Análisis de algunas variables que intervienen en el diagnóstico de osteoporosis: su vinculación con el riesgo de fractura * Scafiezzo, S.

Transcripción

1 Análisis de algunas variables que intervienen en el diagnóstico de osteoporosis: su vinculación con el riesgo de fractura * Scafiezzo, S. *Licenciada en Ciencias Biológicas. Facultad de Ciencias. UDELAR. Densitas. Densitometría ósea. Consultorio Radiológico Dr. Daniel Pereyra. INTRODUCCION La osteoporosis es una osteopatía que se caracteriza principalmente por una disminución de la densidad mineral ósea y un consecuente aumento en la incidencia de fracturas por fragilidad (hundimiento de plataformas o cuerpos vertebrales, fractura de cadera, muñeca, entre otras). Es una enfermedad metabólica etiológicamente diversa y por consiguiente con múltiples factores de riesgo. A través de la técnica DXA (Dual X-ray Absorptiometry) es posible cuantificar la masa ósea, lo que nos permite realizar el diagnóstico de osteoporosis en base a la densidad del hueso. Antiguamente la osteoporosis era diagnosticada únicamente por el estudio radiológico simple, manifestándose como una hipertransparencia del hueso, que no siempre obedece a una desmineralización del mismo. Además de ser un diagnóstico de imagen tardío, esta es una forma cualitativa más que cuantitativa de estimar la masa ósea. Se dice que un hueso desmineralizado no se detecta a través de una radiografía simple, antes de haber perdido un 30% de su masa ósea. Debido a este tipo de lectura poco satisfactoria, otras técnicas cuantitativas se fueron desarrollando. Entre ellas RA ( absorciometría radiográfica), radiogrammetría que fueron desplazados por métodos más avanzados como SPA ( single photon absorptiometry) y DXA( dual x-ray absorptiometrty). La técnica SPA fue la primera técnica comercialmente disponible para la medición no invasiva de la densidad mineral ósea. Este método tuvo dos limitaciones importantes, en primer lugar utiliza un isótopo como fuente de radiación que como tal decae en el tiempo y debe ser remplazado cada año, en segundo lugar mide solamente regiones periféricas. 1 Dual x-ray absorptiometry (DXA) Originalmente esta técnica fue llamada DPA ya que utilizaba el isótopo gadolinio-153 como fuente, la cual emitía fotones con dos picos de energía. No tomó mucho tiempo reemplazar el sistema DPA por un tubo de rayos X de energía dual altamente estable. El método DXA puede medir la DMO de la columna lumbar, fémur proximal y antebrazo distal además de cuerpo entero el cual permite evaluar la composición corporal con objetivos específicos. La radiación emitida está en el orden de 1-5 usv utilizando un sistema de colimación pencil beam lo que permite un aumento en la precisión con mínima exposición Además de diagnóstico, este es un estudio preventivo que permite captar pequeños cambios en el capital óseo y hacer a la vez un seguimiento a intervalos de tiempo establecidos a modo de ver la evolución del paciente frente a diferentes opciones terapéuticas y/o factores de riesgo que pueda estar expuesto. Con formato: Español (España, internacional)

2 El objetivo de este trabajo, es estudiar la relación de algunas variables en el proceso de desmineralización y si inciden éstas, en la ocurrencia de fracturas. METODOLOGIA: La muestra (n=106) utilizada en este estudio son mujeres que componen una franja etaria que va de 50 a 80 años, donde el 63 % de la misma tiene antecedentes de fractura. Las regiones evaluadas son columna lumbar, fémur proximal y antebrazo distal mediante la técnica DXA anteriormente mencionada. Los valores obtenidos luego de la medición, son comparados con tablas de referencia que contemplan franja etaria, etnia, altura y peso del paciente. Estos valores de densidad mineral ósea (DMO) se expresan en gm/cm 2 y unidades de desvío estándar respecto a una media de referencia para máxima densidad o pico de masa ósea alcanzado de un individuo sano (Tscore) y media respecto a cada grupo etario en particular (Zscore). Para fines diagnósticos se utilizó el criterio adoptado por la Organización Mundial de la Salud (OMS). Análisis Estadístico. Estadísticos de prueba Utilizamos estadística inferencial, que es el procedimiento por medio del cual se llega a inferencias acerca de una población mediante los resultados que se obtienen a partir de una muestra extraída de esa población. 2 A través de diferentes estadísticos de prueba se seleccionan sub-muestras a partir de la muestra inicial para estudiar las siguientes relaciones: -Diferencias dentro y entre las regiones estudiadas respecto a algunas variables que intervienen en el diagnóstico de osteoporosis. - Relación entre valor de T score y número de sitios osteoporóticos dentro y entre las regiones (c.lumbar, fémur proximal). - Relación entre valor de DMO sitio específico y edad de la menopausia. -Riesgo de fractura. Las variables que se utilizaron en este estudio fueron: Variable continua: DMO, Tscore, Edad del paciente, edad de la menopausia. Variable dicotómica: antecedente de fractura Variable categórica: N de sitios osteoporóticos. Para evaluar diferencias dentro y entre las diferentes regiones diagnósticas recurrimos al ANVA (análisis de varianza), nos ubicamos dentro de la estadística paramétrica y debo probar si éstos cumplen con los supuestos de aleatoriedad, independencia, normalidad y homogeneidad. Para estudiar la relación entre algunas de las variables descritas usamos el modelo de coeficiente de correlación de Spearman coeficiente no paramétrico. La correlación de

