Acuidade prognóstica de fim de vida
129
1 Universidade de Lisboa Faculdade de Medicina de Lisboa ACUIDADE PROGNÓSTICA EM FIM DE VIDA – VALOR PREDITIVO DE QUATRO MÉTODOS NA ESTIMATIVA DE SOBREVIVÊNCIA DE DOENTES ONCOLÓGICOS DE UM HOSPITAL CENTRAL E UNIVERSITÁRIO PORTUGUÊS Filipa Alexandra Gonçalves Tavares IV Mestrado em Cuidados Paliativos 2010
-
Upload
kakaubh -
Category
Health & Medicine
-
view
286 -
download
8
Transcript of Acuidade prognóstica de fim de vida
1
Universidade de Lisboa
Faculdade de Medicina de Lisboa
ACUIDADE PROGNÓSTICA EM FIM DE VIDA – VALOR PREDITIVO DE QUATRO MÉTODOS
NA ESTIMATIVA DE SOBREVIVÊNCIA DE DOENTES ONCOLÓGICOS
DE UM HOSPITAL CENTRAL E UNIVERSITÁRIO PORTUGUÊS
Filipa Alexandra Gonçalves Tavares
IV Mestrado em Cuidados Paliativos
2010
A impressão desta dissertação foi aprovada pela Comissão Coordenadora do Conselho
Científico da Faculdade de Medicina de Lisboa em reunião de 13 de Abril de 2010.
Universidade de Lisboa
Faculdade de Medicina de Lisboa
ACUIDADE PROGNÓSTICA EM FIM DE VIDA –
VALOR PREDITIVO DE QUATRO MÉTODOS NA ESTIMATIVA DE SOBREVIVÊNCIA
DE DOENTES ONCOLÓGICOS DE UM HOSPITAL CENTRAL E UNIVERSITÁRIO
PORTUGUÊS
Filipa Alexandra Gonçalves Tavares
IV Mestrado em Cuidados Paliativos
Dissertação orientada pelo Prof. Doutor António Barbosa
Todas as afirmações efectuadas no presente documento são da exclusiva responsabilidade do seu autor, não
cabendo qualquer responsabilidade à Faculdade de Medicina de Lisboa pelos conteúdos apresentados.
1
Coisas, Pequenas Coisas
Fazer das coisas fracas um poema.
Uma árvore está quieta, murcha, desprezada.
Mas se o poeta a levanta pelos cabelos e lhe sopra os dedos,
ela volta a empertigar-se, renovada. E tu, que não sabias o segredo,
perdes a vaidade. Fora de ti há o mundo
e nele há tudo que em ti não cabe.
Homem, até o barro tem poesia! Olha as coisas com humildade.
Fernando Namora, in "Mar de Sargaços"
AGRADECIMENTO
A todos os mestres da caminhada - doentes, famílias, colegas, amigos e centenas
de ilustres desconhecidos.
Ao Professor Doutor António Barbosa pelo seu sempre incondicional apoio.
À Drª Isabel Neto e ao Dr. Carlos Centeno que apadrinharam a minha incursão na
Medicina Paliativa.
À minha família, ao Sérgio e à Madalena pelas horas em que me emprestaram à
Ciência.
Ao Marco pela janela que abriu no meu mundo.
2
Resumo
É inevitável que qualquer médico, perante um diagnóstico potencialmente fatal,
venha a ser confrontado, por doentes e familiares, com a necessidade de prever o
tempo de vida restante.
Objectivo: comparar a acuidade e a aplicabilidade de quatro instrumentos preditivos
de sobrevivência - a estimativa do clínico (ECS), a Palliative Performance Scale
(PPS), o Palliative Prognostic Index (PPI) e o Palliative Prognostic Score (PaP), na
doença oncológica (não-hematológica) avançada.
Metodologia: estudo de coorte, prospectivo e observacional. Durante 18 meses
recrutaram-se todos os doentes com neoplasias sólidas, em fase avançada,
avaliados por uma equipa de cuidados paliativos dum hospital terciário e
universitário português. Na consulta inicial formulou-se, para cada doente, a ECS e
colheram-se dados demográficos e clinicos necessários para calcular as pontuações
dos restantes instrumentos. Analisou-se a sobrevivência e comparou-se a eficiência
das 4 ferramentas considerando ainda o respectivo grau de adequação clínica.
