Desarrollo y validación de un modelo pronóstico que incluya la obesidad y la comorbilidad en pacientes con cáncer de mama precoz

Abstract

El cáncer de mama es la neoplasia más frecuente y que mayor mortalidad causa en mujeres. A pesar del aumento de la frecuencia de diagnósticos en estadio precoz y de la mejora en el pronóstico, un número importante de pacientes presentará una recaída posterior. El conocimiento de los múltiples factores que influyen en el pronóstico de este además de permitirnos un mejor conocimiento de la enfermedad facilita la toma de decisiones sobre el tratamiento y nos permite informar a las pacientes sobre el posible curso de la enfermedad. Por ello, el desarrollo de modelos pronósticos ha sido importante en las últimas décadas, aunque la mayoría se han basado en las variables clásicas anatomo-patológicas conocidas, sin incluir características propias de las pacientes. Este hecho contrasta con el papel de la mortalidad no relacionada con cáncer, muy relevante en este grupo para la supervivencia de las pacientes y relacionada en la mayoría de las ocasiones con características de estas como la comorbilidad, la obesidad y la situación funcional. Este trabajo de tesis doctoral ha tenido como objetivo analizar y determinar el valor pronóstico de variables no relacionadas con la enfermedad como la comorbilidad, la obesidad y la situación funcional de las pacientes y determinar si un modelo multivariante de supervivencia global y supervivencia libre de enfermedad en población española que integre dichas variables, además de los clásicos factores pronósticos anatomo-patológicos, podría mejorar la predicción pronóstica en los casos de cáncer de mama precoz. Los resultados de este estudio, realizado en una serie clínica de 524 pacientes con cáncer de mama precoz, demuestran que la comorbilidad (medida mediante el índice de Charlson) y la situación funcional (evaluada con la escala ECOG), pero no la obesidad, son variables relevantes para determinar el pronóstico de las mujeres con cáncer de mama precoz, y que su inclusión en modelos multivariantes mejora su rendimiento en términos de discriminación y calibración. Los resultados del segundo objetivo del trabajo, la validación del modelo Predict y su modificación para integrar las variables comentadas previamente, sugieren que el modelo Predict 2.1 no está suficientemente calibrado en nuestra población y que las mejoras de su rendimiento con la introducción de las variables de situación funcional y comorbilidad no son suficientes para su utilización clínica

Breast cancer is the most frequent neoplasm and the one that causes the highest mortality rate in women. Despite the increase in the frequency of early stage diagnoses and the improvement in prognosis, a significant number of patients will relapse at a later stage. Knowledge of the multiple factors that influence the prognosis of this disease, as well as providing us with a better understanding of the disease, facilitates treatment decisions and allows us to inform patients about the possible course of the disease. For this reason, the development of prognostic models has been important in recent decades, although most have been based on the classic known anatomical-pathological variables, without including patient characteristics. This fact contrasts with the role of non-cancer mortality, which is very relevant in this group for patient survival and in most cases related to patient characteristics such as comorbidity, obesity and functional status. The aim of this doctoral thesis was to analyse and determine the prognostic value of non-cancer-related variables such as comorbidity, obesity and functional status of the patients and to determine whether a multivariate model of overall survival and disease-free survival in the Spanish population that integrates these variables, in addition to the classic anatomical-pathological prognostic factors, could improve prognostic prediction in cases of early breast cancer. The results of this study, carried out in a clinical series of 524 patients with early breast cancer, show that comorbidity (measured by the Charlson index) and functional status (assessed with the ECOG scale), but not obesity, are relevant variables for determining the prognosis of women with early breast cancer, and that their inclusion in multivariate models improves their performance in terms of discrimination and calibration. The results of the second objective of the study, the validation of the Predict model and its modification to integrate the previously mentioned variables, suggest that the Predict 2.1 model is not sufficiently calibrated in our population and that the improvements in its performance with the introduction of the variables of functional status and comorbidity are not sufficient for its clinical use.