Sagaró CNM, Zamora ML, Bartutis BMT

Idioma: Español
Referencias bibliográficas: 17
Paginas:
Archivo PDF: 397.33 Kb.

RESUMEN

Una vez diseñada la metodología ASI-IMC, que permite una correcta aplicación del análisis estadístico implicativo en los estudios de causalidad en medicina se aplicó la misma en dichos estudios. Se escogió como ejemplo un estudio de factores pronósticos de mortalidad en cáncer de mama. El objetivo es evaluar la efectividad de la metodología de empleo del análisis estadístico implicativo en la identificación de posibles factores causales. Se realizó un estudio observacional analítico prospectivo de tipo casos y controles anidado en una cohorte, cuyo universo de estudio quedó conformado por todas las mujeres mayores de 18 años de edad con el diagnóstico clínico e histológico de cáncer de mama, procedentes de la provincia de Santiago de Cuba, atendidas en el Hospital Oncológico “Conrado Benítez”, entre 2014 y 2019 con una muestra de 140 casos y 140 controles, empleando 25 covariables como supuestos factores pronósticos y aplicando las 5 primeras etapas de la metodología de empleo del análisis estadístico implicativo en los estudios de causalidad en medicina. Fueron identificados como factores de buen pronóstico en pacientes con cáncer de mama la determinación de los biomarcadores, mientras que, de mal pronóstico clasificaron el estadio avanzado y la quimioterapia de manera directa, así como el tamaño tumoral y la metástasis, de manera indirecta. La metodología empleada permitió la identificación de posibles factores causales en la investigación presentada, evidenciando una vez más su efectividad.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Sagaró Del Campo NM, Zamora Matamoros L. Evolución histórica de las técnicas estadísticas y las metodologías para el estudio de la causalidad en ciencias médicas. MEDISAN 2019; 23(3): 534-56.

2. Sagaró Del Campo NM, Zamora Matamoros L. ¿Por qué emplear el análisis estadístico implicativo en los estudios de causalidad en salud? Revista Cubana de Informática Médica 2019;11(1):88-103.

3. Dirección de Registros Médicos y Estadísticas de Salud. Anuario Estadístico de Salud 2018. [Internet]. La Habana: MINSAP; 2019. [citado 10/5/2020]. Disponible en: https://files.sld.cu/bvscuba/files/2019/04/Anuario-Electr%c3%b3nico-Espa%c3%b1ol-2018-ed-2019-compressed.pdf.

4. Rodríguez Sarria YM, Delisle Ureña G, Sagaró del Campo NM, Escalona Fonseca M. Factores pronósticos y supervivencia de mujeres con cáncer de mama en Santiago de Cuba. MEDISAN 2018; 22(5): 477-82.

5. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de mama. MEDISAN 2017; 21(4): 395-406.

6. Pardo Santana S, Sagaró del Campo NM, Zamora Matamoros L, Viltre Castellanos DM. Utilidad del análisis estadístico implicativo para identificar factores pronósticos en pacientes con cáncer de mama. Revista Electrónica Dr. Zoilo E. Marinello Vidaurreta. [Internet]. 2019 [citado 11/12/2020];44(4). Disponible en: http://revzoilomarinello.sld.cu/index.php/zmv/article/view/1869/pdf_608.

7. Sagaró del Campo NM, Zamora Matamoros L. ¿Cómo aplicar el análisis estadístico implicativo en los estudios de causalidad en salud? Revista Electrónica Dr. Zoilo E. Marinello Vidaurreta. [Internet]. 2020 [citado 6/1/2021];45(1). Disponible en: http://revzoilomarinello.sld.cu/index.php/zmv/article/view/1960.

8. Almagro E, González CS, Espinosa E. Factores pronósticos en el cáncer de mama en estadio inicial. Med Clin (Barc) 2016; 146(4):167-17.

9. Sagaró Del Campo NM, Zamora Matamoros L, Bonne Bartutis MT. Los biomarcadores como factores pronósticos de cáncer de mama a través de un análisis implicativo a posteriori. MEDISAN 2020;24(2): 223-34.

10. Pérez López ME. Correlación de Factores Pronósticos Clásicos con Parámetros Inmunohistoquímicos y Subtipos Tumorales en mujeres afectadas por Cáncer de Mama. [Tesis].España: Universidade de Santiago de Compostela; 2012. [citado 20/6/2020]. Disponible en: https://minerva.usc.es/xmlui/bitstream/handle/10347/6110/rep_248.pdf?sequence=1&isAllowed=y.

11. Yan M, Lü H, Liu Z, Liu H, Zhang M, Sun X, et al. High risk factors of brain metastases in 295 patients with advanced breast cancer. Chin Med J (Engl)2013;126(7):1269-75.

12. Maffuz Aziz A, Labastida Almendaro S, Espejo Fonseca A, Rodríguez Cuevas S. Características clinicopatológicas del cáncer de mama en una población de mujeres en México. Cirugía y Cirujanos 2017; 85(3):201-7.

13. Kim JM, Kim JY, Jung EJ, Kwag SJ, Park JH, Park T, et al. The prognosis factors among breast cancer patients with extensive axillary lymph node metástasis. Korean J Clin Oncol 2018;14(1):43-7.

14. Mohar Betancourt A, Alvarado Miranda A, Torres Domínguez JA, Cabrera P, Lara Medina F, Villarreal Gómez YS, et al. Factores pronósticos en pacientes con cáncer de mama y metástasis cerebral como primer sitio de recurrencia. Salud Pública Mex 2018; 60(2):141-50.

15. Wiltzel I, Olivera Ferrer L, Pantel K, Müller V, Wikman H. Breast cancer brain metastases: biology and new clinical perspectives. Breast Cancer Res 2016;18(1):8.

16. Kim HS, Yoo TK, Park WC, Chae BJ. Potential Benefits of Neoadjuvant Chemotherapy in Clinically Node-Positive Luminal Subtype- Breast Cancer. J Breast Cancer 2019;22(3):412-424.

17. Welch HG, Prorok PC, O'Malley AJ, Kramer BS. Breast-Cancer Tumor Size, Overdiagnosis, and Mammography Screening Effectiveness. N Engl J Med 2016;375:1438-47.