En este estudio de casos de tuberculosis pulmonar notificados al SINAN en Brasil, desarrollamos una puntuación de riesgo que estratificaba eficazmente antes del inicio del tratamiento aquellos casos de tuberculosis con mayor riesgo de LTFU durante el ATT. Nuestra puntuación utilizó datos de 7 funciones, todas ellas del formulario de notificación de casos y estaban disponibles públicamente. Esas características incluían información clínica y epidemiológica, que los profesionales de la salud pueden recopilar antes del inicio del tratamiento, y que predijo LTFU independientemente de otras características. El uso de esta puntuación de riesgo podría proporcionar información crucial para dirigirse a pacientes específicos desde el diagnóstico y mejorar la finalización exitosa del ATT, facilitando potencialmente el logro del objetivo de la OMS de que el 90% de los pacientes tengan éxito en el tratamiento. [18].
Es importante destacar que en nuestro estudio, el 14,5% de la población total experimentó LTFU, lo que representa un problema importante para la salud pública debido al riesgo de transmisión de M. tuberculosis; También se pueden generar cepas resistentes a los medicamentos. [19]. Es importante destacar que las tasas de DOT en el grupo que experimentó el LTFU fueron significativamente más bajas que las del grupo de curación. Mejorar la importancia de la detección de estos pacientes al inicio del tratamiento de la tuberculosis podría ayudar a los médicos a elegir las prioridades para el DOT y las poblaciones objetivo del programa nacional de tuberculosis de Brasil.
Nuestra puntuación probabilística se desarrolló utilizando datos clínicos y sociodemográficos recopilados fácilmente en la mayoría de los entornos de atención clínica, incluso en entornos con recursos limitados. Entre las variables seleccionadas, la tuberculosis previa, los hábitos de consumo (alcohol, tabaco o drogas), la edad (adulta y anciana), el sexo biológico, la infección por VIH y el nivel de escolaridad fueron los factores de riesgo que más contribuyeron a una LTFU durante el tratamiento de la tuberculosis. Algunas de estas características se han explorado y relacionado con resultados desfavorables del tratamiento de la tuberculosis a través de la relación con la mala adherencia al tratamiento, la LTFU y la interrupción del tratamiento. [20,21,22,23,24,25,26,27]. Es importante resaltar que nuestro estudio identificó el historial de tuberculosis previa como la variable con el impacto más significativo en la capacidad del modelo para predecir LTFU. Este hallazgo es consistente con una extensa literatura, que atribuye este impacto a una combinación de factores psicológicos, barreras al acceso a la atención médica, condiciones sociales y estigma. [28,29,30,31]. . Además, un estudio que utilizó la base de datos SINAN destacó que un historial de abandono de tratamiento previo es el principal factor de riesgo de LTFU en nuevos ciclos de tratamiento, lo que subraya la importancia de la adherencia al tratamiento anterior para predecir y gestionar resultados futuros. [32]. .
En un estudio anterior, se desarrolló una puntuación similar para predecir resultados desfavorables del tratamiento contra la tuberculosis en personas que viven con diabetes en China, aunque utilizando datos clínicos y radiológicos. [23]. Otro estudio de México desarrolló un algoritmo para predecir la mortalidad, el fracaso y la resistencia a los medicamentos en pacientes con tuberculosis recién diagnosticada con características clínicas y pruebas de laboratorio. [27]. Por el contrario, nuestra puntuación podría aplicarse en pacientes con o sin diabetes, utilizando únicamente información clínica, sin necesidad de datos de laboratorio o exámenes radiográficos.
Mientras exploramos datos del consorcio RePORT-Brasil, anteriormente informamos sobre un modelo de predicción clínica para resultados desfavorables del tratamiento de la tuberculosis pulmonar. [20]. Esa puntuación utilizó información que no estaba disponible en el SINAN, por lo que nos resultó difícil traducirla al programa nacional de tuberculosis en Brasil. El presente estudio pretendía crear una puntuación que pudiera utilizarse en todos los entornos, especialmente en aquellos con recursos limitados, que ciertamente podría ayudar a guiar las intervenciones en el momento del diagnóstico, antes de iniciar el tratamiento en un país grande como Brasil.
Nuestro modelo de riesgo tenía varias limitaciones. Primero, el estudio utilizó datos públicos a nivel nacional, y a varias características les faltaban datos y estaban expuestas a una amplia gama de discrepancias demográficas y regionales. En segundo lugar, la mayoría de las comorbilidades y características clínicas fueron autoinformadas, lo que puede generar un posible sesgo de clasificación errónea. El estudio incluyó sólo casos de tuberculosis pulmonar y, en consecuencia, no puede aplicarse a la tuberculosis extrapulmonar o diseminada. Además, excluimos a las poblaciones vulnerables, y el número total de exclusiones fue superior al 50% del total de casos reportados, lo que limita el uso en poblaciones similares a las incluidas en nuestro estudio. Sugerimos que las puntuaciones futuras incluyan más datos clínicos, exámenes físicos y condiciones socioeconómicas para mejorar la precisión y ampliar la aplicabilidad en la práctica clínica.
A pesar de las limitaciones, hasta donde sabemos, este es el primer modelo de puntuación de pronóstico desarrollado en América del Sur que utiliza únicamente datos clínicos y epidemiológicos de formularios de notificación de enfermedades, obtenidos antes del inicio de la terapia, con una predicción relativamente precisa. El modelo resultante es parsimonioso y los médicos deben utilizarlo a través de un nomograma o una aplicación web (https://tbprediction.onrender.com), ayudando en la atención de la tuberculosis y potencialmente mejorando la finalización exitosa de la ATT de pacientes con tuberculosis pulmonar.
2024-05-23 08:39:20
1716455126
#Algoritmos #aprendizaje #automático #utilizan #datos #registros #nacionales #para #predecir #pérdidas #durante #seguimiento #durante #tratamiento #tuberculosis #BMC #Salud #Pública
