Companioni RJF, Mosquera BG, Sebrango RCR, Lage BJC

Idioma: Español
Referencias bibliográficas: 25
Paginas: 1101-1112
Archivo PDF: 514.79 Kb.

RESUMEN

Fundamento: la estratificación del riesgo de rotura de los aneurismas intracraneales es importante para decidir la conducta ante aquellos pacientes con aneurismas que son incidentales o asintomáticos. No existe consenso para determinar la realización de intervención quirúrgica o seguimiento médico de estos pacientes.
Objetivo: elaborar un instrumento predictivo de rotura de aneurismas intracraneales incidentales.
Métodos: se incluyó una muestra de 152 pacientes con diagnóstico, mediante angiografía por tomografía axial computarizada, de aneurismas intracraneales saculares rotos (n=138) y no rotos(n=22). Se trabajó con 160 imágenes de aneurismas intracraneales. Los 152 pacientes fueron divididos, al azar, en un grupo de desarrollo que corrrespondió a 95 pacientes, 100 imágenes de aneurismas y un grupo de validación que incluyó 57 pacientes con 60 imágenes de aneurismas. Se realizaron mediciones y segmentaciones de los aneurismas; se obtuvieron nueve factores morfológicos. Se realizó una combinación multivariante, mediante regresión logística múltiple, que expresó seis factores demográficos, clínicos y mofológicos predictivos obtenidos de los expedientes clínicos de los pacientes. La selección para inclusión de los factores fue realizada a partir de un consenso de 15 expertos con más de 15 años de experiencia en el tema. Se confeccionó un nomograma representativo del modelo con los predictores significativos. Se evaluó la calibración y la precisión del instrumento predictivo representado por un modelo y su nomograma.
Resultados: el instrumento quedó conformado por cinco predictores que resultaron estadísticamente significativos asociados con la rotura en el análisis multivariado: el sexo femenino, la razón de aspecto, el mayor ancho del domo, el volumen, y el índice de no esfericidad. El nomograma mostró una buena calibración y discriminación (grupo de entrenamiento: área bajo la curva = 99 %; grupo de validación área bajo la curva=99 % ).
Conclusiones: el instrumento predictivo, validado y representado por el nomograma es un modelo útil para estratificar el riesgo de rotura de aneurismas. Puede emplearse para el seguimiento de aneurismas considerados de menor riesgo.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Hurford R, Taveira I, Kuker W, Rothwell PM. Prevalence, predictors and prognosis of incidental intracranial aneurysms in patients with suspected TIA and minor stroke: a population-based study and systematic review. J Neurol Neurosurg Psychiatry. 2021;92:542-8.

2. Raaymakers TW, Rinkel GJ, Limburg M, Algra A. Mortality and morbidity of surgery for unruptured intracranial aneurysms: a meta-analysis. Stroke. 1998;29:1531-8.

3. Yu LB, Fang ZJ, Yang XJ, Zhang D. Management of residual and recurrent aneurysms after clipping or coiling: clinical characteristics, treatments, and follow-up outcomes. World Neurosurg. 2019;122:e838-46.

4. Ujiie H, Tachibana H, Hiramatsu O. Effects of size and shape (aspect ratio) on the hemodynamics of saccular aneurysms: a possible index for surgical treatment of intracranial aneurysms. Neurosurgery. 1999;45:119-30.

5. Raghavan ML, Ma B, Harbaugh RE. Quantifed aneurysm shape and rupture risk. J Neurosurg. 2005;102:355-62.

6. Fedorov A, Beichel R, Kalpathy-Cramer J, Finet J, Fillion-Robin JC, Pujol S, Bauer C, et al. 3D Slicer as an image Computting Platform for the Quantitative Imaging. Network Magn Reson Imaging. 2012;30(9):1323-41.

7. Murray L, Nguyen H, Lee Y, Remmenga MD, Smith D. Variance inflation factors in regression models with dummy variables[Internet]. Utah: Utah State University ;2013

8. Brier G. Verification of Forecasts Expressed in Terms of Probability. Monthly Weather Review. 1950;78(1):1.

9. Lemeshov S, Hosmer DW. A review of goodness of fit statistics for the use in the developtment of logistic regression models. Am J Epidemiol. 1982;115(1):92-106.

