As regras de tornozelo de Ottawa são o exemplo clássico de como uma regra de previsão clínica simples pode melhorar a prática clínica. No entanto, existem muitos desafios e barreiras para que você tenha cuidado ao usar regras de previsão clínica na prática. Neste artigo do blog, discutiremos os problemas que os CPRs estão enfrentando:
As regras de previsão clínica (CPRs) são ferramentas matemáticas destinadas a orientar os médicos em suas tomadas de decisão diárias. Os CPRs são criados usando métodos estatísticos multivariados e são projetados para examinar a capacidade preditiva de agrupamentos selecionados de variáveis clínicas. As regras de previsão clínica podem ser melhor classificadas em três grupos distintos: diagnóstico, prognóstico e prescritivo. Os estudos que se concentram em fatores preditivos relacionados a um diagnóstico específico são conhecidos como CPRs de diagnóstico. As regras de previsão clínica projetadas para prever um resultado, como sucesso ou fracasso, são consideradas prognósticas. As regras de previsão clínica criadas para direcionar as intervenções mais eficazes são identificadas como prescritivas. Sua vantagem é que eles podem ajudar os médicos a tomar decisões rápidas que normalmente podem estar sujeitas a preconceitos subjacentes.
Um exemplo de uma RCP preditiva, à qual faremos referência neste vídeo, é a RCP de Flynn et al. (2002) para o sucesso da manipulação lombar: Se 3 ou mais dos 5 itens a seguir estiverem presentes, a probabilidade de sucesso com a manipulação aumentará em um fator de 2,6, com 4+ ou mais em um fator de 24. Esses fatores são: ausência de sintomas distais ao joelho, início dos sintomas em menos de 30 dias, pontuação FABQ <19, hipomobilidade da coluna lombar e rotação interna do quadril de mais de 35 graus em pelo menos um quadril.
As CPRs precisam passar por três estágios antes da implementação total em um ambiente clínico:
- Derivação: Nessa fase, as RCPs são derivadas usando métodos estatísticos multivariados para examinar a capacidade preditiva de agrupamentos selecionados de variáveis clínicas.
- Validação: A RCP é testada em um ambiente clínico semelhante (o que é chamado de validação interna) e, em seguida, a RCP é testada em um ambiente clínico diferente (o que é chamado de validação externa)
- Impacto: Medição da utilidade da regra no ambiente clínico em termos de custo-benefício, satisfação do paciente, alocação de tempo/recursos, etc., geralmente testada em estudos controlados e randomizados
A última etapa seria a fase de Implementação, na qual a aceitação e a adoção generalizadas da regra na prática clínica são alcançadas.
Das 434 regras de previsão clínica, apenas 54,8% foram validadas e somente 2,8% passaram por uma análise de impacto
Keogh et al. (2014) encontraram 434 regras individuais até o ano de 2014. Apenas 54,8% deles foram validados e somente 2,8% passaram por uma análise de impacto. A maioria dos estudos foi realizada no domínio das doenças cardiovasculares e respiratórias, seguido pelo domínio musculoesquelético.
Portanto, a primeira ressalva aqui é que, embora existam muitas CPRs, muitas delas não foram validadas, muito menos passaram por estudos de impacto e, portanto, não podemos dizer se o uso delas melhorará a prática clínica. A RCP de Flynn é uma das poucas RCP preditivas que conhecemos e que foi validada com sucesso dois anos depois por Childs et al. (2004) em um estudo controlado e randomizado. Eles descobriram que a probabilidade de um resultado bem-sucedido dos pacientes que obtiveram resultado positivo na RCP com 4 de 5 itens em comparação com os pacientes que obtiveram resultado negativo na regra e receberam exercícios foi de 60,8.
