Warning: file_put_contents(/var/www/html/w_abstracts/administrator/logs/eshiol.log.php): Failed to open stream: Permission denied in /var/www/html/w_abstracts/libraries/vendor/joomla/filesystem/src/File.php on line 263

Warning: file_put_contents(/var/www/html/w_abstracts/administrator/logs/eshiol.log.php): Failed to open stream: Permission denied in /var/www/html/w_abstracts/libraries/vendor/joomla/filesystem/src/File.php on line 263
Modelo dinámico para predecir el pronóstico en pacientes con un CIS incorporando la topografía y actividad de las lesiones

Modelo dinámico para predecir el pronóstico en pacientes con un CIS incorporando la topografía y actividad de las lesiones

COMUNICACIÓN ORAL | 19 noviembre 2016, sábado | Hora: 08:00

AUTORES

Tintoré Subirana, Mar 1; Otero-Romero , Susan 2; Río , Jordi 2; Pérez-Hoyos , Santiago 3; Arrambide , Georgina 2; Tur , Carmen 2; Comabella , Manuel 2; Nos , Carlos 2; Arévalo , Maria Jesus 2; Vidal-Jornada , Angela 2; Castilló , Joaquin 2; Rodríguez-Acevedo , Breogan 2; Midaglia , Luciana 2; Mulero , P. 2; Mitjana , Raquel 4; Auger , Cristina 4; Sastre-Garriga , Jaume 2; Rovira , Alex 4; Montalban , Xavier 2


CENTROS

1. Cemcat. Servicio de Neurología y Neuroinmunología. Hospital Universitari Vall d'Hebron. Universitat Autònoma de Barcelona; 2. Servicio de Neurología. Hospital Universitari Vall d'Hebron. Universitat Autònoma de Barcelona; 3. Servicio: Unitat d'Estadística i Bioinformàtica. Vall d'Hebron Institut de Recerca (VHIR); 4. Servicio: Unitat RM. Servei Radiologia. Hospital Universitari Vall d'Hebron. Universitat Autònoma de Barcelona

OBJETIVOS

Previamente hemos realizado un modelo dinámico en CIS para predecir conversión y discapacidad a largo plazo incorporando las variables edad, género, topografía, bandas oligoclonales y número de lesiones en T2. Objetivo: Incorporar al modelo la información sobre topografía y actividad de las lesiones.

MATERIAL Y MÉTODOS

Tras seguir clínica y radiológicamente a 1055 CIS, se calculó el riesgo basal para predecir segundo brote y EDSS 3,0 a partir del modelo de Cox, incluyendo: edad, género, topografía, bandas oligoclonales y RM [número de lesiones captantes de gadolinio (Gd) y T2, y topografía (presencia de lesiones infratentoriales o de médula espinal)]. Utilizando árboles de regresión se estratificaron los pacientes en función de dicho riesgo. El riesgo basal fue re-ajustado incorporando los cambios durante el primer año.

RESULTADOS

De acuerdo con los árboles de regresión, se identificaron 6 y 4 grupos de riesgo basal, respectivamente, para segundo brote y EDSS 3.0. Las lesiones Gd+ fueron relevantes para mejorar el modelo de segundo brote y las lesiones en médula espinal para mejorar el modelo de discapacidad. A los 12 meses, el riesgo basal se vio modificado por: lesiones nuevas, inicio de tratamiento inmunomodulador y brote durante el primer año. Harrell’s C segundo brote: (modelo basal: 0.716; 12 meses: 0.755) y Harrell’s C EDSS 3.0: modelo basal: 0.664; 12 meses: 0.714).

CONCLUSIONES

Basándonos en análisis previos, nuestro modelo predictivo mejoró tras incorporar la topografía y la actividad de las lesiones. Esta segunda versión puede contribuir a la implementación de un modelo personalizado de decisión terapéutica.

video


Dirección

Madrid: Fuerteventura 4, 28703, San Sebastián de los Reyes, Madrid

Barcelona: Vía Laietana 23, Entlo A-D, 08003, Barcelona