Conteúdo do artigo principal

Autores

Introdução: de todos os carcinomas da tireoide, os diferenciados são os predominantes. Segundo a Associação Colombiana de Endocrinologia, a taxa de recaída pode ser até 30%, principalmente em pacientes com mais de 45 anos e com características de agressividade tumoral. Nesta investigação, estimou-se o tempo decorrido entre o tratamento cirúrgico inicial e a primeira recaída. Materiais e métodos: tomou-se um arquivo de dados com os prontuários de 469 pacientes com câncer diferenciado de tireoide (CDT) atendidos em uma clínica especializada de quarto nível de complexidade na cidade de Bogotá (Colombia). Coletaram-se os dados entre janeiro de 1997 e dezembro de 2012, que depois foram analisados estatisticamente usando modelos paramétricos e não paramétricos para encontrar curvas de sobrevida e risco. Resultados: com o método não paramétrico, evidenciou-se que, em 8,5 anos, 75% dos pacientes não terão apresentado a primeira recaída na cdt. Enquanto na aplicação do método paramétrico, 50% dos pacientes que não apresentaram tireoglobulina pós-tratamento ou valores menores ou iguais a 1 ng/mL e tamanho do tumor menor ou igual a 2 cm, seu tempo estimado de primeira recaída foi de 29,2 anos. Conclusões: o tempo livre de doença e o risco de recaída, para pacientes com CDT são afetados pela presença de tamanho de tumor maior a 2 cm no momento da consulta e uma quantidade de tireoglobulina maior a 1 ng/mL, registrada ao terminar o tratamento.

Madrid Idarraga, Y. K., Lizarazo Herrera, E. A., Alvear Rodríguez, C. A., Sánchez de Guzmán, G. ., & Tovar Cuevas, J. R. . (2022). Modelagem do tempo que um paciente com câncer diferenciado de tireoide leva para apresentar a primeira recidiva. Revista Ciencias De La Salud, 20(2). https://doi.org/10.12804/revistas.urosario.edu.co/revsalud/a.9684

American Cancer Society. Cáncer de tiroides [internet]. 2014 [citado 2016 nov 4]. Disponible en: https://www.cancer.org/es/cancer/cancer-de-tiroides/acerca/que-es-cancer-de-tiroides.html

Sánchez G, Gutiérrez C, Valenzuela A, Tovar JR. Carcinoma diferenciado de la glándula tiroidea: hallazgos en 16 años de manejo multidisciplinario. Rev Colomb Cir. 2014;29(2):102-9.

International Agency for Research on Cancer. Thyroid cancer incidence [internet]; 2020 [citado 2022 feb 11]. Disponible en: https://gco.iarc.fr/today/online-analysis-table

Pardo Ramos C, Cendales Duarte R. Incidencia, mortalidad y prevalencia de cáncer en Colombia 2007-2011 [internet]. Bogotá: Instituto Nacional de Cancerología; 2015 [citado 2016 nov 4]. Disponible en: https://www.cancer.gov.co/files/libros/archivos/incidencia1.pdf

Mejía López A. Relación de la tiroglobulina pre-ablación con la recurrencia/persistencia temprana del cáncer diferenciado de tiroides [tesis de especialización]. Universidad del Rosario; 2011. Disponible en: https://repository.urosario.edu.co/bitstream/handle/10336/2732/Mejia-Lopez-Arturo-2011.pdf?sequence=1&isAllowed=y

Garavito G. Factores pronósticos para la recaída en pacientes con cáncer papilar de tiroides. Rev Colomb Cancerol. 2005;9(2):21-30.

Barakat A, Mittal A, Ricketts D, Rogers BA. Understanding survival analysis: actuarial life tables and the Kaplan-Meier plot. Br J Hosp Med. 2019;80(11):642-6. https://doi.org/10.12968/hmed.2019.80.11.642

Rao S, Schoenfeld D. Survival methods. Circulation. 2007;115(1):109-13. https://doi.org/10.1161/CIRCULATIONAHA.106.614859

Singh NS, Singh NS, Narendra R. Survival analysis of duration of waiting time to conception. Electron J App Stat Anal. 2011;4(2):144-54. https://doi.org/10.1285/i20705948v4n2p144

Valencia Orozco A, Parra Lara LG, Martínez JW, Tovar Cuevas JR. Aplicación de modelos paramétricos alternativos para el análisis de supervivencia de pacientes con cáncer. Rev Peru Med Exp Salud Publica. 2019;36(2):341-8. http://dx.doi.org/10.17843/rpmesp.2019.362.4269

Ciampi A, Hogg SA. Parametric models in the analysis of survival data and the generalized F family. Rivista di Statistica Applicata. 1987;20(3):231-49.

