ISSN 0718 - 3127
REVISTA DE OBSTETRICIA Y GINECOLOGÍA
HOSPITAL SANTIAGO ORIENTE DR. LUIS TISNÉ BROUSSE
REV. OBSTET. GINECOL. - HOSP. SANTIAGO ORIENTE DR. LUIS TISNÉ BROUSSE
Profesor Dr. Luis Tisné Brousse (1909-1995) Director Hospital Santiago Oriente Dr. Julio Montt Vidal
Dr. Luis Tisné Brousse
Subdirector Gestión Clínica Dr. Eduardo Ulloa Astorga Jefe de Servicio Obstetricia y Ginecología Dr. José Lattus Olmos Director de Revista Dr. José Lattus Olmos
Editor Jefe Dr. Jorge Varas Cortés
Comité Editorial Dr. Jorge Tisné Torreblanca Dr. Ramón Almuna Vivanco Dr. Sócrates Aedo Monsalve Dr. Clemente Arab Eblen Dra. Angélica Díaz Rojas Dr. Italo Campodónico Garibaldi Director Emérito de Revista Dr. Patricio Gayán B.
Edición gráfica, impresión y distribución:
Corporación Farmacéutica Recalcine - Laboratorio Gynopharm
Revista de distribución gratuita a los profesionales médicos de obstetricia y ginecología.
Toda correspondencia debe ser enviada al Editor Jefe, Dr. Jorge Varas C., a las siguientes direc-ciones: Revista de Obstetricia y Ginecología del Hospital Santiago Oriente Dr. Luis Tisné Brousse. Avenida Las Torres 5150, Peñalolén, Santiago.
INDICE
VOL 6 Nº 2 AGOSTO 2011 INDICE EDITORIAL Dr. Jorge Varas C. 7 ARTÍCULO DE INVESTIGACIÓNCaracterización y construcción de un modelo predictivo Dr. Sócrates Aedo M. 9 de macrosomía fetal basado en las características de los
EDITORIAL
Dedicar íntegramente un número de nues-tra Revista a un Artículo de Investigación, es algo inédito. Probablemente también lo sea para otras publicaciones científicas.
Sin embargo la situación lo amerita. Estamos frente a uno de los trabajos mejor fundamentados desde el punto de vista esta-dístico con aplicación directa en la obstetricia moderna, que busca adelantarse a las compli-caciones inherentes a la especialidad. Más aún, utiliza datos locales, que hacen que las conclusiones obtenidas sean extrapolables a la realidad de los demás centros asistenciales obstétricos del país.
Es parte de una serie de estudios y se convierte en referente obligado para los que vendrán, sean de nuestro servicio o de otros.
El autor del trabajo merece el reconoci-miento de sus pares. Dedica parte de su tiempo libre, en una búsqueda personal, para avanzar con recursos propios en sus conoci-mientos, logrando primero Diplomado y lue-go Magíster en Bioestadística, aplicando generosamente sus avances al ámbito de la Obstetricia y Ginecología.
Es uno de los nuestros. Es un Gíneco Obstetra, una persona sencilla, que quiere aportar al desarrollo de la especialidad que
Es uno más, entre tantos que buscan el bien y con ello demostrar que somos capaces de hacer las cosas bien.
Pertenece a un equipo humano donde todos están dispuestos a aportar lo mejor de cada uno, donde todos están incluidos, don-de todos son personas buenas, personas que eligieron su profesión y luego su especialidad por el bien al prójimo.
Queremos oír acerca de una verdad que no estreche sino ensanche, que no oscurezca sino ilumine, que no se escurra sobre uno como agua sino que penetre conmovedora hasta lo que C. G. Jung ha denominado inconsciente individual. La Revista se enorgullece de acoger en sus páginas el trabajo científico ˝Caracterización y construcción de un modelo predictivo de macrosomía fetal basado en las características de los partos vaginales en el Hospital Dr. Luis Tisné Brousse˝.
Nuestros agradecimientos al Dr. Sócrates Aedo M., por este trabajo que ilumina el camino de la Obstetricia y Ginecología chile-na y a todos aquellos que día a día, turno a turno, entregan lo mejor de sí, para que todas las madres reciban hijos sanos.
Así somos, esto es lo que buscamos, así queremos nuestra especialidad.
UNIVERSIDAD DE CHILE UNIVERSIDAD DE CHILEUNIVERSIDAD DE CHILE UNIVERSIDAD DE CHILEUNIVERSIDAD DE CHILE FACULTAD DE MEDICINA FACULTAD DE MEDICINAFACULTAD DE MEDICINA FACULTAD DE MEDICINAFACULTAD DE MEDICINA ESCUELA DE SALUD PÚBLICA ESCUELA DE SALUD PÚBLICAESCUELA DE SALUD PÚBLICA ESCUELA DE SALUD PÚBLICA ESCUELA DE SALUD PÚBLICA
CARACTERIZACIÓN Y CONSTRUCCIÓN DE UN MODELO PREDICTIVO DE MACROSOMÍA FETAL BASADO EN LAS
CARACTERÍSTICAS DE LOS PARTOS VAGINALES EN EL HOSPITAL DR. LUIS TISNÉ BROUSSE
SÓCRATES AEDO MONSALVE
SÓCRATES AEDO MONSALVE
SÓCRATES AEDO MONSALVE
SÓCRATES AEDO MONSALVE
SÓCRATES AEDO MONSALVE
TESIS PARA OPTAR AL GRADO DE MAGÍSTER EN BIOESTADÍSTICA
Director de Tesis: Prof. GABRIEL CAVADA CHACÓN* *MS. Bioestadística Universidad de Chile *Ph.D. Estadística Universidad de Barcelona
UNIVERSIDAD DE CHILE
UNIVERSIDAD DE CHILE
UNIVERSIDAD DE CHILE
UNIVERSIDAD DE CHILE
UNIVERSIDAD DE CHILE
FACULTAD DE MEDICINA FACULTAD DE MEDICINA FACULTAD DE MEDICINA FACULTAD DE MEDICINA FACULTAD DE MEDICINA ESCUELA DE SALUD PÚBLICA ESCUELA DE SALUD PÚBLICAESCUELA DE SALUD PÚBLICA ESCUELA DE SALUD PÚBLICA ESCUELA DE SALUD PÚBLICAINFORME DE APROBACIÓN TESIS DE MAGÍSTER EN BIOESTADÍSTICA
Se informa a la Comisión de Grados Académicos de la Facultad de Medicina, que la Tesis de Magíster en Bioestadística presentada por el candidato
SÓCRATES AEDO MONSALVE
SÓCRATES AEDO MONSALVE
SÓCRATES AEDO MONSALVE
SÓCRATES AEDO MONSALVE
SÓCRATES AEDO MONSALVE
ha sido aprobada por la Comisión Informante de Tesis como requisito para optar al Grado de MAGÍSTER EN BIOESTADÍSTICA en Examen de Defensa de Tesis rendido el día 02 de Junio de 2011
Prof. Gabriel Cavada Chacón, Doctor en Bioestadística Director de Tesis
División de Bioestadística, Escuela de Salud Pública Facultad de Medicina, Universidad de Chile
COMISION INFORMANTE DE TESIS Prof. Irene Schiattino Lemus Prof. Enrique Hernández Araya
D
EDICATORIADoy infinitas gracias...
A Dios, por el camino recorrido....
A mis hijos, por ser mi fuerza y templanza... A mi madre, por su amor y apoyo...
A Kukita... amiga fiel y sincera...
A
GRADECIMIENTOS• A nuestros pacientes.
• A los profesores del Magíster de Bioestadística.
• Al Servicio de Neonatología del Hospital Dr. Luis Tisné B. • A la Unidad de Ultrasonografía del CRS Cordillera Oriente.
• A la Oficina de Gestión de Riesgo Médico Legal del Hospital Dr. Luis Tisné B.. • A los internos y médicos del Servicio de Obstetricia y Ginecología del Hospital Dr. Luis Tisné B. y del Departamento de Obstetricia y Ginecología del Campus Oriente de Peñalolén.
