o objetivo do nosso estudo é usar dados do Departamento de emergência para desenvolver um diagnóstico diferencial para a dor com base na metodologia da árvore de classificação. Também compararemos este modelo com pontuações clássicas e a pontuação gerada por uma rede neural artificial (ANN) para auxiliar no diagnóstico de AA e outros processos abdominais.estudo observacional prospectivo de um período de 18 meses (entre 1 de julho de 2015 e 31 de dezembro de 2016) realizado nas urgências de um hospital de segundo nível com 450 camas hospitalares e 93.000 visitas anuais às urgências.
os pacientes deram o seu consentimento informado assinado, e o estudo foi aprovado pelo Comitê de Ética em Pesquisa Clínica (CEIC) no hospital.incluímos doentes com mais de 14 anos com mais de 6h de evolução da dor no RIF. Foram excluídos os doentes com apendicectomias anteriores e os que se perderam no seguimento.uma vez estabelecido o diagnóstico da dor no RIF, foram recolhidas as seguintes variáveis: idade, sexo, cirurgia abdominal prévia, Índice de Massa Corporal (IMC), tempo de evolução dos sintomas em horas, ingestão prévia de analgesia e temperatura corporal.
as variáveis clínicas incluídas nos modelos clássicos foram recolhidas: dor anterior semelhante, sinal de Blumberg (positivo ou não), migração da dor, aumento da dor com tosse, aumento da dor com mobilização, náuseas/vómitos, anorexia, diarreia e obstipação. Dados analíticos incluídos: número de leucócitos (número de células×109), percentagem de neutrófilos (%) e níveis séricos de PCR (mg/dL). O método analítico utilizado foi o método padrão do laboratório hospitalar. Durante o acompanhamento, os dados registrados incluíram se o paciente foi hospitalizado, se a cirurgia foi realizada e o diagnóstico no final do episódio. Foram estabelecidos quatro grupos de diagnóstico: dor não específica do RIF (NsP) quando os sintomas foram remidos e o paciente foi liberado para casa; AA quando o paciente foi operado e a anatomia patológica foi concordante; dor abdominal no RIF sem inflamação (NIRIF) e dor abdominal no RIF com inflamação (IRIF). A inflamação foi definida como a existência de 2 ou mais sintomas clínicos das seguintes, além de dor no RIF: temperatura >38°C ou
°C, frequência cardíaca >90bpm, frequência respiratória maior que 20 respirações por minuto ou pCO2 mm hg, leucócitos sanguíneos >12000/mL ou
Os valores para o Alvarado,4 AIR6 e Fenyö-Lindberg5 algoritmos foram calculados.análise estatística as variáveis são expressas em média e desvio-padrão ou em percentagem. Para a comparação entre grupos (4 categorias), o teste Chi-quadrado foi utilizado para variáveis qualitativas e o teste Kruskal–Wallis não paramétrico para variáveis contínuas. Um valor P
o modelo de árvore de classificação foi criado usando o módulo AnswerTree do programa SPSS® (versão 20.0). A opção de detecção automática da interacção Qui-Quadrado (CHAID) foi utilizada com um critério de paragem limitado a um número mínimo de 15 doentes por nó terminal.8
O modelo ANN foi implementado usando o programa Alyuda® (Neurointeligência) que incorpora a metodologia Perceptron de camadas múltiplas com a contrapropagação.9
a estratégia para incorporar variáveis nos modelos foi o tipo “modelo completo” (inclusão de todas as variáveis candidatas); ambos os modelos têm capacidade automática de seleção variável de acordo com significância ou hierarquia. A validação interna dos dois modelos foi realizada através de validação cruzada (10 partições). A capacidade discriminatória dos modelos foi determinada calculando a área sob a curva ROC e as percentagens de classificação correta (PCC).10 resultados
295 doentes apresentaram dor no RIF, e 43 foram excluídos: 15 com apendicectomia prévia, 5 com menos de 6h de sintomas progressivos, e 23 por falta de acompanhamento. O grupo de estudo final consistiu em 252 doentes(Fig. 1).deste total, 121 pacientes foram internados no hospital, 107 dos quais foram tratados cirurgicamente. Os casos foram definidos por grupos de diagnóstico: 114 casos de NsP, 93 AA, 30 NIRIF e 15 IRIF. Os diagnósticos incluídos na classificação de NIRIF foram: 11 casos de infecções do tracto urinário, 7 cólicas renais, 5 gastroenterite aguda, 2 obstrução intestinal parcial, um quisto ovárico e 4 ‘outros diagnósticos’. Os diagnósticos incluídos no grupo IRIF foram: 5 casos de doença inflamatória pélvica, 4 pielonefrite aguda, 2 abcesso tubo-ovárico, 2 diverticulite aguda, uma colecistite aguda e uma doença inflamatória intestinal.a Tabela 1 mostra as características clínicas dos doentes incluídos nos 4 grupos de diagnóstico. Em geral, os pacientes são jovens, e não há diferenças de acordo com o sexo.a Tabela 2 mostra as variáveis analíticas e as pontuações dos modelos clássicos estudados. Se calcularmos as curvas ROC (AUC) das Pontuações para o diagnóstico único de AA em comparação com os 3 diagnósticos restantes, obtemos 0.82 (0.76–0.87) para a pontuação Alvarado, 0.83 (0.77–0.88) para o ar e 0.88 (0.84–0.92) para Fenyö-Lindberg.
