Busca avançada
Ano de início
Entree

Validação do modelo predict em uma coorte de casos de câncer de mama no Brasil

Processo: 20/00042-9
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de junho de 2020
Vigência (Término): 31 de maio de 2021
Área do conhecimento:Ciências da Saúde - Medicina - Cirurgia
Pesquisador responsável:Francisco Jose Candido dos Reis
Beneficiário:Raquel Rocha dos Santos
Instituição-sede: Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
Assunto(s):Ginecologia   Oncologia   Neoplasias mamárias   Sobrevida   Prognóstico   Predição   Estudos de coortes   Controle de formulários e registros   Técnicas histológicas

Resumo

Objetivo modelos para predizer sobrevida e resposta ao tratamento têm ganhado importância em oncologia com o surgimento de novos fatores de prognóstico. A maioria dos modelos apresentam excelente performance na população em que são derivados, no entanto apresentam limitações para aplicação em diferentes populações. Desta forma, o objetivo de nosso estudo é validar o modelo PREDICT, desenvolvido no Reino Unido, em uma coorte de tumores de mama no Brasil. Pacientes e Métodos foram incluídas todas as pacientes diagnosticadas e tratadas por câncer de mama no Setor de Oncologia Ginecológica e Mastologia do Hospital das Clínicas a partir de 1999 (correspondente ao ano de início de inclusão do modelo PREDICT) até 2011 para que se tivesse 5 anos de seguimento possível. Foram coletadas as seguintes variáveis: idade ao diagnóstico, tamanho do tumor, número de linfonodos axilares comprometidos, grau histológico do tumor, expressão dos receptores de estrogênio, expressão do marcador HER-2, expressão do marcador KI-67, tipo de tratamento recebido, condição atual (viva ou óbito), tempo de sobrevida em dias, causa do óbito. Essas variáveis serão armazenadas em um formulário já criado no software REDCAP. Os dados obtidos serão utilizados para gerar curvas de predição baseadas no modelo PREDICT. Estas curvas serão avaliadas quanto à capacidade de discriminação e calibração. (AU)