Resultados: os instrumentos foram aplicados a 341 doentes [58% homens, idade
(mediana) 67 anos, 46% tumores digestivos, 51% internados, sobrevivência
(mediana) 26 dias]. Todos os instrumentos demonstraram ser bons discriminadores
quanto ao tempo de vida restante. A ECS foi a ferramenta que mais forte correlação
apresentou com a sobrevivência, mas apenas 2 em cada 5 previsões coincidiram
com a semana do óbito. As estimativas do PaP e do PPI mostraram forte correlação
mas ambas se correlacionaram ainda melhor com a ECS
3
Os modelos estatísticos não obviaram os erros prognósticos, que tal como com a
ECS foram predominantemente pessimistas. Independentemente da ferramenta,
estimativas clinicamente inadequadas foram mais frequentes para prognósticos
intermédios. O PaP mostrou ligeira vantagem sobre o PPI quanto à acuidade mas
ambos revelaram potencial utilidade, quando considerados conjuntamente com a
ECS. A elevada falibilidade da informação extraída da PPS recomenda prudência,
ao utilizá-la como modelo prognóstico.
Palavras chave:
prognosticar, acuidade, estimativa clínica, Palliative Prognostic Score, Palliative
Prognostic Index, Palliative Prognostic Scale
4
Abstract
Physicians cannot avoid facing requests from patients and relatives for individual
prediction of residual lifetime after the diagnosis of a potentially terminal condition.
Objective: to compare the accuracy and applicability to advanced solid cancer
patients of four prognostic tools - the clinician’s prediction of survival (CPS) , the
Palliative Performance Scale (PPS), the Palliative Prognostic Index (PPI) and the
Palliative Prognostic Score (PaP).
Methods: observational, prospective, cohort study. All advanced solid cancer
patients admitted during an 18-month period by a hospital-based palliative care team
at a Portuguese tertiary, university centre were recruited. On first visit CPS,
demographic and clinical data concerning other predictive tools were collected.
Survival analysis was performed to compare the accuracy of the tools. The clinical
appropriateness of estimatations was also considered.
Results: 341 patients were included for analysis (58% male, median age 67 years,
46% digestive tumours, 51% hospitalized, median survival 26 days). All tools showed
good survival discrimination. CPS had the strongest correlation with survival but only
2 out of 5 estimates were correct about the week of death.
PaP and PPI correlated highly in their prognostication but both correlated even better
with CPS. Methods of actuarial estimation of survival failed to prevent prognostic
errors, particularly pessimistic ones. Overpessimistic estimates were also the most
frequent error with CPS. Regardless of the tools, clinically inadequate estimations,
were more frequent for intermediate prognosis. PaP was slightly more accurate than
PPI but both are potentially useful in association with CPS. Too frequently PPS
5
provided unreliable predictive information so it should be used with caution as a sole
prognostic model.
Key words: prognostication, accuracy, clinician’ prediction, Palliative Prognostic
Score, Palliative Prognostic Index, Palliative Prognostic Scale
6
ÍNDICE
A. INTRODUÇÃO......................................................................................................14
1. A arte e a ciência de prognosticar .....................................................................14
2. A formulação de um prognóstico.......................................................................16
2.1 - A estimativa clínica de sobrevivência .......................................................17
2.2 - A análise estatística da sobrevivência ......................................................20
2.2.1 A Palliative Performance Scale (PPS) ................................................ 23
2.2.2 O Palliative Prognostic Score (PaP) ................................................... 26
2.2.3 O Palliative Prognostic Index (PPI) ..................................................... 28
3. A acuidade das estimativas de sobrevivência ...................................................30
B. METODOLOGIA...................................................................................................32
1. Participantes......................................................................................................32
2. Instrumentos......................................................................................................33
2.1 Estimativa clínica de sobrevivência (ECS)..................................................34
2.2 Palliative Performance Scale (PPS)............................................................34
2.3 Palliative Prognostic Scale (PaP)................................................................35
2.4 Palliative Prognostic Index (PPI) .................................................................35
3. Análise estatística .............................................................................................37
7
3.1 Participantes ...............................................................................................37
3.2 Sobrevivência..............................................................................................37
3.3 Instrumentos ...............................................................................................38
3.3.1 ECS .................................................................................................... 39