3 Spearman es una aplicación del coeficiente de correlación de Pearson a n pares de observaciones cuyos valores son números de orden. Relación entre variables Modelo de regresión lineal- El objeto de interés en este modelo, es la ecuación de la población que describe la relación real entre la variable independiente x (que frecuentemente puede ser seleccionada por el investigador) y la variable dependiente y en correspondencia con los de x. Con los datos extraídos de la muestra de nuestra población de interés, se calcula una ecuación de regresión que forma la base para llegar a las conclusiones respecto a la ecuación de regresión de la población. Se supone inicialmente que las variables están relacionadas en forma lineal. La suposición de linealidad se expresa simbólicamente como: µ y/x = α+βx. Riesgo de fractura. Se usó un programa generador Odds and Ratio. La Odds ratio (3,4,5) (OR)es una medida de efecto de tamaño( grado de interrelación entre dos variables), describiendo la fuerza de asociación o no independencia entre pares de datos binarios(0,1) Se usa como un estadístico descriptivo y juega un rol importante en la regresión logística. A diferencia de otras medidas de asociación de pares de datos binarios, como riesgo relativo, trata a las dos variables siendo comparadas simétricamente y puede ser estimadas usando algunos tipos de muestra no azarosas. Def: es el cociente entre la probabilidad de que un evento suceda y la probabilidad de que no suceda. Los grupos a tratar pueden ser hombre, mujer, grupo experimental y control o cualquier otra clasificación dicotómica. Asociado a la salud, la oportunidad de enfermedad del grupo expuesto (o en el grupo tratado) y la oportunidad de enfermedad del grupo no expuesto (o no tratado). La odds ratio (OR, también término de traducción discutida; se ha traducido como oportunidad relativa, razón de ventaja) es una medida epidemiológica utilizada en los estudios epidemiológicos, (casos-controles) y en los meta-análisis. En un estudio de casos y controles, es el cociente entre la odds de exposición observada en los casos (enfermos) y la odds de exposición del grupo control. En este trabajo el grupo expuesto va a ser el que tuvo antecedentes de fractura, el grupo control o no expuesto el que no tuvo fractura.

4 RESULTADOS Diferencias dentro y entre las regiones estudiadas respecto a las variables que intervienen en el diagnóstico de osteoporosis. Estadístico: Shapiro Wilk W: Ho: Los datos son normales Ha: Los datos no son normales (p 0,5798, α 0.05). Se rechaza Ho si p <α, los datos son normales. Estadistico: Levene s Ho: las varianzas son iguales Ha: las varianzas son diferentes por lo menos para un par de regiones (p 0,2547, α 0.05) hay homogeneidad de varianzas one way ANVA Ho: No hay diferencia entre las regiones Ha: Hay diferencia f 144,6, ( p1,074e-61, α 0.05) Se rechaza Ho si p< α, por tanto hay diferencia entre las regiones. Relación entre variables Tscore y n de sitios osteoporóticos Coef correlación de Spearman Ho: El valor de tscore y el número de sitios osteoporóticos son mutuamente independientes H1: Existe relación entre el valor de tscore y el número de sitios V.crítico r* 0,4429 (α=.05,n=15) Var1 Var 5 Var1 1, *-0, Var5-0, , Var3 Var5 Var3 1, , Var5-0, , Var2 Var5 Var2 1, , Var5-0, ,000000

5 Var4 Var5 Var4 1, , Var5-0, , Se rechaza Ho si el valor calculado de* rs es menor que el valor crítico r* entonces se acepta hipótesis alternativa H1 Relación entre variables (edad menopausia, DMO C.lumbar) Modelo de regresión lineal Ho:β=0 Ha:β 0 Estudiar relación entre la edad en que ocurre la menopausia y el valor de DMO de la región de C. lumbar. ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadrados Valor crítico de F F Regresió n 1 0, , , , Residuos 89 1, , Total 90 1, Puesto que 0, es menor que el valor crítico de F para 1 y 89 grados de Libertad, se acepta la hipótesis nula.