INDICE
Resumen 3 Summary 4 1. INTRODUCCIÓN 5 1.1 Definición y epidemiología 5 1.2 Antecedentes 5 1.3 Propósito 62 MARCO CONCEPTUAL DE REFERENCIA 7
2.1 Macrosomía fetal 7
2.2 Modelo de regresión logística
2.2.1 Propósito del modelo de regresión logística binaria
y función logit 9
2.2.2 Estimación de parámetros en regresión logística binaria 10 2.2.3 Selección de variables y ajuste del modelo en regresión
logística binaria 10
2.2.4 Diagnóstico en regresión logística binaria 11
2.3 Análisis ROC
2.3.1 Propósito del análisis ROC 15
2.3.2 Área ROC y error estándar 15
2.3.3 Criterio para la elección del punto de corte
en el análisis ROC 16
3. OBJETIVOS GENERALES Y ESPECÍFICOS 18
4. HIPÓTESIS 19
5. METODOLOGÍA 21
5.1 Riesgo de trauma obstétrico y peso fetal
5.1.1 Diseño estudio, universo y muestra 21
5.1.2 Variables estudio y recolección información 22
5.1.3 Técnicas de procesamiento de la información,
análisis e interpretación 23
5.1.4 Resultados 25
5.2.3 Técnicas de procesamiento de la información,
análisis e interpretación 35
5.2.4 Resultados 37
5.2.5 Interpretación de resultados y limitaciones 42
5.3 Diagnóstico de macrosomía fetal con biometría fetal
5.3.1 Diseño estudio, universo y muestra 43
5.3.2 Variables estudio y recolección información 43
5.3.3 Técnicas de procesamiento de la información,
análisis e interpretación 45
5.3.4 Resultados 46
5.3.5 Interpretación de resultados y limitaciones 51
6 CONCLUSIONES 52
7 BIBLIOGRAFÍA 53
CARACTERIZACIÓN Y CONSTRUCCIÓN DE UN MODELO PREDICTIVO
DE MACROSOMÍA FETAL BASADO EN LAS CARACTERÍSTICAS LOS
PARTOS VAGINALES EN EL HOSPITAL DR. LUIS TISNÉ BROUSSE
R
ESUMENAntecedentes: La macrosomía fetal (MF) se considera un factor de riesgo
para muerte y trauma neonatal. Objetivo: Establecer un modelo predictivo para MF. Metodología: En los partos vaginales, de embarazos, a término, en el Hospital Dr. Luis Tisné Brousse, utilizando la regresión logística binaria y el análisis ROC, se establecen los modelos: 1) Riesgo de trauma obstétrico y peso fetal; 2) Predictores clínicos de MF; 3) Diagnóstico de MF con biometría fetal.
Resultados: El peso fetal, el parto vaginal instrumentado y la talla materna baja
son factores independientes de riesgo para trauma neonatal. El punto de corte de 4.000 y más gramos para MF, tiene un coste de efectuar 264 cesáreas y un beneficio de prevenir un 24,5% [CI 95%: 17,3 a 33,5] del total de eventos neonatales traumáticos y un 40% [CI 95%: 16,8 a 67,8] de lesiones de plexo braquial. La medición ultrasonográfica del diámetro biparietal y abdominal promedio en la detección de MF, requiere una prevalencia de la condición entre un 25% a 49% para obtener valores predictivos adecuados. El modelo con los predictores edad gestacional obstétrica, multiparidad, talla materna, edad materna, sexo fetal masculino y diabetes produce una prevalencia de MF de: 14,6% [CI 95%: 12,8 a 16,7]. Conclusión: Los predictores edad gestacional obstétrica, multiparidad, talla materna, edad materna, sexo fetal masculino y diabetes no producen un modelo adecuado que justifique el empleo de la biometría fetal en la búsqueda de MF.
CHARACTERIZATION AND CONSTRUCTION OF A PREDICTIVE MODEL
FOR FETAL MACROSOMIA BASED ON THE CHARACTERISTICS OF
VAGINAL DELIVERIES IN THE DR. LUIS TISNÉ BROUSSE HOSPITAL
S
UMMARYBackground: Fetal macrosomia (FM) is considered a risk factor for neonatal
trauma and death. Objective: To establish a predictive model for FM.
Methodology: In vaginal deliveries of pregnancies, at term, in the Dr. Luis Tisné
Brousse Hospital, using binary logistic regression and ROC analysis, establishing the models: 1) Risk of birth trauma and fetal weight 2) Clinical predictors FM 3) Diagnosis of FM with fetal biometry. Results: Fetal weight, operative vaginal delivery and low maternal height are independent risk factors for neonatal trauma. The cutoff point of 4000 and more grams for FM, has a cost of performing 264 Cesarean deliveries and preventing 24.5% [95% CI: 17.3 to 33.5] of the total neonatal traumatic events and 40% [95% CI: 16.8 to 67.8] of brachial plexus injuries. Ultrasound measurement of average abdominal and biparietal diameter for detection of FM requires a prevalence of the condition between 25% to 49% for adequate predictive values. The predictive model with obstetric gestational age, multiparity, maternal height, maternal age, male fetal sex and diabetes produce a prevalence of FM of: 14.6% [95% CI: 12.8 to 16.7].
Conclusion: The predictors’ obstetric gestational age, multiparity, maternal
height, maternal age, male fetal sex and diabetes don’t produce an adequate model to justify the use of fetal biometry in the search for FM.
1. INTRODUCCIÓN
1.1 D
EFINICIÓN Y EPIDEMIOLOGÍAMacrosomía fetal (MF) significa “feto grande”, no obstante su definición en torno a un determinado valor de peso fetal en gramos, es un tema controversial a nivel mundial1-4. En los últimos años, se han reportado tasas de incidencia de MF que oscilan entre un 10% a 13%4-6, utilizando un peso de nacimiento igual o mayor de 4.000 gramos. En Chile de acuerdo al reporte del INE en el año 20037 indica que entre los recién nacidos de término, hay un 9,46% que son macrosómicos.
Los factores de riesgo observados asociados a la MF son: 1) Mayor edad gestacional, 2) Mayor edad materna, 3) Obesidad materna, 4) Diabetes gestacional, 5) Mayor talla materna, 6) Multiparidad, 7) Sexo masculino del recién nacido4,5,8-12. Dichos factores podrían estar asociados, al cambio del perfil epidemiológico de la paciente obstétrica2,9,13.
1.2 A
NTECEDENTESEl trauma materno y fetal, es un problema relevante no sólo en el ámbito clínico sino también por las consecuencias médico legales que tiene su acontecer14. En la actualidad es reconocido el hecho de que la MF es un factor de riesgo para muerte fetal y trauma obstétrico4-6,8,14-19. En Chile, se ha reportado que el peso fetal mayor a 3.999 gramos produce un Odds ratio de 3,12 para trauma fetal y de 15,6 para muerte neonatal4.
La estimación de peso fetal ultrasonográfico por medio de fórmulas que utilizan la biometría fetal, es considerada hoy el mejor predictor del crecimien-to fetal20-24, no obstante existe el consenso de que subestima la presencia de
1.3 P
ROPÓSITOEl propósito de este trabajo, es construir y brindar al profesional clínico una herramienta sencilla y confiable para la búsqueda de MF, que incorpora el uso de la biometría fetal en una población con adecuada prevalencia de la condición.
Para esto, en el capítulo 2 de este trabajo se presenta una breve descripción de lo investigado al respecto, además de los métodos estadísticos apropiados para establecer los modelos de 1) Riesgo de trauma obstétrico y peso fetal, 2) Predictores clínicos de MF, 3) Diagnóstico de MF con biometría fetal. En el capítulo 3, se plantean los objetivos generales y específicos para las investigacio-nes realizadas. Luego en el capítulo 4 se exponen las hipótesis planteadas, para presentar en el capítulo 5 la metodología, resultados y discusión para cada uno de los 3 modelos estudiados y finalmente una breve conclusión en el capítulo 6.
2. MARCO CONCEPTUAL DE REFERENCIA
2.1 M
ACROSOMÍA FETALLa MF se asocia a un aumento en las tasas de: 1) inducción del trabajo de parto, 2) parto operatorio (fórceps, cesárea), 3) detención de la progresión del trabajo de parto, 4) desgarros vaginales y perineales mayores (III y IV grado), 5) daño al nervio pudendo, 6) rotura uterina, 7) hemorragia posparto por inercia uterina, 8) infecciones y 9) hematomas4,5,8,14,18. Asimismo, los recién nacidos macrosómicos se encuentran en mayor riesgo de: 1) retención de hombro, 2) fractura de clavícula, 3) lesión de plexo braquial, 4) céfalo hematoma, 5) hematoma subdural, 6) equimosis, 7) fractura de cráneo y 8) asfixia perina-tal4,5,8,9,14-19. Cabe destacar que posterior a un parto vaginal de un feto macrosómico, aproximadamente 1 de cada 20 mujeres, evolucionaría con un trauma perineal severo5,19, que lleva a largo plazo, a un mayor riesgo de incontinencia urinaria y anal, además de prolapso de órganos pélvicos.
La tasa, así como el tipo de morbilidad neonatal, varía de acuerdo al criterio diagnóstico empleado. Por este motivo, Boulet et al5, señalan la importancia de sub clasificar a los recién nacidos macrosómicos en tres categorías. En el caso de recién nacidos entre 4.000 y 4.499 gramos observaron un significativo aumento en el riesgo de complicaciones asociadas al parto, mientras que los recién nacidos entre 4.500 y 4.999 gramos presentaron mayor riesgo de morbilidad neonatal. Por el contrario, un peso de nacimiento mayor a 5.000 gramos sería un importante factor predictivo de riesgo de mortalidad neonatal5.
Junto con confirmar lo anterior, Riao et al19 observaron que un peso de nacimiento mayor a 4.500 gramos, sumado a una talla materna menor a 155 cm, se asociaría a un incremento significativo en la tasa de lesión de plexo braquial.