3.3.2 PPS..................................................................................................... 41
3.3.3 PaP e PPI ........................................................................................... 41
C. RESULTADOS .....................................................................................................43
1. Características dos participantes ......................................................................43
2. Sobrevivência observada ..................................................................................48
3. ECS...................................................................................................................54
4. PPS ...................................................................................................................62
5. PaP ...................................................................................................................66
6. PPI ....................................................................................................................71
7. Relação entre instrumentos...............................................................................74
D. DISCUSSÃO.........................................................................................................79
1. Aspectos gerais.................................................................................................79
2. Aspectos particulares da aplicação de cada instrumento..................................82
2.1 ECS.............................................................................................................82
8
2.2 PPS.............................................................................................................85
2.3 PaP .............................................................................................................89
2.4 PPI ..............................................................................................................92
3. Limitações .........................................................................................................96
E. EM CONCLUSÃO.................................................................................................97
F. REFERÊNCIAS BIBLIOGRÁFICAS.....................................................................99
9
ÍNDICE DE TABELAS
Tabela 1 - Factores preditivos do prognóstico .........................................................21
Tabela 2 - Comparação de 3 instrumentos de análise estatística da sobrevivência .23
Tabela 3 - Escala PPS versão 2 e seus níveis..........................................................26
Tabela 4 - Itens da pontuação PaP e grupos de risco ..............................................27
Tabela 5 - Itens da pontuação PPI e grupos de risco ...............................................30
Tabela 6 - Parâmetros demográficos, clínicos e biológicos avaliados ......................36
Tabela 7 - Características demográficas e clínicas dos 341 doentes .......................44
Tabela 8 - Mediana, intervalos interquartil e de variação da idade, KPS, duração da
doença, estadia em internamento, seguimento e sobrevivência .............45
Tabela 9 - Localizações secundárias de doença ......................................................45
Tabela 10 - Comorbilidade à data de inclusão..........................................................46
Tabela 11 - Motivo de referenciação à Unidade de Medicina Paliativa.....................47
Tabela 12 - Sobrevivência segundo diversas variáveis demográficas e clínicas ......49
Tabela 13 - Factores associados à sobrevivência observada (análise univariada de
Cox) ..........................................................................................................51
Tabela 14 - Modelo de regressão multivariado de Cox mostrando os efeitos do
estadio da doença, dispneia, delirium,% de linfócitos e estimativa clínica
sobre a sobrevivência...............................................................................52
Tabela 15 - Acuidade das estimativas clínicas de sobrevivência..............................55
Tabela 16 - Comparação, por categorias, entre a estimativa clínica de sobrevivência
e a sobrevivência observada ....................................................................58
Tabela 17 - Sensibilidade, especificidade, valor preditivo positivo / negativo e
acuidade, por categorias da ECS .............................................................58
10
Tabela 18 - Modelo de regressão logística - relação entre insuficiência cardíaca,
doença hepática crónica, estimativa clínica de sobrevivência e a
inacuidade do prognóstico estimado pelo clínico .....................................60
Tabela 19 - Erros pessimistas: comparação de 2 subgrupos de doentes e seu nível
de significância (teste χ2)..........................................................................62
Tabela 20 - Sobrevivência por nível PPS à admissão ..............................................63
Tabela 21 - Ratios de risco de óbito em função do estadio, terapêutica específica em
curso, presença de dispneia, PPS e taxa de linfócitos à admissão (modelo
de riscos proporcionais de Cox) ...............................................................65
Tabela 22 -Taxa de sobrevivência (dias) segundo o nível de PPS à admissão........66
Tabela 23 - Itens da pontuação PaP dos participantes.............................................67
