You are on page 1of 14

Elsevier Editorial System(tm) for Semergen:

medicina de familia
Manuscript Draft

Manuscript Number: SEMERGEN-D-16-00240R1

Title: INVESTIGACIÓN EPIDEMIOLÓGICA EN CÁNCER COLORRECTAL:


PERSPECTIVA,PROSPECTIVA Y RETOS...

Article Type: Editorial

Corresponding Author: Dr. Juan Manuel García Torrecillas,

Corresponding Author's Institution: Complejo Hospitalario Torrecárdenas

First Author: Juan Manuel García Torrecillas

Order of Authors: Juan Manuel García Torrecillas; Manuel Ferrer Márquez;


Angel Reina Duarte; Francisco A Rubio Gil

Response to Reviewers: Estimado Sr Editor, Dr Fenrnández Ruiz,

En relación con los comentarios sobre la modificación menor en el título,


consideramos que es totalmente oportuna y agradecemos dicha sugerencia.
Se ha procedido al cambio de título por:

"INVESTIGACIÓN EPIDEMIOLÓGICA EN CÁNCER COLORRECTAL: PERSPECTIVA,


PROSPECTIVA Y RETOS BAJO LA ÓPTICA DE EXPLOTACIÓN DEL BIG-DATA"

Se han realizado los cambios en la primera página y en el manuscrito, si


bien en la plataforma por exceder el número de caracteres se han acortado
usando puntos supensivos "...". Si existe otra forma de solventar este
punto le ruego nos la comunique, así como cualquier otro tipo de
sugerencia.

Quedamos a su disposición

Los autores
Carta de presentación

INVESTIGACIÓN EPIDEMIOLÓGICA EN CÁNCER COLORRECTAL: PERSPECTIVA,


PROSPECTIVA Y RETOS BAJO LA ÓPTICA DE EXPLOTACIÓN DEL BIG-DATA

Juan Manuel García-Torrecillas


Manuel Ferrer-Márquez
Ángel Reina-Duarte
Francisco Rubio-Gil

Sr. Editor de la revista SEMERGEN,

Sometemos a su oportuna valoración un manuscrito que consideramos podría encajar como


editorial en su publicación. Se abordan aspectos del cáncer colorrectal, especialmente
epidemiológicos, donde los médicos de familia y en general la atención primaria pueden jugar
un papel importante.

El cáncer colorrectal es una entidad con una prevalencia e incidencias elevadas. La


epidemiología de este proceso en nuestro país se limita a estudios de carácter localista y
frecuentemente con metodologías de análisis básicas.

El manuscrito adjunto pretende mostrar las posibilidades del abordaje que las grandes bases
de datos y registros clínico-administrativos puede representar para una moderna
epidemiología del cáncer colorrectal, más en línea con el hilo conductor actualmente
imperante en EEUU y Europa. Se hace un especial énfasis en el enfoque multidisciplinario de
este abordaje, donde la Atención Primaria juega un papel fundamental, muy especialmente
en el periodo post-alta de los pacientes y en la minimización de los reingresos.

Se exponen los resultados exploratorios de la entidad en nuestro país, las nuevas metodologías
para la creación de modelos predictivos mediante la explotación del Big Data fuera de nuestras
fronteras y cómo la incorporación de técnicas recientes de análisis (propensity score, redes
neuronales, modelos multinivel) pueden suponer un avance cualitativo en el conocimiento de
esta patología en nuestro país.

Se intenta reforzar la idea nuclear de que un nuevo modo de valoración de los datos y un
mejor uso de recursos ya disponibles, son herramientas básicas para progresar en el
conocimiento de la enfermedad e incluso crear modelos que optimicen su gestión.

- Se trata de un artículo original que no ha sido publicado previamente ni está enviado ni


sometido a consideración a cualquier otra publicación, en su totalidad o en alguna de sus
partes.

- Los autores declaran que no existe conflicto de intereses.

- Todos los autores han leído y aprobado el manuscrito y los requisitos para la autoría se han
cumplido.
*Responsabilidades eticas

Responsabilidades éticas

Protección de personas y animales. Los autores declaran que para esta investigación no se han
realizado experimentos en seres humanos ni en animales.

Confidencialidad de los datos. Los autores declaran que en este artículo no aparecen datos de
pacientes.

