Desarrollo y validación de un algoritmo para identificar recidivas de cáncer a partir de bases de datos hospitalarias

• Autores: Sandra Manzanares Laya, Andrea Burón Pust, Cristiane Murta Nascimento, Sònia Servitja Tormo, Xavier Castells, Francesc Macià Guilà
• Localización: Revista de calidad asistencial, ISSN 1134-282X, Vol. 29, Nº. 4, 2014, págs. 237-244
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • Objetivos Los registros de tumores hospitalarios y las bases de datos hospitalarias son una fuente de información valiosa y eficiente para la investigación de recidivas de cáncer. El objetivo de este estudio fue desarrollar y validar algoritmos para identificar recidivas de cáncer de mama.

    Métodos Estudio observacional retrospectivo de casos de cáncer de mama del registro de tumores de un centro hospitalario universitario de tercer nivel diagnosticados entre 2003 y 2009. A partir del cruce de bases de datos hospitalarias y la construcción de definiciones operativas se obtuvieron diferentes algoritmos de probable recidiva de cáncer con su correspondiente sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo.

    Resultados Se identificaron 1.523 pacientes diagnosticados de cáncer entre 2003 y 2009. La solicitud de gammagrafía ósea tras 6 meses desde el primer tratamiento oncológico obtuvo la mayor sensibilidad (53,8%) y valor predictivo negativo (93,8%), y la realización de una prueba de anatomía patológica tras 6 meses desde el diagnóstico obtuvo la mayor especificidad (93,8%) y valor predictivo negativo (92,6%). La combinación de definiciones aumentó la especificidad y el valor predictivo positivo pero disminuyó la sensibilidad.

    Conclusiones Se elaboraron diferentes algoritmos diagnósticos cuyas definiciones pueden ser útiles según los intereses y recursos del investigador. Un mayor valor predictivo positivo podría interesar para una estimación rápida del número de casos, y un mayor valor predictivo negativo para dar una estimación más exacta si se dispone de mayores recursos. Estos algoritmos se configuran como una herramienta versátil y adaptable a otros tumores y a las necesidades del investigador.