Sagaró del CNM, Zamora MCL, Bartutis BMT

Idioma: Español
Referencias bibliográficas: 14
Paginas: 223-234
Archivo PDF: 1107.55 Kb.

RESUMEN

Introducción: Los biomarcadores son sustancias que se encuentran aumentadas en el organismo si existen tumores. Para demostrar cómo influyen en la mortalidad es necesario un estudio analítico donde se imbriquen técnicas estadísticas como el análisis estadístico implicativo. Objetivos: Determinar la influencia de los biomarcadores como factores pronósticos de mortalidad por cáncer de mama y demostrar la validez del análisis a posteriori como etapa en la metodología de aplicación del análisis estadístico implicativo. Métodos: Se realizó un estudio analítico de casos y controles de 75 pacientes mayores de 18 años con diagnóstico clínico e histológico de cáncer de mama, atendidas en el Hospital Oncológico Docente Provincial Conrado Benítez García de Santiago de Cuba, en el período de 2014 a 2019. Se siguieron las etapas previstas para aplicar esta forma de análisis y se obtuvieron el grafo implicativo y los árboles de similaridad y cohesión. Resultados: Se verificó que la relación entre los biomarcadores y las pacientes vivas se debió al subtipo luminal B. Asimismo, en la metarregla que incluye a las fallecidas se imbricó el subtipo luminal B, mientras que el subtipo luminal A formaba parte de dicha metarregla; los demás subtipos no formaron reglas con ningún otro factor. Conclusiones: Se demostró la necesidad y la importancia de la etapa de análisis a posteriori, donde se confirma la existencia de algunos factores pronósticos y se desechan otros antes encontrados.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Hermida Lazcano I, Sánchez Tejero E, Nerín Sánchez C, Cordero Bernabé R, Mora Escudero I, Pinar Sánchez J. Marcadores tumorales. Rev Clín Med Fam. 2016 [citado 20/06/2019];9(1). Disponible en: http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1699-695X2016000100006

2. Daniels B, Kiely BE, Tang M, Tervonen H, Pearson SA. Trastuzumab use in older patients with HER2-positive metastatic breast cancer: outcomes and treatment patterns in a whole-of-population Australian cohort (2003–2015). BMC Cancer 2019 [citado 10/10/2019];19(1):909. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6740010/

3. Healey MA, Hirko KA, Beck AH, Collins LC, Schnitt SJ, Eliassen AH, et al. Assessment of Ki67 expression for breast cancer subtype classification and prognosis in the Nurses’ Health Study. Breast Cancer Res Treat. 2017 [citado 20/06/2019];166(2):613–22. Disponible en: https://doi.org/10.1007/s10549-017-4421-3

4. Esteva FJ, Hortobagyi GN. Prognostic molecular markers in early breast cáncer. Breast Cancer Res. 2004 [citado 21/06/2019];6(3):109-18. Disponible en: http://breast-cancer-research.com/content/6/3/109

5. Sagaró-del-Campo N, Zamora-Matamoros L. Análisis estadístico implicativo versus Regresión logística binaria para el estudio de la causalidad en salud. MULTIMED. 2019 [citado 11/12/2019];23(6):1416-40. Disponible en: http://www.revmultimed.sld.cu/index.php/mtm/article/view/1435

6. 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. 2020 [citado 26/01/2020];45(1). Disponible en: http://revzoilomarinello.sld.cu/index.php/zmv/article/view/1960

7. Arroyo Yustos M, Martín Angulo M, Álvarez-Mon Soto M. Cáncer de mama. Medicine. 2017 [citado 10/10/2019];12(34):2011-23. Disponible en: https://www.medicineonline.es/es-cancer-mama-articulo-S0304541217301282

8. Martín M, Herrero A, Echavarría I. El cáncer de mama. Arbor. 2015 [citado 10/10/2019];191(773):234. Disponible en: http://dx.doi.org/10.3989/arbor.2015.773n3004

9. Tao Z, Shi A, Lu C, Song T, Zhang Z, Zhao J. Breast Cancer: Epidemiology and Etiology. Morphological and Molecular Classification of Breast Tumors Cell Biochem Biophys 2015;72:333–8.

10. Arnedo Franco G. Análisis de sobrevida relacionada con factores pronósticos en mujeres con cáncer de mama tratadas en un Centro Cancerológico de la ciudad de Barranquilla 2011-2016 [tesis de maestría]. Barranquilla; Universidad del Norte; 2018 [citado 20/10/2019]. Disponible en: http://manglar.uninorte.edu.co/handle/10584/8123

11. Hashmi AA, Hashmi KA, Irfan M, Khan SM, Edhi MM, Ali JP, et al. Ki67 index in intrinsic breast cancer subtypes and its association with prognostic parameters. BMC Res Notes. 2019 [citado 20/10/2019];12:605. Disponible en: https://doi.org/10.1186/s13104-019-4653-x

12. Díez González L. Estudio de factores biológicos implicados en el pronóstico de cáncer de mama mediante meta-análisis de datos publicados [tesis doctoral]. Albacete: Universidad de Castilla-La Mancha; 2015 [citado 20/10/2019]. Disponible en: https://ruidera.uclm.es/xmlui/handle/10578/7116?show=full

13. Panal Cusati M, Herrera de la Muela M, Hardisson Hernaez D, Choqueneira Dionisio M, Román Guindo A, de Santiago Garcia FJ. Correlación entre la expresión de Ki67 con factores clásicos pronósticos y predictivos en el cáncer de mama precoz. Rev Senol Patol Mamar. 2014 [citado 20/10/2019];27(4):163-9. Disponible en: http://dx.doi.org/10.1016/j.senol.2014.07.005

14. Won Woo J, Ri Chung Y, Ahn S, Kang E, Kim EK, Kim SH, et al. Changes in Biomarker Status in Metastatic Breast Cancer and Their Prognostic Value. J Breast Cancer. 2019 Sep [citado 20/10/2019]22(3):439-52. Disponible en: https://doi.org/10.4048/jbc.2019.22.e38