Derecho a la privacidad y consentimiento informado. Los autores declaran que en este artículo no
aparecen datos de pacientes.
*1ª página

TÍTULO: INVEVESTIGACIÓN EPIDEMIOLÓGICA EN CÁNCER COLORRECTAL: PERSPECTIVA,


PROSPECTIVA Y RETOS BAJO LA ÓPTICA DE EXPLOTACIÓN DEL BIG-DATA

AUTORES:
(1) Juan Manuel García Torrecillas. Especialista en Medicina de Familia. Unidad de
Investigación Hospital Torrecárdenas, Almería, España.
(2) Manuel Ferrer Márquez. Servicio de Cirugía General y del Aparato Digestivo,
Hospital Torrecárdenas, Almería, España
(3) Ángel Reina Duarte. Servicio de Cirugía General y del Aparato Digestivo, Hospital
Torrecárdenas, Almería, España
(4) Francisco Rubio-Gil. Servicio de Cirugía General y del Aparato Digestivo, Hospital
Torrecárdenas, Almería, España

AUTOR PARA CORRESPONDENCIA


Juan Manuel García Torrecillas. Unidad de Investigación del Hospital Torrecárdenas.
C/ Hermandad de Donantes de Sangre s/n. CP 04009. Almería
Email: garcia.torrec@yahoo.es
Teléfono: 670745395

APOYOS-FINACIACIÓN DEL MANUSCRITO. ASPECTOS PREVIOS


El presente manuscrito no ha recibido ningún tipo de financiación externa, becas ni
otro tipo de soporte pecuniario con origen externo ni propio de la institución.
Asimismo, el contenido del presente manuscrito no ha sido divulgado en ningún otro
foro ni congreso. Tampoco existe conflicto de intereses alguno.

PALABRAS DEL MANUSCRITO: 2421 palabras

CONTRIBUCIÓN DE AUTORÍA:
Juan Manuel García Torrecillas: Redacción, revisión crítica y aprobación de la versión
final.
Manuel Ferrer Márquez: Revisión crítica y aprobación de la versión final.
Ángel Reina Duarte: Revisión crítica y aprobación de la versión final.
Francisco Rubio Gil: Revisión crítica y aprobación de la versión final.
*Manuscrito (anónimo)