Por lo anterior este investigador ha planteado que en macrosómicos, el riesgo de morbilidad fetal asociado al parto no es constante, y no dependería exclusiva-mente del peso fetal. Por el contrario, dependería también de factores como la estatura materna, y la necesidad de un parto vaginal instrumental. Por este motivo, sugiere que frente a la sospecha de macrosomía, sería razonable tomar en consideración estas nuevas variables, para así evitar la potencial morbilidad asociada a un parto vaginal19.
Albornoz et al en un estudio realizado en Chile4, ha respaldado que el punto
de corte para definir MF debiera estar en 4.000 gramos; dado que con este límite se observó 3,12 veces mayor trauma que en los recién nacidos de menos de 4.000 gramos. Los traumatismos más frecuentemente observados fueron la fractura de clavícula y cefalohematoma; y sólo un porcentaje menor de parálisis braquiales. En relación a la primera, los macrosómicos Grado 1, presentaron 3 veces más riesgo de sufrirla, y con respecto a la última, los Grado 2, presentaron un riesgo 72 veces más alto en comparación a los nacidos con peso normal. Cabe destacar que la macrosomía grado 1, en este estudio, presenta 15 veces más riesgo de muerte asociado al parto en relación a los recién nacidos con peso entre 3.000 y 3.999 gramos.
Existe evidencia de que la MF estaría asociada a factores tales como: 1) Mayor edad gestacional, 2) Mayor edad materna, 3) Obesidad materna, 4) Diabetes gestacional, 5) Mayor talla materna, 6) Multiparidad, 7) Sexo masculino del recién nacido4,5,8-12. Estos factores de riesgo se han confirmado en nuestro medio nacional4,12, y plantean en el origen de la MF, la interacción entre factores genéticos y nutricionales2.
En la revisión de Chauhan et al6 la biometría fetal medida por ultrasonografía para el diagnóstico de MF plantea valores de sensibilidad de 70% y especificidad de 90%; no obstante existiría una amplia variabilidad de ellos dependiendo del
Considerando la baja morbimortalidad materna asociada a la cesárea electiva, varios autores2,3,6 han planteado que en un grupo con adecuada prevalencia de MF, utilizar el ultrasonido antes del parto y realizar una cesárea electiva en todos los casos donde la estimación de peso fetal se encuentre por sobre los 4.000 gramos.
2.2 M
ODELO DE REGRESIÓN LOGÍSTICA2.2.1 Propósito del modelo regresión logística binaria y función logit
32-35El propósito del modelo de regresión logística binaria es predecir la probabilidad de ocurrencia de un suceso definida una variable dependiente que asume el valor de uno cuando ocurre el suceso y cero en ausencia del suceso. La predicción se realiza en función de un conjunto de una o más variables independientes con capacidad explicativa respecto a la variable dependiente. En rigor, la regresión logística es una derivación de la regresión lineal, para situaciones en que la estimación de los valores de la variable dependiente se realiza en términos de probabilidad. Dicha probabilidad del evento que denominaremos p se supone relacionada a predictor(es) Xi por la función logit y así tenemos que:
2.2.2 Estimación de parámetros en regresión logística binaria
33-35Si se tiene una muestra aleatoria de “n” perfiles asociados a sus respectivas respuestas “y”, la función de verosimilitud que estima los parámetros ß del modelo es:
Los parámetros hay que estimarlos mediante el método iterativo de Newton-Raphson.
2.2.3 Selección de variables y ajuste del modelo de regresión logística binaria
La selección de las variables para un modelo de regresión logística puede ser hecho por métodos de selección paso a paso, bien mediante inclusión «hacia adelante» o por eliminación «hacia atrás», o a la selección de variables por mejores subconjuntos de covariables36-38. La idea es ir incluyendo o excluyendo, variables hasta lograr el mejor ajuste posible.
Una medida de dicho ajuste lo constituye la devianza o lejanía del modelo cuya expresión corresponde a L = –2 ln V, donde V es la verosimilitud del modelo. La devianza para evaluar el modelo ajustado, proporciona el test de razón de verosimilitud (LR)36-38 que se define como:
, donde lr y lf son estimaciones de máxima verosimilitud respectivamente para el modelo nulo y completo. LR distribuye asintóticamente Ji-cuadrado con grados de libertad igual a la diferencia entre el número de parámetros estimados en los 2 modelos (nulo y completo).
Otra medida de ajuste del modelo lo constituye la estadística de Wald36-38 cuya expresión sería:
, donde ßi es el parámetro asociado a la variable independiente Xi, y es la desviación estándar asintótica de ßi. En muestras grandes la estadística de Wald produce resultados similares a la devianza.
El adecuado ajuste supone que globalmente las predicciones no andarán lejos de la realidad. Existen varias técnicas para verificar la bondad de ajuste, pero para modelos que incluyan al menos una variable cuantitativa la más aceptada es el test de Hosmer-Lemeshow34,37,39 cuya expresión sería:
, donde g es el número de grupos; n´k es
número de observaciones en el k-ésimo grupo; ck denota el número de patrones
de covariables en el k-ésimo decil; es el número de respuestas entre los ck patrones de covariables y es el promedio de la
probabilidad estimada.
2.2.4 Diagnóstico en Regresión Logística Binaria
Una vez obtenido el modelo ajustado es necesario verificar el cumplimiento de los siguientes supuestos para el uso del modelo37:
I) Independencia de las observaciones: Este principio supone que solo hay una observación de cada variable para cada individuo.
II) Linealidad del logit: En la valoración inicial de las variables independientes cuantitativas, éstas debieran ser agrupadas, generando puntos de corte, y así estimar para cada punto la frecuencia de eventos (variable dependiente: evento dicotómico), y luego calcular el logaritmo natural del Odds ratio (logit) para cada categoría considerando la primera como de referencia. A partir de la información anterior debiera efectuarse una gráfica y test de tendencia lineal (regresión logística con medianas de categorías de variable cuantitativa) para valorar la adecuada linealidad del logit, en caso de no cumplirse este requisito no debiera introducirse dicha variable en forma cuantitativa en el modelo logístico34,37-38. Otra forma de evaluar este supuesto, una vez estimado el modelo definitivo es realizar un test de ajuste del link de Pregibon (Linktest)40-42; el cual está basado en la idea de que si la regresión está adecuadamente especificada y existe linealidad en el logit, uno no debiera encontrar variables adicionales al modelo salvo por casualidad. Y así se espera que los valores predichos lineales del modelo ajustado sean significativos (p-valor <0,05) en la regresión logística con la variable dependiente del modelo. Por otra parte si por alguna razón el modelo no está adecuadamente especificado la regresión sobre los cuadrados de los valores predichos lineales resultará significativa (p-valor
<0,05).
III) Colinealidad de las variables independientes: Si dos variables independien-tes están altamente correlacionadas hasta el punto que los valores de una sean una combinación lineal de la otra, el análisis de regresión multivariante no podrá llevarse a cabo pues el algoritmo de estimación exige invertir una matriz con determinante nulo37. En la práctica desde luego es muy poco probable que lo anterior suceda, sin embargo un escenario más probable, es aquél en que se opera con variables altamente correlacionadas. Dicha situación va a producir inconvenientes serios en el modelo de regre-sión37,42. Una manera en muchos casos aceptable para determinar cuan
correlacionadas están las variables independientes consiste en observar la matriz de correlaciones. En general, se admite, que cuando un coeficiente de correlación entre 2 variables supera a 0,8; la presencia de ambas puede causar problemas de colinealidad en el análisis37,42.
Otra forma de evaluar el problema de la colinealidad, consiste en la realización de una regresión lineal con las mismas variables dependientes e independientes de las consideradas en el modelo logístico y luego con esto; calcular el número, condición, índice de condición y factores inflación variancia centrados (FIV)39,42,43.
IV) Análisis de influencia37,39,42: permite detectar observaciones o conjuntos de observaciones que influyen en diversos aspectos del análisis de regresión: estimación de la variable respuesta o ajuste del modelo y la estimación de los parámetros del modelo. Cuando el modelo pasa en forma satisfactoria todos estos análisis, está en condiciones de ser utilizado, para cumplir los objetivos trazados. El análisis de influencia en la regresión logística incluye:
a) Leverage39,44 son los elementos de la diagonal de la matriz de predicción (H), miden la influencia relativa que cada observación ejerce sobre el modelo ajustado. Los leverage son la distancia proporcional de la media de los datos al j-ésimo patrón de covariables. El gráfico de los leverage versus las probabilidades estimadas es de gran utilidad para evaluar los valores de la diagonal de la matriz de predicción. La matriz de predicción puede expresarse, como:
, donde X es la matriz que contiene todas las covariables y V es una matriz diagonal j x j con elementos generales.