Assim como a RCP de Flynn e colegas, a maioria das regras de previsão clínica usadas na prática musculoesquelética são RCP preditivas. Esses CPRs usam critérios de linha de base chamados modificadores de efeito do tratamento, que são coletados em um exame físico para informar o tipo de tratamento que um paciente deve receber preferencialmente. Infelizmente, há outras possíveis armadilhas das regras de previsões clínicas, que Haskins e Cook (2016) apontaram em um editorial para o BJSM:
- Muitos métodos de modelagem simples e derivados usados em muitos estudos capturam fatores prognósticos, em vez de fatores prescritivos. Em outras palavras, as regras identificaram os pacientes que iriam melhorar de qualquer forma, independentemente do tratamento que recebessem. Se considerarmos novamente a RCP de Flynn, a duração dos sintomas inferior a 30 dias ou a ausência de sintomas distais ao joelho e um baixo nível de evitação do medo são fatores prognósticos positivos gerais que favorecem a recuperação independentemente do tratamento. Na realidade, a história natural associada a esses sinais e sintomas é muito favorável, o que significa que a melhora não estará associada ao tratamento recebido, mas ao tempo.
- Muitas RCPs prescritivas contêm fatores não modificáveis, como idade, gênero ou duração dos sintomas, que não podem ser alterados pelo tratamento. Para maximizar o potencial do modelo, os preditores devem ser fatores mediadores que podem ser influenciados pelo tratamento, como medo, catastrofização, perda de força ou flexibilidade
- Outro ponto importante é que os fatores incluídos no modelo devem ter alta confiabilidade. No caso da RCP de Flynn, um fator do modelo é a "hipomobilidade da coluna lombar". Uma revisão sistemática de van Trijffel et al. (2005), no entanto, demonstrou que a confiabilidade entre avaliadores na coluna lombar é apenas de fraca a razoável. Isso dificultará que diferentes avaliadores que usam o CPR cheguem à mesma conclusão sobre esse item.
- A maioria dos CPRs não tem potência suficiente devido ao tamanho insuficiente das amostras, o que leva a intervalos de confiança extremamente amplos, indicando uma falta de precisão da exatidão preditiva de um CPR. No estudo de Flynn, temos um intervalo de confiança de 95% que vai de 4,63 a 139,41 no caso de 4 ou mais itens positivos. Portanto, o efeito da manipulação em pacientes com pontuação positiva na RCP pode ser moderado, mas também pode ser enorme, com uma razão de chances de 139 em 95 de cada 100 casos.
Muito bem, vamos resumir os motivos pelos quais não devemos confiar cegamente nas RCPs para a prática clínica: A maioria dos CPRs foi apenas derivada, mas nunca validada (com sucesso) e muito menos atingiu a fase de impacto clínico. Os resultados de um estudo e de um ambiente específico não podem ser simplesmente transferidos para o seu ambiente clínico. Muitos fatores em uma RCP são fatores prognósticos positivos que estão associados a um curso natural favorável. Portanto, esses pacientes iriam melhorar de qualquer forma. Por fim, é importante que fatores confiáveis e modificáveis sejam incluídos em um modelo para maximizar seu potencial, enquanto os estudos devem aumentar o tamanho das amostras para descrever o efeito da RCP com maior precisão.
O aplicativo de terapia manual (iOS e Android)
O aplicativo de terapia manual da Physiotutors contém mais de 150 técnicas de mobilização e manipulação para o sistema musculoesquelético. Além disso, você encontrará informações sobre testes de triagem para o sistema vascular e a integridade dos ligamentos.
Se quiser se manter atualizado e ser notificado assim que lançarmos um novo artigo no blog, certifique-se de assinar nosso feed RSS, que enviará a notificação de novo artigo diretamente para sua caixa de entrada.
Referências:
Adams ST, Leveson SH. Regras de previsão clínica. Bmj. 2012 Jan 16;344:d8312.
Artigo do blog de Chad Cook: https://relief.news/2016/09/05/rip-prescriptive-clinical-prediction-rules/
Wallace E, Johansen ME. Regras de previsão clínica: desafios, barreiras e promessas.