INVESTIGACIÓN EPIDEMIOLÓGICA EN CÁNCER COLORRECTAL: PERSPECTIVA,


1
2 PROSPECTIVA Y RETOS BAJO LA ÓPTICA DE EXPLOTACIÓN DEL BIG-DATA
3
4
5 El abordaje multidisciplinar del CCR
6
7
8 El CCR es una entidad que implica de modo directo a diferentes especialidades, tanto
9
10 de Atención Especializada como de Atención Primaria (AP) y la Salud Pública. El
11
12 consenso es claro en cuanto a la necesidad de trabajo conjunto en el cribado para
13 conseguir resultados análogos a los mostrados previamente con el cáncer de mama.
14
15 Pero no sólo se precisa de una actuación conjunta en los procesos de cribado,
16
17 extremadamente importantes de otro lado. La sinergia de la AP con el resto de
18 especialidades debe abarcar el conocimiento continuo de la enfermedad, sus patrones
19
20 epidemiológicos, la detección y creación de herramientas útiles en la clasificación de
21
22 los pacientes, sus probabilidades de experimentar eventos adversos (reingresos,
23 mortalidad).
24
25 El acceso a la los datos que generan la información no es propiedad de una
26
27 especialidad concreta. Es deseable que sean de fácil acceso a todos los profesionales
28
y desde la AP, al igual que desde el resto de estructuras y especialidades, se puede
29
30 generar una cada vez más amplia corriente de conocimiento, preferiblemente de modo
31
32 sinérgico, para tener una visión casi instantánea de la situación de esta entidad en
33
cada momento. Todo lo anterior posibilitaría un sistema integrado de información, con
34
35 participación multidisciplinaria, que monitorizaría no sólo el cribado de CCR sino la
36
37 tendencia y comportamiento de la enfermedad y los pacientes(1).
38
39
Los médicos de AP, extremadamente sensibles a la eclosión del Big Data y tan
40 próximos a los métodos de la Salud Pública y Comunitaria, jugamos un papel
41
42 fundamental en las nuevas líneas de conocimiento de la entidad, en colaboración
43
44
estrecha con el resto de especialidades.
45
46
47 Epidemiología del CCR
48
49
50 Actualmente el cáncer de colon es el tercer tumor maligno más frecuente,
51
52 constituyendo un problema sanitario de primer orden en los países occidentales. En
53
54 EEUU durante 2016 se ha estimado que se producirán 134.490 casos de cáncer
55 colorrectal (CCR), lo cual supondrá unos 49.190 fallecimientos directamente atribuibles
56
57 a esta causa. Esto representaría un 8% del total de las muertes por cáncer en el
58
59 país(2).
60
61
62
63
64
65
En España, el CCR es responsable de aproximadamente el 15% de la incidencia de
1
todos los tumores, registrándose más de 25.000 casos nuevos al año, y constituye, al
2
3 igual que en los países occidentales, la segunda causa de muerte por cáncer (más de
4
5 13.000 muertes al año)(3, 4), llegando a ser la causa más frecuente de muerte por
6
7
cáncer si se consideran ambos sexos de modo conjunto(5).
8
9
10 El anuario 2016 de la Sociedad Española de Oncología Médica, en su documento "Las
11
12
cifras del cáncer en España 2016"(6) confirma que los datos europeos son
13 concordantes con la situación española y constatan además una importante asimetría
14
15 geográfica. Estiman una prevalencia para 2017 de 440 casos por 100.000 habitantes,
16
17 muy similar al estudio de Gatta et al(7), en el que se reportó una prevalencia europea
18 de 369,4 casos por 100.000 habitantes.
19
20
21
22 Los registros de cáncer en España muestran las tasas de prevalencia más elevadas
23 en Mallorca, Navarra, Asturias y Tarragona, y las más bajas en Albacete y Granada.
24
25 En el periodo 2003-2007 las tasas en hombres fluctuaron entre el 33,2% por 100.000
26
27 en Cuenca y el 50,7% por 100.000 en Granada. En mujeres las tasas variaron entre el
28 17,3% y el 27,8% por 100.000 en ambas ciudades respectivamente(8). En los últimos
29
30 20 años los patrones de distribución geográfica parecen permanecer relativamente
31
32 estables en varones en varios procesos oncológicos (cáncer gástrico, CCR y cáncer
33 de pulmón) al tiempo que el CCR en mujeres comienza a mostrar un patrón de
34
35 distribución espacial que merece una especial atención cuando es examinado
36
37 mediante procedimientos de modelado espacial basados en ajustes de Poisson y las
38 técnicas de autoregresión propuestas por Besag, York y Mollié(9).
39
40
41
42 En consecuencia, la heterogeneidad del proceso no es desdeñable, especialmente si
43 consideramos que las tasas no dependen sólo de la incidencia, sino que pueden venir
44