Y así definimos Vj como: , donde mj es el número de ensayos en el j-ésimo patrón de covariables, es la respuesta proporcional esperada y xj es el j-ésimo patrón de covariables.
b) Estadística Delta Ji-cuadrado de Pearson (∆χ2)39. Es otra medida para determinar los puntos que son más influyentes en la estimación del ajuste del modelo de regresión logística. Mide el cambio que ocurre cuando se retira una observación del análisis. Las observaciones influyentes son las que tiene en mayor valor de ∆χ2. La expresión matemática de esta medida de influencia sería:
, donde r2j es el residuo de
Pearson y hj es el leverage, para el j-ésimo patrón de covariables.
c) Estadística Delta Devianza (∆D)39. Cumple un rol similar al ∆χ2 detectando que observaciones son influyentes en la estimación del ajuste del modelo de regresión logística, su expresión corresponde a:
, donde dj es la devianza
residual y hj es el leverage, para el j-ésimo patrón de covariables.
d) Estadística del Delta-Beta Pregibon (∆ß)39,44. Esta medida permite detectar qué observaciones influyen en la estimación de los parámetros del modelo de regresión logística y puede expresarse como:
, donde r2j es el residuo de
Pearson y hj es el leverage, para el j-ésimo patrón de covariables.
2.3 A
NÁLISISROC
2.3.1 Propósito del análisis ROC
39,45,46La exactitud en la discriminación de una prueba diagnóstica o un método de clasificación se valora por su habilidad para clasificar los sujetos dentro de su real estado de enfermedad. La curva ROC (Receiver Operating Characteristic) es un gráfico de los verdaderos positivos (sensibilidad) versus los falsos positivos (1-especificidad) para los distintos resultados observados de una prueba diagnósti-ca; y es utilizada como un método para cuantificar la precisión con la cual la prueba discrimina entre 2 estados o condiciones. La curva ROC se ha usado también para evaluar el poder predictivo y discriminatorio de los modelos de regresión logística39.
2.3.2 Área ROC y error estándar
39,45,47-49El área bajo la curva ROC (AUC) cuantifica el poder discriminatorio global del modelo predictivo o prueba diagnóstica. Se define como la probabilidad de clasificar correctamente un par de individuos, sano y enfermo, seleccionados al azar de la población, mediante los resultados obtenidos al aplicarles la prueba diagnóstica o modelo predictivo. Es decir, es la probabilidad de que el resultado de la prueba resulte más anormal en el sujeto enfermo. Un AUC de 0,5 es propio de una prueba diagnóstica no informativa. En cambio un AUC de 0,7 a 0,8 es discriminación aceptable; y valores sobre 0,8 es considerado una excelente discriminación. La estimación no paramétrica del AUC, está relacionada a la estadística U de Mann-Whitney.
Consideremos n individuos en el primer grupo con valores xi y m individuos en el segundo grupo con observaciones yj, por tanto habría mn pares de valores xi yj. Para cada par es posible obtener un puntaje de colocación ψij, el cual indica
qué valor es mayor. Así: ψij = 1 si yj >xi; ψij = 0,5 si yj = xi; ψij = 0 si yj <xi. El AUC corresponde a la siguiente expresión:
El AUC también puede ser escrita como:
, donde Ri
El valor Ri indica para cada miembro del primer grupo la proporción de observaciones en el segundo grupo que lo exceden; y lo equivalente para Cj.
El error estándar (SE) para el AUC sería:
2.3.3 Criterio para la elección del punto de corte en el análisis ROC
La elección del punto de corte en un análisis ROC es un proceso complejo que en general debiera considerar los siguientes principios46,50:
1.- Se debe elegir la mayor sensibilidad posible cuando: a) la enfermedad sea grave y no pueda pasar desapercibida, b) la enfermedad sea tratable y c) los resultados falsos positivos no supongan un daño en los pacientes.
2.- Se elige la mayor especificidad posible cuando: a) la enfermedad sea importante pero difícil de curar o incurable, b) el hecho de conocer que no se padece de la enfermedad tiene una importancia sanitaria y psicológica.
3.- Debe utilizarse una prueba con alto valor predictivo positivo cuando el tratamiento de los falsos positivos pudiera tener consecuencias graves.
4.- Se desea una prueba con un valor global elevado (máxima sensibilidad y especificidad) cuando: a) la enfermedad sea importante pero curable y b) tanto los falsos positivos como también los falsos negativos suponen un trauma y conlleven consecuencias graves.
3. OBJETIVOS GENERALES Y ESPECÍFICOS
Establecer un modelo predictivo para macrosomía fetal (MF) en base a los partos vaginales de la maternidad del Hospital Dr. Luis Tisné Brousse de Santiago de Chile.
3.2 E
SPECÍFICOS1. Determinar un modelo de riesgo de trauma obstétrico considerando las variables parto vaginal instrumental, talla materna y peso fetal en la maternidad del Hospital Luis Tisné Brousse durante el año 2008.
2. Determinar los beneficios (prevención de trauma neonatal) y los costos (cesáreas) en la selección de puntos de corte de peso fetal para la definición de MF, en la maternidad del Hospital Luis Tisné Brousse durante el año 2008.
3. Determinar un modelo predictivo clínico para MF a partir de edad materna, edad gestacional obstétrica, talla materna, diabetes, multiparidad y sexo fetal masculino en la maternidad del Hospital Luis Tisné Brousse durante el año 2008.
4. Determinar un modelo predictivo para MF a partir del diámetro biparietal, longitud de fémur y diámetro abdominal promedio medidos en 910 ecografías realizadas a tres días del parto en la maternidad del Hospital Luis Tisné Brousse entre 2004 y 2009.
4. HIPÓTESIS
La caracterización y construcción de un modelo predictivo para MF basado en las características de los partos vaginales en el Hospital Dr. Luis Tisné Brousse plantea 3 hipótesis, cuales son:
1.- El peso fetal es un factor de riesgo independiente, importante y discrimina el
evento neonatal traumático
De acuerdo al marco teórico el trauma neonatal4,5,8,9,14-19, en el parto vaginal estaría asociado a variables como el peso fetal, talla materna y parto vaginal instrumentalizado. Incluso lo planteado por Boulet et al4 y Albornoz
et al5 va en esta dirección pues se afirma que el mayor peso fetal involucra
trauma neonatal más grave. De lo anterior es posible plantear la hipótesis de que el peso fetal es un factor independiente e importante de evento neonatal traumático. No obstante, para justificar el manejo clínico de la MF, es necesario que el peso fetal tenga capacidad discriminante adecuada para trauma neonatal (Objetivo específico 1 y 2).
2.- Existe un Perfil de riesgo para MF que permite en forma clínica, seleccionar
un grupo, con adecuado valor predictivo positivo, que justifica el empleo de la biometría fetal medida por ultrasonido para detectar la condición. Por otra parte este perfil debiera producir un valor predictivo negativo mayor al 90% para así evitar las consecuencias de no diagnosticar sujetos con MF (falsos negativos).
Para MF se ha evidenciado que existen factores de riesgo4,5,8-12; y varios autores2,3,6 plantean que es posible seleccionar un grupo con adecuada prevalencia de la condición que permita el uso del ultrasonido para detectar MF.
De acuerdo a Nahum et al30, la valoración clínica para MF produce un cuociente de verosimilitud de 5,5 para una prueba positiva y de 0,5 para una prueba negativa (sensibilidad 55% y especificidad 90%), con lo cual su aplicación en población general con prevalencia de un 10% de MF, produciría un valor predictivo positivo y negativo respectivamente de 38% y 95% (Objetivo específico 3).
3.- La medición de la biometría fetal por ultrasonografía (diámetro biparietal,
longitud de fémur y diámetro abdominal promedio) debe permitir establecer un modelo con cuocientes de verosimilitud, que aplicados sobre un grupo con prevalencias adecuadas asegure un valor predictivo positivo mayor al 50% y un valor predictivo negativo mayor al 90% para la condición de MF.
Empleando la biometría fetal en el diagnóstico de MF se han observado cuocientes de verosimilitud de 7 para una prueba positiva y de 0,3 para una prueba negativa (sensibilidad de 70% y especificidad del 90%) para el diagnóstico de MF6. Por lo anterior es posible, su uso adecuado si se cumplen las condiciones del tamizaje por el perfil clínico, planteado en la hipótesis 2 (Objetivo específico 4).
5. METODOLOGÍA
La correcta evaluación de las hipótesis, plantea los estudios: 1) Riesgo de trauma obstétrico y peso fetal, 2) Predictores clínicos de MF, 3) Diagnóstico de MF con biometría fetal.
5.1. R
IESGO DE TRAUMA OBSTÉTRICO Y PESO FETAL5.1.1 Diseño estudio, universo y muestra
Para la adecuada valoración de la hipótesis, en relación a la posible asociación causal entre el peso fetal y el evento neonatal traumático, se realizó un estudio observacional de una cohorte en 4.017 partos vaginales, con embarazo único y edad gestacional pediátrica mayor o igual a 37 semanas que se atendieron, en el Servicio de Obstetricia y Ginecología del Hospital Dr. Luis Tisné Brousse entre el 1 de enero y 31 de diciembre de 2008.
Para precisar el tamaño de muestra51,52 se utilizó: 1) Información en estudios previos de una prevalencia trauma neonatal en fetos macrosómicos reportada en Chile5 para expuestos versus (VS) no expuestos, de: 1,6% VS 0,05%, 2) Un 10% de prevalencia para MF4-6, 3) Potencia del 90%, 4) Un nivel de confianza del 95% a una cola. La muestra mínima es de 3.314, no obstante se consiguió una muestra de 4.017 embarazos que por motivos de registros incompletos correspondió al 89,13% de los 4.507 partos vaginales asistidos en el Servicio de Obstetricia y Ginecología del Hospital Luis Tisné Brousse entre el 1 de enero de 2008 y el 31 de diciembre de 2008.
