Este estudo avaliou a correlação entre três modelos de estimativa de risco de câncer de mama (Gail, Tyrer-Cuzick e Claus) em uma coorte brasileira. Os resultados mostraram correlação positiva entre os modelos, embora cada um tenha diferenças nos valores médios de risco estimados. Análises adicionais são necessárias para determinar qual modelo se aplica melhor à população estudada.
Correlação entre modelos de predição de risco para câncer de mama
1. CCoorrrreellaaççããoo eennttrree ooss mmooddeellooss ddee pprreeddiiççããoo ddee rriissccoo ppaarraa
ccâânncceerr ddee mmaammaa GGaaiill,, TTyyrreerr--CCuuzziicckk ee aass ttaabbeellaass ddee CCllaauuss
eemm uumm eessttuuddoo ddee ccoooorrttee nnaa rreeggiiããoo ssuull ddoo BBrraassiill
Schmidt AV12; Giacomazzi J13; Caleffi M4; Ashton-Prolla P13; Camey SA1
1Universidade Federal do Rio Grande do Sul, Porto Alegre; 2 Bolsista da PROPESQ UFRGS – Brasil, 3 Hospital de Clínicas de
Porto Alegre; 4 Associação Hospitalar Moinhos de Vento, Porto Alegre.
Contato: aishameriane.schmidt@ufrgs.br
A
MMEETTOODDOOLLOOGGIIAA
Participantes do estudo:
A amostra é composta de mulheres atendidas em 18 UBS, com
idade acima de 15 anos e cadastradas na Coorte Núcleo Mama
Porto Alegre (NMPOA) (n=9234). Destas, 885 fizeram
aconselhamento genético com geneticista do NMPOA, das quais
589 responderam a um questionário com 19 questões de
conhecimento sobre CM.
RREESSUULLTTAADDOOSS
Gail Claus Tyrer-Cuzick
Gail - 0.184 (p=0.96) 0.637 (p<0.01)
Claus 0.369 (p<0.01) - 0.281 (p<0.01)
Tyrer-Cuzick 0.599 (p<0.01) 0.43 (p<0.01) -
20
15
10
5
0
-5
-10
-15
-20
-25
30
20
10
0
-10
-20
-30
Apoio Financeiro: Susan G. Komen for the Cure, CNPq, CAPES, FAPERGS, FIPE/HCPA,
PROPESQ/UFRGS.
IINNTTRROODDUUÇÇÃÃOO
Atualmente, o câncer de mama (CM) é o tipo de câncer mais
prevalente entre as mulheres. No Brasil, é um problema de saúde
pública devido às suas altas taxas de incidência e morbi-mortalidade.
Modelos matemáticos foram desenvolvidos na Europa e América do
Norte para estimar o risco vital de uma mulher desenvolver CM
considerando sua história familiar (HF) e fatores de risco pessoais
(FP). Dentre os modelos existentes, destacam-se os modelos de
Gail, Tyrer-Cuzick e as tabelas de Claus.
OOBBJJEETTIIVVOOSS
Verificar se existe correlação entre os três modelos de
estimativa de risco;
Verificar a concordância entre as estimativas de risco dos 3
modelos;
Estimar as médias e os intervalos de confiança (IC95%) das
estimativas de risco para cada um dos modelos na amostra em
estudo.
Estimar os modelos de regressão para fazer previsões do
risco de Tyrer-Cuzick pelos outros dois modelos
DDIISSCCUUSSSSÃÃOO
30
20
10
0
-10
-20
O risco estimado para as mulheres do estudo está dentro do esperado
para a população. Além disso, verificou-se que existe correlação entre
os riscos calculados pelos três modelos, embora a análise detalhada
pelo método de Bland-Altman tenha mostrado que os modelos têm
diferenças nos valores médios estimados, sugerindo que as estimativas
produzidas não são equivalentes. Análises adicionais poderão
determinar qual deles melhor se aplica à comunidade do estudo.
Análise estatística:
Coeficiente de Correlação de Pearson
Gráficos de Bland-Altman
Regressão Linear
Médias e Intervalos de Confiança (IC95%) ponderados
Tabela 1: Correlação entre os modelos de estimativa de risco em cada sub-amostra
Os valores da diagonal inferior e superior representam as correlações na sub-amostra de mulheres com história familiar positiva e
negativa, respectivamente.
Tabela 2: Médias e IC95% de cada modelo de estimativa de risco
Gail Claus Tyrer-Cuzick
Média IC95% Média IC95% Média IC95%
Toda amostra 8.14 8.07-8.21 8.91 8.85-8.98 7.02 6.94-7.09
Com HF 11.57 11.28-11.87 11.88 11.59-12.57 11.26 10.99-11.53
Sem HF 7.53 7.48-7.59 8.39 8.34-8.44 6.27 6.20-6.33
Estimando o Tyrer-Cuzick através do Gail, temos a seguinte
equação: TC = 1.865+0.584G+2.66HF
Onde TC = Risco estimado para modelo de Tyrer-Cuzick; G =
Risco calculado através do modelo de Gail e HF = Presença
ou não de HF. Este modelo apresentou um R² de 0.544.
Estimando o Tyrer-Cuzick através do Claus, obtemos:
TC’=5.89+0.385C+1.92HF
Onde TC’ = Risco estimado para modelo de Tyrer-Cuzick, C =
Risco calculado através das tabelas de Claus e HF = Presença
ou não de HF. Este modelo apresentou um R² de 0.205.
-30
0 5 10 15 20 25 30 35 40 45 50
Média
Diferença (Gail Vital - Claus Vital)
-30
0 5 10 15 20 25 30 35 40 45
Média
Diferença (Tyrer-Cuzick Vital - Claus Vital)
-40
0 5 10 15 20 25 30 35 40 45 50
Média
Diferença (Tyrer-Cuzick Vital - Gail Vital)
RREEFFEERRÊÊNNCCIIAASS
1. Gail MH, Brinton LA, Byar DP, Corle DK, Green SB, Schairer C, et al. Projecting
individualized probabilities of developing breast cancer for white females who are being
examined anually. Journal of the National Cancer Institute. 1998; 81:1879-1886.
2. Claus E. B., Risch N., Thompson W. D. The calculation of breast cancer risk for women
with a first degree family history of ovarian cancer. Breast Cancer Res. Treat., 28: 115-120,
1993.
3. Tyrer J, Duffy SW, Cuzick J. A breast cancer prediction model incorporating familial and
personal risk factors. Statistics in Medicine. 2004; 24(1):1111-1130.
Fig 1: Gráfico de Bland-Altman da diferença entre
a estimativa por Gail e por Claus
Fig 2: Gráfico de Bland-Altman da diferença entre
a estimativa por Tyrer-Cuzick e por Claus
Fig 3: Gráfico de Bland-Altman da diferença entre
a estimativa por Tyrer-Cuzick e Gail