Evaluar la fiabilidad de un modelo de regresión logística para predecir el riesgo individual de muerte por resección de cáncer pulmonar (CP)
MétodoEstudio de 515 casos consecutivos sometidos a resección pulmonar anatómica (lobectomía o neumonectomía) por CP entre enero de 1994 y diciembre de 2001. La variable dependiente fue la mortalidad hospitalaria o extrahospitalaria en los 30 días siguientes a la intervención; las variables independientes continuas: la edad, el índice de masa corporal y el volumen espiratorio forzado en el primer segundo, en porcentaje del teórico (FEV1ppo), y las variables independientes binarias: cardiopatía isquémica, diabetes mellitus, arritmia preoperatoria, quimioterapia de inducción, tipo de resección realizada (lobectomía o neumonectomía), resección de pared torácica, extensión tumoral (tumor localizado o extendido) y transfusión sanguínea perioperatoria. Todas las variables han sido recogidas de forma prospectiva. Se ha realizado un análisis univariante utilizando tablas de contingencia para las variables binarias y ANOVA para las continuas; posteriormente, se ha efectuado un análisis de regresión logística por pasos hacia atrás y se ha calculado la probabilidad de muerte para cada caso individual. Con este valor se ha construido una curva ROC utilizando como variable de estado la aparición de muerte operatoria
ResultadosEn el análisis multivariante, las siguientes variables se han encontrado relacionadas de forma independiente con la mortalidad: edad (p < 0,001; odds ratio [OR]=1,11), extensión tumoral (p=0,002; OR=3,47) y transfusión perioperatoria (p=0,004; OR=3,87). El área bajo la curva ROC es de 0,77, pero esto es debido a una especificidad elevada, ya que ningún caso de complicación pudo ser predicho
ConclusionAunque se encuentran algunas variables relacionadas con la muerte operatoria, el modelo descrito no es capaz de predecir la muerte operatoria. Por tanto, la aplicabilidad a la toma de decisiones individualizadas es de escasa utilidad
To evaluate the reliability of a logistic regression model to predict individual risk of death related to lung cancer resection
MethodA study of 515 consecutive patients undergoing anatomical pulmonary resection (lobectomy or pulmonectomy) for lung cancer between January 1994 and December 2001. Dependent variable: death in or out of hospital within 30 days of surgery. Continuous independent variables: age, body mass index, and percent of predicted postoperative FEV1. Binary independent variables: ischemic heart disease, diabetes mellitus, preoperative arrhythmia, induction chemotherapy, type of resection (lobectomy or pneumonectomy), chest wall resection, tumor extension (localized or extended tumor) and perioperative blood transfusion. All data were gathered prospectively. A univariate analysis was performed using contingency tables for binary variables and analysis of variance for continuous ones; stepwise logistic regression analysis was then performed and the likelihood of death for each individual was calculated. A receiver operating characteristic (ROC) curve was constructed with the data, using surgical death as the state variable
ResultsThe following variables were found to be independently related to death in the univariate analysis: age (p < 0.001, odds ratio 1.11); tumor extension (p=0.002; OR 3.47) and perioperative transfusion (p=0.004; OR 3.87). The area under the ROC curve was 0.77, attributable to high specificity given that none of the complications could have been predicted
ConclusionAlthough some variables are related to surgical death, the described model is not able to give a prediction. Therefore, the model is of little use for application in making decisions about individual cases
