Escala de factores de riesgo para el desarrollo de una regla de predicción de cáncer de piel no melanoma asociado a exposición solar
Type
Trabajo de grado - Maestría
Document language
EspañolPublication Date
2013Metadata
Show full item recordSummary
Introducción: El cáncer de piel es la patología tumoral maligna más frecuente en el mundo, con una incidencia creciente en Colombia en los últimos años. Aunque el cáncer de piel no melanoma no se asocia con mortalidad, por su frecuencia genera grandes costos al sistema de salud y secuelas estéticas y funcionales en los pacientes. La causa de este tumor es la exposición a la radiación ultravioleta. El diagnóstico se hace por sospecha clínica y se confirma por patología, sin embargo no se cuenta con herramientas que permitan identificar grupos de alto riesgo de padecerlo, que incentiven el seguimiento y permitan un diagnóstico y tratamiento oportuno. Este trabajo presenta todo lo concerniente al desarrollo de un índice para predecir riesgo de desarrollar cáncer de piel no melanoma (CPNM) en la población que consulta al Centro Dermatológico Federico Lleras Acosta (CDFLLA), Bogotá, Colombia. Pregunta de investigación ¿Cuáles son los factores que deberían constituir la regla de predicción de riesgo de CPNM en la población del CDFLLA? ¿Cuál es la capacidad predictiva de la regla de predicción desarrollada? ¿Cuál es la confiabilidad de los predictores que constituyen la regla de predicción? Objetivos Objetivo General Desarrollar una regla de predicción clínica para evaluar riesgo de cáncer de piel no melanoma. Objetivos específicos Establecer los factores que a partir de su capacidad explicativa deberían hacer parte de una regla de predicción clínica de CPNM. Establecer la capacidad de predicción del índice construido. Establecer la confiabilidad (reproducibilidad) de los predictores que constituyen la regla de predicción. Metodología Tipo de diseño: Estudio de desarrollo y validación de una regla de predicción clínica. Procedimiento y análisis estadístico: Fase1. Selección de los predictores potenciales que deberían constituir la regla de predicción. Revisión de la literatura, selección de posibles predictores identificados en literatura internacional y local. Opinión de expertos por medio de un grupo focal. Análisis estadístico: Análisis cualitativo Fase 2. Construcción de la regla de predicción Se aplicó un cuestionario con los predictores seleccionados inicialmente, a 962 pacientes, 481 con cáncer de piel y 481 controles. El cuestionario fue aplicado por un dermatólogo, en tiempo real para verificar que los controles no tuvieran ninguna lesión clínicamente compatible con cáncer de piel. Los datos se emparejaron por edad. Todos los casos tenían diagnóstico confirmado por histología de CPNM. Los controles tenían otras patologías dermatológicas, no relacionadas con cáncer de piel. Análisis estadístico: Se hizo un análisis descriptivo de todas las variables, utilizando gráficas, proporciones, medidas de tendencia central y de dispersión según correspondiera. Se hizo un análisis bivariado para seleccionar las variables que por su significancia estadística deberían entrar al modelo multivariado. Para la construcción de la regla de predicción se hizo una regresión logística condicional. Se utilizó una metodología forward y backward con las variables que clínica y estadísticamente eran significativas. Fase3. Confiabilidad interobservador e intraobservador de la regla de predicción desarrollada. Se aplicó a 225 pacientes. Confiabilidad interobservador: Dos investigadores (dermatólogos) aplicaban el cuestionario de manera independiente, al mismo paciente, el mismo día (día 0). Confiabilidad intra-observador: uno de los evaluadores aplicaba la encuesta a los mismos pacientes 3 semanas después de la primera encuesta. Análisis estadístico: Kappa. Resultados Fase 1: Se identificaron 19 posibles predictores. Fase 2: Las variables que fueron estadísticamente significativas en el análisis bivariado fueron: trabajar al aire libre, número de años vividos en área rural en la infancia, antecedente de más de 10 quemaduras solares, antecedente familiar de cáncer de piel, fototipos 1, 2 o 3 y presencia al examen físico de queratosis actínicas, conjuntivitis en banda o poiquilodermia de Civatte. El modelo multivariado seleccionado fue: Variable OR Valor p IC95% Antecedente familiar de cáncer de piel 3,92 0.00 1.93-7,97 Fototipo 1-3 3,34 0.00 1,93-7,97 Presencia de queratosis actínicas 3,2 0.00 2,24-4,57 Presencia de conjuntivitis en banda 2,66 0.00 1,79-3,96 Presencia de poiquilodermia 1,87 0.00 1,38-2,53 Trabajar al aire libre en la vida adulta (15-30 años) 1,86 0.00 1,37-2,52 El modelo presenta una capacidad discriminativa del 65%. Fase 4: Confiabilidad Las variables del modelo tuvieron una buena confiabilidad, a excepción de las variables presencia de poiquilodermia y fototipos, las cuales tuvieron una confiabilidad moderada. En el caso de confiabilidad interobservador, la presencia de conjuntivitis en banda tuvo una confiabilidad baja. Conclusiones El estudio permitió identificar predictores de cáncer de piel importantes en nuestra población, con estos, se logró construir una regla de predicción de riesgo de cáncer de piel no melanoma, con una capacidad predictiva aceptable, y unas variables con una confiabilidad entre moderada y buena. La regla de predicción propuesta es fácil de aplicar y no requiere ayudas de laboratorio. Estudios futuros permitirán estandarizar las variables para mejorar la confiabilidad del modelo, y probablemente mejorar su capacidad predictiva. Este trabajo también permitió desarrollar la metodología descrita para la construcción de una regla de predicción en un diseño de casos y controles y la aplicación de análisis estadísticos en muestras emparejadas. De acuerdo a la búsqueda de la literatura realizada, este es el primer estudio que se hace para desarrollar una regla de predicción de cáncer de piel no melanoma.Summary
