Desarrollo y validación de un modelo predictivo del riesgo de infección basado en parámetros inmunológicos en receptores de trasplante renal

  1. Fernández Ruiz, Mario
Dirigida por:
  1. José María Aguado García Director
  2. Francisco López Medrano Director

Universidad de defensa: Universidad Complutense de Madrid

Fecha de defensa: 14 de marzo de 2018

Tribunal:
  1. Manuel Praga Terente Presidente
  2. Juan Delgado Jiménez Secretario/a
  3. Jesús Fortún Abete Vocal
  4. Antonio Ramos Martínez Vocal
  5. Manuel Cuenca Estrella Vocal
Departamento:
  1. Medicina

Tipo: Tesis

Resumen

Introducción: Disponer de un modelo ponderado de predicción basado en parámetros inmunológicos no patógeno-específicos y en variables clínicas permitiría individualizar el seguimiento y abordaje de los receptores de trasplante renal (TR) en función de su riesgo específico de infección post-trasplante. Métodos: Análisis retrospectivo de una cohorte observacional prospectiva integrada por 447 pacientes sometidos a TR en nuestro centro. Esta muestra global fue segmentada de forma aleatoria en una cohorte de derivación (292 pacientes) y una cohorte de validación (155 pacientes). Monitorizamos el recuento de subpoblaciones linfocitarias (linfocitos T CD3+, CD4+ y CD8+, linfocitos B y linfocitos natural killer [NK]) y los niveles séricos de inmunoglobulinas y factores de complemento (C3 y C4) según un esquema preestablecido: momento basal (pre-trasplante), mes 1 y mes 6. El objetivo del estudio fue el desarrollo de infección global y bacteriana a lo largo de diversos periodos post-trasplante (precoz [primer mes], intermedio [meses 1 a 6] y tardío [a partir del mes 6]). Para la construcción de los modelos se realizaron varios análisis de regresión logística, asignando un valor numérico a los coeficientes ß. La capacidad de discriminación fue analizada mediante el área bajo la curva de características operativas del receptor (ROC); la exactitud diagnóstica mediante la estimación de sensibilidad, especificidad, y valores predictivos positivo (VPP) y negativo (VPN); y la reproducibilidad y calibración mediante la cohorte independiente de validación. Resultados: No hubo diferencias en los parámetros inmunológicos basales en función del desarrollo de infección durante el primer mes post-trasplante. El modelo de predicción de infección global durante el periodo intermedio se basó en los siguientes parámetros (evaluados al mes 1): edad del receptor ¿63 años (4 puntos), reintervención en el primer mes (3 puntos), función del injerto renal (-0,3 puntos por cada intervalo de 10 mL/min), linfocitos T CD4+ < 30 céls/mcL (3 puntos), linfocitos B < 110 céls/mcL (2 puntos), IgA < 115 mg/dL (3 puntos) y C3 < 76 mg/dL (2 puntos). El área bajo la curva ROC fue 0,771. Empleando como punto de corte > 4 puntos observamos los siguientes valores: sensibilidad 54,8%, especificidad 83,2%, VPP 60,7% y VPN 79,5%. El modelo para infección bacteriana consistió en los siguientes parámetros: edad del receptor ¿65 años (3 puntos), retraso en la función del injerto (2 puntos), infección bacteriana previa (4 puntos), linfocitos NK < 68 céls/mcL (2 puntos) e IgG < 500 mg/dL (3 puntos). El área bajo la curva ROC fue 0,765. Con un punto de corte > 6,5 puntos obtuvimos: sensibilidad 54,4%, especificidad 85,4%, VPP 47,7% y VPN 88,4%.El modelo de predicción de infección global durante el periodo tardío incluyó los siguientes parámetros (evaluados al mes 6): enfermedad aterotrombótica (3 puntos), rechazo previo (2 puntos), linfocitos NK < 232 céls/mcL (6 puntos) y C3 < 103 mg/dL (2 puntos). El área bajo la curva ROC de 0,736. Empleando un punto de corte > 7 puntos obtuvimos: sensibilidad 69,2%, especificidad 64,3%, VPP 41,4% y VPN 85,2%. Por último, el modelo para infección bacteriana tardía consistió en: infección por VHC (3 puntos), rechazo agudo previo (3 puntos) y C3 < 103 mg/dL (3 puntos). El área bajo la curva ROC fue de 0,687. El umbral óptimo ( > 4,5 puntos) arrojó los siguientes valores: sensibilidad 37,8%, especificidad 90,3%, VPP 45,2% y VPN 87,3%.La reproducibilidad y calibración de los modelos en la cohorte de validación fue buena. No hubo diferencias significativas en las áreas bajo la curva ROC ni en las incidencias de infección tras estratificar ambas cohortes por cuartiles o terciles del correspondiente modelo. Conclusiones: La combinación de parámetros inmunológicos no patógeno-específicos junto con una serie de variables clínicas seleccionadas permite predecir, en los meses 1 y 6 post-trasplante, el riesgo posterior de infección global o bacteriana en receptores de TR.