Tabela 24 - Modelo de regressão logística avaliando a relação entre as
características do doente e a presença de leucocitose (> 11x10-3) ..........67
Tabela 25 - Modelo de regressão logística avaliando a relação entre factores
individuais dos participantes e a ocorrência de linfocitopenia (< 12%).....68
Tabela 26 - Sobrevivência aos 30 dias e mediana da sobrevivência / grupo PaP....69
Tabela 27 - Itens do PPI nos participantes................................................................71
Tabela 28 - Características dos 3 grupos definidos pelo PPI....................................72
Tabela 29 - Acuidade das estimativas de sobrevivência usando o PaP e o PPI.......73
Tabela 30 - Correlações de ordem de Spearman entre os vários instrumentos de
prognóstico (PaP, PPI, PPS, ECS) e a sobrevivência observada ............74
Tabela 31 - Frequência absoluta e relativa de erros graves associados à aplicação
dos 4 instrumentos ...................................................................................76
11
Tabela 32 - Associação entre estimativas clínicas e sobrevivência em 13 estudos,
incluindo o actual ......................................................................................83
Tabela 33 - Resumo de alguns dos trabalhos publicados explorando a PPS como
factor de prognóstico ................................................................................87
Tabela 34 - Estudos usando o PaP como instrumento preditor de prognóstico........90
Tabela 35 - Estudos usando o PPI como instrumento preditor de prognóstico.........93
Tabela 36 - Comparação da acuidade do PPI em trabalhos prévios com o estudo
actual ........................................................................................................95
12
ÍNDICE DE FIGURAS
Figura 1 - Modelo conceptual da formulação do prognóstico na doença oncológica
avançada .................................................................................................17
Figura 2 - Proveniência dos 341 doentes referenciados à Unidade de Medicina
Paliativa ....................................................................................................47
Figura 3 - Curva de sobrevivência de Kaplan-Meier dos 341 participantes..............48
Figura 4 - Curvas de sobrevivência de Kaplan-Meier segundo o estadio da doença,
e a presença / ausência de dispneia e delirium........................................53
Figura 5 - Diferença entre a estimativa clínica de sobrevivência e a sobrevivência
observada.................................................................................................54
Figura 6 - Quociente entre a sobrevivência observada e a estimada .......................56
Figura 7 - Relação entre o grau de inacuidade e a sobrevivência observada ..........59
Figura 8 - Efeito da terapêutica oncológica em curso sobre o grau de acuidade da
ECS ..........................................................................................................60
Figura 9 - Curvas de sobrevivência de Kaplan-Meier por nível PPS à admissão .....63
Figura 10 - Curvas de sobrevivência de Kaplan-Meier por grupo PaP .....................70
Figura 11 - Curvas de Kaplan-Meier por grupo PPI .................................................73
Figura 12 - Grau de adequação clínica das estimativas por grupo prognóstico PaP e
PPI............................................................................................................75
Figura 13 - Grau de adequação clínica das estimativas usando a PPS ...................76
Figura 14 - Relação entre a adequação clínica das estimativas usando os 4
instrumentos e o tipo de tratamento oncológico em curso durante o
seguimento ...............................................................................................77
13
Figura 15 - Estimativas adequadas por instrumento preditor, em função do número
de instrumentos também adequados, quando a estimativa clínica não teve
acuidade ...................................................................................................78
Figura 16 - Frequência de estimativas inadequadas face a uma estimativa clínica
adequada..................................................................................................79
Figura 17 - Curvas de Kaplan-Meier por nível PPS – efeito cauda para PPS20% ...89
14
A Medicina é uma ciência de incerteza e uma arte de probabilidade.
Sir William Osler 114
A. INTRODUÇÃO
1. A arte e a ciência de prognosticar
Saber formular e transmitir um prognóstico são competências clínicas milenarmente
reconhecidas como básicas na actividade assistencial 14,19,48,103. Na realidade, de
forma consciente ou subconsciente, mais ou menos implícita, estamos
constantemente a prognosticar. Fazêmo-lo quando optamos por determinada
intervenção ao invés de outra que sabemos não nos oferecer tantas garantias
futuras, quando informamos que as náuseas durarão 4 ou 5 dias se iniciarmos
medicação opioide sem recurso a um antiemético, quando comentamos na visita
que a lesão não deixará o Sr. X voltar a andar, quando antecipamos custos mais
elevados para os cuidados a prestar a uma vítima de um acidente vascular cerebral
embólico comparativamente com um evento de origem isquémica.
Nos últimos cento e cinquenta anos os avanços tecnológicos e a consequente
capacidade de interferir sobre o curso de muitas doenças têm vindo a esbater e a
negligenciar o papel do prognóstico na ciência do cuidar 33,47,51,96.
