Page 16

Mayo 2016

ARTÍCULOS DE INVESTIGACIÓN Desarrollo y validación de instrumento de tamizaje de depresión mayor en AP - B. Vicente et al utilizó imputación múltiple mediante ecuaciones encadenadas, implementado en el comando mi impute chained de Stata. Se imputaron 50 conjuntos de datos, sobre cada uno de los cuales se llevaron a cabo los análisis estadísticos, cuyos resultados fueron combinados mediante las reglas de Rubin40 para obtener los resultados finales del estudio. Para obtener la ecuación para el screening de depresión, sobre cada uno de los 50 conjuntos de datos imputados, se utilizó una adaptación del método de selección con propósito de Hosmer y cols41. Se realizó una selección inicial de predictores 558 relevantes del diagnóstico de depresión, mediante análisis de regresión logístico univariados de cada variable independiente, de los cuales se seleccionaron aquellos con valor p < 0,20. En el caso de las variables con múltiples alternativas de nivel ordinal, se dicotomizó la variable de acuerdo a los coeficientes de cada categoría en la regresión logística que estuviesen más cercanos al punto mínimo y máximo, considerando, además, que esa recodificación era consistente con una lógica clínica. Se ajustó luego un modelo multivariado con todas las variables y se usó la técnica de backward selection, consistente en eliminar secuencialmente las variables cuyos coeficientes fueran menores y que tuvieran valor p > 0,05, hasta que todos los coeficientes fuesen estadísticamente significativos. Las variables edad y género fueron incluidas en todos los modelos de regresión debido a su conocida asociación con la variable dependiente. Para evaluar el desempeño del modelo final se ocupó el c-index, también conocido como el área bajo la curva ROC, que representa la probabilidad promedio del modelo para discriminar un eventual caso positivo de depresión de uno negativo. Para lograr una predicción con menor varianza cuando se estima el riesgo en nuevas muestras se usó el método propuesto por Copas42, que implicó estimar un factor de shrinkage que fue aplicado a los coeficientes del modelo. Resultados Tres mil pacientes fueron contactados, de ellos, 2.832 inicialmente aceptaron participar. Sin embargo, sólo 2.552 participantes proporcionaron un número suficiente de respuestas para ser incluidos en los análisis. Las características sociodemográficas de la muestra nacional se presentan en la Tabla 1. Como se observa, predominan las mujeres (72,8%), los casados o que viven en pareja (55,1%), con estudios básicos (45,4%), estudios medios (45,9%) y una edad media de 47,4 años. De los 48 predictores considerados, 45 fueron seleccionados para el análisis multivariado. El análisis de regresión logístico multivariado empleando el método backward selection permitió identificar 14 predictores que resultaron estadísticamente significativos en el nivel a = 0,05 (Tabla  2). El valor del shrinkage aplicado a los coeficientes fue de 0,861 y el c-index del modelo fue 0,838 (95% CI = 0,818-0,857). Los puntajes de corte recomendados son: Sin depresión: menor o igual a -1,94; con riesgo de depresión: mayor a -1,94. Empleando este puntaje de corte se obtiene una sensibilidad de 82% y una especificidad de 73%. El instrumento final se presenta en la Tabla 3. Tabla 1. Características sociodemográficas de la muestra n % Sexo Masculino 694 27,2 Femenino 1.858 72,8 Estado civil Casado 1.252 49,1 Viviendo con su pareja o conviviendo 155 6,1 Separado/a de hecho 209 8,2 Viudo/a 255 10,0 Anulado/a 11 0,4 Soltero/a o nunca se ha casado/a 670 26,3 Escolaridad Sin escolaridad 102 4,0 Educación básica 1.159 45,4 Educación media 1.171 45,9 Educación superior 120 4,7 Total Contactados 3.000 100,0 Incorporados 2.832 94,4 Analizados 2.552 85,1 Rev Med Chile 2016; 144: 555-562


Mayo 2016
To see the actual publication please follow the link above