Modelos de Previsão para Resultados de LDLT (PREDICTLDLT)

Questões de investigação:

1. Poderá ser desenvolvido um novo modelo de previsão pré-operatório, baseado em variáveis relacionadas com o dador e o recetor, utilizando o Registo Internacional de LDLT para prever de forma fiável os resultados do LDLT?
2. Como é que os modelos de previsão existentes mais promissores para os resultados do LDLT se comportam quando validados externamente no Registo Internacional de LDLT?

Cálculo do tamanho da amostra:

O tamanho da amostra para o desenvolvimento do modelo de previsão foi estimado utilizando uma abordagem de eventos por parâmetro (EPP/EPV). Com base em investigação anterior, a taxa de eventos prevista para a falência precoce do enxerto foi fixada em 17,5%. Pré-definimos 20 parâmetros do modelo (incluindo variáveis dummy para preditores categóricos e quaisquer termos de interação) e estabelecemos como objetivo 15 eventos por parâmetro para reduzir o sobreajuste. Isto resulta num mínimo de 300 eventos, correspondendo a um tamanho total da amostra de aproximadamente 1.715 doentes.

Análise estatística:

As análises estatísticas serão realizadas utilizando o RStudio 2024.09.1, o GraphPad Prism 10.6.1 e o Microsoft Excel versão 16.90.2. P <0,05 indica significância estatística. A normalidade será testada utilizando o teste de Shapiro-Wilk. As características basais serão divididas com base na presença de falência precoce do enxerto. A homogeneidade das variâncias será testada utilizando o teste F. Estes resultados serão apresentados numa tabela.

Para a validação externa dos modelos de previsão existentes, os parâmetros serão introduzidos nos modelos de previsão, resultando nos riscos previstos. A discriminação do modelo será medida utilizando a AUC e através da inclinação da discriminação. O teste de DeLong será utilizado para testar a diferença entre a AUC dos diferentes modelos de previsão. A calibração será avaliada comparando a taxa observada com a taxa prevista de eventos e representada graficamente através de gráficos de calibração.

Para o desenvolvimento de um novo modelo de previsão, o resultado de interesse é a falência precoce do enxerto, definida como a perda do enxerto no prazo de 90 dias após o transplante (resultado binário). Será desenvolvido um modelo de regressão logística multivariável para estimar o risco individual de falência precoce do enxerto. Os preditores candidatos serão selecionados a priori com base na relevância clínica, plausibilidade biológica e disponibilidade antes do transplante, informados pela literatura existente e pela opinião de especialistas. Para reduzir o risco de sobreajuste, o número de parâmetros do modelo será limitado a aproximadamente 20, de acordo com uma abordagem de eventos por parâmetro. Serão evitados procedimentos de seleção de preditores baseados em dados. A validação interna será realizada através de bootstrapping, e o desempenho do modelo será avaliado em termos de discriminação e calibração.

O desempenho do modelo também será testado nos seguintes subgrupos: sexo do recetor, continente de residência do recetor, indicação para transplante de fígado, hepatectomia do dador efetivamente realizada e abordagem da hepatectomia do dador.