Do ponto de vista epidemiológico, prognosticar consiste em estimar as
probabilidades relativas de ocorrência de diferentes eventos na história natural de
uma doença.
Em doença oncológica avançada, prognosticar implica frequentemente estimar o
tempo restante de vida mas não se reduz a essa dimensão. Fries e Ehrlich, na sua
15
obra “Prognóstico na Medicina Contemporânea”, identificaram os eventos
decorrentes da história natural da maioria das doenças, designando-os como “os 5
Ds do prognosticar” – “disease progression / recorrence”, “death”,
“disability/disconfort”, “drug toxicity” e “dollars (custos para o sistema de saúde)” 53.
Não podemos contudo deixar de concordar com Glare e Christakis 48 quando juntam
um sexto D, de “derivatives”, referindo-se à repercussão (morbilidade/ mortalidade)
que a doença exerce sobre as pessoas que rodeiam o doente.
A incerteza do futuro, a complexidade e a dinâmica inerentes ao ser humano bem
como a multidimensionalidade subjacente ao acto de prognosticar não nos devem
abster de fazê-lo 20,21,47,128. Devem servir sim como motivação para adquirirmos
competências específicas melhorando a acuidade das nossas estimativas,
permitindo, sobretudo em situação de fim de vida, que doentes e famílias tenham a
oportunidade de focalizar as suas energias naquilo que realmente lhes é significativo
13,60,71,84,174.
Uma discussão franca do prognóstico pode alterar um plano de cuidados
74,77,144,149,169,170,172. A clarificação do prognóstico é vital para assegurar que o doente
está a decidir de uma forma autónoma e totalmente informada, consciente do
previsível curso da doença (sintomas, estado funcional, repercussão familiar/
económica) e do impacto dos potenciais tratamentos / intervenções modificadoras
(incluindo toxicidade) 91,94,125,171. Informar do prognóstico é oferecer a doentes e
famílias expectativas realistas, permitindo reorganizar e priorizar a gestão de
questões de índole emocional, financeira e logística 31,77,86,118,141,142,167.
16
Para além dos motivos clínicos e éticos, do ponto de vista organizacional o
prognóstico formulado vai condicionar o acesso 28,42-44,47,154 e nalgumas
circunstâncias (como acontece nos EUA), a comparticipação nos custos de
estruturas especializadas na prestação de cuidados de suporte / cuidados paliativos
48,52,78.
Também para a planificação de políticas de saúde e para a investigação é essencial
a noção de prognóstico, permitindo no primeiro caso uma criação e gestão racionais
de infra-estruturas e recursos humanos 164,166 e no segundo caso, adequar o desenho
e análise dos resultados de ensaios clínicos às características da população alvo
35,36,48.
2. A formulação de um prognóstico
Apesar do prognóstico de uma doença ser um conceito estático, o prognóstico do
doente é algo de dinâmico e provisório, dependendo em cada momento de vários
factores 93 (figura 1) e por isso exigindo revisão subsequente 47,48,51,131.
O objectivo do médico será formular um prognóstico individualizado 134,147, partindo
de dados genéricos e do conhecimento da trajectória da doença 91 e modificando-o
em função 2,4,52,58,63 da observação clínica 59,130,132,158, estado funcional
34,39,56,62,65,81,82,105,109,113, sintomas 12,32,38,41,70,107,124,157, comorbilidades 123,155,156 e
vontade de viver do doente 13,15,27,45,57,79,86,117,120,135,140,148,168.
17
Figura 1.
Modelo conceptual da formulação do prognóstico na doença oncológica avançada (adaptado de
Mackillop 93
)
Existem duas formas de formular o prognóstico de um determinado indivíduo 29. A
primeira será aquela em que o clínico se socorre da sua experiência assistencial e
elabora um juízo totalmente subjectivo – estimativa clínica de sobrevivência (ECS).
2.1 - A estimativa clínica de sobrevivência
A ECS pode ser definida como o julgamento prognóstico do médico e é classificada
como um factor prognóstico ambiental 47, externo ao doente, podendo influenciar as
intervenções subsequentes.
