correlação entre modelos de predição de ca de mama
DESCRIPTION
Apresentação para o dia do EstatísticoTRANSCRIPT
Correlação entre os modelos de predição de Correlação entre os modelos de predição de risco para câncer de mama Gail, risco para câncer de mama Gail,
Tyrer-Cuzick e as tabelas de Claus em um Tyrer-Cuzick e as tabelas de Claus em um estudo de coorte na região sul do Brasilestudo de coorte na região sul do Brasil
Aishameriane Venes SchmidtDepartamento de Estatística UFRGS
Laboratório de Medicina Genômica HCPABolsista da PROPESQ UFRGS
Orientação:Dra. Patricia Ashton-Prolla e Dra. Suzi Alves Camey
Colaboração: Juliana Giacomazzi e Dra. Maira Caleffi
Apresentação para o seminário comemorativo ao Dia do Estatístico 2009.
2/21
Câncer de Mama
O câncer de mama (CM) é o tumor mais prevalente entre mulheres no Brasil
O Rio Grande do Sul é o estado brasileiro com a segunda maior incidência da doença (85.5 casos/100.000 mulheres)¹
A sobrevida dos pacientes aumenta quando a doença é detectada e tratada nos estágios iniciais
¹ Estimativa do Instituto Nacional de Câncer (INCA) para 2008.
3/21
Câncer de Mama
As recomendações para rastreamento populacional incluem auto-exame mensal e mamografia anual a partir dos 18 e 40 anos de idade, respectivamente¹
Algumas mulheres podem apresentar um risco maior que o risco populacional¹ Fatores de risco pessoais História familiar
¹ NCCN Guidelines in Breast Cancer Screening and Diagnosis - http://www.nccn.org.
Câncer de Mama
4/21
Desconhecidos55%
Desconhecidos55%
BRCA 1
30%
BRCA 1
30%
BRCA 215%
BRCA 215%
Esporádicos80%
Hereditários5%
Hereditários5%
História Familiar
15%
História Familiar
15%
5/21
Câncer de Mama
Neste contexto, modelos capazes de estimar o risco de uma mulher desenvolver a doença
podem ser usados para auxiliar o médico na definição da conduta de acompanhamento da
paciente¹.
¹ Freedman et al., 2004.
6/21
Fatores de Risco para CM
Sexo
História familiar
Idade
Exposição ao estrogênio
Doença mamária prévia
Fatores ambientais
Hábitos de vida
¹ NCCN Guidelines in Breast Cancer Risk Reduction - http://www.nccn.org.
7/21
Modelos de Predição de Risco para CM
Modelos matemáticos com base nos dados individuais dos pacientes foram desenvolvidos nas últimas décadas
Os modelos de estimativa de risco para CM mais conhecidos são: Modelo de Gail (1989-1998)1
Tabelas de Claus (1993)2
Modelo de Tyrer-Cuzick (2002)3
1- Gail MH, Brinton LA, Byar DP, Corle DK, Green SB, Schairer C, et al. Projecting individualized probabilities of developing breast cancer for white females who are being examined anually. Journal of the National Cancer Institute. 1998; 81:1879-1886.
2- Claus E. B., Risch N., Thompson W. D. The calculation of breast cancer risk for women with a first degree family history of ovarian cancer. Breast Cancer Res. Treat., 28: 115-120, 1993.
3- Tyrer J, Duffy SW, Cuzick J. A breast cancer prediction model incorporating familial and personal risk factors. Statistics in Medicine. 2004; 24(1):1111-1130.
