Modelo de supervivencia tras el alta hospitalaria en pacientes oncológicos

Abstract

El pronóstico es importante tanto para los pacientes con cáncer como para sus familiares y es un factor clave para la toma de decisiones diagnósticas y terapéuticas por parte del oncólogo. Sin embargo, el pronóstico clínico suele ser dificultoso. Sabemos que el ingreso hospitalario de los pacientes oncológicos tiene un significado pronóstico negativo, independientemente del motivo. Además, en los pacientes ingresados en un Servicio de Oncología no existen modelos pronósticos validados que permitan una clasificación sencilla de los pacientes. En un contexto de probable sobrevaloración pronóstica y oportunidades perdidas de adecuación del tratamiento, el desarrollo de modelos pronósticos sencillos y aplicables a la población completa de pacientes ingresados en Oncología, independientemente del diagnóstico concreto, podría facilitar la toma de decisiones en el momento del alta hospitalaria, una mejor continuidad de los cuidados médicos y la discusión con los pacientes sobre sus preferencias. OBJETIVOS. El objetivo principal fue desarrollar un modelo pronóstico de supervivencia global basado en variables clínicas y capaz de clasificar pronósticamente a los pacientes con cáncer ingresados en Oncología médica y, en particular, de identificar el grupo de pacientes con pobre supervivencia tras el alta. Los objetivos secundarios fueron comparar el modelo pronóstico con otros modelos pronósticos validados (KPS, ECOG y puntuación PaP), analizar la congruencia entre el pronóstico de los pacientes ingresados y la toma de decisiones en el momento del alta (consulta con las Unidades domiciliarias de Cuidados Paliativos) y medir la calidad de vida de los pacientes mediante una escala genérica (EQ5D-5L) que permita calcular las utilidades de los diferentes estados de salud de los pacientes durante el ingreso. MATERIAL Y MÉTODOS. El estudio se desarrolló en dos fases. Una primera fase, en la que se realizó un análisis retrospectivo de todos los ingresos realizados durante 18 meses. Esta serie se dividió de forma aleatoria en un grupo de entrenamiento y un grupo de validación que permitió realizar una validación interna. El desarrollo del modelo se realizó en el grupo de entrenamiento, para lo cual los distintos valores de las principales variables se agruparon en función de su impacto en la supervivencia global y fueron dicotomizados. Una vez construido un modelo pronóstico se generó una puntuación clínica sencilla (puntuación pronóstica al alta de Oncología o PPAO), en la que la asignación de puntos para cada variable dependía de los valores de la hazard ratio del modelo. La segunda fase comprendió el análisis prospectivo de los pacientes ingresados en Oncología durante 4 meses, en la que se validó de forma prospectiva el modelo obtenido. Para ello, se recogieron los datos clínicos de los pacientes, incluyendo aquellos que permitían la aplicación de otras puntuaciones pronósticas. Para el análisis de supervivencia global se utilizaron curvas de Kaplan-Meier. La comparación entre grupos se realizó con el test de log-rank para el análisis univariante y mediante modelos de rangos proporcionales de Cox para el análisis de covariables múltiples. El rendimiento de los modelos fue evaluado mediante el estadístico C de Harrell y se construyeron también curvas ROC dependientes del tiempo para la evaluación adicional de la capacidad discriminativa de la puntuación pronóstica a las 6, 12 y 24 semanas. RESULTADOS. La mediana de supervivencia global de los pacientes de la serie retrospectiva fue de 43 semanas y de 44 semanas en la serie prospectiva. El modelo de PPAO se construyó a partir de 4 variables que mostraron su valor independiente en el análisis multivariante de Cox: tipo de tumor, estadio, motivo de ingreso y tratamiento activo. La puntuación obtenida tenía un rango entre cero y cuatro. El modelo PPAO tuvo una buena correlación con la supervivencia en el grupo de entrenamiento (índice C 0,71). El modelo fue doblemente validado, primero de forma retrospectiva y luego, de forma prospectiva, manteniendo una precisión en la predicción de la supervivencia del 66%. El rendimiento del modelo PPAO fue similar al obtenido con la aplicación de las escalas de performance status (ECOG y PS), sin diferencias estadísticamente significativas entre ellos. La utilización de la puntuación PaP en los pacientes ingresados ofreció una adecuada clasificación pronóstica, sobre todo a corto plazo, pero sin diferencias estadísticamente significativas cuando se comparó con el modelo PPAO. En un análisis prospectivo exploratorio, la adición de la variable ECOG al modelo pronóstico al alta aumenta de forma significativa su rendimiento pronóstico, con un índice C de 0,72. CONCLUSIONES. Hemos desarrollado una herramienta pronóstica con tan solo cuatro variables clínicas no dependientes del observador y que ofrece predicciones adecuadas para la supervivencia a las 6, a las 12 y a las 24 semanas tras el alta.