Na prática clínica a ECS é usada frequentemente para formular prognósticos. A sua
aplicabilidade imediata a qualquer situação (à cabeceira, dispensando exames
complementares) e a apresentação do resultado no formato que mais se ajusta às
necessidades do doente e/ou família são as suas maiores vantagens,
comparativamente com os outros instrumentos de prognóstico validados.
18
Trata-se de um processo subjectivo, dependente de uma avaliação clínica,
individualizada, num determinado momento 72. Para formular uma previsão o médico
baseia-se na sua experiência, o que implica que tenha acompanhado muitos casos
similares. Contudo a ECS está sujeita a vários vieses cognitivos 47,48,51,52: o “efeito
estrutural” (a selecção de um prognóstico diferente consoante a forma como a
informação é obtida); o “efeito de ancoragem” (a atribuição de um peso excessivo a
uma parte da informação); o “vies de confirmação” (procurar informação que só
venha reforçar a ideia inicial) e a “memória selectiva” (lembrar apenas as situações
extremas). A acuidade da estimativa parece estar ainda fortemente associada a
outros factores pessoais do médico 18,19,22,53,55,139,162 (área profissional –
oncologia/medicina paliativa vs outras) e ao tipo de relação médico-doente
estabelecida (familiaridade vs superficialidade).
Uma opção pode ser o recurso a uma segunda opinião, preferencialmente de um
“perito”, o que contudo nem sempre é viável e claro não obvia os vieses do segundo
avaliador 47,51,53.
Também na maioria dos livros de texto actuais são escassas a quantidade e a
especificidade da informação quanto a como formular um prognóstico. Se são
disponibilizados dados estes referem-se geralmente a tempos livres de doença ou a
medianas de sobrevivência (20% dos doentes oncológicos terminais sobrevivem <¼
ou >3x que este valor 51) em populações específicas pondo em causa a validade e
aplicabilidade a casos individuais.
O recurso à medicina baseada na evidência 33,35,64,80,97,122,151 e à pesquisa
electrónica de revisões sistemáticas ou ensaios clínicos válidos não têm sido até
aqui muito frutuosos 48, não estando a área do prognóstico (número de publicações,
19
consenso quanto aos critérios de análise dos dados) tão robustamente sustentada
quanto as áreas de intervenção.
Todas as revisões sistemáticas da literatura 18,33,51,55,97,162 versando a formulação de
prognósticos, em doença oncológica avançada, consideram importante a ECS
independentemente das limitações da sua utilização e da sua inerente não
reprodutibilidade.
Muitos trabalhos têm sugerido que as ECS em doentes integrados em programas de
cuidados paliativos carecem habitualmente de acuidade e são sistematicamente
optimistas 22,42,68,89,98,119,134,161. O mesmo se conclui da revisão que em 2003 Glare e
colegas publicaram 55, englobando mais de 1500 ECS, feitas ao longo de 30 anos
em países como o Reino Unido, a Itália e os Estados Unidos da América. Perante
situações de doença oncológica terminal e com uma mediana de sobrevivência
próxima das 4 semanas, apenas 1 em cada 4 previsões identificava correctamente a
semana do óbito. Na mesma proporção (25% dos casos) o erro do médico
ultrapassava as 4 semanas. Em 7 dos 8 estudos revistos o clínico sobrestimava o
tempo de vida restante. Apesar desse optimismo, a ECS e a SO estavam
correlacionadas (no global R de Pearson=0,60), sendo essa relação linear até aos 6
meses. Ou seja, os médicos parecem não estar bem calibrados para estimar a
sobrevivência mas têm um bom poder discriminatório – são capazes de categorizar
doentes em termos da gravidade da situação e do tempo de vida restante.
Apesar do reduzido número de trabalhos publicados sob esta forma, a apresentação
da ECS sob um formato probabilístico (e não temporal como é usualmente utilizada)
parece aumentar a acuidade da previsão 51,53.
20
O recurso à ECS deve implicar pois que o clínico esteja consciente de que as suas
previsões serão mais frequentemente optimistas que pessimistas (2:1) e que a SO
pode ser apenas 1/5 a 1/3 da esperada 48,52,55.
A ECS está ainda sujeita a um fenómeno denominado “efeito do horizonte”,
designação importada da metereologia, que postula que previsões a curto prazo têm
maior acuidade que as feitas em momentos temporalmente distantes. Também este
aspecto foi evidente na revisão de Glare e colegas 55 demonstrando-se que as ECS
inferiores a 4 semanas foram as mais precisas.