45 sustancialmente modificadas por la propia gestión del proceso y, en especial, por
46
47 aspectos como la detección precoz, donde la AP juega un papel primordial, y la
48 eficacia terapéutica. Además los datos de mortalidad no reflejan de modo preciso la
49
50 verdadera incidencia debido en parte a las de cribado.
51
52
53 Mortalidad y Supervivencia
54
55 La mortalidad por CCR continúa siendo muy elevada, si bien es cierto que se han
56
57 producido descensos discretos, especialmente en la población más joven. El descenso
58
reciente en la mortalidad, aunque escaso, ha sido atribuido al diagnóstico precoz y sus
59
60 implicaciones en las mejoras terapéuticas, así como al incremento en el número de
61
62
63
64
65
colonoscopias completas que se efectúan en individuos de alto riesgo(10). En cualquier
1
caso es posible que las estadísticas actuales no reflejen aún el grado real de mejoría
2
3 atribuible a estas intervenciones.
4
5
6
7
La supervivencia a 5 años en España, ajustada por edad, es del 57,1% en el cáncer
8 de cólon y del 56,4% en el de recto según el estudio EUROCARE-5(11). En otro
9
10 sentido, hay autores (Ribes J et al, 2009) que afirman que, a diferencia de lo
11
12
observado en EEUU, la mayoría de los países europeos, incluido España, presentan
13 un tendencia al alza tanto en incidencia como en mortalidad(12).
14
15
16
17 La mortalidad e incidencia del CCR está relacionada con la edad. Aproximadamente el
18 90% de los nuevos casos diagnosticados y el 94% de los fallecimientos ocurren en
19
20 mayores de 50 años, lo que supone una tasa poblacional 14 veces más elevada que
21
22 en los más jóvenes(5).En cuanto al sexo, la mortalidad es superior en varones, los
23 cuales muestran también una incidencia creciente, al tiempo que permanece estable
24
25 en mujeres(5, 11).
26
27
28 Los datos de mortalidad y supervivencia más relevantes proceden de registros
29
30 poblacionales: en España, destaca el Registro de Cáncer de Navarra, integrado en la
31
32 red REDECAN ("Red Española de Registros de Cáncer")(13). A su vez, estos registros
33 se nutren de modo directo de bases de datos clínico-administrativas como el Conjunto
34
35 Mínimo Básico de Datos (CMBD).
36
37
38 Los datos de nuestro país muestran pocas diferencias respecto de los obtenidos en el
39
40 resto de Europa, y probablemente están afectos por similares sesgos, siendo uno de
41
42 los principales el análisis conjunto que se suele hacer de los tumores de colon y recto
43 dada la elevada frecuencia de neoplasias en la unión rectosigmodea.
44
45 Si bien existen motivos de suficiente entidad como para pensar en la existencia de
46
47 patrones geográficos y temporales en la distribución del CCR en España(14), no existe
48 ningún modelo predictivo que permita conocer la probabilidad de fallecer ó reingresar
49
50 por CCR utilizando información contenida en bases de datos clínico-administrativas.
51
52
53 Registros y bases de datos clínico-administrativas (BDCA)
54
55 La informatización progresiva de los servicios sanitarios permite el uso de ingentes
56
57 volúmenes de datos como el CMBD, prototipo de las bases de datos clínico-
58
administrativas. El CMBD, aprobado en España en 1987 por el Consejo Interterritorial
59
60 del SNS, y que sigue fielmente las recomendaciones de calidad de la Unión Europea,
61
62
63
64
65
es un registro de alta calidad, con un volumen de episodios que permite hablar de
1
estructuras cuasi-poblacionales pero que adolece, como defecto principal, de cierta
2
3 falta de exhaustividad. Este registro recoge el diagnóstico principal y 13 secundarios,
4
5 así como 21 categorías relativas a procedimientos, además de variables
6
7
administrativas y de gestión. El CMBD no registra pacientes, sino episodios de
8 hospitalización, suponiendo una dificultad para el linkage de unos episodios con otros
9
10 en el mismo paciente. No obstante, el ingente tamaño muestral y la potencia que
11
12
proporciona su uso probabiliza un buen rendimiento escasamente explorado en
13 nuestro país para estudios relacionados con el comportamiento de la patología tumoral
14
15 a lo largo de varios ejes, especialmente el temporal y geográfico.
16
17
18 Hasta 2006 no se disponía de ningún estudio que confirmara la validez del CMBD para
19
20 detectar casos incidentes; los trabajos de Márquez Cid et al(15) fueron los primeros en
21
22 nuestro medio en demostrar que el CMBD es una buena fuente para la detección de
