Desenvolvimento de modelo clínico para predição da possibilidade de identificação da artéria de Adamkiewicz por angiotomografia

Abstract

Resumo Contexto Diferenças morfológicas da artéria de Adamkiewicz (AKA) entre a população portadora e não portadora de doença aórtica têm importância clínica, influenciando as complicações neuroisquêmicas da medula espinhal em procedimentos operatórios. Ainda não é conhecida a correlação entre parâmetros clínicos e a previsibilidade da identificação dessa artéria pela angiotomografia. Objetivo Desenvolver um modelo matemático que, através de parâmetros clínicos correlacionados com aterosclerose, possa prever a probabilidade de identificação da AKA em pacientes submetidos a angiotomografias. Método Estudo observacional transversal utilizando banco de imagens e dados de pacientes. Foi feita análise estatística multivariada e criado modelo matemático logit de predição para identificação da AKA. Variáveis significativas foram utilizadas na montagem da fórmula para cálculo da probabilidade de identificação. O modelo foi calibrado, e a discriminação foi avaliada pela curva receiver operating characteristic (ROC). A seleção das variáveis explanatórias foi guiada pela maior área na curva ROC (p = 0,041) e pela significância combinada das variáveis. Resultados Foram avaliados 110 casos (54,5% do sexo masculino, com idade média de 60,97 anos e etnia com coeficiente B -2,471, M -1,297, N -0,971), com AKA identificada em 60,9%. Índice de massa corporal: 27,06 ± 0,98 (coef. -0,101); fumantes: 55,5% (coef. -1,614/-1,439); diabéticos: 13,6%; hipertensos: 65,5% (coef. -1,469); dislipidêmicos: 58,2%; aneurisma aórtico: 38,2%; dissecção aórtica: 12,7%; e trombo mural: 24,5%. Constante de 6,262. Fórmula para cálculo da probabilidade de detecção: ( e − ( C o e f . E t n i a + ( C o e f . I M C × I M C ) + C o e f . f u m a n t e + C o e f . H A S + C o e f . d i s l i p + C o n s tan t e ) + 1 ) − 1 . O modelo de predição foi criado e disponibilizado no link https://vascular.pro/aka-model . Conclusão Com as covariáveis etnia, índice de massa corporal, tabagismo, hipertensão arterial e dislipidemia, foi possível criar um modelo matemático de predição de identificação da AKA com significância combinada de nove coeficientes (p = 0,042).

Aplicações da curva ROC em estudos clínicos e experimentais

“…23,25 Use of ROC curves has been extended to evaluation of the performance of multivariate models for diagnosis, prognosis, machine learning (e.g., image or voice recognition), and data mining. Recently, Amato et al 26 conducted a cross-sectional study using clinical information and a bank of images from 110 patients who had undergone angiotomography of the aorta to predict identification of the artery of Adamkiewicz. Using multivariate analysis, they constructed a predictive model and evaluated its discriminatory properties using a ROC curve, showing that it enabled correct identification in 61% of the patients using a combination of nine covariates.…”