El evento neonatal traumático se constituyó a partir de las notificaciones de casos incidentes, en la cohorte estudiada, en que se observó: retención de hombros y/o hubo en el recién nacido fractura de húmero, lesión de plexo
5.1.2 Variables en estudio y métodos de recolección de la información e
instrumentos utilizados
Para cada gestante, se consignó para el embarazo actual las variables que a continuación se señalan:
Variables Descripción Escala Niveles
Edad materna Edad al momento del parto Cuantitativa, Medida en años de razón
Multiparidad* Antecedente de parto previo (incluye Cualitativa, 1 = presencia de parto previo parto vía vaginal y/o cesárea) nominal 0 = Ausencia de parto previo Edad gestacional Estimación por medio del examen Cuantitativa, Medida en semanas de las 37
físico neonatal de la edad gestacional de razón a las 42 semanas
Hipertensión arterial* Presencia de síndrome hipertensivo Cualitativa, 1 = presencia de hipertensión en el embarazo actual. nominal arterial en el actual embarazo 0 = ausencia de hipertensión arterial en el actual embarazo Diabetes* Presencia de diabetes gestacional y/o Cualitativa, 1= presencia de diabetes en
pre-gestacional en el embarazo actual nominal el actual embarazo 0 = ausencia de diabetes en el actual embarazo Talla materna Talla al momento del ingreso a Cuantitativa, Medida en centímetros
maternidad de razón
Parto vaginal Considera si hay instrumentación en la Cualitativa, 1 = Parto vaginal con instrumentado* asistencia del parto vaginal nominal instrumentación (fórceps y/o
espátulas de Thierry) 0 = Parto vaginal espontáneo Evento neonatal Define la presencia de retención de Cualitativa, 1 = presencia de evento traumático* hombros en el parto y/o presencia nominal adverso neonatal traumático
en el recién nacido de fractura de 0 = Ausencia de evento húmero y/o lesión de plexo braquial adverso neonatal traumático y/o cefalohematoma.
Sexo recién nacido Sexo fenotípico del recién nacido Cualitativa, 1 = sexo masculino
masculino* nominal 0 = sexo femenino
Peso recién nacido Peso del recién nacido inmediato Cuantitativa, Medido en gramos de razón
Talla recién nacido Talla del recién nacido inmediato Cuantitativa, Medido en centímetros de razón
Apgar al minuto* Aplicación escala Apgar al minuto Cualitativa, 1 = puntaje menor o igual a 5 de vida del recién nacido nominal 0 = puntaje mayor de 5 Apgar a los 5 minutos* Apgar a los 5 minutos de vida del Cualitativa, 1=puntaje menor o igual a 7
recién nacido nominal 0=puntaje mayor a 7
Toda la información antes señalada fue recolectada a partir de la base de datos del Servicio de Neonatología y Departamento de Calidad de la atención del Hospital Luis Tisné, debiendo en los casos que la información fuera incompleta revisar las fichas clínicas. Se utilizó el programa File Maker Pro Advanced 9.0 v1, para generar una base con la información, realizando su análisis estadístico con Stata 11.0. Cabe destacar que previo al análisis estadístico, se elaboró la información respecto a su integridad y a la existencia de errores.
5.1.3 Técnicas de procesamiento de la información, análisis e interpretación
Para cada variable cuantitativa de razón y cualitativa ordinal, se determinan sus medidas de tendencia central (media, mediana), dispersión (rango intercuar-tílico, desviación estándar), curtosis y simetría, evaluando la hipótesis nula acerca de la normalidad con la prueba de Shapiro-Wilk53-54. Las variables nominales dicotómicas (indicadoras) son descritas en términos de proporciones con sus respectivos intervalos de confianza55.
Se procede a la comparación de los sujetos de acuerdo a la presencia de evento neonatal traumático, según nivel de medición, recorrido y distribución de dichas variables55.
Respecto del evento neonatal traumático se describirá, según su tipo el porcentaje con su respectivo intervalo de confianza55.
Dada la hipótesis propuesta para este estudio, se plantea el uso de la regresión logística32-34 considerando como variables independientes el peso recién nacido, talla materna y parto vaginal instrumentalizado; y siendo la variable dependiente el evento neonatal traumático. El peso recién nacido y talla materna, serán clasificados en categorías ordinales, y para cada nivel se determinará el logit, utilizando el primero como de referencia. A continuación se
realizará una gráfica del logit frente al valor de la mediana del nivel; además se efectuará un test de tendencia lineal34,37-38.
Para la construcción del modelo de regresión logística, se plantea el uso de la técnica inclusión secuencial “hacia adelante” considerando como criterio de selección del modelo definitivo aquel que produzca una menor devianza (p-valor
<0,05)36-38. El efecto de interacción de las variables independientes se evaluará
construyendo variables de interacción. Una vez determinado el modelo definitivo se plantea el uso del test de Wald36-38 para valorar el aporte de las variables independientes.
En el modelo definitivo se realizará un test de ajuste del link de Pregibon40-42 para valorar la correcta selección de las variables predictoras y la adecuada linealidad del logit. En las variables independientes del modelo definitivo, se determinarán los coeficientes de correlación37,42 y se ejecutará un análisis de colinealidad, obteniendo así el número condición global, índice de condición y los factores de inflación de la varianza centrados (VIF)39,42,43. Además con el modelo definitivo se plantea el uso del Test Hosmer-Lemeshow34,37,39 para valorar la calidad del ajuste, haciendo además una estandarización de los coeficientes de las variables56 del modelo final con el objeto de evaluar la importancia de ellas.
Para apreciar la influencia de casos individuales sobre el ajuste y los parámetros del modelo de regresión propuesto se plantea la estimación de Leverage39-44, la estadística de Delta Ji-Cuadrado de Pearson (∆χ2)39, la estadística Delta Devianza (∆d)39, estadística del Delta-Beta Pregibon (∆ß)39,44. Se plantea en caso de existir observaciones influyentes en el ajuste del modelo y/ o en la estimación de parámetros el realizar una regresión logística sin estas observaciones y comparar sus resultados con el modelo propuesto.
En caso de resultar significativa la variable peso recién nacido, se plantea calcular el riesgo absoluto para trauma neonatal, considerando las otras variables independientes que resulten significativas; y además con fines predictivos se considera realizar un análisis ROC no paramétrico45-49 sólo para la variable peso del recién nacido respecto del evento trauma del recién nacido, considerando el cálculo de tasa verdaderos positivos (sensibilidad), tasa de verdaderos negativos (especificidad), tasa de falsos positivos, valor predictivo positivo, valor predictivo negativo y lesiones de plexo braquial para los puntos de corte de peso fetal.
5.1.4 Resultados
En la Tabla I.A (Anexo) se observa las medidas de tendencia central, dispersión, asimetría y curtosis para las variables: edad materna al parto, talla materna, peso recién nacido, talla recién y edad gestacional pediátrica. Para todas ellas es posible rechazar la hipótesis nula acerca de la normalidad (Shapiro-Wilk p-valor <0,05). En la Tabla II.A (Anexo) se observan los valores porcentuales y sus respectivos intervalos de confianza de las variables nominales evaluadas en la cohorte.
En la siguiente Tabla III.A, es posible observar como la mediana de peso y talla recién nacido están significativamente aumentadas en el grupo con evento neonatal traumático (p-valor 2 colas <0,01). Asimismo el porcentaje de parto vaginal instrumentalizado, apgar bajo al minuto y a los 5 minutos también se observan con significancia estadística (p-valor 2 colas <0,01) aumentados en este grupo.
Tabla III.A Comparación de casos para evento neonatal traumático en 4.017 partos
Variables Partos sin evento Partos con evento p-valor neonatal traumático neonatal traumático (2 colas)
n = 3.911 n=106
Edad materna mediana (ric) 24 (9) 24(10) 0,6567*
Multiparidad n (porcentaje) 1.953 (49,94) 45(42,45) 0,1281**
Edad gestacional mediana (ric) 39 (2) 39 (2) 0,4782*
Hipertensión arterial n (porcentaje) 225 (5,75) 9 (8,49) 0,2351**
Diabetes n (porcentaje) 187 (4,78) 7 (6,6) 0,3878**
Talla materna mediana (ric) 158 (8) 157 (8) 0,2370*
Parto vaginal instrumentado n (porcentaje) 404 (10,33) 39 (36,79) <0,0000**
Sexo recién nacido masculino n (porcentaje) 1.987 (50,81) 57 (53,77) 0,5464
Peso recién nacido mediana (ric) 3.375 (540) 3.675 (515) <0,0000*
Talla recién nacido mediana (ric) 50 (2,5) 52 (3) <0,0000*
Apgar al minuto n (porcentaje) 128 (3,27) 15 (14,15) <0,0000**
Apgar a los 5 minutos n (porcentaje) 24 (0,61) 4 (3,77) 0,004***
*Prueba de Mann-Whitney. **Prueba de proporciones con distribución normal. ***Prueba exacta de Fisher. n = número de caso; ric = rango intercuartílico.
