Correlação entre os modelos de predição de Correlação entre os modelos de predição de risco para câncer de mama Gail, risco para câncer de mama Gail,

Tyrer-Cuzick e as tabelas de Claus em um Tyrer-Cuzick e as tabelas de Claus em um estudo de coorte na região sul do Brasilestudo de coorte na região sul do Brasil

Aishameriane Venes SchmidtDepartamento de Estatística UFRGS

Laboratório de Medicina Genômica HCPABolsista da PROPESQ UFRGS

Orientação:Dra. Patricia Ashton-Prolla e Dra. Suzi Alves Camey

Colaboração: Juliana Giacomazzi e Dra. Maira Caleffi

Apresentação para o seminário comemorativo ao Dia do Estatístico 2009.

2/21

Câncer de Mama

O câncer de mama (CM) é o tumor mais prevalente entre mulheres no Brasil

O Rio Grande do Sul é o estado brasileiro com a segunda maior incidência da doença (85.5 casos/100.000 mulheres)¹

A sobrevida dos pacientes aumenta quando a doença é detectada e tratada nos estágios iniciais

¹ Estimativa do Instituto Nacional de Câncer (INCA) para 2008.

3/21

Câncer de Mama

As recomendações para rastreamento populacional incluem auto-exame mensal e mamografia anual a partir dos 18 e 40 anos de idade, respectivamente¹

Algumas mulheres podem apresentar um risco maior que o risco populacional¹ Fatores de risco pessoais História familiar

¹ NCCN Guidelines in Breast Cancer Screening and Diagnosis - http://www.nccn.org.

Câncer de Mama

4/21

Desconhecidos55%

Desconhecidos55%

BRCA 1

30%

BRCA 1

30%

BRCA 215%

BRCA 215%

Esporádicos80%

Hereditários5%

Hereditários5%

História Familiar

15%

História Familiar

15%

5/21

Câncer de Mama

Neste contexto, modelos capazes de estimar o risco de uma mulher desenvolver a doença

podem ser usados para auxiliar o médico na definição da conduta de acompanhamento da

paciente¹.

¹ Freedman et al., 2004.

6/21

Fatores de Risco para CM

Sexo

História familiar

Idade

Exposição ao estrogênio

Doença mamária prévia

Fatores ambientais

Hábitos de vida

¹ NCCN Guidelines in Breast Cancer Risk Reduction - http://www.nccn.org.

7/21

Modelos de Predição de Risco para CM

Modelos matemáticos com base nos dados individuais dos pacientes foram desenvolvidos nas últimas décadas

Os modelos de estimativa de risco para CM mais conhecidos são: Modelo de Gail (1989-1998)1

Tabelas de Claus (1993)2

Modelo de Tyrer-Cuzick (2002)3

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.

8/21

Modelo de Gail (1989-1998)

Foram utilizados dados de caso-controle do estudo americano BCDDP Casos: 2852 mulheres brancas afetadas por CA

de mama Controles: 3146 mulheres brancas Foran formados 4496 pares de mulheres

No modelo de regressão logística final, foram incluídas as variáveis de idade da menarca, número de biópsias, idade ao nascimento do primeiro filho vivo, história familiar e idade atual

9/21

Tabelas de Claus (1993)

Fornecem o risco cumulativo de desenvolver câncer de mama para mulheres que têm história familiar da doença;

As estimativas são provenientes de uma amostra de 4715 casos de CM e controles pareados do Cancer and Steroid Hormone Study (CASH)

10/21

Modelo de Tyrer-Cuzick (2002)

Utilizou dados das mulheres cadastradas no IBIS (International Breast Cancer Interventional Study)

É o modelo que melhor considera história familiar e demais fatores de risco para CM

Inclui a probabilidade de ter mutações em genes de baixa penetrência

11/21

Modelos de predição de risco para CMVariável Gail Claus Tyrer-Cuzick

Informações pessoais

Idade X X X

IMC X

História reprodutiva

Menarca X X

Nascimento 1° filho X X

Menopausa X

Doença mamária

Biópsia de mama X X

Hiperplasia atípica X X

Carcinoma ductal in situ X

História familiar de câncer de mama

1° grau X X X

2° grau X X

Idade ao diagnóstico X X

Câncer de mama em familiares X X

Câncer de ovário X

Modificada de Lalloo et al. 2005  

X

XX

X

X

X

X

X

X

X

X

X

X

XXX

X

X

X

XXXXX

Claus Tyrer-Cuzick

A Coorte Núcleo Mama Porto Alegre

Não comparecimento:

259(21.0%)

Compareceu à consulta902

(72,3%)

9218Mulheres com mais de 15 anos

cadastradas na Coorte NMAMAPOA

Não:7933

(86.1%)

Sim:1285

(13.9%)

Não aceitou participar do

estudo/Sem contato

85 (6.7%)

Questionário: HF positiva para CM, CO ou CCR?

AA de 910 (11.4%)

mulheres que aceitaram

participar do estudo

(Grupo sem HF relatada)

≥ 18 anosNão:39

Sim:1246

Entrevista Genética

Amostra total neste estudo: 1795 Aceitou participar do

estudo: 885 (98.1%)(Grupo com HF

relatada)

AA de 910 (11.4%) mulheres que

aceitaram participar do estudo

(Grupo sem HF relatada)

Aceitou participar do estudo: 885

(98.1%)(Grupo com HF

relatada)

15/21

Objetivos do estudo

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%) ponderados das estimativas de risco para cada um dos modelos na amostra em estudo.

Determinar as equações de regressão que estimem o risco pelo modelo de Tyrer-Cuzick pelo modelo de Gail e pelo risco estimado através tabelas de Claus.

16/21

Análise Estatística

Coeficiente de Correlação de Pearson

Metodologia de Bland-Altman¹

Médias e intervalos de confiança ponderados

Regressão Linear

1- Altman DG, Bland JM (1983). "Measurement in medicine: the analysis of method comparison studies". Statistician 32: 307–317.

17/21

Resultados

  Gail Claus Tyrer-Cuzick

Gail - 0.184 (p=0.96) 0.637 (p<0.01)

Claus 0.339 (p<0.01) - 0.281 (p<0.01)

Tyrer-Cuzick 0.599 (p<0.01) 0.430 (p<0.01) -

Os valores da diagonal inferior e superior representam, respectivamente, as correlações no grupo com e sem história familiar.

Tabela 1 – Correlações entre os modelos para os dois grupos

As correlações encontradas, utilizando a amostra toda, foram:

Gail x Claus: 0.40 (p<0.01)

Gail x Tyrer-Cuzick: 0.69 (p<0.01)

Claus x Tyrer-Cuzick: 0.44 (p<0.01)

0.184 (p=0.96) 0.637 (p<0.01)

0.281 (p<0.01)0.339 (p<0.01)

0.599 (p<0.01) 0.430 (p<0.01)

18/21

Resultados

-30

-20

-10

0

10

20

30

0 5 10 15 20 25 30 35 40 45 50

Média

Dif

eren

ça (

Gai

l Vit

al -

Cla

us

Vit

al)

Viés: 0.62*

Dife

renç

a ris

co v

ital e

stim

ado

(Gai

l – C

laus

)

19/21

Resultados

-30

-25

-20

-15

-10

-5

0

5

10

15

20

0 5 10 15 20 25 30 35 40 45

Média

Dif

ere

nça (T

yre

r-C

uzic

k V

ital -

Cla

us V

ital)

Viés: 0.52*

Dife

renç

a ris

co v

ital e

stim

ado

(Tyr

er-C

uzic

k –

Cla

us)

20/21

Resultados

-40

-30

-20

-10

0

10

20

30

0 5 10 15 20 25 30 35 40 45 50

Média

Dif

eren

ça (

Tyr

er-C

uzi

ck V

ital

- G

ail V

ital

)

Viés: -0.86*

Dife

renç

a ris

co v

ital e

stim

ado

(Tyr

er-C

uzic

k -

Gai

l)

21/21

Resultados

O risco estimado para Tyrer-Cuzick para um determinado risco pelo modelo de Gail e a presença de história familiar é dado por

TC = 1.865+0.584G+2.66HF

Valor calculado pelo modelo de GailPresença de HF

Sim = 1Não = 0

O risco estimado para Tyrer-Cuzick para um determinado risco pelas tabelas de Claus e a presença de história familiar é dado por

TC’=5.89+0.385C+1.92HF

Valor calculado pelas tabelas de ClausPresença de HF

Sim = 1Não = 0

R²ajustado = 0.544

R²ajustado = 0.205

22/21

Resultados

Média IC95% Gail Toda amostra 8.14 8.07-8.21 Com HF 11.57 11.28-11.87 Sem HF 7,53 7.48-7.59 Claus Toda amostra 8.91 8.85-8.98 Com HF 11.88 11.59-12.57 Sem HF 8.39 8.34-8.44 Tyrer-Cuzick Toda amostra 7.02 6.94-7.09 Com HF 11.26 10.99-11.53 Sem HF 6.26 6.20-6.33

Tabela 2 – Médias e intervalos de confiança estimados

23/21

Conclusões

As médias estimadas estão dentro do esperado para populações (10.0-12.0)

Existe correlação entre os modelos, mas eles discordam em alguns pontos resultado esperado já que foram modelados

para diferentes variáveis aponta para a necessidade de interpretações

diferenciadas para os diferentes modelos O modelo que melhor discriminou, em média, o

grupo com HF (IC95%=10.99-11.53) do sem HF (IC95%=6.20-6.33) foi o de Tyrer-Cuzick

24/21

Questões para reflexão

Os fatores de risco são iguais para os mesmos lugares?

Na ausência de outros modelos, os atuais, se usados conjuntamente, auxiliam na identificação de mulheres em maior risco para a doença

As características populacionais são as mesmas?

Pode-se aplicar um instrumento destes e confiar nas suas estimativas?

Não existem estudos de validação dos modelos no Brasil

Os parâmetros dos modelos foram estimados com base em estudos de outros países

25/21

Apoio

Pró-Reitoria de Pesquisa UFRGS – Brasil

Susan G. Komen for the Cure

Hospital de Clínicas de Porto Alegre

Laboratório de Medicina Genômica HCPA

Associação Hospitalar Moinhos de Vento

Prefeitura Municipal de Porto Alegre

Instituto da Mama do Rio Grande do Sul

Correlação entre os modelos de predição de Correlação entre os modelos de predição de risco para câncer de mama Gail, risco para câncer de mama Gail,

Tyrer-Cuzick e as tabelas de Claus em um Tyrer-Cuzick e as tabelas de Claus em um estudo de coorte na região sul do Brasilestudo de coorte na região sul do Brasil

Aishameriane Venes Schmidtaishameriane.schmidt@ufrgs.br