Os modelos de predição de risco para linfedema relacionado ao câncer de mama são confiáveis para uso na prática clínica?
Resposta curta: A revisão sistemática com meta-análise avaliou modelos de predição para linfedema relacionado ao câncer de mama. Apenas dois modelos foram validados externamente, com AUC agrupada de 0,70 e 0,80. Todos os estudos apresentaram alto risco de viés e relato inadequado, não sendo os modelos recomendados para a prática clínica.
Resposta
A revisão sistemática teve como objetivo avaliar criticamente os modelos de predição de risco para linfedema relacionado ao câncer de mama (BCRL). Foram incluídos estudos que reportaram modelos, com AUC ou C-index variando de 0,601 a 0,965. A maioria utilizou métodos de regressão clássica, e dois estudos empregaram aprendizado de máquina. Os preditores mais frequentes foram radioterapia, índice de massa corporal antes da cirurgia, número de linfonodos dissecados e quimioterapia.
Apenas dois modelos foram validados externamente, com AUC agrupada de 0,70 (n = 3, IC95%: 0,67 a 0,74) e 0,80 (n = 3, IC95%: 0,75 a 0,86). Apesar do desempenho preditivo moderado a bom, todos os estudos foram julgados com alto risco geral de viés e relato inadequado, segundo a ferramenta Prediction Model Risk of Bias Assessment Tool (PROBAST). Isso sugere que o desempenho observado pode ser otimista.
Os autores concluem que nenhum dos modelos é adequado para recomendação na prática clínica. Pesquisas futuras devem focar na validação, otimização ou desenvolvimento de novos modelos em estudos bem delineados e relatados, seguindo diretrizes metodológicas e de relato. A heterogeneidade metodológica e a falta de validação externa ampla limitam a aplicabilidade dos modelos existentes.
Para o médico brasileiro, os resultados indicam que os modelos disponíveis ainda não são confiáveis para estratificar risco de BCRL em pacientes com câncer de mama. A decisão clínica deve se basear em fatores de risco conhecidos, como radioterapia, IMC elevado, dissecção linfonodal e quimioterapia, mas sem o suporte de um modelo preditivo validado. É importante acompanhar novas publicações que possam trazer modelos mais robustos.
O que o estudo mostrou
Revisão sistemática com meta-análise que incluiu estudos reportando modelos de predição para linfedema relacionado ao câncer de mama. A AUC ou C-index variou de 0,601 a 0,965. Apenas dois modelos foram validados externamente, com AUC agrupada de 0,70 (n = 3, IC95%: 0,67 a 0,74) e 0,80 (n = 3, IC95%: 0,75 a 0,86). A maioria usou regressão clássica; dois estudos usaram aprendizado de máquina. Preditores mais frequentes: radioterapia, IMC pré-cirúrgico, número de linfonodos dissecados e quimioterapia. Todos os estudos tiveram alto risco de viés e relato inadequado.
Limitações
O resumo não informa detalhes sobre as características das populações incluídas, os métodos de validação interna ou o tempo de seguimento. Todos os estudos foram avaliados com alto risco de viés e relato inadequado, o que compromete a confiança nos resultados. Apenas dois modelos foram validados externamente, e a meta-análise foi baseada em poucos estudos (n = 3 para cada modelo). O resumo não informa se houve análise de subgrupos ou de sensibilidade.
Aplicação no consultório
Os modelos preditivos disponíveis para linfedema relacionado ao câncer de mama não devem ser usados rotineiramente na prática clínica, pois apresentam alto risco de viés e falta de validação externa robusta. O médico deve continuar atento aos fatores de risco clássicos, como radioterapia, IMC elevado, número de linfonodos dissecados e quimioterapia, e considerar o encaminhamento precoce para fisioterapia ou avaliação especializada quando esses fatores estiverem presentes. A gestão do consultório pode incluir o acompanhamento sistemático desses pacientes, mas sem confiança em escores de risco não validados.
Estudo citado
Risk prediction models for breast cancer-related lymphedema: A systematic review and meta-analysis. European journal of oncology nursing : the official journal of European Oncology Nursing Society, 2023.
Autores: Shen A, Wei X, Zhu F, Sun M, Ke S, Qiang W, Lu Q.
DOI: 10.1016/j.ejon.2023.102326 · PubMed: PMID 37137249
Perguntas para aprofundar
- Quais fatores de risco para linfedema relacionado ao câncer de mama são mais consistentes na literatura?
- Como o médico pode identificar precocemente o linfedema em pacientes submetidas a tratamento para câncer de mama?
- Quais são as limitações dos modelos de predição de risco em oncologia e como interpretá-las na prática?
Mais sobre IA em dermatologia
- A inteligência artificial em mamografia tem validação externa suficiente para complementar o rastreamento do câncer de mama na prática clínica?
- Qual é o valor preditivo do machine learning para recidiva de câncer de mama, segundo uma revisão sistemática e meta-análise?
- A inteligência artificial já pode ser usada com segurança no rastreamento mamográfico populacional, e em qual papel?
- Como a inteligência artificial pode apoiar a detecção de câncer de mama em mamografias e quais são as limitações atuais?
- A espectroscopia Raman combinada com aprendizado de máquina é uma alternativa precisa para o diagnóstico de câncer de mama?
Todas as perguntas sobre IA em dermatologia · Todos os temas · Versão em markdown