Burke K, MacKenzie G. Multi-parameter regression survival modeling: An alternative to proportional hazards. Biometrics. 2017;73(2):678-86. https://doi.org/10.1111/biom.12625

Montaseri M, Charati JY, Espahbodi F. Application of parametric models to a survival of hemodialysis patients. Nephrourol Mon. 2016;8(6):1-6. https://doi.org/10.5812/nu monthly.28738

Bakhshi E, Khoei RAA, Azarkeivan A, Kooshesh M, Biglarian A. Survival analysis of thalassemia major patients using Cox Gompertz proportional hazard and Weibull accelerated failure time models. Med J Islam Repub Iran. 2017;31(1):97-101. https://doi.org/10.14196/mjiri.31.97

Mazucheli J, Achcar JA, Coelho Barros EA, Louzada Neto F. A general survival regression model with nonconstant shape parameter. Rev Bras Biom. 2008; 26(2):27-40.

Banbeta A, Seyoum D, Belachew T, Birlie B, Getachew Y. Modeling time-to-cure from severe acute malnutrition: application of various parametric frailty models. Arch Public Health. 2015;73(1):6-14. https://doi.org/10.1186/2049-3258-73-6

Gelfand LA, MacKinnon DP, DeRubeis RJ, Baraldi AN. Mediation analysis with survival outcomes: accelerated failure time vs. proportional hazard models. Front Psychol. 2016;7(1):423-33. https://doi.org/10.3389/fpsyg.2016.00423

Janurová K. Mortality risk modelling in colorectal surgery using Weibull accelerated failure time regression model. The International Conference on Information and Digital Technologies. 2015;120-127. https://doi.org/10.1109/DT.2015.7222961

Islam M, Khan HR, Hawlader T. Modified profile likelihood estimation for the Weibull regression models in survival analysis. Commun Stat Theory Methods. 2019; 48(9):2329-43. https://www.tandfonline.com/doi/full/10.1080/03610926.2018.1472784

Khan SA. Exponentiated Weibull regression for time-to-event data. Lifetime Data Anal. 2018; 24(1):328-54. https://doi.org/10.1007/s10985-017-9394-3

Bradley E. Logistic regression, survival analysis, and the Kaplan-Meier curve. J Am Stat Assoc. 1988;83(402):414-25.

Oluyede BO, Makubate B, Fagbamigbe AF, Mdlongwa P. A New Burr XII-Weibulllogarithmic distribution for survival and lifetime data analysis: model, theory and applications. Stats. 2018;1(1):77-91. https://doi.org/10.3390/stats1010006

Arribalzaga EB. Interpretación de las curvas de supervivencia. Rev Chilena Cir. 2007;59(1):75-83. https://doi.org/10.4067/S0718-40262007000100013

Letón E, Zuluaga P. Cómo elegir el test adecuado para comparar curvas de supervivencia. Med Clin. 2006;127(3):96-99. https://doi.org/10.1157/13090265

Baghestani AR, Moghaddam SS, Majd HA, Akbari ME, Nafissi N, Gohari K. Survival analysis of patients with breast cancer using Weibull parametric model. Asian Pac J Cancer Prev. 2015;16(18):8567-71. https://doi.org/10.7314/APJCP.2015.16.18.8567

Lawless JF. Statistical models and methods for lifetime data. 2.ª ed. Hoboken: John Wiley & Sons; 2003.

Martinez EZ, Achcar JA. Bayesian bivariate generalized Lindley model for survival data with a cure fraction. Computer methods and programs in biomedicine. 2014; 117(2):145-57. https://doi.org/10.1016/j.cmpb.2014.07.011

Valencia Orozco A, Tovar Cuevas JR. Parametric survival model based on the Levy distribution. Commun Stat Appl Methods. 2019;26(5):445-61. https://doi.org/10.29220/CSAM.2019.26.5.445

Faraway JJ. Extending the linear model with R: Generalized linear, mixed affects and nonparametric regression models. 2.ª ed. Bath: CRC Press; 2016.

Bickel PJ, Doksum KA. Mathematical statistics: basic ideas and selected topics. 2.ª ed. Bath: CRC Press; 2015.

Casella G, Berger RL. Statistical inference. 2.ª ed. Duxbury: Pacific Grove; 2002.

Downloads

Não há dados estatísticos.