| All(n=252) | NsP(n=114) | AA(n=93) | NIRIF(n=30) | IRIF(n=15) | P Valuea | |
|---|---|---|---|---|---|---|
| Leucocytes (109/l) | 12±5 | 10±4 | 16±4 | 10±4 | 14±4 | |
| Percentage of neutrophils | 75±12 | 69±13 | 82±7 | 72±13 | 78±7 | |
| CRP (mg/L) | 60±54 | 25±15 | 98±78 | 38±23 | 129±81 | |
| Alvarado | 5±2 | 4±2 | 6±1 | 4±2 | 6±1 | |
| AIR | 6±2 | 5±2 | 7±1 | 5±2 | 7±1 | |
| Fenyö-Lindberg | 7±30 | −9±25 | 31±18 | −14±27 | 19±17 |
AA: apendicite aguda; AR: Apendicite Resposta Inflamatória; IRIF: RIF dor, inflamação; NIRIF: RIF dores, inflamação; NsP: inespecíficos RIF dor; PCR: proteína C-reativa.valores de
Como média±DP.
comparação entre grupos com o teste Kruskal–Wallis.
: número de leucócitos, CRP, tosse dolorosa, sinal de Blumberg, sexo e tempo de evolução.
a hierarquia das variáveis, selecionadas automaticamente, é mostrada na Fig. 2. O primeiro é o número de leucócitos e, de acordo com o ponto de corte (também determinado automaticamente), as seguintes variáveis são incorporadas. O modelo determina 10 regras de tomada de decisão que são os nós finais.
Os nós finais (Fig. 2) pode ser classificado em 3 categorias. Nós de 10, 11 e 13 mostram uma classificação clara para o Pen grupo de diagnóstico, nós 7, 14 e 17 para AA diagnóstico, e nós 5, 12, 15 e 16, com uma classificação que é menos clara (inclui NIRIF e IRIF diagnósticos), que pode ser considerada especial. Por exemplo, estes grupos especiais exigiam mais ultra-sons em comparação com os grupos com classificação mais clara (41.6 vs. 21.1; P
.01).Modelo de Rede Neural Artificial
o modelo de ANN gerado automaticamente seleciona 10 variáveis: sinal de Blumberg, migração da dor, aumento da dor, aumento da dor com movimento, dor quando tosse, anorexia, temperatura, número de leucócitos, horas de evolução e níveis de CRP. A arquitetura que é criada automaticamente é composta por uma camada de entrada (com as 10 variáveis selecionadas), uma camada escondida com 12 nós e uma camada de saída com a possibilidade dos 4 grupos de diagnóstico. O modelo atribui para cada paciente (registro) um grupo de diagnóstico fora das 4 possíveis probabilidades de diagnóstico. O modelo ANN também determina que a variável com mais peso é o número de leucócitos.a Tabela 3 compara o modelo ANN e a árvore de classificação CHAID. Não se observam diferenças significativas entre as percentagens de PCC ou nas curvas ROC calculadas.este estudo foi comparado com outros estudos publicados na literatura sobre a dor no RIF (Tabela 4). Os tamanhos das amostras foram revistos e mostraram variabilidade notável (a maioria variou entre 139 e 545 doentes, sendo o maior 941 doentes).19
comparação Descritiva do nosso estudo com outros artigos publicados sobre dor no RIF.
| Name of Study | YearPlace | N | DesignService | Methodology | Population | Utility |
|---|---|---|---|---|---|---|
| Alvarado4 | 1986USA | 305 | RSurgery | DEV Alvarado | SUSP AAHOSP | DIAG AA |
| Fenyö-Lindberg4 | 1997Sweden | 1,167 | PSurgery | DEV Fenyö-Lindberg | SUSP AAHOSP | DIAG AA |
| Fenyö-Lindberg11 | 2004Sweden | 455 | PSurgery | VAL Fenyö-LindbergFemales | SUSP AAFemales-HOSP | DIAG AASurgery |
| Tzanakis et al.12 | 2005Greece | 504 | PSurgery and radiology | DEV ScoreVAL Alvarado | SUSP AAHOSP | DIAG AAUltrasound |
| Rennie et al.13 | 2006Great Britain | 300 | PSurgery | Study in females | SUSP AAFemales-HOSP | DIAG AA |
| Antevil et al.14 | 2006USA | 383609 | P-RSurgery | VAL CT | SUSP AAHOSP | DIAG AACT |
| Andersson et al.6 | 2008Switzerland | 545 | PSurgery | AlvaradoDEV Score LR | SUSP AAHOSP | DIAG AA |
| McCartan et al.15 | 2010Ireland | 302 | PSurgery | Review AA | SUSP AAHOSP | DIAG AA |
| Lintula et al.16 | 2010Finland | 181 | PSurgery | VAL ScorePediatrics | SUSP AAHOSP | DIAG AA |
| Poletti et al.17 | 2011Switzerland | 183 | PRadiology | VAL ULT/CT | SUSP AAHOSP | DIAG AAULTG-CT |
| Chong et al.18 | 2011Singapore | 192 | PSurgeryEmergency | VAL RIPASAEmergency | Dolor RIFHOSP | DIAG AA |
| De Castro et al.19 | 2012Holland | 941 | PEmergency | VAL Score | SUSP AAHOSP | DIAG AA |
| Gudelis et al. | 2018Spain | 252 | PEmergency | DEV Score | Dolor RIFER | DIAG dolor RIF |
AA: acute appendicitis; DEV: development; DIAG: diagnosis; ULT: ultra-som; RIF: fossa ilíaca direita; HOSP: doentes hospitalizados; p: prospectivo; R: retrospectivo; LR: modelo de regressão logística; SUSP AA: suspeita de AA; CT: tomografia computorizada; ER: sala de emergência; VAL: validação.
