Análisis de factores pronósticos en la enfermedad de Hodgkin mediante el empleo de diferentes técnicas estadísticas

  1. GONZALEZ SAN SEGUNDO CARMEN
Dirigée par:
  1. Juan Antonio Santos Miranda Directeur

Université de défendre: Universidad Complutense de Madrid

Année de défendre: 1998

Jury:
  1. Miguel Sánchez García President
  2. Felipe A. Calvo Manuel Secrétaire
  3. Eduardo Lanzós González Rapporteur
  4. Juan Negueruela Ugarte Rapporteur
  5. Francisco López-Lara Martín Rapporteur

Type: Thèses

Teseo: 64973 DIALNET

Résumé

La enfermedad de Hodgkin es una entidad potencialmente curable en la mayoría de los pacientes con los tratamientos actuales. la definición de factores pronósticos, clínicos, tumorales y terapéuticos ha permitido seleccionar grupos de riesgo. En cada uno de éstos, la realización del tratamiento menos tóxico y más efectivo centra la investigación de esta enfermedad. Se han analizado las historias clínicas de 345 pacientes diagnosticados y tratados de enfermedad de Hodgkin en el Hospital General Universitario Gregorio Marañon de Madrid. La influencia de la edad, el papel de la laparotomía, el tratamiento inicial, la evolución de la quimioterapia y de la radioterapia, así como el estudio de las complicaciones y de los segundos tumores, son algunas de las 57 variables evaluadas. Se refleja la supervivencia global, la supervivencia libre de enfermedad, la supervivencia libre de fracaso y el índice de recidivas de la serie, con un análisis univariante y multivariante de las variables estudiadas como factores pronósticos. El empleo de diferentes métodos estadísticos ayuda a conocer mejor la evolución de la enfermedad de Hodgkin. En primer lugar, nos ha permitido describir los factores pronósticos útiles para la decisión del tratamiento. Una vez definidos y en grupos comparables, describen el esquema terapéutico que ha conseguido los mejores resultados respecto a la supervivencia global, supervivencia libre de enfermedad y recidiva. Por último, métodos estadísticos como la segmentación y los clusters permiten crear árboles de decisión o grupos de riesgo que orientan hacia la necesidad de buscar nuevas estrategias de tratamiento en aquellos grupos de mal pronóstico.