23 casos incidentes y con una alta concordancia frente al gold estándar constituido por
24
25 registros poblacionales de cáncer como el citado(16). El uso de CMBD para la detección
26
27 de casos incidentes en CCR arrojó cifras de sensibilidad superiores al 88% cuando se
28 consideró el diagnóstico principal, y hasta del 85% al considerar las restantes
29
30 categorías diagnósticas.
31
32
33 Hoy día se considera que los registros poblacionales de cáncer son las herramientas
34
35 óptimas para utilizar como estándar de calidad de los estudios de validación en el
36
37 diagnóstico de los diferentes cánceres(17). Una de sus principales ventajas es la
38 amplísima cobertura (más del 99% de los episodios tienen codificado un diagnóstico
39
40 principal) y la existencia de sesgos de infrarregistro puede controlarse en un grado
41
42 aceptable con la adecuada modelización estadística.
43
44
45 Modelos predictivos
46
47
48 En España y hasta el momento actual no se han elaborado modelos predictivos para
49
50 la mortalidad intrahospitalaria ni el reingreso precoz del CCR. Si bien ambos tipos
51
52 de modelos son de gran interés, bajo la óptica de la AP, las herramientas predictoras
53 de reingreso precoz en nuestros pacientes deben ser exploradas si cabe con más
54
55 énfasis. Disponemos de algunos modelos logísticos para enfermedades digestivas
56
57 y hepatobiliares basados en CMBD (Peiró M et al), con metodología de Cox ajustada,
58
de alta calidad pero limitados a un área geográfica concreta (Valencia)(18). Actualmente
59
60 las líneas de actuación sobre efectos adversos y CCR comienzan a devenir en la
61
62
63
64
65
trayectoria del establecimiento de este tipo de modelos, habiendo comenzado ya
1
a desarrollarse algunos trabajos sobre modelos de predicción aplicados de modo
2
3 específico al CCR, aunque no necesariamente fundamentados en registros o
4
5 bases de datos como el CMBD(19, 20).
6
7
8 Existe pues una importante carencia en la literatura nacional de estudios que aborden
9
10 la predicción y elaboración de scores a partir de bases de tan gran tamaño muestral, y
11
12
por ende potencia, como el CMBD para elaborar modelos de predicción,
13 especialmente para mortalidad, reingreso y otros desarrollos adversos. En EEUU y
14
15 Europa la tendencia es bien distinta. Utilizando datos de carácter clínico
16
17 administrativo, solos o en combinación ocasional con otros estrictamente clínicos,
18 se viene desarrollando una corriente creciente de producción científica de alto
19
20 impacto y relevancia clínica, hasta el momento desconocida dentro de nuestras
21
22 fronteras. Esta metodología originó sus primeros frutos en Inglaterra, donde se
23 manejaron ya en 2007 datos procedentes de registros administrativos y clínicos,
24
25 concretamente las bases de datos nacionales de cirugía cardíaca, patología vascular y
26
27 CCR, para abordar la creación de modelos predictivos de mortalidad emplazados en el
28 National Health Service. La metodología empleada sobre BDCA consistió en la
29
30 estimación de riesgos ajustados de mortalidad mediante regresión logística binaria y
31
32 los modelos fueron validados mediante el método de segmentación en dos
33 cohortes (derivación y validación). Posteriormente y tras un contraste con fuentes de
34
35 datos estrictamente clínicas, pudo establecerse la validez de dichas bases de datos,
36
37 las cuales presentaron una buena calibración y una capacidad discriminativa similar a
38 las de carácter exclusivamente clínico(21). De nuevo la fuente de información no
39
40 incluyó en ningún caso datos procedentes de los sistemas de información de AP que
41
42 podrían haber sido de gran utilidad.
43
44
45 Si bien la construcción y uso de modelos predictivos y scores es un procedimiento muy
46
47 frecuente en disciplinas como Medicina Intensiva y en AP, en las áreas quirúrgicas es
48 bastante inusual. En la cirugía del CCR se viene manejando desde hace tiempo uno
49
50 de los pocos modelos predictivos creados para estimar mortalidad
51
52 postoperatoria, se trata del score POSSUM (The Physiology and Operative Severity
53 Score for Enumeration of Mortality and Morbidity)(22). No obstante, este score
54
55 incorpora fundamentalmente variables de carácter clínico medidas
56
57 inmediatamente antes del procedimiento y queda alejado de los modelos basados en
58
BDCA.
59
60
61
62
63
64
65
El modelo predictivo de mortalidad a 30 días de Vries et al(23), desarrollado sobre datos
1
