Desenvolvimento e validação de um modelo estatístico preditivo para adesão a terapia antirretroviral
Resumo
Resumo: A infecção pelo vírus HIV atinge milhões de pessoas em todo o mundo, e para que o tratamento da doença seja efetivo é necessária uma adesão de 95% das doses prescritas. Entretanto, a adesão é um processo complexo, dinâmico e multifatorial que envolve diversos desafios e dificuldades tornando a não adesão ao tratamento um problema de saúde pública mundial. Assim, a existência de uma ferramenta preditiva para esse desfecho pode permitir um grande avanço no desenvolvimento de estratégias adequadas para a prevenção da não adesão ao TARV aumentando assim a efetividade do tratamento na supressão da carga viral, restabelecimento do sistema imunológico, redução da morbimortalidade e redução dos casos de resistência viral. Deste modo, com este trabalho o objetivo foi o desenvolvimento e validação de um modelo preditivo da não adesão ao TARV para ser utilizado como ferramenta estatística de suporte no acompanhamento dos pacientes que vivem com HIV/AIDS. Esta pesquisa seguiu o modelo de estudo transversal, descritivo e exploratório, com abordagens quali-quantitativas. Foram utilizados dados coletados dos prontuários médicos e de entrevistas clínicas com instrumentos disponíveis na literatura que abordam diferentes aspectos relacionados à adesão. A avaliação dos fatores associados a não adesão abordados em cada questionário individualmente foi realizada por regressão logística e o desenvolvimento do modelo preditivo, utilizando itens de todos os questionários simultaneamente foi realizado por analise discriminante. Foram incluídos na pesquisa 119 pacientes, sendo 53,8% do sexo masculino, idade média de 43,08 (±11,50) anos, carga viral média de 8.974 (± 38.923) cópias/ml, contagem media de LT-CD4+ de 469,04 (± 326,07) células/mm3. A avaliação da adesão foi comparada por dois métodos distintos: questionário CEAT-VIH e cálculo utilizando a data de retirada dos medicamentos. O método que apresentou melhor desempenho para medir a adesão foi o calculo baseado na data de retirada dos medicamentos, o qual identificou 65,6% dos pacientes como não aderentes (percentual de adesão < 95%). Utilizando este resultado foram identificados fatores associados relacionados a dados sociodemográficos, ansiedade e depressão, estigmatização, expectativas e percepção de problemas e mudanças relacionados ao tratamento, qualidade de vida e suporte social. A construção do modelo preditivo permitiu a elaboração de um novo questionário composto por 23 itens, cujas respostas, adicionadas ao modelo preditivo permitem prever o provável desfecho de novos pacientes a serem avaliados. O modelo preditivo segue a equação geral da análise discriminante: Z = ? + ?1X1 + ?2X2+ ... + ?nXn e classifica os indivíduos no grupo que apresentar maior escore Z. A validação do modelo revelou uma acurácia de 100% e classificou corretamente todos os indivíduos avaliados. Deste modo, pode-se concluir que a ferramenta desenvolvida e disponibilizada em formato Excel pode ser utilizada tanto na prática clínica quanto em pesquisas envolvendo a adesão ao TARV. Palavras chave: HIV. Adesão. Tratamento. Fatores associados. Modelo Preditivo. Abstract: The HIV virus infection affects millions of people around the world, and for the treatment of the disease to be effective is necessary adhesion of 95% of the prescribed doses.However, adherence is a complex, dynamic and multifactorial process involving many challenges and difficulties becoming non-adherence to treatment a worldwide public health problem. Thus, the existence of a predictive tool for this outcome could allow a major advance in the development of appropriate strategies for the prevention of non-adherence to HAART thereby increasing the effectiveness of treatment on viral load suppression, restoring the immune system, reduce morbidity and mortality and reducing the incidence of viral resistance. Thus, with this work the aim was the development and validation of a predictive model of non-adherence to ART to be used as a statistical tool to support the monitoring of patients living with HIV / AIDS. This research followed the model of cross-sectional, descriptive and exploratory, qualitative and quantitative approaches. We used data collected from medical records and clinical interviews with instruments available in the literature dealing with different aspects related to adherence. The evaluation of associated factors to non adherence addressed in each individual questionnaire was performed by logistic regression and the development of the predictive model, using items from all questionnaires was conducted simultaneously by discriminant analysis. The study included 119 patients, 53.8% male, mean age of 43.08 (± 11.50) years, mean viral load of 8,974 (± 38,923) copies / ml, average count of CD4+ LT 469.04 (± 326.07) cells/mm3. Evaluation of adherence was compared by two different methods: CEAT-HIV questionnaire and calculation using the date of withdrawal of the medicines. The method with the best performance to measure adherence was the calculation based on the date of withdrawal of the medicines, which identified 65.6% of patients as nonadherent (percentage of adherence <95%). Using this result associated factors related to sociodemographic characteristics, anxiety and depression, stigma, expectations and perception of problems and changes related to treatment, quality of life and social support were identified. The construction of the predictive model allowed the development of a new questionnaire consisting of 23 items, whose responses, added to the predictive model can predict the likely outcome of new patients to be evaluated. The predictive model follows the general equation of the discriminant analysis: Z = ? + ?1X1 ?2X2 + + ... + ?nXn and classifies individuals in the group have a higher score Z. The model validation revealed an accuracy of 100% and correctly classified all individuals evaluated. Thus, we can conclude that the tool developed and made available in Excel format can be used both in clinical practice and in research involving ART adherence. Keywords: HIV. Adherence. Treatment. Associated Factors. Predictive Model.
Collections
- Teses & Dissertações [10009]