Fatores clínicos associados ao óbito e à recidiva em pacientes com carcinoma mamário invasivo
análise com regressão logística penalizada em coorte hospitalar
DOI:
https://doi.org/10.63162/v67n70e26720Palavras-chave:
Neoplasias da mama, Recidiva local de neoplasia, Prognóstico, Regressão logística, Análise de sobrevidaResumo
Introdução: A identificação de preditores clínicos de óbito e recidiva em câncer de mama é fundamental para a estratificação prognóstica e a individualização terapêutica. Em coortes com número reduzido de eventos, métodos estatísticos convencionais são inadequados, exigindo abordagens penalizadas como a regressão de Firth. Objetivo: Identificar fatores clínicos associados ao óbito e à recidiva tumoral em pacientes com carcinoma mamário invasivo em coorte hospitalar, utilizando regressão logística penalizada pelo método de Firth. Métodos: Estudo de coorte retrospectivo com 97 pacientes com carcinoma mamário invasivo confirmado, após exclusão de casos de carcinoma ductal in situ. A análise univariada foi realizada pelo teste exato de Fisher. Modelos de regressão logística penalizada de Firth foram ajustados para os desfechos óbito e recidiva, expressos em odds ratios (OR) com IC95%. A concentração de eventos por subgrupos foi apresentada em tabela cruzada estadiamento × componente T. Resultados: Foram registrados 6 óbitos (6,2%) e 9 recidivas (9,3%). O estadiamento avançado (III–IV) associou-se fortemente ao óbito (OR = 57,67; IC95%: 9,39–643,91; p < 0,001) e à recidiva (OR = 73,29; IC95%: 14,05–544,21; p < 0,001). O componente T3–T4 mostrou associações de magnitude semelhante. Em modelo multivariado para recidiva, o estadiamento III–IV manteve associação independente (OR ajustado = 39,99; IC95%: 7,41–290,74; p < 0,001) após ajuste por abordagem axilar e HER2. Pacientes em estádio III–IV com tumores T3–T4 apresentaram proporções de óbito de 50% e recidiva de 70%. A curva ROC do modelo ajustado atingiu AUC de 0,942. Conclusão: O estadiamento clínico avançado e o componente T3–T4 constituem determinantes fundamentais do prognóstico adverso no carcinoma mamário invasivo. A regressão logística penalizada de Firth mostrou-se adequada para análise de desfechos raros em coortes de pequeno porte.
Referências
Instituto Nacional de Câncer José Alencar Gomes da Silva (INCA). Estimativa 2023: Incidência de Câncer no Brasil. Rio de Janeiro: INCA; 2022.
Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2021;71(3):209-49.
Harbeck N, Penault-Llorca F, Cortes J, Gnant M, Houssami N, Poortmans P, et al. Breast cancer. Nat Rev Dis Primers. 2019;5(1):66.
Firth D. Bias reduction of maximum likelihood estimates. Biometrika. 1993;80(1):27-38.
Heinze G, Schemper M. A solution to the problem of separation in logistic regression. Stat Med. 2002;21(16):2409-19.
Heinze G, Ploner M. Fixing the nonconvergence bug in logistic regression with SPLUS and SAS. Comput Methods Programs Biomed. 2003;71(2):181-7.
Rakha EA, El-Sayed ME, Lee AH, Elston CW, Grainge MJ, Hodi Z, et al. Prognostic significance of Nottingham histologic grade in invasive breast carcinoma. J Clin Oncol. 2008;26(19):3153-8.
Lehmann BD, Bauer JA, Chen X, Sanders ME, Chakravarthy AB, Shyr Y, et al. Identification of human triple-negative breast cancer subtypes and preclinical models for selection of targeted therapies. J Clin Invest. 2011;121(7):2750-67.
Gradishar WJ, Moran MS, Abraham J, Aft R, Agnese D, Allison KH, et al. NCCN Guidelines® Insights: Breast Cancer, Version 4.2023. J Natl Compr Canc Netw. 2023;21(6):594-608.
R Core Team. R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing; 2023. Disponível em: https://www.R-project.org/.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Revista Goiana de Medicina
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