de Medicare en EEUU combinación con algunos parámetros propios del CCR,
2
3 consiguió una aceptable capacidad discriminativa pero con una subóptima calibración,
4
5 probablemente por haber manejado la mortalidad a un mes del procedimiento. No
6
7
obstante, incorporó el procedimiento de logística multinivel que supone una
8 herramienta sofisticada sobre los métodos empleados previamente. En la misma
9
10 línea, otros trabajos como los de Mo Jang et al(24) desarrollaron modelos
11
12
similares con adición de datos clínicos a los administrativos obteniendo una excelente
13 capacidad de discriminación (C-Statistic: 0,92); asimismo, Walker et al(25)
14
15 desarrollaron un modelo de excelentes resultados para mortalidad postoperatoria
16
17 a partir de los datos del National Bowel Cancer Audit (NBCA) en Inglaterra.
18
19
20 De otro lado, los reingresos se comportan como proxy de la calidad de la
21
22 atención médico-quirúrgica y son de un interés extremo para los profesionales de AP.
23 Se ha demostrado que cuando se incluyen las variables propias de
24
25 complicaciones del postoperatorio inmediato, los estimadores no sólo son más
26
27 precisos, sino que estas consideraciones alcanzan mayor importancia que los datos
28 socio demográficos y las comorbilidades crónicas en los modelos estadísticos (26,
29
27)
30 . Una carencia de las BDCA es la falta de variables que informen de la
31
32 transición desde el alta hasta el reingreso. Este inconveniente puede ser
33 manejado mediante un enfoque dirigido desde AP y posteriormente debe ser
34
35 optimizado mediante la mejora en la potencia y calidad de las estimaciones vía
36
37 nuevas técnicas estadísticas, aún escasamente empleadas en la creación de
38 modelos para CCR (análisis multinivel, técnicas de propensión y redes
39
40 neuronales entre otras). Destacamos los modelos predictivos de reingreso obtenidos
41
42 por Francis, Luther et al, mediante el uso de redes neuronales y que son una de las
43 escasas muestras de la aplicación de esta técnica al CCR(28).
44
45
46
47 Los reingresos tras cirugía colorrectal son frecuentes. En tres de cada 4 casos
48 obedecen a motivos quirúrgicos (infección en relación con la cirugía, obstrucción
49
50 intestinal y deshidratación fundamentalmente) y los restantes lo hacen por motivos
51
52 médicos. Considerando las variables que motivan el reingreso y la cobertura de las
53 BDCA, se infiere que la afirmación de Kwaan et al(27), en el párrafo previo, es
54
55 totalmente plausible y además subsidiaria de afrontar con una adecuada metodología
56
57 de análisis. Si a esto añadimos una información fluida desde el alta quirúrgica
58
procedente de los sistemas de información clínica de AP, el proceso mejoraría
59
60 sustancialmente.
61
62
63
64
65
Prospectiva
1
La investigación epidemiológica en CCR puede y debe tender en nuestro criterio hacia
2
3 la obtención de modelos predictivos que detecten variables asociadas a una mayor
4
5 probabilidad mortalidad intrahospitalaria y reingreso precoz, así como la fuerza
6
7
de su asociación, siendo los modelos sobre reingreso claves como fuente de
8 información en AP. La elaboración de dichos modelos con técnicas estadísticas
9
10 avanzadas no sólo aportaría un plus de progresión en la metodología del abordaje de
11
12
la epidemiología del CCR en España, sino que mejoraría la precisión de las
13 estimaciones y ayudaría a su vez en la toma de decisiones tanto clínicas como de
14
15 gestión.
16
17
18 Indudablemente los nuevos procedimientos estadísticos, el big data y la explotación de
19
20 las grandes bases de datos, debería revertir en el desarrollo e implementación de
21
22 modelos de atención, calidad y gestión que optimicen el tratamiento de estos
23 pacientes en el ámbito extrahospitalario y durante las hospitalizaciones(29).
24
25
26
27 Las técnicas quirúrgicas y los tratamientos oncológicos en CCR continúan en
28 un avance continuo, pero también lo hace su incidencia y secundariamente su
29
30 prevalencia. Pese a ello, no es posible aprovechar al máximo el avance de la técnica,
31
32 el diagnóstico precoz y el tratamiento oncológico si no conseguimos establecer
33 un mapa de situación que muestre dónde estamos realmente y cómo podemos
34
35 mejorar a partir de la experiencia incalculable que deben proporcionarnos miles
36
37 de registros. La incorporación a estas fuentes de información de datos y modelos
38 procedentes de la AP ayudarían a perfilar con aún mayor exactitud este mapa
