Escore de avaliação de risco pré-transplante: metodologia e a importância das características socioeconômicas

Resumos

Introdução:

O transplante renal é realizado em condições de urgência em uma população com elevado risco perioperatório. Instrumentos de avaliação de risco pré-transplante nesta população são escassos.

Objetivo:

Construir um escore com variáveis pré-transplante para estimar a probabilidade de sucesso do transplante renal, definido como sobrevida do receptor e do enxerto, com creatinina < 1,5 mg/dl no 6º mês.

Métodos:

Análise das variáveis de pacientes de um centro único e especializado em transplante renal em São Paulo. A regressão logística foi utilizada para construção da equação com as variáveis capazes de estimar a probabilidade de sucesso. Atribuímos pontos inteiros às variáveis para a construção do escore.

Resultados:

Dos 305 pacientes analisados, 176 (57,7%) atingiram o sucesso. Das 23 variáveis identificadas pela análise univariada, 21 foram incluídas no modelo de regressão logística e as 10 que se mantiveram independentemente associadas com o sucesso foram utilizadas na construção do escore. Quatro destas 10 variáveis eram socioeconômicas. Foi ótimo (área sob a curva ROC = 0,817) o poder de discriminação entre os grupos sucesso e não sucesso e adequado (teste de Hosmer e Lemeshow = 0,672) o grau de concordância entre as frequências das probabilidades estimadas pela equação e as frequências das probabilidades reais observadas. Houve correlação (0,982) entre as probabilidades estimadas via sistema de pontuação e regressão logística.

Conclusão:

O escore de pontos apresentado simplificou a estratificação do risco do candidato ao transplante conforme a probabilidade de sucesso. As variáveis socioeconômicas exerceram influência no sucesso, demonstrando a necessidade da criação de instrumentos prognósticos utilizando as variáveis clínico-demográficas da nossa população.

fatores de risco; medidas de associação; exposição; risco; desfecho; razão de chances; transplante de rim

Introduction:

Kidney transplantation is performed in emergency conditions in a population with high perioperative risk. Instruments for risk assessment before transplantation in this population are scarce.

Objective:

To develop a score with pretransplant variables to estimate the probability of success of kidney transplantation, defined as survival of the recipient and the graft with creatinine < 1.5 mg/dl at 6 months.

Methods:

Analysis of variables of patients from a unique kidney transplantation center in São Paulo. Logistic regression was used to construct an equation with variables able to estimate the probability of success. Integer points were assigned to variables for score construction.

Results:

Of the 305 patients analyzed, 176 (57.7%) achieved success. Of the 23 variables identified by univariate analysis, 21 were included in the logistic regression model and 10 that remained independently associated with success, were used in the score. Four of these 10 variables were socioeconomic. It was great (area under the ROC curve 0.817) the power of discrimination between groups success and not success and adequate (Hosmer and Lemeshow = 0.672) the agreement between frequencies of the probabilities estimated by equation and frequencies of probabilities actual observed. There were correlation (0.982) between the estimated probability via the scoring system and the estimated probabilities via logistic regression.

Conclusion:

Point score simplified risk stratification of transplant candidate according to their probability of success. Socioeconomic variables influence the success, demonstrating the need for creation of prognostic tools utilizing clinical and demographic variables of our population.

kidney transplantation; measures of association; exposure; risk; outcome; odds ratio; risk factors

Introdução

O transplante renal é o tratamento de escolha para a maioria dos pacientes em diálise.¹ Entretanto, dados da literatura apontam uma taxa de mortalidade cirúrgica geral de 1% a 4% para os pacientes com doença renal crônica terminal (DRC). Esta taxa é ainda maior para os pacientes diabéticos e idosos, podendo quintuplicar em situações de emergência.^2,3

No transplante renal com doador falecido, o procedimento cirúrgico é realizado em condições de urgência. O candidato com a melhor compatibilidade HLA com o doador é conhecido horas antes da cirurgia ser realizada. Além disso, trata-se de uma população com elevado risco de morbidade e mortalidade pré-operatória, pois, além da DRC, essa população geralmente possui outras morbidades. Os riscos perioperatórios somados aos riscos associados à terapia imunossupressora resultaram em risco de óbito quase três vezes maior quando comparado aos pacientes que permaneceram em diálise durante as duas primeiras semanas após o transplante.¹

Os escores são instrumentos amplamente aplicados em diferentes áreas médicas para estimar a probabilidade de um desfecho de forma quantitativa.^4-8 No transplante renal, diversos modelos matemáticos foram publicados com o objetivo de predizer sobrevida e função renal após o transplante. Entretanto, a falta de simplicidade na utilização destes modelos e a necessidade de realização de cálculos complexos ou de informações não disponíveis no momento da avaliação tornou a aplicação destas ferramentas pouco difundida nos centros transplantadores. van Walraven et al.⁹ publicaram um escore de pontos para estimar o risco de óbito em 5 anos de pacientes que estavam em diálise inscritos para o transplante renal. O autor utilizou uma metodologia estatística semelhante a nossa para atribuir pontos inteiros aos riscos relativos de 12 variáveis demográficas associadas com o desfecho. Entretanto, para a sua utilização era necessário o conhecimento de informações precisas sobre tempo total em lista, tempo até ser listado para transplante, da albumina sérica e de 8 comorbidades, o que pode dificultar a rapidez e aplicabilidade do escore. Além disso, escores também foram criados para quantificar o risco de perda do enxerto renal conforme diferentes características do doador.¹⁰ Nyberg et al.¹¹ propuseram um escore para identificar os enxertos renais de doadores falecidos com alto risco de disfunção renal precoce. Entretanto, a estratificação arbitrária das categorias de risco pode ter contribuído para diminuição da acurácia deste escore.

Diferentes estudos observacionais identificaram as variáveis pré-transplante do receptor e do doador que estiveram associadas com diferentes desfechos do transplante.^12-15 Descreveu-se também a significativa influência das variáveis socioculturais e econômicas nesses desfechos.^16-18

As variáveis socioeconômicas sempre exerceram influência nos desfechos relacionados à saúde no Brasil. Entretanto, apesar das disparidades socioeconômicas entre os 26 estados e as 5 regiões do país, o programa de transplantes consolidou-se como um dos maiores do mundo, permitindo um amplo acesso da população a este tratamento.¹⁹ Em 2012, foram realizados 7426 transplantes de órgãos no país e, destes, 5385 foram de rim.²⁰ Contudo, não existem muitos dados na literatura sobre a associação das variáveis socioeconômicas com os desfechos pós-transplante no país. As publicações científicas são provenientes da população de transplantados de poucos centros e praticamente restritas às regiões Sudeste (80%) e Sul (16%). As regiões Sudeste e Sul concentraram em 2009 mais de 80% dos transplantes realizados no país. Além disso, enquanto, em 2007, São Paulo, Santa Catarina e o Rio Grande do Sul apresentaram mais de 10 doadores por milhão de população, em estados do Norte, como o Amazonas, não ocorreu nenhuma captação de órgãos de doadores falecidos. Desta maneira, apesar da existência de um Sistema nacional de transplante bem organizado e do aumento no número absoluto de transplantes renais, as diferenças na atividade transplantadora dos estados brasileiros ainda persistem como reflexo das diferenças socioeconômicas e culturais das regiões do país.²¹

Reconhecidamente, a função renal no sexto mês após o transplante foi um fator de risco independentemente associado com a perda do enxerto ao final de 24 meses do transplante na nossa população de transplantados.²² Confirmando este dado, um estudo retrospectivo utilizando dados do UNOS/OPTN de 105.742 pacientes transplantados renais demonstrou que a pior função renal, estimada pelo nível sérico da creatinina > 1,5 mg/dL no sexto e no décimo segundo mês após o transplante, correlacionou-se com uma menor sobrevida do enxerto renal em longo prazo.²³

A estimativa da probabilidade de sucesso de um transplante utilizando um desfecho intermediário como a função renal no sexto mês do transplante e variáveis selecionadas da população brasileira forneceria uma informação a mais no aconselhamento destes pacientes. Assim, o nosso objetivo foi desenvolver um escore de avaliação de risco com as variáveis pré-transplante do receptor e do doador que estimasse a probabilidade de sucesso do transplante renal.

Materiais e Métodos

Definição de sucesso

Desfecho composto de sobrevida do receptor com enxerto funcionante com o valor de creatinina menor ou igual a 1,5 mg/dl após 6 meses de transplante.

Desenho

Estudo de coorte prospectivo com pacientes transplantados renais com doador falecido entre o período de fevereiro a novembro de 2011. Foram incluídos pacientes adultos com idade > 18 anos e excluídos os receptores de múltiplos órgãos. Os pacientes foram entrevistados no dia do transplante e as informações questionadas e extraídas de prontuários médicos relacionaram-se a características demográficas e das condições de saúde pertinentes à própria avaliação pré-transplante. A dispensa do TCLE foi aprovada juntamente com o projeto do estudo pelo Comitê de ética em pesquisa da UNIFESP (Nº 1139/10).

Analise estatística

Selecionamos 60 variáveis pré-transplante divididas em 7 categorias: Demografia, Comorbidades, Sócioeconômicas, Propedêutica, Qualidade de vida, Doador e Medicamentos (Quadro 1).

Quadro 1
60 variáveis pré transplante

Demografia	Comorbidades
Idade	Grau de dependência
Gênero	Hipertensão
Etnia	Diabetes
Etiologia da doença renal	Dislipidemia
Tempo de doença renal	Evento cardiovascular prévio
Modalidade de diálise	Estado nutricional
Tempo em diálise	Doença vascular periférica
Retransplante	Doença psiquiátrica
Priorização	Hepatites B, C, CMV
Painel de reatividade de anticorpos	HIV
Mismatchs em A, B, DR	Etilismo
	Tabagismo
Socioeconômicas	Propedêutica
Grau de instrução	Cintura abdominal
Renda do paciente (mensal)	Peso (kg)
Renda dos familiares (mensal)	Função renal residual
Recebimento de auxílio de renda	Pulsos periféricos
Condições de Moradia	Deficiência física
Atividade econômica	Saúde Odontológica
Tempo de afastamento do trabalho	ECG
Qualidade de vida	Doador
Impressão do paciente sobre a saúde	Idade
Satisfação ou Insatisfação pessoal	Gênero
Depressão/Abatimento	Peso (kg)
Status performance para atividades da vida diária de esforço leve/moderado/intenso	Creatinina
Cônjuge	Etiologia do óbito
Suporte familiar	Hipertensão
Filhos	Medicamento
Auxílio para tomar medicação	Medicações em uso
	Número de medicações
	Conhecimento da medicação

Realizamos a análise univariada das 60 variáveis de risco entre os dois grupos de estudo e identificamos aquelas associadas com o sucesso com significância estatística de 10%. Para as variáveis categóricas, utilizamos o teste de qui-quadrado ou o teste exato de Fisher. Para as variáveis numéricas, utilizamos o teste t de Student para amostras independentes.

Análise de múltiplas variáveis

Utilizamos a análise de regressão logística para identificar as variáveis pré-transplante da nossa população independentemente associadas com o sucesso. Inicialmente, todas as variáveis com associação com o sucesso do transplante significativa a 10% foram incluídas no modelo logístico. Em seguida, as variáveis não significativas a 5% foram excluídas na equação final. Optamos pelo recurso estatístico de inclusões com a ordem de acréscimo definida pelo método stepwise forward da regressão.

Construímos a equação da regressão logística para a amostra populacional estudada com os coeficientes ß de cada uma das variáveis de risco identificados pelo modelo logístico. Os coeficientes ß exponenciados [exp (ß)] são interpretados como "odds ratio" (OR) ou razão de chances. Por meio desta equação, pudemos calcular a probabilidade de sucesso no transplante como função exponencial das variáveis de risco para qualquer conjunto de características de um dado indivíduo.

O teste de Hosmer e Lemeshow foi utilizado para avaliar o grau de concordância da equação ao comparar as frequências das probabilidades estimadas pela equação e as frequências das probabilidades observadas. A área sob a curva ROC foi utilizada para avaliar a habilidade da equação de discriminação entre o grupo sucesso e não sucesso.

Escore de pontuação

Utilizando a metodologia descrita por Sullivan,¹⁹ construímos um escore de pontos utilizando as variáveis identificadas pela análise de regressão logística. Seguimos 7 etapas de ajustes estatísticos para a realização da conversão das unidades de medidas entre dois sistemas (conversão da unidade da regressão logística em unidade do escore), conservando o grau de associação de cada variável de risco na estimativa da probabilidade de sucesso do transplante.

Etapa 1: obtivemos os coeficientes de regressão ß das variáveis (ß₀, ß₁,.....,ß_x) associadas com o sucesso. Etapa 2: estratificamos os valores das variáveis para a criação de subcategorias e determinamos os valores de referência destas subcategorias (ɯ_ij i = nº de variáveis de risco, j = nº total de subcategorias para i variáveis de risco). Etapa 3: determinamos a subcategoria de referência da variável (ɯ_ref). Etapa 4: calculamos a "distância" em unidades de regressão das outras subcategorias em relação à subcategoria de referência [ß_i (ɯ_ij - ɯ_ref)]. Etapa 5: definimos a constante (ʗ) do sistema (número de unidades de regressão logística que corresponde a 1 ponto no sistema de pontos). Etapa 6: calculamos o número de pontos de cada subcategoria das variáveis utilizando o coeficiente ß e a ʗ do sistema [Pontos_ij = ß_i(ɯ_ij - ɯ_ref)/ʗ]. Etapa 7: multiplicamos as possíveis pontuação por ʗ e, por meio de ajustes estatísticos, obtivemos as probabilidades de sucesso.

O coeficiente de correlação intraclasse foi utilizado para quantificar o grau de concordância entre as estimativas das probabilidades obtidas via regressão logística e via o sistema de pontuação para cada indivíduo.

Para todos os testes estatísticos foi utilizado um nível de significância de 5%. O software estatístico utilizado para a análise foi o SPSS 17.0.

Resultados

Dos 311 pacientes incluidos, 6 perderam seguimento antes de completarem 6 meses de transplante. Cento e setenta e seis atingiram o sucesso. Dos 129 que não atingiram, 13 foram por óbito, 15 por falência do enxerto renal e 101 possuiam um nível sérico de creatinina > 1,5mg/dL (Figura 1).

Figura 1
Algoritmo da população do estudo.

A idade média dos pacientes foi 47,5 anos, a maioria homens (60,7%), brancos (47,9%), portadores de DRC de etiologia indeterminada (37%) e que realizaram o seu primeiro transplante renal (94,8%) pelo Sistema Único de Saúde (87,3%). A modalidade terapêutica preponderante antes do transplante foi a hemodiálise (88,2%), com a duração média de 4,3 anos (Tabela 1).

Tabela 1
Variáveis demográficas dos pacientes

Variável		Total (n = 305)	Sucesso (n = 176)	Não sucesso (n = 129)	p
Idade ± DP (min-máx), anos		47,5 ± 12,3 (18-76)	48,6 ± 12,6 (19-76)	46 ± 11,9 (18-68)	0,68
Gênero masculino, n (%)		185 (60,7)	86 (48,9)	99 (76,7)	0,00
Etnia, n (%)					0,61
	Brancos	146 (47,9)	87 (49,7)	59 (45,7)
	Pardos	67 (22,0)	34 (19,3)	33 (25,6)
	Negros	78 (25,6)	46 (26,1)	32 (24,8)
	Amarelos	14 (4,6)	9 (5,1)	5 (3,9)
Etiologia da DRC, n (%)					0,31
	Indeterminada	113 (37,0)	59 (33,5)	54 (41,9)
	Nefroesclerose hipertensiva	31 (10,2)	23 (13,1)	8 (6,20
	Doença policística	45 (14,8)	29 (16,5)	16 (12,4)
	Nefropatia por Diabetes	40 (13,1)	22 (12,5)	18 (14,0)
	Glomerulonefrite	52 (17,0)	30 (17,0)	22 (17,1)
	Outras	24 (7,9)	13 (7,4)	11 (8,5)
Hemodiálise, n (%)		269 (88,2)	153 (86,9)	116 (89,9)	0,42
Tempo em diálise ± DP (min-máx), anos		4,3 ± 3,4 (0-20)	4,2 ± 3,6 (0-20)	4,3 ± 3,1(0,25-20)	0,89
Tempo em diálise, n (%)					0,10
	≤ 2 anos	109 (35,7)	68 (38,6)	41 (31,8)
	2-10 anos	174 (57)	92 (52,3)	82 (63,6)
	> 10 anos	22 (7,2)	16 (9,1)	6 (4,7)
Tempo tratamento conservador ± DP, anos		3,7 ± 6,4	4,5 ± 7,3	2,7 ± 4,8	0,01
Seguro de saúde, n (%)		68 (22,3)	44 (25,0)	24 (18,6)	0,19
1º Transplante renal, n (%)		289 (94,8)	164 (93,2)	125 (96,9)	0,15
Priorizado, n (%)		10 (3,3)	7 (4,0)	3 (2,3)	0,53
Painel de reatividade de anticorpos ± DP (min-max), %		15,3 ± 26,3 (0-100)	18,1 ± 27,9 (0-99)	11,4 ± 23,5 (0-100)	0,02
Painel ≥ 30%, n (%)		60 (19,7)	44 (25)	16 (12,4)	0,01
Zero MM em HLA A, n (%)		56 (18,4)	35 (19,9)	21 (16,3)	0,42
Zero MM em HLA B, n (%)		69 (22,6)	40 (22,7)	29 (22,5)	0,96
Zero MM em HLA DR, n (%)		238 (78)	145 (82,4)	93 (72,1)	0,03
Zero MM em HLA A, B, DR, n (%)		23 (7,5)	16 (9,1)	7 (5,4)	0,80

As análises descritivas e de frequências das 60 variáveis pré-transplante dos grupos sucesso e não sucesso foram organizadas conforme as sete categorias. Por meio da. Por meio da análise univariada, identificamos que 21 das 60 variáveis demográficas, clínicas e socioeconômicas do receptor e do doador estavam associadas com o "sucesso". Cinco variáveis de demografia, duas socioeconômicas, três de qualidade de vida, duas comorbidades, três de propedêutica e seis do doador (Tabela 2).

Tabela 2
Vinte e uma variáveis associadas com o sucesso do transplante na análise univariada (p ≤ 0,10)

Variável		Sucesso (n = 176)	Não sucesso (n = 129)	p
Demografia
Gênero do receptor, n (%)				0,00
	Masculino	90 (51,1)	30 (23,3)
	Feminino	86 (48,9)	99 (76,7)
Tempo em diálise, n (%)				0,09
	≤ 2 anos	68 (38,6)	41 (31,8)
	> 2 anos	108 (61,4)	88 (68,2)
Tempo tratamento conservador ± DP, anos		4,5 ± 7,3	2,7 ± 4,8	0,01
Painel reatividade de anticorpos, n (%)				0,00
	≥ 30%	44 (25)	16 (12,4)
	< 30%	132 (75)	113 (87,6)
Mismatch em DR, n (%)				0,03
	Zero	145 (82,4)	93 (72,1)
	Algum MM	31 (17,6)	36 (27,9)
Socioeconômica
Auxílio financeiro público, n (%)				0,03
	Dependente	112 (63,6)	97 (75,2)
	Independente	67 (37,4)	32 (24,8)
Renda mensal do paciente, n (%) R$*				0,00
	< 3000,00	134 (76,1)	75 (58,1)
	≥ 3000,00	42 (23,9)	54 (41,9)
Qualidade de vida
Filhos, n (%)				0,00
	Sim	150 (85,2)	92 (71,3)
	Não	26 (14,8)	37 (28,7)
Suporte familiar, n (%)				0,02
	Sim	148 (84,1)	95 (73,6)
	Não	28 (15,9)	34 (26,4)
Impressão da saúde como BOA, n (%)				0,05
	Sim	169 (96)	117 (90,7)
	Não	7(4)	12 (9,3)
Comorbidades
Sorologia para CMV, n (%)				0,01
	Positiva	6 (3,4)	13 (10,1)
	Negativa	170 (96,6)	116 (89,9)
Doença arterial periférica, n (%)				0,09
	Presente	5 (2,8)	9 (7,0)
	Ausente	171 (97,2)	120 (93)
Propedêutica
Peso ± DP (min-máx), kg		66 ± 12,6 (36-104)	70 ± 14,2 (41-108)	0,00
Alteração ECG, n (%)				0,00
	Sim	60 (34,1)	69 (53,5)
	Não	116 (65,9)	60 (46,5)
Deficiência física n (%)				0,04
	Sim	23 (13,1)	28 (21,7)
	Não	153 (86,9)	101 (78,3)
Doador
Gênero do doador, n (%)				0,05
	Masculino	121 (68,7)	75 (58,1)
	Feminino	55 (31,3)	54 (41,9)
Idade do doador ± DP (min-máx), anos		43,9 ± 43,9 (18-74)	50 ± 11,8 (19-74)	0,00
Peso do doador ± DP (min-máx), kg		75,4 ± 13,6 (45-120)	72,5 ± 14,4 (45-120)	0,08
Etiologia do óbito do doador, n (%)				0,00
	Doença Cardiovascular	82 (46,6)	84 (65,1)
	Outras	94 (53,4)	45 (34,9)
Hipertensão no doador, n (%)				0,05
	Sim	58 (33,0)	57 (44,2)
	Não	118 (67,0)	72 (55,8)
Doador de critério expandido, n (%)				0,06
	Sim	48 (27,3)	48 (37,2)

• ^*
  Renda equivalente a U$ 1,260.00.

A seguir, analisamos a influência individual da cada uma dessas 21 variáveis utilizando a análise de regressão logística e identificamos 10 variáveis que se associaram de forma independente com o desfecho. Dessas 10 variáveis, 2 eram socioeconômicas, 2 demográficas, uma da categoria de comorbidades, 1 propedêutica; 2 de qualidade de vida e duas do doador (Tabela 3).

Tabela 3
Dez variáveis associadas de forma independente com o sucesso no modelo de regressão logística final

	Coeficiente β	p	Razão de chances (OR)	Intervalo de Confiança de 95% para razão de chances
Gênero do receptor
Feminino	0,99	0,004	2,69	1,37-5,30
Masculino (ref.)	0,00	-	1,00	-
Peso do receptor	-0,04	0,002	0,96	0,94-0,99
Mismatch em DR
Zero	1,34	0,000	3,80	1,88-7,69
Algum MM (ref.)	0,00	-	1,00	-
Auxílio financeiro público
Sim (ref.)	0,00	-	1,00	-
Não	0,63	0,045	1,89	1,02-3,52
Renda mensal do paciente
< 3.000 reais (ref.)	0,00	-	1,00	-
≥ 3.000 reais	1,45	0,004	4,26	1,59-11,39
Filhos
Sim	1,06	0,004	2,90	1,42-5,93
Não (ref.)	0,00	-	1,00	-
Suporte Familiar
Sim	0,77	0,028	2,17	1,09-4,33
Não (ref.)	0,00	-	1,00	-
Alteração no ECG
Sim (ref.)	0,00	-	1,00	-
Não	0,95	0,002	2,59	1,42-4,72
Etiologia do óbito do doador
Outras	0,65	0,030	1,92	1,07-3,48
Doença cardiovascular (ref.)	0,00	-	1,00	-
Idade do doador	-0,04	0,001	0,96	0,94-0,98
Constante	1,05	0,339	2,86	-

Utilizando os coeficientes β das 10 variáveis, construímos a equação da regressão logística (Figura 2) para a estimativa de probabilidade de sucesso de um transplante.

Figura 2
Equação da regressão logística.

O teste de Hosmer-Lemeshow demonstrou que não houve diferença entre as frequências das probabilidades estimativas pela equação e as frequências das probabilidades observadas para os 305 pacientes (p = 0, 672). A área sob a curva ROC foi 0,817, indicando que a equação com as 10 variáveis pré-transplante possui um ótimo poder de discriminação entre os grupos sucesso e não sucesso.

O escore de pontos construído com as 10 variáveis associadas de forma independente com o sucesso está na Tabela 4. Na organização do sistema de pontos, mantivemos as estratificações das variáveis categóricas e estratificamos as variáveis contínuas em subcategorias. A variação de 5 anos na idade do doador na probabilidade de sucesso foi considerado como a ʗ do nosso sistema. Portanto, 1 ponto do escore correspondeu a um aumento de probabilidade de sucesso equivalente a ser transplantado com o enxerto de um doador renal 5 anos mais jovem. Na Tabela 5, exemplificamos a atribuição dos pontos para os dois perfis de pacientes que alcançaram a maior e a menor pontuação. O escore de pontos variou de 0 a 56 pontos. Na amostra populacional do estudo, a variação de pontos foi de 8 (probabilidade de sucesso de 1,9%) a 46 (probabilidade de sucesso de 98,5%) (Tabela 6).

Tabela 4
Escore de pontos

Variável de risco	Valor (ɯ)	Coeficiente (β)	βi(ɯ-ɯref)	Pontos = βi(ɯ-ɯref)/ʗ
Gênero		0,992
Feminino	1		0,99	5
Masculino (ref.)	0 = ɯref		0,00	0
Mismatch em DR		1,336
Zero	1		1,36	6
Algum MM (ref.)	0 = ɯref		0,00	0
Auxílio financeiro público		0,636
Sim (ref.)	0 = ɯref		0,00	0
Não	1		0,63	3
Renda mensal do paciente		1,45
< 3.000 reais (ref.)	0 = ɯref		0,00	0
≥ 3.000 reais	1		1,44	7
Filhos		1,07
Sim	1		1,07	5
Não (ref.)	0 = ɯref		0,00	0
Suporte Familiar		0,77
Sim	1		0,77	4
Não (ref.)	0 = ɯref		0,00	0
Alteração no ECG		0,95
Sim (ref.)	0 = ɯref		0,00	0
Não	1		0,95	4
Peso do receptor		-0,04
≤ 50	43,0		2,07	10
50 ---| 60	55,5		1,57	7
60 ---| 70	65,5		1,17	5
70 ---| 80	75,5		0,76	4
> 80 (ref.)	94,5 = ɯref		0,00	0
Causa do óbito do doador
Outras	1	0,65	0,65	3
Doença cardiovascular (ref.)	0 = ɯref		0,00	0
Idade do doador		-0,04
≤ 30	24,0		1,86	9
30 ---|40	35,5		1,37	6
41 ---|50	45,5		0,94	4
51 ---|60	55,5		0,51	2
> 60 (ref.)	67,5 = ɯref		0,00	0
Idade do doador		-0,04
≤ 30	24,0		1,86	9
30 ---|40	35,5		1,37	6
41 ---|50	45,5		0,94	4
51 ---|60	55,5		0,51	2
> 60 (ref.)	67,5 = ɯref		0,00	0
Constante		1,05

Tabela 5
Pontos do paciente ID 200 e ID 70

Variáveis	Pontos	Perfil ID = 200	Perfil ID = 70
Feminino	5	1	0
Zero mismatch em DR	6	1	0
Sem auxílio financeiro público	3	1	0
Renda do paciente ≥ R$ 3.000,00	7	1	0
Possui filho(s)	5	1	0
Suporte familiar bom	4	1	0
Sem alterações ECG	4	1	1
Peso do receptor
≤ 50	10	0	0
50 ---| 60	7	0	0
60 ---| 70	5	0	0
70 ---| 80	4	0	1 (74 kg)
> 80	0	1 (84 kg)	0
Outras causas do óbito do doador	3	1	0
Idade do doador
≤ 30	9	1 (20 anos)	0
30 ---|40	6	0	0
41 ---|50	4	0	0
51 ---|60	2	0	0
> 60	0	0	1 (66 anos)
Pontos Totais		46	8

• 1 = Sim; 0 = Não.

Tabela 6
Probabilidade de sucesso por total de pontos

Pontuação	Probabilidade Estimada	Pontuação	Probabilidade Estimada
0	0,004	29	0,637
1	0,004	30	0,685
2	0,005	31	0,729
3	0,007	32	0,769
4	0,008	33	0,805
5	0,010	34	0,836
6	0,013	35	0,863
7	0,016	36	0,886
8	0,019	37	0,906
9	0,024	38	0,923
10	0,029	39	0,937
11	0,036	40	0,948
12	0,044	41	0,958
13	0,055	42	0,966
14	0,067	43	0,972
15	0,081	44	0,977
16	0,099	45	0,982
17	0,119	46	0,985
18	0,144	47	0,988
19	0,172	48	0,990
20	0,204	49	0,992
21	0,241	50	0,994
22	0,282	51	0,995
23	0,328	52	0,996
24	0,376	53	0,997
25	0,427	54	0,997
26	0,480	55	0,998
27	0,534	56	0,998

A análise de concordância entre a probabilidade estimada via regressão logística e a probabilidade estimada via sistema de pontuação foi considerada adequada [0,982, IC 95% (0,978-0,986)].

Discussão

Este estudo desenvolveu um escore pré-transplante com 10 variáveis demográficas do doador e do receptor. O escore foi capaz de estimar a probabilidade de um paciente alcançar o "sucesso" no transplante renal, que foi definido como estar vivo no sexto mês após o transplante e possuir o enxerto funcionante com creatinina abaixo ou igual a 1,5 mg/dL.

O uso clínico do escore desenvolvido dispensou o uso de softwares estatísticos e de calculadoras. Para a atribuição dos valores inteiros (pontos), as 10 variáveis de risco do escore conforme o grau de associação que cada uma possuía com o desfecho, utilizamos uma metodologia estatística avançada combinada à análise de regressão logística.²⁴

A revisão publicada por Kasiske em 2010 demonstrou a variedade de apresentações das informações obtidas em 20 trabalhos que utilizaram as equações matemáticas de análise de múltiplas variáveis para o cálculo dos riscos associados aos diversos desfechos no transplante renal. Estas análises das combinações dos riscos relativos das variáveis do receptor, do doador ou de ambas foram apresentadas em algoritmos, escores e tabelas.^25-29 No entanto, as complexas equações matemáticas descritas em alguns destes estudos não foram utilizadas na prática clínica pelos centros transplantadores.

van Walraven et al. também utilizaram a metodologia descrita por Sullivan para construir um escore de estimativa de risco de óbito em 5 anos para candidatos ao transplante renal em diálise. As 12 variáveis utilizadas eram exclusivamente do receptor.⁹ É interessante notar que exceto pela idade do receptor, o restante das variáveis identificadas por van Walraven et al. não foi igual às identificadas no nosso estudo. A observação deste resultado demonstra a específica relação de associação entre as variáveis com o desfecho analisado. As variáveis do escore de van Walraven et al. estavam associadas com o desfecho de sobrevida em longo prazo analisado pelo autor. Tal como as 10 variáveis do nosso estudo encontram-se associadas com o desfecho de sobrevida e função renal satisfatória no sexto mês do transplante renal.

As duas variáveis do doador associadas com o sucesso foram idade e etiologia do óbito e este resultado está de acordo com os dados existentes na literatura.^30,31 Houve redução de 4% na chance de sucesso do receptor para cada ano de idade acima dos 30 anos do doador. Além disso, observou-se que receptores de rins de doadores com óbito por causa cardiovascular tiveram 50% a menos de chance de sucesso do que os que receberam rins de doadores com óbito por outra etiologia. Conforme já relatado em outros estudos, tanto a idade como a causa de óbito do doador são responsáveis em grande parte pela variabilidade dos desfechos do transplante renal, pois são características que se relacionam diretamente com a qualidade do órgão utilizado.³²

Das 18 comorbidades do receptor avaliadas, somente o peso associou-se com o desfecho analisado. Acreditamos que um tempo maior de acompanhamento seria necessário para tornar evidente a influência das comorbidades crônicas e de evolução insidiosa nos desfechos do transplante. Como o objetivo deste trabalho foi estimar a viabilidade de um transplante renal e não sobrevida em longo prazo, o breve período de acompanhamento dos pacientes não permitiu que essa associação se manifestasse.

Chamou a atenção o fato de que das 8 variáveis do receptor associadas com o sucesso, quatro (auxílio financeiro, renda mensal do paciente, presença de filhos e suporte familiar) foram características socioeconômicas e de qualidade de vida. Os receptores que não necessitaram de auxílio financeiro público tiveram o dobro de chance de sucesso em comparação com aqueles que necessitaram. Além disso, possuir uma renda mensal superior a R$ 3.000,00 esteve quatro vezes mais associado com o sucesso do que não possuir. Sabe-se que o nível socioeconômico inferior está associado com o aumento da incidência de doenças crônicas, progressão da doença renal, tratamento dialítico inadequado, chances reduzidas de acesso ao transplante e piores desfechos de saúde de uma forma geral.³³ Além disso, pacientes de níveis socioeconômicos inferiores tiveram menor aderência aos medicamentos e piores resultados após o transplante.³⁴

Observamos também que os pacientes com filhos apresentaram uma chance de sucesso 3 vezes maior do que os sem filhos e pacientes com suporte familiar tiveram chances 2 vezes maior do que aqueles sem esse suporte. Demonstrando que fatores relacionados à qualidade de vida influenciaram os desfechos do transplante renal. Presumimos que possuir filhos, para a maioria dos pacientes estudados, seria um indicativo de pertencer a famílias mais estáveis. Em estudos anteriores, pacientes em diálise ou transplantados com ambiente familiar acolhedor, com um relacionamento conjugal estável, vínculo empregatício e que possuíam nível educacional maior, apresentaram, além de maior satisfação com o tratamento, melhor capacidade mental.^33,34 Acredita-se que esses fatores estejam associados à maior aderência ao tratamento e melhores resultados em longo prazo.^35,36 Nossos resultados demonstraram que os receptores com piores condições socioeconômicas ou de qualidade de vida possuíram menores chances de viabilidade do transplante. Essas características não são rotineiramente avaliadas ou registradas porque são subjetivas e de difícil quantificação. Entretanto, como demonstraram nossos resultados, os fatores de risco não tradicionais estão associados a piores resultados em curto prazo e foram mais relevantes do que nós assumíamos.

Consideramos que o escore que desenvolvemos apresentou um desempenho satisfatório para ser utilizado na nossa população. Houve capacidade de discriminação dos pacientes do grupo sucesso e não sucesso com uma acurácia de 81,7% e, além disso, demonstrou-se que não houve diferença entre as frequências das probabilidades estimadas e as frequências das probabilidades observadas para os 305 pacientes.

Estimar a probabilidade de sucesso antes de uma intervenção terapêutica com precisão é objetivo almejado de longa data na história da Medicina. Entretanto, a decisão de realizar um transplante tem sido embasada em informações não quantitativas provenientes da experiência clínica e conhecimento científico e apesar dos comprovados benefícios no longo prazo, o transplante renal ainda está associado com altas taxas de mortalidade no período perioperatório.

A taxa de óbito durante o período de transição entre a diálise e o transplante com doador falecido (primeiro ao terceiro mês após o transplante) foi maior do que a taxa de óbito em lista de espera (9,57 versus 6,38 óbitos/100 pacientes-ano).³⁶ Observou-se, também, que a taxa de eventos cardiovasculares durante o período perioperatório foi 8 vezes maior em relação às taxas relativamente constantes do período em diálise (39,6 versus 5,3 a 6,6 eventos cardiovasculares/100 pacientes-ano).³⁷ Diferentemente, no Brasil, as causas infecciosas ainda prevalecem como a principal etiologia de óbito do paciente.³⁸ As complicações infecciosas foram observadas em 49% dos receptores renais no primeiro ano após o transplante e, além da imunossupressão, fatores dependentes das condições socioeconômicas, higiênico-sanitárias, de exposições epidemiológicas a doenças contagiosas prévias contribuíram para esses resultados.

Os estudos sobre a utilização de escores na rotina de avaliação pré-transplante com os atuais recursos estatísticos disponíveis ainda são escassos e com dados da população brasileira, praticamente inexistentes. O interesse crescente no desenvolvimento deste recurso pode ajudar a determinar se novos instrumentos prognósticos possuem melhor acurácia do que a avaliação clínica isoladamente em classificar os pacientes em diferentes grupos prognósticos.

Entretanto, a implantação de modelos teóricos deve ser sempre cuidadosamente analisada e feita com cautela, pois existe uma distância entre o desempenho estatístico do escore e seu desempenho prático. Utilizando somente a relação de associação, não podemos afirmar que as variáveis identificadas neste estudo são preditivas dos desfechos. Para tal, os marcadores clínicos devem ser avaliados quanto ao seu valor preditivo positivo^39,40 e estarem inseridos num contexto pertinente de avaliação. A validação do escore desenvolvido está em andamento numa segunda etapa deste trabalho. O objetivo é averiguar se o mesmo grau de concordância, discriminação e correlação obtidas neste estudo se manterá numa coorte diferente de pacientes. Para a utilização do escore na prática clínica, possivelmente seja interessante a definição de categorias de pontos atrelados a um determinado risco aceitável, pois permitiria a quantificação do risco pré-transplante numa escala contínua, diferentemente do que ocorreria se um valor de corte único fosse definido para se decidir realizar um transplante ou não.

O modelo de regressão logística e a amostra populacional utilizada para construí-lo impõem limitações⁴⁰ ao uso do escore. O escore foi desenvolvido em uma população que não se distingue por nenhuma característica particular, portanto, seus resultados não podem ser extrapolados para uso em outros segmentos populacionais específicos. Além disso, pode ser aplicado somente em avaliações de receptores de doadores falecidos e desde que estejam disponíveis as informações completas das 10 variáveis pontuadas.

Este é o primeiro estudo brasileiro que utilizou a análise de regressão logística para o desenvolvimento de um instrumento de avaliação de risco pré-transplante renal. Acreditamos que decidir sobre alternativas de tratamento individualmente exige o conhecimento de informações quantitativas de considerável acurácia e os modelos probabilísticos fornecem essas respostas.⁴¹

Conclusão

Concluímos que o escore de pontos com 10 variáveis demográficas do doador e do receptor foi capaz de estimar a probabilidade de um paciente alcançar o "sucesso" no transplante renal na nossa população. Além disso, das 10 variáveis que exerceram uma significativa influência no sucesso, 4 eram socioeconômicas, demonstrando a necessidade de criação de instrumentos prognósticos utilizando as variáveis clínicas da nossa própria população.