8/21
Modelo de Gail (1989-1998)
Foram utilizados dados de caso-controle do estudo americano BCDDP Casos: 2852 mulheres brancas afetadas por CA
de mama Controles: 3146 mulheres brancas Foran formados 4496 pares de mulheres
No modelo de regressão logística final, foram incluídas as variáveis de idade da menarca, número de biópsias, idade ao nascimento do primeiro filho vivo, história familiar e idade atual
9/21
Tabelas de Claus (1993)
Fornecem o risco cumulativo de desenvolver câncer de mama para mulheres que têm história familiar da doença;
As estimativas são provenientes de uma amostra de 4715 casos de CM e controles pareados do Cancer and Steroid Hormone Study (CASH)
10/21
Modelo de Tyrer-Cuzick (2002)
Utilizou dados das mulheres cadastradas no IBIS (International Breast Cancer Interventional Study)
É o modelo que melhor considera história familiar e demais fatores de risco para CM
Inclui a probabilidade de ter mutações em genes de baixa penetrência
11/21
Modelos de predição de risco para CMVariável Gail Claus Tyrer-Cuzick
Informações pessoais
Idade X X X
IMC X
História reprodutiva
Menarca X X
Nascimento 1° filho X X
Menopausa X
Doença mamária
Biópsia de mama X X
Hiperplasia atípica X X
Carcinoma ductal in situ X
História familiar de câncer de mama
1° grau X X X
2° grau X X
Idade ao diagnóstico X X
Câncer de mama em familiares X X
Câncer de ovário X
Modificada de Lalloo et al. 2005
X
XX
X
X
X
X
X
X
X
X
X
X
XXX
X
X
X
XXXXX
Claus Tyrer-Cuzick
A Coorte Núcleo Mama Porto Alegre
Não comparecimento:
259(21.0%)
Compareceu à consulta902
(72,3%)
9218Mulheres com mais de 15 anos
cadastradas na Coorte NMAMAPOA
Não:7933
(86.1%)
Sim:1285
(13.9%)
Não aceitou participar do
estudo/Sem contato
85 (6.7%)
Questionário: HF positiva para CM, CO ou CCR?
AA de 910 (11.4%)
mulheres que aceitaram
participar do estudo
(Grupo sem HF relatada)
≥ 18 anosNão:39
Sim:1246
Entrevista Genética
Amostra total neste estudo: 1795 Aceitou participar do
estudo: 885 (98.1%)(Grupo com HF
relatada)
AA de 910 (11.4%) mulheres que
aceitaram participar do estudo
(Grupo sem HF relatada)
Aceitou participar do estudo: 885
(98.1%)(Grupo com HF
relatada)
15/21
Objetivos do estudo
Verificar se existe correlação entre os três modelos de estimativa de risco;
Verificar a concordância entre as estimativas de risco dos 3 modelos;
Estimar as médias e os intervalos de confiança (IC95%) ponderados das estimativas de risco para cada um dos modelos na amostra em estudo.
Determinar as equações de regressão que estimem o risco pelo modelo de Tyrer-Cuzick pelo modelo de Gail e pelo risco estimado através tabelas de Claus.
16/21
Análise Estatística
Coeficiente de Correlação de Pearson
Metodologia de Bland-Altman¹
Médias e intervalos de confiança ponderados
Regressão Linear
1- Altman DG, Bland JM (1983). "Measurement in medicine: the analysis of method comparison studies". Statistician 32: 307–317.
17/21
Resultados
Gail Claus Tyrer-Cuzick
Gail - 0.184 (p=0.96) 0.637 (p<0.01)
Claus 0.339 (p<0.01) - 0.281 (p<0.01)
Tyrer-Cuzick 0.599 (p<0.01) 0.430 (p<0.01) -
Os valores da diagonal inferior e superior representam, respectivamente, as correlações no grupo com e sem história familiar.