Abstract. Introduction: Skin cancer is the most common malignant tumor disease in the world, with an in creasing incidence in Colombia in recent years. Although nonmelanoma skin cancer is not associated with mortality, requency generates large costs to the health system and aesthetic and functional sequelae in patients. The cause of this tumor is exposure to ultraviolet radiation. The diagnosis is made on clinical suspicion and confirmed by pathology, however do not have tools to identify groups at high risk of suffering, that encourage and enable monitoring diagnosis and treatment. This paper presents all concerning the development of an index for predicting risk of developing non-melanoma skin cancer (NMSC) in the population who attended the Dermatology Center Federico Lleras Acosta (CDFLLA), Bogotá, Colombia. Research Question What are the factors that’s hould be the rule for predicting risk of NMSC in CDFLLA population? What is the predictive ability of the prediction rule developed? What is the reliability of the predictors that constitute the prediction rule? Methodology Type Design: development and validation of a clinical prediction rule. Procedure and statistical analysis: Phase 1. Selection of potential predictors should be the prediction rule. Literature review, selection of potential predictors identified in international and local literature. Expert opinion by a focus group. Statistical Analysis: Qualitative analysis Phase 2. Construction of the prediction rule A question naire was administer red to selected predictors at baseline, 962 patients, 481 with skin cancer and 481 controls. The question naire was administered by a dermatologist, in real time toverify that the controls did not have any lesions clinically compatible withskin cancer. The data were matched by age. All cases had histologically confirmed diagnosis of NSCLC. Controls had other dermatological disease sun related to skin cancer. Statistical analysis: It was a descriptive analysis of all variables, using graphs, ratios, measures of central tendency and dispersion as appropriate. Bivariate analysis was per formed to select the variables for their statistical significances hould enter the multivariate model. For construction of the prediction rule was condition al logistic regression. A methodology forward and back ward with the variables that were statistically and clinically significant. Phase 3. Inter observer and intra observer reliability of the developed prediction rule. Was applied to 225 patients. Inter observer Reliability: Two researchers (dermatologists) applied the question naire independently, the same patient on the same day (day 0). Intra-observer reliability, one of thee valuators applied the survey to the same patients three week safter the first survey. Statistical analysis: Kappa. Results Phase 1: We identified 19 potential predictors. Phase 2: The variables that were statistically significant in the bivariate analysis were: working out doors, number of years lived in rural area in childhood, history of sunburns over 10, family history of skin cancer, skin types 1, 2 or 3 and physical examination presence of actinickeratosis, poikiloderma conjunct ivitisor Civatte band. The multivariate model was selected: Variable OR 95% CI p value Family history of skin cancer 3.92 0.00 1.93-7,97 Phototype 1-3 3.34 0.00 1,93-7,97 Presence of actinickeratoses 3.2 0.00 2.24 to 4.57 Presence of conjunctivitis in band 1.79 to 3.96 0.00 2.66 Poikiloderma presence of 1.38 to 2.53 0.00 1.87 Work in gout doors in adulthood (15-30 years) 1.86 0.00 1.37 to 2.52 The model presents a discriminative power of 65%. Phase 4: Reliability Model variables had good reliability, except for thepresence of poikiloderma variables and phototype, which had a moderate reliability. Forinter observer reliability, in the presence of conjunctivitis band had a low reliability. Conclusions The study identified predictors of major skin cancer in our population, with these, they managed to build a prediction rule risk of non melanoma skin cancer, with an acceptable predictive ability and some variables with moderate to good reliability. The proposed prediction rule is easy to apply and requires no laboratory aids. Future studies willallow standardizing the variables to improve the reliability of the model, and probably improve its predictive ability. This work also allowed to develop the methodology for the construction of a prediction rule in a case-control design and application of statistical analysis in paired samples. According to search of the literature, this is the first study to be made to develop a prediction rule of non-melanoma skin cancer.Collections
This work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit