Peritonite Bacteriana Espontânea: Um Modelo Preditivo / Aplicação dos Modelos de Classes Latentes no Estudo da Dirofilariose (Seminários no âmbito Mestrado Bioestatística)

 

  • Prof. João Gomes – Faculdade Ciências Universidade Lisboa e CMAF / Profª Luzia Gonçalves – Instituto de Higiene e Medicina Tropical, UNL e CEAUL
  • FCUL – Campo Grande – Bloco C6 Piso 2 – Sala 6.2.52 – 16:00 h
  • Quarta-feira, 28 de Novembro de 2012
 
Abstracts:

PERITONITE BACTERIANA ESPONTÂNEA: UM MODELO PREDITIVO

A peritonite bacteriana espontânea (PBE) é uma infeção que surge frequentemente em doentes com cirrose hepática (doença do fígado avançada). Pode ser muito grave, alcançando uma taxa de mortalidade intra-hospitalar de 20 a 40%, (Song, et al., 2006 and Thuluvath, Morss, & Thompson, 2001). A identificação precoce de doentes de risco é crucial para a melhoria do prognóstico desta doença. Existe um sistema de classificação amplamente usado para estratificar o risco dos doentes com cirrose hepática (classificação de Child-Turcotte-Pugh), mas apresenta deficiências relativas, designadamente, a subjetividade de alguns parâmetros avaliados. Mais recentemente, surgiu o score MELD (Model for End-Stage Liver Disease), que se calcula através de uma fórmula matemática computorizada, com recurso a 3 variáveis objetivas, fornecidas por análises sanguíneas (1. creatinina – parâmetro de avaliação da função dos rins; 2. INR – parâmetro de coagulação do sangue; 3. bilirrubina – parâmetro de avaliação da função do fígado). Foi demonstrado que este score prediz a sobrevida a curto prazo de doentes com cirrose hepática, mas não existem dados relativos aos doentes com PBE (Kamath, et al., 2001). Para além disso, outras variáveis poderão estar implicadas na sobrevida destes doentes, nomeadamente a idade mais avançada. Portanto, do ponto de vista médico, existe a necessidade de estabelecer um modelo simples, célere e fidedigno, para aferir a probabilidade de sobrevida de um doente que entra no hospital com PBE, de modo a adotar as medidas e instituir os tratamentos adequados e assim melhorar o prognóstico destes doentes. (Nobre, Cabral, Gomes, & Leitão, 2008).

APLICAÇÃO DOS MODELOS DE CLASSES LATENTES NO ESTUDO DA DIROFILARIOSE

A dirofilariose é uma doença parasitária causada pelo agente Dirofilaria immitis, um nemátode que é transmitido por mosquitos, afectando principalmente cães e gatos, e também o homem, ao nível do aparelho cardio-vascular, pulmões e pele. A infecção e a doença têm sido diagnosticadas em todos os continentes, com particular incidência nos trópicos, subtrópicos e em zonas temperadas, por vezes com elevada morbilidade e mortalidade nos canídeos. Na Europa, os países mediterrânicos são os que apresentam prevalências mais elevadas (Morchón et al., 2012). Com as alterações climáticas, o estudo desta doença tem suscitado um maior interesse. Porém, em Portugal, o conhecimento epidemiológico, principalmente na dirofilariose humana, é ainda escasso. Neste trabalho, apresentam-se alguns resultados preliminares da implementação de um projecto, iniciado em 2011, que visa contribuir para um melhor conhecimento da situação da dirofilariose canina e humana em três distritos de Portugal: Coimbra, Santarém e Setúbal.

O diagnóstico desta doença é difícil exigindo o recurso a testes laboratoriais. Para avaliar o desempenho de três testes, usando uma abordagem bayesiana, foram aplicados modelos de classes latentes para populações (k=3), para estimar as sensibilidades e especificidades dos testes e estimar as prevalências encontradas nos três distritos a partir de uma amostra de 308 cães. As prevalências encontradas nestes distritos sugerem um padrão de crescimento de Norte para Sul, esperado pelas condições ambientais. Apesar da amostra ser pequena, como as prevalências da dirofilariose canina e humana estão relacionadas, os resultados são importantes ao nível da saúde pública. Como a aplicação destes modelos na prática está relacionada com questões de amostragem e com a incorporação de informação a priori, salientam-se ainda algumas dificuldades encontradas.