39
40 situacional.
41
42
43 Existe una laguna de conocimiento de carácter crónico(30) generada por el escaso
44
45 abordaje epidemiológico y predictivo basado en estas ingentes fuentes de
46
47 información. Desde un punto de vista de la investigación de desarrollo, centrada en los
48 avances metodológicos, disponemos de publicaciones aisladas en Europa y EEUU y
49
50 de ninguna en España que hayan afrontado el problema del análisis mediante técnicas
51
52 novedosas como los procedimientos basados en redes neuronales(28) o una aplicación
53 particular del índice de propensión añadido al método de regresión logística robusta
54
55 usual.
56
57 Estimular líneas de trabajo que combinen el uso de grandes registros con las más
58
recientes técnicas estadísticas nos permitiría unirnos al hilo investigador Europeo
59
60 donde este tipo de estrategias se vienen desarrollando desde hace años, y donde la
61
62
63
64
65
explotación cada vez más avanzada de las BDCA rinde indudables efectos
1
beneficiosos.
2
3
4
5 El conocimiento ha de ser propiedad de todos los actores, y debe ser nuestro objetivo
6
7
que el máximo número de profesionales puedan tener acceso a nuevo conocimiento,
8 usarlo, explotarlo y, en definitiva, revertirlo en beneficio del paciente. Disponemos de la
9
10 información, ingente en el tiempo y con contenido geográfico, junto a métodos
11
12
estadísticos cada vez más complejos y capaces de "extraer información de los datos".
13 Al caudal de información hospitalaria se ha de sumar la procedente de AP, pues en
14
15 ella reside la clave que permitirá reconstruir la historia integral de la enfermedad.
16
17 Este debe ser el reto, construir información a partir de datos preexistentes y que se
18 continúan generando a diario, de tal modo que revierta en una mejor atención al
19
20 paciente, optimización de los circuitos asistenciales y simultáneamente poner en valor
21
22 al Big Data que nuestro Sistema Sanitario alberga hace tiempo y persiste
23 indefinidamente poco explotado.
24
25 La AP tiene indudablemente un papel crucial en este abordaje multidisciplinar, pues
26
27 puede aportar variables clave de la evolución extrahospitalaria de los pacientes
28 afectos de CCR pero también posee los conocimientos técnicos, estadísticos y
29
30 epidemiológicos del nivel necesario para afrontar este nuevo reto en un trabajo
31
32 conjunto con el resto de disciplinas implicadas.
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
BIBLIOGRAFÍA
1
2
1. Andreu Garcia M, Marzo M, Mascort J, Quintero E, Garcia-Alfonso P, Lopez-
3 Ibor C, et al. [Prevention of colorectal cancer]. Atencion primaria / Sociedad Espanola
4 de Medicina de Familia y Comunitaria. 2009;41(3):127-8.
5 2. Siegel RL, Miller KD, Jemal A. Cancer statistics, 2016. CA: a cancer journal for
6 clinicians. 2016;66(1):7-30.
7
8 3. Castell A et al. (2009). Prevención del Cáncer Colorrectal. Actualización 2009.
9 Gastroenterol Hepatrol , 32(10): 717e1-717e58.
10 4. Torre LA, Bray F, Siegel RL, Ferlay J, Lortet-Tieulent J, Jemal A. Global cancer
11 statistics, 2012. CA: a cancer journal for clinicians. 2015;65(2):87-108.
12
13
5. Courtney RJ, Paul CL, Carey ML, Sanson-Fisher RW, Macrae FA, D'Este C, et
14 al. A population-based cross-sectional study of colorectal cancer screening practices of
15 first-degree relatives of colorectal cancer patients. BMC Cancer. 2013;13:13.
16 6. Sociedad Española de Oncología Médica (SEOM). Las cifras del cáncer en
17 España 2016. [Acceso el 22 de Febrero de 2016]. Disponible en:
18
19 http://seom.org/seomcms/images/stories/recursos/LA_CIFRAS_DEL_CANCER_EN_2
20 016.pdf
21
22 7. Gatta G, Mallone S, van der Zwan JM, Trama A, Siesling S, Capocaccia R, et al.
23
24
Cancer prevalence estimates in Europe at the beginning of 2000. Annals of oncology :
25 official journal of the European Society for Medical Oncology / ESMO.
26 2013;24(6):1660-6.
27 8. Bray F, Ferlay J, Laversanne M, Brewster DH, Gombe Mbalawa C, Kohler B, et
28 al. Cancer Incidence in Five Continents: Inclusion criteria, highlights from Volume X
29
30 and the global status of cancer registration. Int J Cancer. 2015;137(9):2060-71.
31 9. Lopez-Abente G, Aragones N, Perez-Gomez B, Pollan M, Garcia-Perez J, Ramis
32 R, et al. Time trends in municipal distribution patterns of cancer mortality in Spain.
33 BMC Cancer. 2014;14:535.
34 10. Aran V, Victorino AP, Thuler LC, Ferreira CG. Colorectal Cancer:
35