INTRODUCTION The prognosis is important both for patients with cancer to their family members and is a key factor for diagnostic and therapeutic decision-making by the oncologist. However, the clinical prognosis tends to be difficult. We know that the admission of cancer patients has a negative prognostic significance, regardless of the reason. In addition, the patients admitted in an Oncology service there aren´t models validated forecasts that allow a simple classification of patients. In a context of likely prognostic overvaluation and missed opportunities of adequacy of treatment, development of models forecasting simple and applicable to the entire population of patients admitted in Oncology, regardless of the specific diagnosis, could facilitate decision-making at the time of hospital discharge, a better continuity of medical care and the discussion with patients about their preferences. OBJETIVES. The main objective was to develop a model of global survival prognosis based on clinical and variables capable of classifying admitted to medical oncology cancer patients, and identify the group of patients with poor survival after discharge. Secondary objectives were to compare the prognosis model with other validated models (KPS, ECOG and PaP score), analyze the congruence between the prognosis of the patients admitted and decision-making at the time of discharge (consultation with home palliative care units) and measure the quality of life of patients through a generic scale (EQ5D - 5L), allowing to calculate the utilities of different health States of patients during entry. MATERIAL AND METHODOS. The study was conducted in two phases. The first phase, which was performed a retrospective analysis of all revenue made for 18 months. This series was divided into a group of trainings and a validation group that allowed for internal validation. The development of the model was carried out in the training group, for which the different values of the main variables were grouped according to their impact on overall survival and were dichotomized. Once built a forecasting model was generated a simple clinical score (prognostic score at discharge of Oncology or PPAO), in which the allocation of points for each variable depended on the values of the hazard rate model. The second phase included the prospective analysis of patients admitted in Oncology for 4 months, in which the obtained model was validated prospectively. To do so, the clinical data of the patients, including those that allowed the implementation of other prognostic scores were collected. Kaplan-Meier curves were used for the analysis of overall survival. The comparison between groups was conducted for the analysis of univariate log-rank test and using Cox proportional ranges for the analysis of multiple covariates. The performance of the models was assessed by statistical C Harrell and ROC curves dependent time for further evaluation of the discriminating ability of prognostic score at 6, 12 and 24 weeks were also built. RESULTS. Median overall survival of patients in the retrospective series was 43 weeks and 44 weeks in the prospective series. The PPAO model was constructed from 4 variables that showed its value independent of Cox Multivariate Analysis: type of tumor, Stadium, reason for hospital admission and active treatment. The score had a range between zero and four. The PPAO model had a good correlation with survival in the training group (C index 0.71). Model was doubly validated, retrospective and prospective basis, while maintaining accuracy in the prediction of the survival of 66%. The PPAO model performance was like that obtained with the application of scales of performance status (ECOG and PS), no statistically significant differences between them. The use of the PaP score in admitted patients offered a suitable prognostic classification, especially in the short term, but no statistically significant differences when compared with the PPAO model. In an exploratory prospective analysis, the addition of the ECOG variable to the model prognosis to the high increases significantly its performance prognosis (C index 0.72). CONCLUSIONS We have developed a prognostic tool with only four variables clinics not dependent on the observer and offering predictions suitable for survival at 6, 12 and 24 weeks after discharge