10. Zhou H, Qin G. New Nonparametric Confidence Intervals for the Youden Index. J Biopharm Stat. 2012;22(6):1244-57

11. R Foundation for Statistical Computing. R Core Team R: A language and environment for statistical computing[Internet]. Viena: R Foundation for Statistical Computing; 2013[citado 20/01/2021]. Disponible en: Disponible en: https://www.scirp.org/(S(i43dyn45teexjx455qlt3d2q))/reference/ReferencesPapers.aspx?ReferenceID=1787696 11.

12. Jirjees S, Htun Z, Aldawudi I. Role of Morphological and Hemodynamic Factors in Predicting Intracranial Aneurysm Rupture: A Review. Cureus. 2020;12 (7): e9178.

13. Watt J, Watt C, Van Schoor A. A Gender-Based Comparative Aneurysm Study Regarding Age at Presentation, Location, and Possible Causative Factors. Anatol J Family Med. 2020;3(3):211-21.

14. Ujiie H. Is the aspect ratio a reliable index for predicting the rupture of a saccular aneurysm?. Neurosurgery. 2001;48(3):495-502.

15. Backes D, Vergouwen MD, Velthuis BK, van der Schaaf I, Stijntje E, Algra A, et al. Difference in aneurysm characteristics between ruptured and unruptured aneurysms in patients with multiple intracranial aneurysms. Stroke. 2014;45(5):1299-303.

16. Thompson BG, Brown RD, Amin Hanjani S, Broderick JP, Cockroft KM, Connolly ES, et al. Guidelines for the management of patients with unruptured intracranial aneurysms: a guideline for healthcare professionals from the american heart Association/American stroke association. Stroke. 2015;46:2368-400.

17. Kleinloog R, Nikki de Mul, Bon H Verweij, Jan Andries Post, Rinkel JE, Ynte R. Risk Factors for Intracranial Aneurysm Rupture: A Systematic Review. Neurosurgery. 2018;82:431-40.

18. Lee GJ, Eom K-S, Lee C, Kim DW, Kang SD. Rupture of very small intracranial aneurysms: incidence and clinical characteristics. J Cerebrovasc Endovasc Neurosurg. 2015;17:217-22.

19. Chien A, Xu M,Yokota H, Scalzo F, Morimoto E, Salomon N . Nonsphericty Index and Size Ratio Identify Morphologic Differences betwen Growing and Stable Aneurysm in a longitudinal Study of 93 Cases. Am J Neurorradiol. 2018;39(3):500-6.

20. Ma B, Harbaugh RE, Raghavan ML. Three dimensional geometrical characterization of cerebral aneurysms. Ann Biomed Eng. 2004;32:264-73.

21. Goubergrits L, Hellmeier F, Bruening J, Spuler A, Hege HCh, Voss S, et al. Multiple Aneurysms AnaTomy Challenge (MATCH): uncertainty quantifcation of geometric rupture risk parameters. Bio Med Eng OnLine[Internet]. 2019[citado 01/10/2021]; 18:[aprox. 8 p.]. Disponible en: https://biomedical-engineering-online.biomedcentral.com/articles/10.1186/s12938-019-0657-y21.

22. Liang L, Steinman DA, Brina O, Chnafa C, Cancelliere NM, Pereira VM. Towards the Clinical utility of CFD for assessment of intracranial aneurysm rupture-a systematic review and novel parameter-ranking tool. J Neurointerv Surg. 2019;11(2).153.

23. Detmer FJ, Lückehe D, Mut F, Slawski M, Hirsch S, Bijlenga P, et al. Comparison of statistical learning approaches for cerebral aneurysm rupture assessment. Int J Comput Assist Radiol Surg. 2020;(15):141-50.

24. Zhu W, Li W, Tian Z, Zhang M, Zhang Y, Wang K, et al Nomogram for stability stratification of small Intracranial aneurysm based on clinical and morphological risk factors Frontiers in Neurology aneurysm rupture assessment. Front Neurol. 2020; 11: 598740

25. Feng X, Tong X, Peng F, Niu H, Qi P, Lu J, et al. Development and validation of a novel nomogram to predict aneurysm rupture in patients with multiple intracranial aneurysms: a multicentre retrospective study. Stroke Vasc Neurol. 2021;6(3):433-40.