Modelos paramétricos de análise de sobrevivência para avaliação da evolução de pacientes renais crônicos em tratamento conservador

• Ano de defesa: 2022
• Autor(a) principal: Ferreira, Renato Erothildes
• Orientador(a): Colugnati, Fernando Antônio Basile
• Banca de defesa: Andrade, Luís Gustavo Modelli de , Moraes, Ronei Marcos de, Carmo, Wander Barros do, Chehuen Neto, José Antônio
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Saúde Brasileira
• Departamento: Faculdade de Medicina
• País: Brasil
• Palavras-chave em Português: Análise de sobrevivência; Doença renal crônica; Modelo de regressão paramétrica; Modelos de falha acelerados; Modelos de risco proporcional; Progressão acelerada da doença renal crônica; Análise multivariada; Cuidados de saúde secundários; Survival analysis; Chronic kidney disease; Parametric regression model; Accelerated failure models; Proportional hazard models; Progression of chronic kidney disease; Multivariate analysis; Secondary health care
• Área do conhecimento CNPq: CNPQ::CIENCIAS DA SAUDE::MEDICINA
• Link de acesso: https://doi.org/10.34019/ufjf/te/2022/00071; https://repositorio.ufjf.br/jspui/handle/ufjf/14558

Introdução: A doença renal crônica (DRC) é associada ao aumento de mortalidade precoce, aumento de doenças cardiovasculares (DCV), hospitalizações e rehospitalizações, além de complicações de saúde. O paciente é monitorado através da taxa de filtração glomerular estimada (TFGe). A TFGe é aceita como a melhor medida global da função renal. Reduções na TFGe em gradientes específicos estão associadas a pior prognóstico com consequente progressão acelerada da DRC. Objetivo: Explorar metodologicamente os modelos de regressão paramétricos em análise de sobrevivência, para riscos proporcionais (PH) e para falha acelerada (AFT), na investigação da progressão acelerada da DRC (fase pré-dialítica), com desfechos substitutos, e também a incorporação de efeitos aleatórios (fragilidade). Metodologia: Trata-se de um estudo metodológico e crítico de duas técnicas de regressão paramétricas aplicadas em um estudo de caso. Utilizamos uma coorte histórica com dados reais de pacientes com DRC pré-dialíticos. Foram apresentadas interpretações e adequação dos modelos propostos: PH e AFT para as distribuições: Exponencial, Weibull, Gompertz, Lognormal e Loglogístico. Os modelos foram ajustados para o mês até a queda ≥5mL/ano da TFGe, perda de 30% da TFGe em até 24 meses, ou mudança de estágio da DRC, como desfechos substitutos. Resultados: O decaimento> 5mL/ano da TFGe apresentou uma característica monótona, na qual os eventos vão diminuindo ao longo do tempo. Por outro lado, o decaimento >30% da TFGe teve uma relação inversa, havendo um aumento do risco ao longo do tempo. A grande maioria das mudanças de estágio ocorreram em até 12 meses (67,8%), com uma tendência a constante no tempo. Na inspeção dos gráficos, observamos que a melhor sobreposição das curvas com o método empíricos de Kaplan-Meier e Smoothed Hazard Estimate se deu na seguinte ordem: A) decaimento >5mL/ano da TFGe, indica melhor ajuste do modelo Gompertz, para as funções S(t) e h(t). B) decaimento >30% da TFGe, os melhores ajustes para a função S(t) e h(t) foram as distribuições Gompertz, Weilbull e Loglogístico. C) Para a mudança de estágio, o comportamento da curva é bem captado praticamente por todos os modelos. Em relação a fragilidade os modelos Weibull e Loglogístico tiveram melhores ajustes multivariados. Com os valores pontuais de fragilidade ao nível do paciente foi possível identificar três grupos compartilhando os mesmos valores de fragilidade: 110 pacientes (14,4%) com valores de fragilidade entre (1,01 – 1,99), 124 pacientes (16,0%) com fragilidades entre (2,00 – 2,99) e 46 pacientes (5,9%) com valores de fragilidade >3,0. Esses pacientes possuem um aumento da variabilidade por causas que não foram devidamente avaliadas a priori. Conclusão: As propriedades estatísticas mais robustas dos modelos paramétricos (MP) devem ser levadas em consideração, inclusive a plausibilidade das extrapolações que seus resultados podem ser feitos. Dada à flexibilidade dos MP, podemos comparar os resultados das curvas das funções S(t) e h(t) paramétricas com estudos relevantes, e também com a opinião de especialistas clínicos em nefrologia, comparação com padrões clínicos conhecidos de doença e indicar os possíveis caminhos a seguir.