Referências

• ¹
  Wolfe RA, Ashby VB, Milford EL, Ojo AO, Ettenger RE, Agodoa LY, et al. Comparison of mortality in all patients on dialysis, patients on dialysis awaiting transplantation, and recipients of a first cadaveric transplant. N Engl J Med 1999;341:1725-30. PMID: 10580071 DOI: http://dx.doi.org/10.1056/NEJM199912023412303
  » http://dx.doi.org/10.1056/NEJM199912023412303
• ²
  Krishnan M. Preoperative care of patients with kidney disease. Am Fam Physician 2002;66:1471-6.
• ³
  Gill JS, Schaeffner E, Chadban S, Dong J, Rose C, Johnston O, et al. Quantification of the early risk of death in elderly kidney transplant recipients. Am J Transplant 2013;13:427-32. DOI: http://dx.doi.org/10.1111/j.1600-6143.2012.04323.x
  » http://dx.doi.org/10.1111/j.1600-6143.2012.04323.x
• ⁴
  Breslow MJ, Badawi O. Severity scoring in the critically ill: part 1--interpretation and accuracy of outcome prediction scoring systems. Chest 2012;141:245-52. PMID: 22215834 DOI: http://dx.doi.org/10.1378/chest.11-0330
  » http://dx.doi.org/10.1378/chest.11-0330
• ⁵
  Casey BM, McIntire DD, Leveno KJ. The continuing value of the Apgar score for the assessment of newborn infants. N Engl J Med 2001;344:467-71. PMID: 11172187 DOI: http://dx.doi.org/10.1056/NEJM200102153440701
  » http://dx.doi.org/10.1056/NEJM200102153440701
• ⁶
  Teasdale G, Jennett B. Assessment of coma and impaired consciousness. A practical scale. Lancet 1974;2:81-4. DOI: http://dx.doi.org/10.1016/S0140-6736(74)91639-0
  » http://dx.doi.org/10.1016/S0140-6736(74)91639-0
• ⁷
  Christensen E, Schlichting P, Fauerholdt L, Gluud C, Andersen PK, Juhl E, et al. Prognostic value of Child-Turcotte criteria in medically treated cirrhosis. Hepatology 1984;4:430-5. DOI: http://dx.doi.org/10.1002/hep.1840040313
  » http://dx.doi.org/10.1002/hep.1840040313
• ⁸
  Yates JW, Chalmer B, McKegney FP. Evaluation of patients with advanced cancer using the Karnofsky performance status. Cancer 1980;45:2220-4. PMID: 7370963
• ⁹
  van Walraven C, Austin PC, Knoll G. Predicting potential survival benefit of renal transplantation in patients with chronic kidney disease. CMAJ 2010;182:666-72. DOI: http://dx.doi.org/10.1503/cmaj.091661
  » http://dx.doi.org/10.1503/cmaj.091661
• ¹⁰
  Akkina SK, Asrani SK, Peng Y, Stock P, Kim WR, Israni AK. Development of organ-specific donor risk indices. Liver Transpl 2012;18:395-404. DOI: http://dx.doi.org/10.1002/lt.23398
  » http://dx.doi.org/10.1002/lt.23398
• ¹¹
  Nyberg SL, Matas AJ, Kremers WK, Thostenson JD, Larson TS, Prieto M, et al. Improved scoring system to assess adult donors for cadaver renal transplantation. Am J Transplant 2003;3:715-21.
• ¹²
  Ojo AO, Hanson JA, Wolfe RA, Leichtman AB, Agodoa LY, Port FK. Long-term survival in renal transplant recipients with graft function. Kidney Int 2000;57:307-13. PMID: 10620213 DOI: http://dx.doi.org/10.1046/j.1523-1755.2000.00816.x
  » http://dx.doi.org/10.1046/j.1523-1755.2000.00816.x
• ¹³
  Meier-Kriesche HU, Kaplan B. Waiting time on dialysis as the strongest modifiable risk factor for renal transplant outcomes: a paired donor kidney analysis. Transplantation 2002;74:1377-81. DOI: http://dx.doi.org/10.1097/00007890-200211270-00005
  » http://dx.doi.org/10.1097/00007890-200211270-00005
• ¹⁴
  Gill JS, Pereira BJ. Death in the first year after kidney transplantation: implications for patients on the transplant waiting list. Transplantation 2003;75:113-7. PMID: 12544882 DOI: http://dx.doi.org/10.1097/00007890-200301150-00021
  » http://dx.doi.org/10.1097/00007890-200301150-00021
• ¹⁵
  Wu C, Evans I, Joseph R, Shapiro R, Tan H, Basu A, et al. Comorbid conditions in kidney transplantation: association with graft and patient survival. J Am Soc Nephrol 2005;16:3437-44. DOI: http://dx.doi.org/10.1681/ASN.2005040439
  » http://dx.doi.org/10.1681/ASN.2005040439
• ¹⁶
  Axelrod DA, Dzebisashvili N, Schnitzler MA, Salvalaggio PR, Segev DL, Gentry SE, et al. The interplay of socioeconomic status, distance to center, and interdonor service area travel on kidney transplant access and outcomes. Clin J Am Soc Nephrol 2010;5:2276-88. DOI: http://dx.doi.org/10.2215/CJN.04940610
  » http://dx.doi.org/10.2215/CJN.04940610
• ¹⁷
  Goldfarb-Rumyantzev AS, Koford JK, Baird BC, Chelamcharla M, Habib AN, Wang BJ. Role of socioeconomic status in kidney transplant outcome. Clin J Am Soc Nephrol 2006;1:313-22. DOI: http://dx.doi.org/10.2215/CJN.00630805
  » http://dx.doi.org/10.2215/CJN.00630805
• ¹⁸
  Garg J, Karim M, Tang H, Sandhu GS, DeSilva R, Rodrigue JR, et al. Social adaptability index predicts kidney transplant outcome: a single-center retrospective analysis. Nephrol Dial Transplant 2012;27:1239-45. DOI: http://dx.doi.org/10.1093/ndt/gfr445
  » http://dx.doi.org/10.1093/ndt/gfr445
• ¹⁹
  Silva HT Jr, Felipe CR, Abbud-Filho M, Garcia V, Medina-Pestana JO. The emerging role of Brazil in clinical trial conduct for transplantation. Am J Transplant 2011;11:1368-75. DOI: http://dx.doi.org/10.1111/j.1600-6143.2011.03564.x
  » http://dx.doi.org/10.1111/j.1600-6143.2011.03564.x
• ²⁰
  Registro Brasileiro de Transplantes. Ano XVIII, 4. 2012 (jan-dez). Disponível em: http://www.abto.org.br/abtov03/Upload/file/RBT/2012/rbt2012-parciall.pdf
  » http://www.abto.org.br/abtov03/Upload/file/RBT/2012/rbt2012-parciall.pdf
• ²¹
  Medina-Pestana JO, Galante NZ, Tedesco-Silva H Jr, Harada KM, Garcia VD, Abbud-Filho M, et al. Kidney transplantation in Brazil and its geographic disparity. J Bras Nefrol 2011;33:472-84. DOI: http://dx.doi.org/10.1590/S0101-28002011000400014
  » http://dx.doi.org/10.1590/S0101-28002011000400014
• ²²
