Métodos estadísticos aplicados al análisis de estudios longitudinales en cardiología intervencionista mediante modelos multi-estado

Abstract

Introducción: El objetivo principal de los estudios longitudinales en cardiología suele ser el tiempo hasta ciertos eventos adversos, con el objetivo de identificar factores de riesgo o la eficacia de un tratamiento. Tradicionalmente, se han empleado los composite endpoints , que indican si se observa alguno de una lista de eventos. Uno de los más utilizados es el conocido como MACE (eventos adversos cardiovasculares mayores, por sus siglas en inglés) en sus diferentes versiones. Su uso permite aumentar la potencia de los estudios y simplificar el análisis, aunque presenta algunas limitaciones como dificultar la interpretación de resultados. El objetivo de esta tesis es estudiar los modelos multiestado como alternativa para la modelización de la evolución de la enfermedad y analizar su aplicabilidad en el campo de la cardiología intervencionista. Metodología: Analizamos los datos de dos estudios de cardiología intervencionista. El primero incluye 1008 pacientes con síndrome coronario agudo sometidos a revascularización percutánea entre 2013 y 2019. El segundo es un registro que incluye a 1057 pacientes de avanzada edad con fibrilación auricular revascularizados con stents liberadores de fármacos con el objetivo de evaluar la eficacia y pronóstico de distintos tratamientos antitrombóticos. Para definir el modelo multiestado para cada estudio, se define una estructura de estados y las posibles transiciones entre ellos, junto con los predictores para cada transición, mediante un proceso de selección de variables. Los resultados, en cada caso, fueron comparados con los del modelo de regresión multivariante de Cox. Para ilustrar la capacidad predictora de los dos modelos multiestado propuestos, se compararon las predicciones correspondientes a dos perfiles de pacientes distintos. Resultados: Para ambos estudios, los predictores del modelo de regresión de Cox para MACE estaban incluidos como factores en alguna de las transiciones del modelo multiestado correspondiente, aunque a diferencia de los modelos de regresión de Cox, los modelos multiestado permiten discernir con qué evento está relacionado cada uno de los factores predictores. Comparando los dos modelos multiestado , hay predictores en común en ambos estudios, en concreto, la diabetes, el número de vasos enfermos o tratados, la función ventricular (FEVI) y la insuficiencia renal crónica. Las discrepancias pueden explicarse porque: (i) la estructura de estados fue diferente en ambos modelos multiestado ; ( ii ) algunas variables solo estaban presentes en uno de los estudios, como la anemia o la escala HAS-BLED; y ( iii ) el perfil de pacientes no era el mismo en ambos estudios, por ejemplo, porque la edad de los pacientes en el segundo estudio era considerablemente mayor que en el primero, siendo un predictor de muerte solo en el primer estudio. Por último, se ilustra la capacidad predictora de los modelos multiestado , comprobando que la precisión es mayor para aquellas transiciones con una muestra mayor. Conclusiones: En este trabajo, proponemos una modelización más sofisticada de la evolución de la enfermedad para un paciente con modelos multiestado, que permiten definir relaciones entre eventos adversos mediante una estructura de estados y las transiciones entre ellos. Los resultados muestran el gran potencial de los modelos multiestado para el análisis de estudios longitudinales en cardiología intervencionista. Este método permite emplear la información sobre todos los eventos adversos de todos los pacientes, además de separar la contribución de los factores de riesgo para cada tipo de evento adverso. La inclusión de predictores en el modelo para cada uno de los tiempos de permanencia en cada estado proporciona una predicción en términos de probabilidad (junto con la incertidumbre asociada) para cada tipo de evento adverso personalizada para los pacientes, teniendo en cuenta sus características y la evolución observada de la enfermedad.