Tabela 1 – Correlações entre os modelos para os dois grupos
As correlações encontradas, utilizando a amostra toda, foram:
Gail x Claus: 0.40 (p<0.01)
Gail x Tyrer-Cuzick: 0.69 (p<0.01)
Claus x Tyrer-Cuzick: 0.44 (p<0.01)
0.184 (p=0.96) 0.637 (p<0.01)
0.281 (p<0.01)0.339 (p<0.01)
0.599 (p<0.01) 0.430 (p<0.01)
18/21
Resultados
-30
-20
-10
0
10
20
30
0 5 10 15 20 25 30 35 40 45 50
Média
Dif
eren
ça (
Gai
l Vit
al -
Cla
us
Vit
al)
Viés: 0.62*
Dife
renç
a ris
co v
ital e
stim
ado
(Gai
l – C
laus
)
19/21
Resultados
-30
-25
-20
-15
-10
-5
0
5
10
15
20
0 5 10 15 20 25 30 35 40 45
Média
Dif
ere
nça (T
yre
r-C
uzic
k V
ital -
Cla
us V
ital)
Viés: 0.52*
Dife
renç
a ris
co v
ital e
stim
ado
(Tyr
er-C
uzic
k –
Cla
us)
20/21
Resultados
-40
-30
-20
-10
0
10
20
30
0 5 10 15 20 25 30 35 40 45 50
Média
Dif
eren
ça (
Tyr
er-C
uzi
ck V
ital
- G
ail V
ital
)
Viés: -0.86*
Dife
renç
a ris
co v
ital e
stim
ado
(Tyr
er-C
uzic
k -
Gai
l)
21/21
Resultados
O risco estimado para Tyrer-Cuzick para um determinado risco pelo modelo de Gail e a presença de história familiar é dado por
TC = 1.865+0.584G+2.66HF
Valor calculado pelo modelo de GailPresença de HF
Sim = 1Não = 0
O risco estimado para Tyrer-Cuzick para um determinado risco pelas tabelas de Claus e a presença de história familiar é dado por
TC’=5.89+0.385C+1.92HF
Valor calculado pelas tabelas de ClausPresença de HF
Sim = 1Não = 0
R²ajustado = 0.544
R²ajustado = 0.205
22/21
Resultados
Média IC95% Gail Toda amostra 8.14 8.07-8.21 Com HF 11.57 11.28-11.87 Sem HF 7,53 7.48-7.59 Claus Toda amostra 8.91 8.85-8.98 Com HF 11.88 11.59-12.57 Sem HF 8.39 8.34-8.44 Tyrer-Cuzick Toda amostra 7.02 6.94-7.09 Com HF 11.26 10.99-11.53 Sem HF 6.26 6.20-6.33
Tabela 2 – Médias e intervalos de confiança estimados
23/21
Conclusões
As médias estimadas estão dentro do esperado para populações (10.0-12.0)
Existe correlação entre os modelos, mas eles discordam em alguns pontos resultado esperado já que foram modelados
para diferentes variáveis aponta para a necessidade de interpretações
diferenciadas para os diferentes modelos O modelo que melhor discriminou, em média, o
grupo com HF (IC95%=10.99-11.53) do sem HF (IC95%=6.20-6.33) foi o de Tyrer-Cuzick
24/21
Questões para reflexão
Os fatores de risco são iguais para os mesmos lugares?
Na ausência de outros modelos, os atuais, se usados conjuntamente, auxiliam na identificação de mulheres em maior risco para a doença
As características populacionais são as mesmas?
Pode-se aplicar um instrumento destes e confiar nas suas estimativas?
Não existem estudos de validação dos modelos no Brasil
Os parâmetros dos modelos foram estimados com base em estudos de outros países
25/21
Apoio
Pró-Reitoria de Pesquisa UFRGS – Brasil
Susan G. Komen for the Cure
Hospital de Clínicas de Porto Alegre
Laboratório de Medicina Genômica HCPA
Associação Hospitalar Moinhos de Vento
Prefeitura Municipal de Porto Alegre
Instituto da Mama do Rio Grande do Sul
Correlação entre os modelos de predição de Correlação entre os modelos de predição de risco para câncer de mama Gail, risco para câncer de mama Gail,
Tyrer-Cuzick e as tabelas de Claus em um Tyrer-Cuzick e as tabelas de Claus em um estudo de coorte na região sul do Brasilestudo de coorte na região sul do Brasil
Aishameriane Venes [email protected]