Sagaró CNM, Zamora ML, Bartutis BMT

Language: Spanish
References: 17
Page:
PDF size: 397.33 Kb.

ABSTRACT

Once the “ASI-IMC” methodology that allows a correct application of the statistical analysis implicated in the causality studies in medicine was designed, it was applied in said studies. A study of prognostic factors of mortality in breast cancer was chosen as an example. In order to evaluate the effectiveness of the employment methodology of the statistical analysis implicit in the identification of possible causal factors; a prospective analytical observational study of cases and controls nested in a cohort was conducted, whose study universe was made up of all women over 18 years of age with the clinical and histological diagnosis of breast cancer, from the province from Santiago de Cuba, treated at the “Conrado Benítez” Oncology Hospital, between 2014 and 2019 with a sample of 140 cases and 140 controls, using 25 covariates as supposed prognostic factors and applying the first 5 stages of the employment methodology of the implicative statistical analysis in causation studies in medicine. Biomarker determination was identified as factors of good prognosis in breast cancer patients, while, of poor prognosis classified advanced stage and chemotherapy directly, as well as tumor size and metastasis, indirectly. The methodology used allowed the identification of possible causal factors in the research presented, demonstrating once again its effectiveness.

REFERENCES

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.