36 Epidemiology, Disease Mechanisms and Interventions to Reduce Onset and Mortality.
37 Clinical colorectal cancer. 2016.
38 11. Holleczek B, Rossi S, Domenic A, Innos K, Minicozzi P, Francisci S, et al. On-
39 going improvement and persistent differences in the survival for patients with colon and
40
41
rectum cancer across Europe 1999-2007 - Results from the EUROCARE-5 study.
42 European journal of cancer. 2015.
43 12. Ribes J, Navarro M, Cleries R, Esteban L, Pareja L, Binefa G, et al. Colorectal
44 cancer mortality in Spain: trends and projections for 1985-2019. European journal of
45 gastroenterology & hepatology. 2009;21(1):92-100.
46
47 13. Red Española de Registros de Cáncer REDECAN. [Acceso 15 Marzo de 2016].
48 Disponible en: http://redecan.org/es/index.cfm.
49 14. López Abente G, Pollán M, Aragonés N, Pérez Gómez B, Hernández Barrera V,
50 Lope V, et al. Situación del cáncer en España: incidencia. An Sist Sanit Navar.
51
52
2004;27(2):165-73.
53 15. Márquez Cid M, Valera Niñirola I, Chirlaque López M, Tortosa Jiménez J,
54 Párraga Sánchez E, Navarro Sánchez C. Validación de los códigos diagnósticos de
55 cáncer de cólon y recto del Conjunto Mínimo Básico de Datos. Gac Sanit.
56 2006;20(4):266-72.
57
58 16. Quan H, Parsons G, Gerry A, Ghali W. Validity of Information on Comorbidity
59 Derived From ICD-9-CCM Administrative Data. Medical Care. 2002;40(8):675-85.
60
61
62
63
64
65
17. Piccirillo J, Ryan M, Costas I, Grove L, Spitznagel E. Prognostic Importance of
1 Comorbidity in a Hospital-Based Cancer Registry. JAMA. 2004;291(20):2441-7.
2 18. Peiró S, Librero J, Benages Martínez A. Factores asociados al reingreso
3
4
hospitalario urgente en enfermedades digestivas y hepatobiliares. Med Clin (Barc).
5 2006;107:4-13.
6 19. Quintana, J.M; Portugal, V. Proyecto FISS 2009: Resultados de riesgo a corto y
7 medio plazo de resultados adversos y creación de modelos predictivos en pacientes con
8 cáncer de colon-recto. Estudio coordinado multicéntrico IRIS-CCR. (2010-2012). .
9
10 20. Aguirre Larracoechea, U. Factores de riesgo a corto y medio plazo de resultados
11 adversos y creacion de modelos predictivos, en pacientes con cáncer de colon-recto.
12 Estudio
13 coordinado-multicentrico IRYSS-CCR. Financiado por el Departamento de Sanidad y
14
15
Consumo del Gobierno Vasco. EXPTE.2010111098
16 21. Aylin P, Bottle A, Majeed A. Use of administrative data or clinical databases as
17 predictors of risk of death in hospital: comparison of models. BMJ (Clinical research
18 ed). 2007;334(7602):1044.
19 22. Copeland GP, Jones D, Walters M. POSSUM: a scoring system for surgical
20
21 audit. The British journal of surgery. 1991;78(3):355-60.
22 23. de Vries S, Jeffe DB, Davidson NO, Deshpande AD, Schootman M.
23 Postoperative 30-day mortality in patients undergoing surgery for colorectal cancer:
24 development of a prognostic model using administrative claims data. Cancer causes &
25
control : CCC. 2014;25(11):1503-12.
26
27 24. Jang WM, Park JH, Park JH, Oh JH, Kim Y. Improving the performance of risk-
28 adjusted mortality modeling for colorectal cancer surgery by combining claims data and
29 clinical data. Journal of preventive medicine and public health = Yebang Uihakhoe chi.
30 2013;46(2):74-81.
31
32
25. Walker K, Finan PJ, van der Meulen JH. Model for risk adjustment of
33 postoperative mortality in patients with colorectal cancer. The British journal of
34 surgery. 2015;102(3):269-80.
35 26. Lawson EH, Hall BL, Louie R, Zingmond DS, Ko CY. Identification of
36 modifiable factors for reducing readmission after colectomy: a national analysis.
37
38 Surgery. 2014;155(5):754-66.
39 27. Kwaan MR. Can Large Database Studies Help Us Decrease Readmissions After
40 Colorectal Surgery? Dis Colon Rectum. 2015;58(12):1121-2.
41 28. Francis NK, Luther A, Salib E, Allanby L, Messenger D, Allison AS, et al. The
42
43
use of artificial neural networks to predict delayed discharge and readmission in
44 enhanced recovery following laparoscopic colorectal cancer surgery. Techniques in
45 coloproctology. 2015;19(7):419-28.
46 29. Elixhauser A, Steiner C, Claudia M, Harris D, Robert D, Coffey R. Comorbidity
47 Measures for Use with Administrative Data. Medical Care. 1998;36(1):8-27
48
49
50 30. Reina Duarte A, Ferrer Márquez M, Rubio Gil F, Belda Lozano R, Álvarez
51 García A, Blesa Sierra I, et al. ¿Qué se investiga en cáncer de recto?. In press. DOI
52 [http://dx.doi.org/10.1016/j.ciresp.2014.09.008]2014.
53
54
55
56
57
58
59
60
61
62
63
64
65