Aplicación de un modelo multiestado en predicciones de supervivencia en estudios de cardiología

• Natalia Montoya ^[1] ; Alicia Quirós ^[2] ; José M. de la Torre-Hernández ^[1] ; José L. Ferreiro ^[4] ; Armando Pérez de Prado ^[3]
  1. [1] Hospital Universitario Marqués de Valdecilla

     Hospital Universitario Marqués de Valdecilla

     Santander, España

     
  2. [2] Universidad de León

     Universidad de León

     León, España

     
  3. [3] Complejo Asistencial Universitario de León

     Complejo Asistencial Universitario de León

     León, España

     
  4. [4] Servicio de Cardiología, Hospital Universitari Joan XXIII, Institut d’Investigació Sanitària Pere Virgili

  Mostrar afiliaciones +
• Localización: REC: Interventional Cardiology, ISSN-e 2604-7276, ISSN 2604-7306, Vol. 7, Nº. 1, 2025, págs. 44-50
• Idioma: español
• Títulos paralelos:
  • Use of a multistate model in survival predictions in cardiology studies
• Enlaces
  • Texto completo (pdf)
  • Texto completo  1    2  
• Resumen
  • español

    Introducción y objetivos: Los modelos multiestado son una herramienta eficaz en los análisis de supervivencia. Se propone la modelización de la evolución de la enfermedad en un estudio de cardiología intervencionista mediante el uso de un modelo multiestado.

    Métodos: El modelo se ajustó para los datos del registro PACO-PCI, que incluye 1.057 pacientes de avanzada edad con fibrilación auricular revascularizados con stents liberadores de fármacos, con el objetivo de evaluar la eficacia y el pronóstico de distintos tratamientos antitrombóticos. El modelo define cuatro estados (tratamiento, infarto de miocardio o nueva revascularización, sangrados y muerte), junto con los factores significativos para cada transición, y fue comparado con un modelo multivariante de Cox.

    Resultados: Los factores de supervivencia comunes a ambos análisis fueron las escalas PreciseDAPT y HAS-BLED, la anemia, la diabetes mellitus, la insuficiencia renal crónica, el número de vasos tratados y la función ventricular izquierda. El modelo multiestado muestra también que, tras un nuevo sangrado, la probabilidad de sufrir un infarto de miocardio o una revascularización está influida por el tratamiento de la enfermedad del tronco coronario izquierdo y el paso a muerte por cirugía coronaria previa. A diferencia de los modelos de Cox, los modelos multiestado permiten discernir en qué transición del modelo influye cada uno de los factores predictores.

    Conclusiones: Los resultados reflejan las ventajas adicionales de los modelos multiestado en los análisis de supervivencia mediante predicciones personalizadas para los pacientes basadas en sus características clínicas y la evolución de la enfermedad.

  • English

    Introduction and objectives: Multistate models have proven to be effective tools in survival analyses. We propose modeling disease progression in interventional cardiology studies using a multistate model.

    Methods: The model was fitted to the PACO-PCI database including a total of 1057 elderly patients with atrial fibrillation revascularized with drug-eluting stents to assess the efficacy profile and prognosis of different antithrombotic therapies. The model defines a total of 4 states: treatment, myocardial infarction and/or revascularization, bleeding, and death, with significant factors for each transition, and was compared using a multivariate Cox model.

    Results: Survival factors common to both analyses were the PreciseDAPT and HAS-BLED scales, anemia, diabetes mellitus, chronic kidney disease, number of vessels treated, and left ventricular function. The multistate model also shows that after a new hemorrhage the probability of myocardial infarction and/or revascularization is influenced by the treatment of left main coronary artery disease and the transition to death from previous coronary artery bypass graft. Compared with Cox models, multistate models allow us to tell which transition in the model is influenced by each predictor.

    Conclusions: The results illustrate the additional advantages of multistate models in survival analyses through individual predictions for the patients based on their clinical characteristics and disease progression.