As regras de Ottawa para o tornozelo são o exemplo clássico de como uma simples regra de previsão clínica pode melhorar a prática clínica. No entanto, existem muitos desafios e barreiras que justificam a utilização cuidadosa das regras de previsão clínica na prática. Neste artigo do blogue, discutiremos os problemas que os CPRs estão a enfrentar:
As regras de previsão clínica (RPC) são ferramentas matemáticas que se destinam a orientar os médicos nas suas decisões quotidianas. Os CPRs são criados utilizando métodos estatísticos multivariados e são concebidos para examinar a capacidade de previsão de grupos seleccionados de variáveis clínicas. As regras de previsão clínica podem ser melhor classificadas em três grupos distintos: diagnóstico, prognóstico e prescritivo. Os estudos que se centram em factores preditivos relacionados com um diagnóstico específico são conhecidos como RCP de diagnóstico. As regras de previsão clínica concebidas para prever um resultado, como o sucesso ou o insucesso, são consideradas prognósticas. As regras de previsão clínica concebidas para direcionar as intervenções mais eficazes são identificadas como prescritivas. A sua vantagem reside no facto de poderem ajudar os médicos a tomar decisões rápidas que, normalmente, podem estar sujeitas a preconceitos subjacentes.
Um exemplo de uma RCP preditiva, a que 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 seguintes estiverem presentes, a probabilidade de sucesso com a manipulação é aumentada por um fator de 2,6, com 4+ ou mais com um fator de 24. Estes factores são: ausência de sintomas distais ao joelho, início dos sintomas há menos de 30 dias, uma pontuação FABQ <19, hipomobilidade da coluna lombar e rotação interna da anca superior a 35 graus em pelo menos uma anca.
Os RCP têm de passar por três fases antes da sua aplicação integral num contexto clínico:
- Derivação: Nesta fase, as RCP são derivadas utilizando métodos estatísticos multivariados para examinar a capacidade de previsão de agrupamentos seleccionados de variáveis clínicas.
- Validação: A RCP é testada num contexto clínico semelhante (o que se designa por validação interna) e, em seguida, a RCP é testada num contexto clínico diferente (o que se designa por validação externa)
- Impacto: Medição da utilidade da regra no contexto clínico em termos de custo-benefício, satisfação do doente, afetação de tempo/recursos, etc., normalmente testada em ensaios controlados aleatórios
A última etapa seria a fase de implementação, na qual se consegue uma aceitação e adoção generalizadas da regra na prática clínica.
Das 434 regras de previsão clínica, apenas 54,8% foram validadas e apenas 2,8% foram objeto de uma análise de impacto
Keogh et al. (2014) encontraram 434 regras individuais até ao ano de 2014. Apenas 54,8% tinham sido validados e apenas 2,8% tinham sido objeto de uma análise de impacto. A maioria dos estudos foi realizada no domínio das doenças cardiovasculares e respiratórias, seguido do domínio músculo-esquelético.
Assim, a primeira advertência é que, embora existam muitos RCP, muitos deles não foram validados, e muito menos foram objeto de estudos de impacto, pelo que não podemos dizer se a sua utilização irá melhorar a prática clínica. A RCP de Flynn é uma das poucas RCP preditivas que conhecemos e que foi validada com sucesso dois anos mais tarde por Childs et al. (2004) num ensaio aleatório controlado. Descobriram que as probabilidades de um resultado bem sucedido dos doentes que obtiveram resultados positivos na RCP com 4 de 5 itens, em comparação com os doentes que obtiveram resultados negativos na regra e receberam exercício, eram de 60,8.
Tal como a RCP de Flynn e colegas, a maioria das regras de previsão clínica utilizadas na prática músculo-esquelética são RCP preditivas. Esses RCP utilizam critérios de base chamados modificadores do efeito do tratamento, que são recolhidos a partir de um exame físico para informar o tipo de tratamento que um doente deve receber preferencialmente. Infelizmente, há outras armadilhas potenciais das regras de previsão clínica, que Haskins e Cook (2016) apontaram num editorial para o BJSM:
- Muitos dos métodos de modelização simples e derivados utilizados em muitos estudos captam factores de prognóstico, em vez de factores prescritivos. Por outras palavras, as regras identificaram os doentes que iriam melhorar de qualquer forma, independentemente do tratamento que recebessem. Se voltarmos a considerar a RCP de Flynn, uma duração dos sintomas inferior a 30 dias ou a ausência de sintomas distais ao joelho e um baixo nível de evitamento do medo são factores de prognóstico geral positivos 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 melhoria não estará associada aos cuidados recebidos, mas sim ao tempo.
- Muitos RCP prescritivos contêm factores não modificáveis, como a idade, o sexo ou a duração dos sintomas, que não podem ser alterados pelo tratamento. Para maximizar o potencial do modelo, os factores de previsão devem ser factores mediadores que possam ser influenciados pelo tratamento, como o medo, a catastrofização, a perda de força ou a flexibilidade
- Outro aspeto importante é que os factores incluídos no modelo devem ter uma elevada fiabilidade. No caso da RCP de Flynn, um dos factores do modelo é a "hipomobilidade da coluna lombar". Uma revisão sistemática de van Trijffel et al. (2005), no entanto, demonstrou que a fiabilidade interavaliadores na coluna lombar é apenas fraca a razoável. Este facto dificultará que diferentes avaliadores que utilizem a RCP cheguem à mesma conclusão sobre este item.
- A maioria das RCP não tem poder suficiente devido à dimensão insuficiente das amostras, o que leva a intervalos de confiança extremamente amplos, indicando uma falta de precisão da exatidão preditiva de uma RCP. 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. Assim, o efeito da manipulação em doentes com resultados positivos na RCP pode ser moderado, mas também pode ser enorme, com um rácio de probabilidades de 139 em 95 de 100 casos.
Muito bem, vamos resumir as razões pelas quais não devemos confiar cegamente nos RCP para a prática clínica: A maioria dos RCP foi apenas derivada, mas nunca validada (com êxito) e muito menos atingiu a fase de impacto clínico. Os resultados de um estudo e de um determinado contexto não podem ser simplesmente transferidos para o seu contexto clínico. Muitos factores numa RCP são factores de prognóstico positivo que estão associados a uma evolução natural favorável. Portanto, esses doentes iriam melhorar de qualquer forma. Por último, é importante que sejam incluídos factores fiáveis e modificáveis num modelo para maximizar o seu potencial, enquanto os estudos devem aumentar o tamanho das suas amostras para descrever o efeito da RCP com maior precisão.
A aplicação de terapia manual (iOS e Android)
A aplicação de terapia manual da Physiotutors inclui mais de 150 técnicas de mobilização e manipulação para o sistema músculo-esquelético. Além disso, encontrará informações sobre testes de rastreio do sistema vascular e da integridade dos ligamentos.
Se quiser manter-se atualizado e ser notificado assim que lançarmos um novo artigo no blogue, certifique-se de que subscreve o nosso feed RSS, que lhe enviará a notificação do novo artigo diretamente para a sua caixa de entrada.
Referências:
Adams ST, Leveson SH. Regras de previsão clínica. Bmj. 2012 Jan 16;344:d8312.
Artigo do blogue 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.