  Harada KM, Mandia-Sampaio EL, de Sandes-Freitas TV, Felipe CR, Park SI, Pinheiro-Machado PG, et al. Risk factors associated with graft loss and patient survival after kidney transplantation. Transplant Proc 2009;41:3667-70. DOI: http://dx.doi.org/10.1016/j.transproceed.2009.04.013
  » http://dx.doi.org/10.1016/j.transproceed.2009.04.013
• ²³
  Hariharan S, McBride MA, Cherikh WS, Tolleris CB, Bresnahan BA, Johnson CP. Post-transplant renal function in the first year predicts long-term kidney transplant survival. Kidney Int 2002;62:311-8. PMID: 12081593 DOI: http://dx.doi.org/10.1046/j.1523-1755.2002.00424.x
  » http://dx.doi.org/10.1046/j.1523-1755.2002.00424.x
• ²⁴
  Sullivan LM, Massaro JM, D'Agostino RB Sr. Presentation of multivariate data for clinical use: The Framingham Study risk score functions. Stat Med 2004;23:1631-60. DOI: http://dx.doi.org/10.1002/sim.1742
  » http://dx.doi.org/10.1002/sim.1742
• ²⁵
  Jassal SV, Schaubel DE, Fenton SS. Predicting mortality after kidney transplantation: a clinical tool. Transpl Int 2005;18:1248-57. DOI: http://dx.doi.org/10.1111/j.1432-2277.2005.00212.x
  » http://dx.doi.org/10.1111/j.1432-2277.2005.00212.x
• ²⁶
  Hernández D, Rufino M, Bartolomei S, Lorenzo V, González-Rinne A, Torres A. A novel prognostic index for mortality in renal transplant recipients after hospitalization. Transplantation 2005;79:337-43. DOI: http://dx.doi.org/10.1097/01.TP.0000151003.30089.31
  » http://dx.doi.org/10.1097/01.TP.0000151003.30089.31
• ²⁷
  Rao PS, Schaubel DE, Guidinger MK, Andreoni KA, Wolfe RA, Merion RM, et al. A comprehensive risk quantification score for deceased donor kidneys: the kidney donor risk index. Transplantation 2009;88:231-6. PMID: 19623019 DOI: http://dx.doi.org/10.1097/TP.0b013e3181ac620b
  » http://dx.doi.org/10.1097/TP.0b013e3181ac620b
• ²⁸
  Kasiske BL. Epidemiology of cardiovascular disease after renal transplantation. Transplantation 2001;72:S5-8. PMID: 11585242 DOI: http://dx.doi.org/10.1097/00007890-200109271-00003
  » http://dx.doi.org/10.1097/00007890-200109271-00003
• ²⁹
  Tiong HY, Goldfarb DA, Kattan MW, Alster JM, Thuita L, Yu C, et al. Nomograms for predicting graft function and survival in living donor kidney transplantation based on the UNOS Registry. J Urol 2009;181:1248-55. PMID: 19167732 DOI: http://dx.doi.org/10.1016/j.juro.2008.10.164
  » http://dx.doi.org/10.1016/j.juro.2008.10.164
• ³⁰
  Cosio FG, Qiu W, Henry ML, Falkenhain ME, Elkhammas EA, Davies EA, et al. Factors related to the donor organ are major determinants of renal allograft function and survival. Transplantation 1996;62:1571-6. PMID: 8970609 DOI: http://dx.doi.org/10.1097/00007890-199612150-00007
  » http://dx.doi.org/10.1097/00007890-199612150-00007
• ³¹
  Port FK, Bragg-Gresham JL, Metzger RA, Dykstra DM, Gillespie BW, Young EW, et al. Donor characteristics associated with reduced graft survival: an approach to expanding the pool of kidney donors. Transplantation 2002;74:1281-6. DOI: http://dx.doi.org/10.1097/00007890-200211150-00014
  » http://dx.doi.org/10.1097/00007890-200211150-00014
• ³²
  Patzer RE, McClellan WM. Influence of race, ethnicity and socioeconomic status on kidney disease. Nat Rev Nephrol 2012;8:533-41. DOI: http://dx.doi.org/10.1038/nrneph.2012.117
  » http://dx.doi.org/10.1038/nrneph.2012.117
• ³³
  Axelrod DA, Dzebisashvili N, Schnitzler MA, Salvalaggio PR, Segev DL, Gentry SE, et al. The interplay of socioeconomic status, distance to center, and interdonor service area travel on kidney transplant access and outcomes. Clin J Am Soc Nephrol 2010;5:2276-88. DOI: http://dx.doi.org/10.2215/CJN.04940610
  » http://dx.doi.org/10.2215/CJN.04940610
• ³⁴
  Bohlke M, Nunes DL, Marini SS, Kitamura C, Andrade M, Von-Gysel MP. Predictors of quality of life among patients on dialysis in southern Brazil. São Paulo Med J 2008;126:252-6. PMID: 19099157
• ³⁵
  Goldfarb-Rumyantzev AS, Koford JK, Baird BC, Chelamcharla M, Habib AN, Wang BJ, et al. Role of socioeconomic status in kidney transplant outcome. Clin J Am Soc Nephrol 2006;1:313-22. DOI: http://dx.doi.org/10.2215/CJN.00630805
  » http://dx.doi.org/10.2215/CJN.00630805
• ³⁶
  Lamb KE, Lodhi S, Meier-Kriesche HU. Long-term renal allograft survival in the United States: a critical reappraisal. Am J Transplant 2011;11:450-62. DOI: http://dx.doi.org/10.1111/j.1600-6143.2010.03283.x
  » http://dx.doi.org/10.1111/j.1600-6143.2010.03283.x
• ³⁷
  Gill JS, Ma I, Landsberg D, Johnson N, Levin A. Cardiovascular events and investigation in patients who are awaiting cadaveric kidney transplantation. J Am Soc Nephrol 2005;16:808-16. DOI: http://dx.doi.org/10.1681/ASN.2004090810
  » http://dx.doi.org/10.1681/ASN.2004090810
• ³⁸
  Sousa SR, Galante NZ, Barbosa DA, Pestana JO. Incidence of infectious complications and their risk factors in the first year after renal transplantation. J Bras Nefrol 2010;32:75-82.
• ³⁹
  Altman DG, Bland JM. Diagnostic tests 2: Predictive values. BMJ 1994;309:102. PMID: 8038641 DOI: http://dx.doi.org/10.1136/bmj.309.6947.102
  » http://dx.doi.org/10.1136/bmj.309.6947.102
• ⁴⁰
  Toll DB, Janssen KJ, Vergouwe Y, Moons KG. Validation, updating and impact of clinical prediction rules: a review. J Clin Epidemiol 2008;61:1085-94. PMID: 19208371 DOI: http://dx.doi.org/10.1016/j.jclinepi.2008.04.008
  » http://dx.doi.org/10.1016/j.jclinepi.2008.04.008
• ⁴¹
  Braitman LE, Davidoff F. Predicting clinical states in individual patients. Ann Intern Med 1996;125:406-12. PMID: 8702092 DOI: http://dx.doi.org/10.7326/0003-4819-125-5-199609010-00008
  » http://dx.doi.org/10.7326/0003-4819-125-5-199609010-00008

Datas de Publicação

• Publicação nesta coleção
  Jul-Sep 2014

Histórico

• Recebido
  15 Ago 2013
• Aceito
  20 Fev 2014