6 1,4 Scatterplot (Spreadsheet1 10v *92c) Var1 = 0,8017+0,0009*x; 0,95 Conf.Int. 1,3 1,2 1,1 Var1 1,0 0,9 0,8 0,7 0,6 0, Var2 El modelo lineal no se ajusta a los datos no hay relación entre las variables descritas Riesgo de fractura Odds and Ratio(improved vs not improved) Improved (control c/f, control s/f) Unimp (osteop.c/f osteop. s/f) n=103 OR (Tr /ctrl) Treat. control OR improv:. 0,57915 Improv Unimprov OR not improve:1,72667 Los pacientes con osteoporosis que tienen una fractura previa tienen casi el doble de chance de fracturarse frente a los que no la tienen. Los pacientes sin osteoporosis con fractura previa tienen un 60% más de probabilidad de fracturarse frente a los que no tienen fractura

7 DISCUSION Y CONCLUSIONES: Luego del análisis de las variables a través de los diferentes estadísticos podemos referirnos a una misma población (homogeneidad de varianzas) que sigue una distribución normal. Este es el primer paso para poder inferir o manejar hipótesis sobre una población. Respecto a si existen diferencias entre las regiones medidas, considerando las variables: edad del paciente, edad de la menopausia, antecedentes de fractura, el estadístico utilizado, demostró que si existen diferencias. Esto puede obedecer a la variabilidad en su microarquitectura (relación:hueso esponjoso- cortical) y por tanto a receptores, moduladores etc. que intervienen en el remodelado. La premisa es entonces medir más de una región, siempre que sea posible. En cuanto a la relación entre el número de sitios osteopóroticos y el valor de Tscore, a medida que aumenta el número de sitios el valor de correlación es mayor, cuanto más bajo el Tscore mayor número de zonas patológicas. En los casos en que se presenta una única región patológica de las dos o tres regiones medidas, siempre es importante descartar aspectos degenerativos que oficien de artefacto u otras causas como condición hormonal u otras alteraciones funcionales que se traduzcan en esa variabilidad entre regiones. Otro aspecto considerado fue la relación de la variable edad de la menopausia con la DMO de columna lumbar, y el estadístico demuestra que no hay relación entre estas dos variables. Si bien podría esperarse una relación inversa debido al drástico cambio hormonal que se produce con el cese de la menstruación, existe la posibilidad de alguna otra variable no considerada o erróneamente considerada en la muestra de estudio (por ej. presencia de anexo en menopausia relatada como quirúrgica, muestra relativamente homogénea respecto a esta variable (edad de la menopausia), entre otras. En lo que se refiere a la incidencia de fracturas, resultó interesante el hecho de que pacientes sin osteoporosis pero con fractura previa presentaron un 60% más de probabilidad de fracturarse frente aquellos que no la presentan. Esto sugiere que la baja masa ósea es un factor o variable importante pero no siempre determinante en la ocurrencia de una fractura por fragilidad. Estas variables nos muestran que es importante utilizar la mayor cantidad de herramientas posibles en el diagnóstico de osteoporosis. Hay muchos aspectos que aún se desconocen en cuanto a la regulación del metabolismo óseo que afectan la microarquitectura, el remodelado y por tanto la resistencia del mismo. Un mayor conocimiento en los mecanismos de regulación permitirá un mejor abordaje de esta enfermedad sistémica.

8 BIBLIOGRAFIA - 1- Faulkner, K.,1998. DXA Certification Course. International Society for Clinical Densitometry. 2.2iscd 10/98-2-Daniel, W Bioestadística. Base para el análisis de las ciencias de la salud. 3ED. UTEHA. Noriega Ed Cornfield, J. "A Applications to cancer of the lung, breast, and cervix". Journal of the National Cancer Institute 11: Mosteller, Frederick "Association and Estimation in Contingency Tables". Journal of the American Statistical Association 63 (321): Edwards, A.W.F "The measure of association in a 2x2 table". Journal of the Royal Statistical Society, Series A 126 (1): Palmer, A., Jiménez, R. y Montaño, J.J. Tutorial sobre el coeficiente de correlación lineal de Pearson en internethttp:// Siffert, R.S, Luo, G.M, Cowin,S.C, Kaufman, J.J Dynamic relationships of Trabecular Bone Density, Architecture and Strength in a Computational Model of Osteopenia. Programas usados Microsoft Office Excel 2007 Statistica 6 Clin Tools Trial Software. Odds Ratio Trial