El evento neonatal traumático más frecuente observado es la fractura de clavícula con un 67,92% [CI 95%: 59,04 a 76,81], seguido por la retención de hombros (19,81%; CI 95%: 12,22 a 27,4), el cefalohematoma (18,87%; CI 95%: 11,42 a 26,32), la lesión de plexo braquial (9,43%; CI 95%: 3,87 a 15) y la fractura de húmero (0,94%; CI 95%: 0 a 2,78).
En la Figura 1.A se observa linealidad del logit para el peso del recién nacido con un test de tendencia lineal significativo (p-valor <0,01), lo que contrasta con talla materna que no cumple dicha condición con test de tendencia lineal no significativo (p-valor 0,189) (Figura 2.A). No obstante lo anterior la talla materna menor de 149 centímetros muestra un patrón de reducción de logit, lo que plantea el uso de esta variable como dummy, construyendo así la variable talla materna baja, utilizando dicho valor como límite de clasificación.
Intervalo peso Mediana Ln (gramos) intervalo (OR)
2.999 y menos 2.840 0 3.000 a 3.499 3.270 0,34 3.500 a 3.999 3.690 1,28 4.000 a 4.499 4.130 1,85 4.500 y más 4.635 3,96 .
Figura 1.A Logit del evento neonatal traumático para peso nacimiento (mediana) en 4.017 partos.
La categoría de peso de 2.999 y menos fue usada como referencia para el cálculo de Ln (OR). Ln (OR)=logaritmo natural del Odds ratio
Intervalo talla Mediana Ln (centímetros) intervalo (OR)
144 y menos 143 0 145 a 148 147 -0,68 149 a 150 150 -1,63 151 a 160 156 -1,61 161 a 170 164 -1.66 171 y más 173 -1,1
Figura 2.A Logit del evento neonatal traumático para talla materna (mediana) en 4.017 partos.
La categoría de talla materna 145 y menos se utilizó como referencia para el cálculo de Ln (OR). Ln (OR)=logaritmo natural del Odds ratio.
En la Tabla IV.A se observan los modelos de regresión logística por técnica de forward para la incorporación de las variables independientes. El modelo final incorpora el peso recién nacido (OR: 1,002; CI 95%: 1,001 a 1,003), parto vaginal instrumentalizado (OR: 4,7; CI 95%: 3,09 a 7,16) y talla materna baja (OR: 3,96; CI 95%: 2,08 a 7,53). Todas las variables referidas son significativas en la estadística de Wald (p-valor <0,01). Las variables de interacción construidas a partir de las variables independientes no mostraron una verosimilitud significativa (p-valor
<0,05) para ser incluidas en el modelo definitivo.
El test de ajuste del link de Pregibon, muestra un logaritmo de verosimilitud de -426,53 significativo respecto del modelo nulo (p-valor< 0,000). Los coeficientes para valores predichos lineales y cuadrado valores predichos lineales son respectivamente de: 0,93 [CI 95%: 0,22 a 1,64] (pvalor: 0,011) y -0,013 [CI 95%:-0,13 a 0,1] (p-valor: 0,834).
Los coeficientes de correlación observados para variables: a) parto vaginal instrumental/talla materna baja (0,03), b) parto vaginal instrumental/peso nacimiento (0,05) y c) peso nacimiento/talla materna baja (-0,083) no son mayores al valor absoluto de 0,083. Se observa en el estudio de colinealidad un número condición global de 1,11 con FIV para las variables talla materna baja y peso recién nacido de 1,01. El FIV para parto vaginal instrumentalizado fue de 1. El índice condición varió entre 1 a 1,11.
Para el modelo definitivo el test de Hosmer-Lemeshow muestra un p-valor de
0,202. Para el peso del recién nacido se observa un coeficiente estandarizado de
0,45, mayor que para parto vaginal instrumental (0,26) y talla materna baja (0,16).
Se determinaron observaciones individuales influyentes en el modelo, no obstante su eliminación del modelo, no produjo cambios importantes en el ajuste y/o estimación de los parámetros del modelo.
Tabla IV.A Modelos de regresión logística para trauma del recién nacido en 4.017 partos
Etapa Variables consideradas Logaritmo Test de razón Valor p en modelo verosimilitud verosimilitud
(grados de libertad)
1 Modelo nulo -489,88
2 PNAC -456,17 67,43 (1)* 0,0000
3 PNAC y PVAGI -433,42 45,51 (1)* 0,0000
4 PNAC, PVAGI y TMB -426,55 13,74 (1)* 0,0002
PNAC = peso recién nacido, PVAGI = parto vaginal instrumental, TMB = variable dummy talla materna utilizando como punto de corte 149 centímetros. Test de razón de verosimilitud (Likelihhood Ratio Test) referido al modelo de la etapa previa. No se consideran las variables interacción entre las variables independientes pues no producen modelos con test de verosimilitud significativos (p-valor <0,05).
En la Tabla V.A, se observa como los riesgos absolutos para trauma neonatal varían en relación a la presencia de parto vaginal instrumental y la talla materna baja reafirmando lo propuesto en el modelo de regresión logística.
En la Figura 3.A se observa, el análisis ROC no paramétrico para el peso recién nacido en relación al trauma neonatal, con un área ROC de 75,05% (CI 95%: 65,33 a 75,67].
En el análisis ROC, utilizando puntos de corte de peso fetal desde 3.000 a 4.500 gramos se observa que los valores predictivos positivos varían desde 2,9% a 36%. En cambio los valores predictivos negativos van desde 98,9% a 97,6%.
Tabla V.A Riesgo absoluto para trauma recién nacido según peso recién nacido, talla materna y parto vaginal instrumental en 4.017 partos
Peso del recién nacido Incidencia
(gramos) (Riesgo absoluto por 1.000)
Total TM <149 TM ≥149 PVAGI PVAGI
por peso ausente presente
Menos de 3.000 10,62 54,55 6,62 8,24 38,46
3.000-3.999 23,79 58,82 22,17 16,57 79,55
4.000 y más 89,66 500 83,92 67,73 230,77
Total 26,39 66,67 24,33 18,75 88,04
TM = talla materna en centímetros (cm); PVAGI = parto vaginal instrumental. TM<149 cm = Talla materna baja.
Figura 3.A Curva de análisis ROC no paramétrico para trauma neonatal respecto al peso del recién nacido en 4.017 partos.
Tabla VI A. Frecuencia de verdaderos positivos, verdaderos negativos, lesiones de plexo braquial y número de falsos positivos para puntos de corte del peso recién nacido
Corte para peso % (n) VP % VN % (n) FP LPB %
recién nacido CI 95%* CI 95%* CI 95%* CI 95%** (gramos) 3.000 93,4 (99) 16,7 97,1 (3.259) 100 87 a 96,8 15,5 a 17,9 96,5 a 97,6 68 a 100 3.500 67,9 (72) 62,8 95,3 (1.461) 100 58,5 a 76 61,3 a 64,3 94,2 a 96,3 72,3 a 100 4.000 24,5 (26) 92,9 91 (264) 40 17,3 a 33,5 92,1 a 93,7 87,8 a 94,3 16,7 a 68,8 4.200 14,2 (15) 97,5 86,5 (96) 30 8,8 a 22 97 a 98 80,1 a 92,9 10,3 a 60,8 4.500 8,5 (9) 99,6 64 (16) 10 4,5 a 15,4 99,3 a 99,7 45,2 a 82,8 0 a 43
N = número; % = porcentaje; VP = verdaderos positivos; VN = verdaderos negativos; falsos positivos;
LPB= lesiones de plexo braquial; *Intervalo de confianza de Wald; **Intervalo de confianza de Agresti.
5.1.5 Interpretación de resultados y limitaciones
Las medidas de dispersión y tendencia central en las variables estudiadas (Tabla I.A y II.A) presentan valores similares a otras casuísticas publicadas en Chile (4, 12). Lo observado en la comparación de los recién nacidos de acuerdo a la presencia de trauma neonatal (Tabla III.A), asimismo el modelo definitivo de regresión logística que incorpora peso del recién nacido, parto vaginal instrumentalizado y talla materna baja; y su adecuada especificación, cumpli-miento linealidad del logit, adecuada colinealidad y ajuste nos permite afirmar que éstos deben ser considerados factores independientes de trauma neonatal ratificando lo planteado en el marco conceptual teórico4,5,8,9,14-19. A partir de la estandarización de dichas variables se plantea que el principal factor de riesgo sería el peso recién nacido, seguido por el parto vaginal instrumentalizado y la talla materna baja.
La significativa (p-valor a 2 colas <0,01) mayor frecuencia de apgar bajo a los 5 minutos y al minuto en los neonatos con trauma (Tabla III.A), sugiere que la obstrucción en el expulsivo, puede determinar per se mayor asfixia neonatal.
Dentro de los traumas neonatales la frecuencia de lesiones del plexo braquial es 9,43% [CI 95%: 3,9 a 15], lo que desde el punto de vista clínico, resulta relevante por sus eventuales secuelas a largo plazo.