Uma das contribuições de nosso estudo é a utilização de 4 grupos de classificação. Em nossa série, o maior grupo de pacientes foi o grupo NsP. Nos estudos que foram realizados com mais pacientes selecionados (depois de ter passado por um ‘filtro’ inicial nas urgências), este grupo foi mais reduzido.13,14
O grupo AA incluiu todos os pacientes que foram admitidos no departamento de cirurgia e tratados cirurgicamente para suspeita de AA, cujo diagnóstico foi confirmado por patologia anatômica. A porcentagem destes pacientes variou de acordo com os critérios de inclusão dos diferentes estudos publicados.17
no nosso estudo, o diagnóstico de AA foi determinado pela patologia anatómica. Se considerada em pacientes com suspeita de AA que foram submetidos à cirurgia, nós descobrimos que apenas 6 (5.7%) pacientes não apresentaram um anatomic pathology diagnóstico de AA (3 com diagnóstico final de NsP e 3 IRIF). Esta percentagem (5,7%) de apendicectomias negativas é inferior aos relatórios de outras séries que variam entre 10% e 23%.7,11,15
acreditamos que o uso de dois outros NIRIF e IRIF categorias diagnósticas, fornece uma visão mais ampla do problema e uma classificação que se comporta de forma diferente para a determinação de um diagnóstico (mais exames de imagem serão necessários), bem como tratamento e prognóstico.
A principal vantagem do modelo baseado em árvores de classificação, que no nosso caso é o tipo CHAID, é que o modelo é fácil de interpretar. As regras de classificação que são geradas incluem todos os possíveis pacientes e aspectos de diferentes subgrupos, como idade e sexo.20,21
o modelo CHAID detectou que a variável mais importante é o número de leucócitos (coincidindo com o modelo ANN). O CHAID também inclui o nível de CRP na segunda linha. Também é interessante notar que a variável clínica incluída é a dor ao tossir. Durante o exame clínico, esta dor não depende do explorador, mas de uma manobra longe do exame abdominal direto. As 10 regras de classificação geradas foram agrupadas de acordo com a principal possibilidade de diagnóstico. Podem ser encontradas regras mais claras para o diagnóstico de NsP e AA (que chamamos de “especial”), onde o diagnóstico diferencial atinge maior proeminência, uma vez que os grupos NIRIF e IRIF estão mais presentes.outras séries foram publicadas usando diferentes metodologias de árvore de classificação, como o CART, mas apenas diferenciaram entre AA e não-AA. Modelos também foram feitos com variáveis clínicas e analíticas,22 usando a combinação com Alvarado23 e adicionando testes de imagem.24
o modelo ANN utilizado atinge valores aceitáveis de capacidade discriminatória. A desvantagem deste modelo é que ele funciona como uma “caixa negra” e não pode ser interpretado de uma maneira simples para uso clínico, uma vez que consiste de 480 parâmetros (10×12×4) que incluem todas as interações entre as variáveis de entrada, as da camada oculta e as dos nós de saída. Um computador é necessário para seu uso, e funciona como um modelo comparativo. O ANN usa todas as interconexões das variáveis utilizadas e não é mais preciso do que o modelo CHAID-based. Outros estudos utilizaram ANN para o diagnóstico de AA (focando apenas em AA e não-AA).Este estudo também tem várias limitações. O principal é a atribuição dos grupos utilizados. Estes são grupos que não foram validados pela literatura, e AA é considerado um processo inflamatório. Seria interessante ter uma amostra maior, especialmente nos grupos de diagnóstico NIRIF e IRIF. Em defesa do estudo, acreditamos que os modelos que só comparam AA versus outras condições têm menos capacidade de ser usados na gestão real do paciente.em conclusão, acreditamos que os profissionais que tratam pacientes com dor no RIF podem se beneficiar de modelos fáceis de interpretar e fornecer uma classificação com mais de duas possibilidades (AA vs. não-AA). O modelo CHAID gerado alcançou este objetivo, embora deva ser validado em outras séries maiores.financiamento não foi recebido qualquer financiamento para a realização deste estudo.
conflito de interesses
não temos conflito de interesses a declarar.