Mensajes clave
- El modelo desarrollado mejora la capacidad de predecir la KOA, permitiendo la adopción de medidas preventivas tempranas que podrían retrasar la aparición de la KOA.
- La incorporación de biomarcadores séricos al modelo predictivo aumenta su precisión, lo que sugiere algún papel en la detección precoz de KOA.
- Se trata del primer modelo que integra variables clínicas y biomarcadores proteicos, lo que lo convierte en la opción perfecta por su aplicación práctica, su potencial para reducir costes y su apoyo a la medicina personalizada.
Información del estudio
Detalles del estudio
“Modelo pronóstico para predecir la incidencia de la artrosis radiográfica de rodilla”1
Métodos
El estudio empleó un enfoque metodológico innovador, combinando variables clínicas (edad, sexo, IMC, puntuación del dolor WOMAC) y biomarcadores séricos (APOA1, APOA4, ZA2G y A2AP se seleccionaron basándose en estudios proteómicos previos). El modelo se desarrolló en dos fases:
1. Fase de desarrollo
En esta fase, 282 participantes caucásicos de la Osteoarthritis Initiative (OAI) sin signos radiográficos de KOA (Kellgren y Lawrence (KL) =0 en ambas rodillas) fueron objeto de seguimiento durante 96 meses. El resultado fue la rKOA incidente, considerada cuando se diagnosticó rKOA con KL≥2 en una de las rodillas durante el periodo de seguimiento. Se diagnosticó rKOA incidente en 29 (10,3%) sujetos.
El rendimiento del modelo se evaluó mediante la métrica del área bajo la curva (AUC) y se realizó una validación interna para ajustar el exceso de ajuste.
2. Fase de validación
Se incluyó una cohorte de 100 participantes caucásicos de la Cohorte Prospectiva de A Coruña (PROCOAC) con los mismos criterios de inclusión y resultado y periodo de seguimiento. Se diagnosticó rKOA incidente en 15 (15%) sujetos. Se calculó el AUC para evaluar la exactitud predictiva del modelo en esta cohorte externa.
Por último, se construyó un gráfico nomograma basado en los parámetros estimados del modelo propuesto.
Principales resultados
Los investigadores desarrollaron en primer lugar un modelo predictivo basado en datos demográficos y clínicos. Este modelo clínico alcanzó una capacidad moderada para predecir la incidencia de rKOA en el periodo de seguimiento, con un AUC de 0,702. Al incorporar los biomarcadores específicos del suero ZA2G, A2AP y APOA1 al modelo inicial, el AUC alcanzó un valor de 0,831. Esta notable mejora puso de relieve el papel que pueden desempeñar los biomarcadores en la detección precoz de cambios asociados a la KOA.
Se probó una versión simplificada con los dos biomarcadores más significativos (ZA2G y A2AP) junto con las variables clínicas. Se mantuvo una elevada precisión predictiva con un AUC de 0,820, al tiempo que se simplificaba este modelo y se facilitaba su integración en la práctica clínica. La validación externa con una cohorte independiente de PROCOAC no mostró diferencias estadísticamente significativas con los modelos propuestos de la cohorte OAI.
Conclusión
Este estudio presenta un nuevo modelo de pronóstico validado externamente que combina datos clínicos y biomarcadores para predecir la rKOA con gran precisión. El nomograma desarrollado es una herramienta valiosa para la estratificación temprana de poblaciones de alto riesgo, lo que podría transformar el abordaje de la KOA al permitir estrategias preventivas e intervenciones personalizadas.
Referencias
- Paz-González R, Balboa-Barreiro V, Lourido L, Calamia V, Fernandez-Puente P, Oreiro N, et al. Prognostic model to predict the incidence of radiographic knee osteoarthritis. Ann Rheum Dis. 11 de abril de 2024;83(5):661-8.
Estudio completo
Este artículo es un resumen basado en el siguiente estudio. Para más información y detalles, consulta el estudio completo. No dudes en ponerte en contacto con nosotros si tienes algún comentario. https://pubmed.ncbi.nlm.nih.gov/38182405/