De acuerdo al área ROC (75,05%; CI 95%: 65,33 a 75,67) el peso fetal debe ser considerado un predictor del evento neonatal traumático y la elección de un punto de corte para éste, plantea costos (número falsos positivos) en términos de cesáreas a efectuar para prevenir el evento; y beneficios previniendo el evento neonatal traumático (número verdaderos positivos) y la lesión plexo braquial. Para 4.000 gramos el coste es efectuar 264 cesáreas y el beneficio es prevenir
24,5% [CI 95%: 17,3 a 33,5] del total de eventos neonatales traumáticos y un 40% [CI 95%: 16,7 a 68,8] de las lesiones de plexo braquial.
Durante el año 2008, en el Servicio de Obstetricia y Ginecología del Hospital Luis Tisné Brousse, se observaron 2.483 cesáreas con 297 recién nacidos con peso de nacimiento mayor a 4.000 gramos (MF) y 4.507 partos vaginales con 321 recién nacidos con MF; Lo cual plantea que el 48,1% [CI 95%: 44,1 a 52] de los recién nacidos macrosómicos tienen su parto por vía cesárea, lo que introduce un sesgo de selección a los resultados observados en nuestro estudio, lo que se suma al sesgo de que la muestra seleccionada fue aquella en que hubo registros completos.
5.2 P
REDICTORES CLÍNICOS DE MACROSOMÍA FETAL5.2.1 Diseño estudio, universo y muestra
A partir del objetivo de determinar un modelo predictivo clínico para MF (peso fetal ≥4.000 gramos), se realiza un estudio observacional en una cohorte en 3.721 embarazos, únicos, de edad gestacional pediátrica de término (mayor o igual a 37 semanas), con parto vía vaginal asistido en el Servicio de Obstetricia y Ginecología del Hospital Dr. Luis Tisné Brousse entre el 1 de enero y 31 de diciembre de 2008.
Para precisar el tamaño de muestra51,52,57 se utilizó: 1) El estudio reciente de
Nahum et al30 en que el perfil materno para MF plantean una sensibilidad de
55% con especificidad de 90% para la búsqueda de MF. 2) La prevalencia general en gestantes para MF de 10%4-6. 3) Potencia del 90%. 4) Un nivel de confianza del 99%, a dos colas. La muestra mínima es de 253 embarazos, no obstante se consiguió una muestra de 3.721 partos, lo que por motivo de registros incompletos, corresponde al 82,6% de los 4.507 partos vaginales asistidos en el Servicio de Obstetricia y Ginecología del Hospital Luis Tisné Brousse entre el 1
5.2.2 Variables en estudio y métodos de recolección de la información e
instrumentos utilizados
Las variables consignadas para cada gestante fueron:
Variables Descripción Escala Niveles
Edad materna Edad al momento del parto Cuantitativa, Medida en años de razón
Multiparidad* Antecedente de parto previo Cualitativa, 1 = presencia de parto previo (vía vaginal y/o cesárea) nominal 0 = Ausencia de parto previo Edad gestacional Estimación por fecha última Cuantitativa, Medida en días
obstétrica menstruación (FUR) confiable de razón y segura y/o FUR operacional
Hipertensión arterial* Presencia de síndrome hipertensivo Cualitativa, 1 = presencia de hipertensión en el embarazo actual. nominal arterial en el actual embarazo 0 = ausencia de hipertensión arterial en el actual embarazo Diabetes* Presencia de diabetes gestacional y/o Cualitativa, 1 = presencia de diabetes en el
pregestacional en el embarazo actual nominal actual embarazo
0 = ausencia de diabetes en el actual embarazo
Talla materna Talla al momento del ingreso a Cuantitativa, Medida en centímetros
maternidad de razón
Parto vaginal Considera si hay instrumentación en Cualitativa, 1 = Parto vaginal con instrumentado* la asistencia del parto vía vaginal nominal instrumentación (fórceps y/o
espátulas de Thierry) 0 = Parto vaginal espontáneo Evento neonatal Define la presencia de retención de Cualitativa, 1 = presencia de evento adverso traumático* hombros en el parto y/o presencia en nominal neonatal traumático
el recién nacido de fractura de húmero 0 = Ausencia de evento adverso y/o lesión de plexo braquial y/o neonatal traumático
cefalohematoma.
Lesión de plexo Lesión evidente de plexo braquial Cualitativa, 1 = presencia de lesión plexo
braquial* en el neonato nominal braquial
0 = Ausencia de lesión plexo braquial
Retención de Descripción de retención de hombros Cualitativa, 1 = presencia de retención
hombros* en el protocolo del parto nominal hombros
0 = Ausencia retención de hombros
Sexo recién nacido Sexo fenotípico del recién nacido Cualitativa, 1 = sexo masculino
masculino* nominal 0 = sexo femenino
Peso recién nacido Peso del recién nacido inmediato Cuantitativa, Medido en gramos de razón
Talla recién nacido Talla del recién nacido inmediato Cuantitativa, Medido en centímetros de razón
Apgar al minuto* Aplicación escala Apgar al minuto Cualitativa, 1 = puntaje menor o igual a 5 de vida del recién nacido nominal 0 = puntaje mayor de 5 Apgar a los 5 Apgar a los 5 minutos de vida Cualitativa, 1 = puntaje menor o igual a 7
Toda la información fue recolectada a partir de la base de datos del Servicio de Neonatología, debiendo en los casos que la información fuera incompleta revisar las fichas clínicas de los sujetos estudiados. Se utilizó el programa File Maker Pro Advanced 9.0 para generar una base con la información, realizando su análisis estadístico con Stata 11.0. Cabe destacar que previo al análisis estadístico se elaboró la información respecto a su integridad y a la existencia de errores.
5.2.3 Técnicas de procesamiento de la información, análisis e interpretación
Para cada variable cuantitativa de razón y cualitativa ordinal, se determinan sus medidas de tendencia central (media, mediana), dispersión (rango intercuar-tílico, desviación estándar), curtosis y simetría, evaluando la hipótesis nula acerca de la normalidad con la prueba de Shapiro-Wilk53,54. Las variables nominales dicotómicas (variables indicadoras) son descritas en términos de proporciones con sus respectivos intervalos de confianza55.
Se procede a la comparación de los sujetos de acuerdo a la presencia de MF, de acuerdo al nivel de medición, recorrido y distribución de dichas variables55.
De acuerdo a la hipótesis planteada se seleccionan las variables: edad materna, talla materna, edad gestacional obstétrica, multiparidad, diabetes y sexo fetal para construir el modelo de regresión logística32-34. Las variables cuantitati-vas serán categorizadas en forma ordinal y luego para cada nivel se determinará el logit (primer nivel referencia) y el riesgo absoluto. Se ejecutará una gráfica de cada logit frente al valor de la mediana de cada punto de corte; y además se efectuará un test de tendencia lineal34,37-38.
Para diabetes, multiparidad y sexo recién nacido se plantea la determinación de los riesgos absolutos para MF.
Para la construcción del modelo de regresión logística, se utilizará la técnica de inclusión secuencial “hacia adelante” considerado como criterio de selección del modelo definitivo aquel que produzca una menor devianza (p-valor <0,05)36-38 y un área ROC mayor (p-valor <0,05)45,47,48,50. El efecto de interacción de las variables independientes se evaluará construyendo variables de interacción. Una vez determinado el modelo definitivo se plantea el uso del test de Wald36-38 para valorar el aporte de las variables predictoras.
En el modelo definitivo se ejecutará un test de ajuste del link de Pregibon (Link test)40-42. En las variables independientes del modelo definitivo, se determinarán los coeficientes de correlación37,42 y se efectuará un análisis de colinealidad, obteniendo así el número condición global, índice de condición y los factores de inflación de la varianza centrados (VIF)39,42,43. Además con el modelo definitivo se plantea el uso del Test Hosmer-Lemeshow34,37,39 para valorar la calidad del ajuste, ejecutando además una estandarización de los coeficientes de las variables56 del modelo final con el objeto de evaluar la importancia de ellas.
Para evaluar la influencia de casos individuales sobre el ajuste y los parámetros del modelo de regresión propuesto se plantea la estimación de Leverage39-44, la estadística de delta Ji-Cuadrado de Pearson (∆χ2)39, la estadística Delta Devianza (∆D)39, estadística del Delta-Beta Pregibon (∆ß)39,44. Se plantea en caso de existir observaciones influyentes en el ajuste del modelo y/ o en la estimación de parámetros el realizar una regresión logística sin estas observaciones y comparar sus resultados con el modelo propuesto.
Para el modelo definitivo se considera realizar un análisis ROC no paramétri-co45-50 considerando el cálculo de sensibilidad, especificidad, valor predictivo positivo, valor predictivo negativo y eficiencia para sus puntos de corte.
