Modelos de predição de perda dentária em periodontite são confiáveis para uso clínico?
Resposta curta: A revisão sistemática identificou 45 estudos com modelos preditivos, mas todos apresentaram alto risco de viés, principalmente por manejo inadequado de dados ausentes e avaliação inadequada de desempenho. As medidas de performance são provavelmente otimistas e podem não se replicar na prática clínica. Nenhum modelo pode ser recomendado para uso clínico no momento.
Resposta
A revisão sistemática avaliou a qualidade metodológica e de relato de modelos de predição de perda dentária em pacientes com periodontite, incluindo modelos de regressão e de aprendizado de máquina. Foram incluídos 45 estudos, e a qualidade foi analisada com as ferramentas CHARMS, TRIPOD e PROBAST. O objetivo era verificar se esses modelos estão prontos para aplicação clínica.
Os resultados mostram que apenas 26 estudos relataram alguma medida de desempenho, com mediana de C-statistic de 0,671 (variação de 0,57 a 0,97). Todos os estudos apresentaram alto risco de viés, sendo os principais problemas o manejo inadequado de dados ausentes (96%), a avaliação inadequada do desempenho do modelo (92%) e a falta de consideração do sobreajuste na avaliação de desempenho (68%).
Esses achados indicam que as medidas de desempenho relatadas são provavelmente otimistas e podem não se replicar em uso clínico. A revisão não pôde recomendar nenhum modelo para a prática, mas compilou os modelos existentes, seu desempenho em validação externa e tamanhos amostrais, o que pode auxiliar na identificação de modelos promissores para futuros estudos de validação externa.
Para o clínico, isso significa que, no momento, não há modelo validado e confiável para prever perda dentária em periodontite. A aplicação clínica desses modelos deve ser cautelosa, e decisões terapêuticas não devem se basear exclusivamente neles. A pesquisa futura precisa focar em melhorar a qualidade metodológica e realizar validação externa adequada.
O que o estudo mostrou
Revisão sistemática que rastreou 4.661 registros e incluiu 45 estudos sobre modelos de predição de perda dentária em periodontite. Apenas 26 estudos relataram alguma medida de desempenho, com mediana de C-statistic de 0,671 (variação de 0,57 a 0,97). Todos os estudos apresentaram alto risco de viés devido a manejo inadequado de dados ausentes (96%), avaliação inadequada do desempenho do modelo (92%) e falta de consideração do sobreajuste (68%).
Limitações
O resumo não informa detalhes sobre a população dos estudos incluídos, os tipos específicos de modelos ou os horizontes de predição. Além disso, a revisão não realizou meta-análise devido à heterogeneidade e alto risco de viés. Os resultados se baseiam apenas nos estudos publicados até a data de busca, e não é possível garantir que modelos mais recentes tenham sido incluídos.
Aplicação no consultório
Na prática clínica, os modelos disponíveis para predição de perda dentária em periodontite não são confiáveis devido ao alto risco de viés. O dentista deve evitar basear decisões terapêuticas exclusivamente nessas ferramentas. Para a gestão do consultório, é importante aguardar modelos validados externamente antes de incorporá-los ao fluxo de atendimento. Investir em avaliação crítica da literatura e em educação continuada sobre validação de modelos pode auxiliar na seleção de ferramentas futuras.
Estudo citado
Systematic Review of Prognosis Models in Predicting Tooth Loss in Periodontitis. Journal of dental research, 2024.
Autores: Chow DY, Tay JRH, Nascimento GG.
DOI: 10.1177/00220345241237448 · PubMed: PMID 38726948
Perguntas para aprofundar
- Quais são os principais vieses nos modelos de predição de perda dentária em periodontite?
- Como o clínico pode avaliar a qualidade de um modelo preditivo antes de usá-lo?
- Quais ferramentas são recomendadas para avaliar o risco de viés em estudos de predição?
Mais sobre Regulação e validação clínica de IA
- Modelos de machine learning superam os modelos estatísticos tradicionais na predição de desfechos em doenças inflamatórias intestinais?
- Práticas de "spin" e padrões de relato inadequados também estão presentes em estudos de modelos preditivos com aprendizado de máquina?
- Qual é o risco de viés em estudos de modelos de predição desenvolvidos com aprendizado de máquina supervisionado?
- Modelos de aprendizado de máquina superam os métodos usuais de predição diagnóstica e prognóstica no pronto-socorro?
- Algoritmos de aprendizado de máquina podem prever a sobrevida de pacientes tratados para carcinoma hepatocelular?
Todas as perguntas sobre Regulação e validação clínica de IA · Todos os temas · Versão em markdown