y siga a Medscape en Facebook, Twitter, Instagram y YouTube.
CRÉDITO
Imagen principal: Dreamstime
Medscape Noticias Médicas © 2023 WebMD, LLC
Citar este artículo: Los antecedentes de exacerbaciones no son un buen predictor del riesgo de enfermedad pulmonar obstructiva crónica - Medscape - 6 de enero de 2023.
Comentario