5.2.4 Resultados
En la Tabla I.B (Anexo) se observa las medidas de tendencia central, dispersión, asimetría y curtosis para las variables: edad materna, talla materna, peso recién nacido, talla recién nacido y edad gestacional obstétrica. Para todas ellas es posible rechazar la hipótesis nula acerca de la normalidad (Shapiro-Wilk
p-valor < 0,15). En la Tabla II.B (Anexo) se observan los valores porcentuales y
sus respectivos intervalos de confianza de las variables dummy evaluadas en la cohorte.
Las mediana de edad materna, edad gestacional obstétrica, talla recién nacido y talla materna se observan significativamente (p-valor 2 colas <0,01) aumenta-das en el grupo con MF. Asimismo la multiparidad, diabetes, evento neonatal traumático, lesión de plexo braquial, retención de hombros, sexo fetal masculino y apgar bajo al minuto también se observan con significancia estadística (p-valor
2 colas < 0,05) aumentadas en dicho grupo (Tabla III.B).
En la Figura 1.B, 2.B y 3.B del Anexo, se observa la linealidad del logit para las variables: peso del recién nacido, talla materna y edad gestacional obstétrica con un test de tendencia lineal significativo (p<0,01), lo que justifica su incorporación como tales en el modelo.
El riesgo absoluto de MF para diabetes es de 13,12% [CI 95%: 8,22 a 18,01]. En cambio para multiparidad y sexo fetal masculino es respectivamente de 10,43% [CI 95%: 9,03 a 11,83] y 8,66% [CI 95%: 7,39 a 9,93].
Tabla III.B Comparación para presencia de macrosomía fetal en 3.721 partos vaginales
Variables Partos sin Partos con p-valor
macrosomía macrosomía (2 colas) n = 3.445 n = 276
Edad materna mediana (ric) 24 (9) 27 (11) <0,0000* Multiparidad n (porcentaje) 1.649 (47,87) 192 (69,57) <0,0000** Edad gestacional obstétrica mediana (ric) 276 (11) 281 (9) <0,0000* Hipertensión arterial n (porcentaje) 197 (5,72) 22 (7,97) 0,1260** Diabetes n (porcentaje) 159 (4,62) 24 (8,7) 0,0026** Talla materna mediana (ric) 158 (8) 160 (8,5) <0,0000* Parto vaginal instrumentado n (porcentaje) 374(10,86) 36 (13,04) 0,2642** Evento neonatal traumático n (porcentaje) 78 (2,26) 26 (9,42) 0,0000*** Lesión plexo braquial n (porcentaje) 5 (0,15) 4 (1,45) 0,003*** Retención de hombros n (porcentaje) 12 (0,35) 9 (3,26) 0,0000*** Talla recién nacido mediana (ric) 50 (2) 53 (2) <0,0000* Sexo masculino n (porcentaje) 1.730 (50,22) 164 (59,42) 0,0033** Apgar al minuto n (porcentaje) 112 (3,25) 17 (5,59) 0,011** Apgar a los 5 minutos n (porcentaje) 22 (0,64) 3 (1,09) 0,427***
*Prueba de Mann-Whitney. **Prueba de proporciones con distribución normal. ***Test exacto de Fisher. n = número de casos; ric = rango intercuartílico.
En la siguiente Tabla IV.B, se observan los modelos de regresión logística por técnica de forward para la incorporación de las variables independientes.
Tabla IV.B Modelos de regresión logística para predicción clínica de macrosomía fetal en 3.721 partos vaginales
Etapa Variables consideradas en modelo Logaritmo Test de razón Valor p
verosimilitud verosimilitud (grados de libertad) 1 Modelo nulo -983,47 2 EGEST -937,88 91,18 (1)* 0,0000 3 EGEST y MULTIP -912,53 50,70 (1)* 0,0000 4 EGEST, MULTIP y TM -892,34 40,39 (1)* 0,0000 5 EGEST, MULTIP,TM y EM -885,80 13,08 (1)* 0,0003 6 EGEST,MULTIP,TM,EM y SEXRN -879,69 12,22(1)* 0,0005
7 EGEST,MULTIP,TM, EM, SEXRN y DIAB** -876,46 6,45(1)* 0,011
EGEST = edad gestacional obstétrica, MULTIP = multiparidad, TM = talla materna, EM = edad materna, SEXRN = sexo recién nacido, DIAB= diabetes. *Test de razón de verosimilitud (Likelihood ratio test) referido al modelo de la etapa previa. **El modelo definitivo al compararlo con los otros modelos muestra un área ROC de 74,82 [CI 95: 71,9 a 77,7] (p-valor <0,0000).No se consideran las variables interacción entre las variables independientes pues no producen modelos con test de verosimilitud significativos (p-valor <0,05) y/o no mejora la capacidad discriminante del modelo evaluando el área ROC.
El modelo final incorpora las variables independientes edad gestacional obstétrica (OR: 1,09; CI 95%: 1,07 a 1,11), multiparidad (OR: 2,06; CI 95%: 1,51 a 2,83), talla materna (OR: 1,08; CI 95%: 1,05 a 1,1), edad materna (OR: 1,04; CI 95%: 1,02 a 1,06), sexo recién nacido masculino (OR: 1,57; CI 95%: 1,22 a 2,04) y diabetes (OR: 1,92; CI 95%: 1,19 a 3,1). Todas las variables referidas son significativas en la estadística de Wald (p-valor <0,01). Las variables de interacción construidas a partir de las variables independientes no mostraron una
El test de ajuste del link de Pregibon muestra un logaritmo de verosimilitud de -876,34 significativo respecto del modelo nulo (p-valor <0,0000). Los coeficientes para los valores predichos lineales y cuadrado valores predichos lineales son respectivamente de: 0,86 [CI 95%: 0,27 a 1,45] (pvalor 0,004) y 0,03 [CI 95%: -0,16 a 0,09] (p-valor: 0,626).
En la Tabla V.B (Anexo) se observan los coeficientes de correlación para las variables independientes. El coeficiente de correlación máximo observado fue de de 0,55 entre edad materna y multiparidad. También se observó un coeficiente de correlación entre edad materna y diabetes de 0,16. El resto de los coeficientes de correlación entre las variables fueron inferiores a 0,05. Al realizar el estudio de colinealidad de las variables independientes se observa un número condición global de 1,91 con VIF medio de 1,16. Los VIF para edad gestacional obstétrica (1,01), talla materna (1,01) sexo recién nacido (1) y diabetes (1,03) son muy cercanos a 1. En cambio para multiparidad y edad materna los VIF son respectivamente 1,45 y 1,47. La condición índice varió desde 1 a 1,9.
Para el modelo definitivo el test de Hosmer-Lemeshow muestra un p-valor de
0,84. Los mayores coeficientes estandarizados se observaron para edad
gestacio-nal obstétrica (0,37), talla materna (0,23) y multiparidad (0,2). En contraste, dichos coeficientes fueron menores para edad materna (0,14), sexo recién nacido masculino (0,13) y diabetes (0,08). Se determinaron observaciones individuales influyentes en el modelo, no obstante su eliminación del modelo, no produjo cambios importantes en el ajuste y/o estimación de los parámetros del modelo.
El análisis ROC para el modelo definitivo etapa 7 (Tabla IV.B) presenta un área bajo la curva de 74,82% [CI 95%: 71,9 a 77,7] (p-valor< 0,0000) significativa respecto a los modelos evaluados en las otras etapas, con valores de punto de corte (en porcentaje) desde 0,28 a 53,15. En los rangos de los puntos de corte del modelo definitivo, el valor predictivo negativo varía desde 93% a 100%, en
sensibilidad es de un 93,8%, con una especificidad de 30,9%; en cambio el punto de corte de 27 exhibe una especificidad de 98,1%, con una sensibilidad de un 9,4%. El punto de corte de 7,5 (Figura 4.B) ofrece una sensibilidad y especificidad cercanas a 68% con valores predictivos negativo de 96,42% [CI 95%: 95,68 a 97,16] y positivo de 14,6% [CI 95%: 12,8 a 16,7].
Tabla VI.B Sensibilidad, especificidad, valor predictivo positivo y eficiencia para puntos de corte del modelo de regresión logística para predicción clínica de macrosomía fetal
Corte n VP n VN VPP Eficiencia Sensibilidad %; CI 95%* Especificidad %; CI 95%* CI 95%* CI 95%* 3 259 1.066 9,8 35,6 93,8; 90,4 a 96,1 30,9; 29,4 a 32,5 8,7 a 11 34,1 a 37,2 7,5 189 2.342 14,6 68 68,5; 62,8 a 73,7 68; 66,4 a 69,5 12,8 a 16,7 66,5 a 69,5 12 128 2.886 18,6 81 46,4; 40,6 a 52,3 83,8; 82,5 a 85 15,9 a 21,7 79,7 a 82,2 20 70 3.286 30,6 90,2 25,4; 20,6 a 30,8 95,4; 94,6 a 9] 25 a 36,8 89,2 a 89,2 a 91,1 27 26 3.381 28,9 91,6 9,4; 6,5 a 13,4 98,1; 97,6 a 98,5 20,5 a 39 90,6 a 92,4
n = número; = porcentaje, VP = verdaderos positivos; VN = verdaderos negativos; FP = falsos positivos; VPP = valor predictivo positivo. *Intervalo de confianza de Wald.
