# Modelos de predição para testagem direcionada de HIV, hepatite B e hepatite C são acurados e aplicáveis na atenção primária?

> A meta-análise mostrou acurácia moderada a boa para modelos preditivos de HIV (AUC 0,73), hepatite C (0,80) e hepatite B (0,79), mas com alta heterogeneidade e alto risco de viés na maioria dos estudos. A contribuição da atenção primária foi limitada, e a avaliação e o relato foram inconsistentes.

Estudo citado: Leber W, Farooq HZ, Panovska-Griffiths J, Larvin H, Baggaley RF, Divall P et al.. Risk prediction models for targeted testing of HIV, hepatitis B and hepatitis C: a systematic review and meta-analysis. BMC infectious diseases. 2025. DOI: https://doi.org/10.1186/s12879-025-11921-3. PubMed: https://pubmed.ncbi.nlm.nih.gov/41291465/

## Resposta

A revisão sistemática identificou 71 estudos que desenvolveram ou validaram modelos de predição para infecções por HIV, hepatite B e hepatite C, abrangendo mais de 31 milhões de participantes e mais de 65.000 casos. A maioria dos modelos era para HIV (47), seguida por hepatite C (13) e hepatite B (5), com 2 estudos avaliando múltiplos vírus separadamente. Os estudos foram conduzidos em 41 países de baixa e média renda e 30 de alta renda, cobrindo 11 populações diferentes e 8 tipos de ambientes, incluindo atenção primária.

A acurácia dos modelos, medida pela área sob a curva ROC (AUC), foi agrupada em 0,73 (IC 95%: 0,67–0,80) para HIV, 0,80 (IC 95%: 0,73–0,86) para hepatite C e 0,79 (IC 95%: 0,76–0,81) para hepatite B. Esses valores indicam discriminação moderada a boa, mas com heterogeneidade substancial entre os estudos, refletida pelos valores de I² elevados (74% para HIV, 86% para hepatite C e 93% para hepatite B).

O risco de viés foi alto em 64 dos 71 estudos, segundo a ferramenta PROBAST, e baixo em apenas 7. Isso significa que a maioria dos modelos pode ter estimativas otimistas de desempenho ou problemas metodológicos que limitam sua validade. Além disso, a maioria dos modelos utilizou regressão tradicional (50), enquanto 17 usaram aprendizado de máquina e 4 outros métodos.

Os autores concluem que a heterogeneidade significativa na acurácia dos modelos, juntamente com o alto risco de viés e a contribuição limitada da atenção primária, dificulta a recomendação de um modelo específico para uso clínico. O desenvolvimento e a avaliação de modelos eficazes para a avaliação combinada de risco de HIV, hepatite B e hepatite C em ambientes de população geral, especialmente na atenção primária, permanecem uma prioridade.

Para o médico brasileiro, os resultados sugerem que, embora existam ferramentas promissoras, sua aplicação rotineira na atenção primária ainda carece de validação robusta e padronização. A decisão de adotar um modelo preditivo deve considerar o contexto local, a população-alvo e a qualidade metodológica do estudo de origem.

## O que o estudo mostrou

Revisão sistemática e meta-análise que incluiu 71 estudos, com mais de 31 milhões de participantes e mais de 65.000 casos de HIV, hepatite B e hepatite C. Foram examinados 67 modelos (47 para HIV, 13 para hepatite C, 5 para hepatite B e 2 para múltiplos vírus). A acurácia agrupada (AUC) foi de 0,73 para HIV, 0,80 para hepatite C e 0,79 para hepatite B, com alta heterogeneidade. O risco de viés foi alto em 64 estudos e baixo em 7.

## Limitações

O resumo não informa detalhes sobre a população exata de cada estudo, os critérios de inclusão específicos ou as limitações individuais dos modelos. A alta heterogeneidade e o alto risco de viés na maioria dos estudos limitam a generalização dos resultados. A contribuição da atenção primária foi limitada, e a avaliação e o relato foram inconsistentes, conforme o resumo.

## Aplicação no consultório

Na prática clínica, os modelos preditivos podem auxiliar na identificação de pacientes com maior risco de HIV, hepatite B e hepatite C, mas a heterogeneidade e o alto risco de viés exigem cautela. O médico deve considerar a validação local e a aplicabilidade do modelo ao seu contexto. Para a gestão do consultório, investir em treinamento e em ferramentas validadas pode otimizar a testagem direcionada, mas a falta de padronização sugere que protocolos baseados em diretrizes locais ainda são preferíveis até que modelos robustos estejam disponíveis.

## Perguntas para aprofundar

- Qual é o desempenho dos modelos de predição para HIV, hepatite B e hepatite C em populações específicas, como homens que fazem sexo com homens?
- Como o risco de viés afeta a confiabilidade dos modelos de predição para infecções sexualmente transmissíveis?
- Quais são os desafios para implementar modelos de predição de HIV, hepatite B e hepatite C na atenção primária brasileira?

Tema: IA na atenção primária. Página: https://alphadoctor.com.br/ciencia/ia-atencao-primaria/modelos-de-predicao-para-testagem-direcionada-de-hiv-hepatite-b-e-hepatite-c/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.