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

Resumen

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