O julgamento médico tem-se afirmado como um factor preditor independente,
medindo e quantificando aspectos relevantes mas ainda não mensuráveis ou
capturáveis pelos restantes modelos (provavelmente comorbilidades e factores
psicossociais). É uma fonte informativa útil, mas não exclusiva. Tal como foi
sugerido por um grupo de peritos da European Association for Palliative Care 97, os
clínicos devem utilizá-lo em combinação com outros factores ou instrumentos de
prognóstico, no sentido de maximizar o seu poder preditivo.
2.2 - A análise estatística da sobrevivência
A segunda forma de elaborar um prognóstico – análise estatística de sobrevivência
consiste na aplicação de modelos estatísticos preditivos, calculados a partir de
grandes bases de dados de sobrevivência, integrando factores que demonstraram
significância em análises multivariadas 137 e correlação com o tempo de vida nas
populações em que foram estudados 25,66,127,138. A tabela 1 apresenta alguns desses
factores 97.
21
Tabela 1.
Factores preditivos do prognóstico (adaptado de Maltoni e col 97
).
• ECS
• estado functional
• delirium
• dispneia
• sinais e sintomas do síndrome de
anorexia/caquexia (anorexia, perda de
peso, disfagia e xerostomia)
• factores biológicos (leucocitose,
linfocitopenia e proteína C reactiva)
ECS – estimativa clínica de sobrevivência
A análise estatística é habitualmente preferível 66,67. Contudo, em doença oncológica
avançada, a ECS tem demonstrado, de forma consistente, ser um forte preditor
independente contribuindo para cerca de metade da variância da sobrevivência 51.
Comparativamente, o peso na variância dos factores prognósticos que
habitualmente integram os modelos estatísticos (estado funcional, sintomas e dados
laboratoriais) vai pouco além de um terço. A associação de ambos consegue
maximizar ligeiramente o contributo da ECS sozinha, mas não ultrapassa os 54% de
explicação da variância do tempo de vida, o que vem reforçar que outros factores
independentes permanecem por identificar e considerar nos juízos clínicos 127.
Marcadores séricos 46,73,100,126 (nomeadamente citocinas pro-inflamatórias
37,85,92,104,111,129,132) e parâmetros auto-avaliados pelos doentes 15,90 - estado
funcional, sintomas, sensações subjectivas relacionadas com o bem-estar e outros
factores psicossociais têm sido sugeridos como potenciais candidatos a maximizar a
acuidade dos instrumentos actualmente disponíveis 97,129.
Apesar de nas últimas duas décadas terem sido desenvolvidos vários instrumentos
de análise estatística 1,5,6,8,16,17,23,46,56,66,71,75,87,102,106,110,121,138,146,175,177 com o propósito
de ajudar na formulação individual do prognóstico muitos deles estão por validar.
22
Nenhum conseguiu até agora demonstrar uma utilidade universal quer pela falta de
consistência do peso dos factores prognósticos incluídos nas diferentes populações,
quer pela variação na acuidade da ECS (factor integrante de um alguns modelos).
Numa revisão sistemática recente 80 os autores concluiam que, mesmo para os
instrumentos com que estamos familiarizados, mais estudos (prospectivos, com
amostras maiores e em contextos assistenciais diversificados) são necessários para
reforçar a evidência da sua validade e fidedignidade.
A Palliative Performance Scale (PPS) 5, o Palliative Prognostic Score (PaP) 99 e o
Palliative Prognostic Index (PPI) 106 são três dos instrumentos mais utilizados,
internacionalmente validados como preditores do prognóstico em doentes
oncológicos com tumores sólidos e sobrevivências antecipadas inferiores a 3 meses.
Na tabela 2 resumem-se os contextos em que têm sido estudados, aspectos
positivos, limitações e valor de cada instrumento.
23
Tabela 2.
Comparação de 3 instrumentos de análise estatística da sobrevivência
Instrumento contexto aspectos positivos limitações valor
Palliative
Performance
Scale (PPS)
Palliative
Prognostic
Score (PaP)
Palliative
Prognostic
Index (PPI)
comunidade,
UCP, lar, EIH
UCP, EIH,
internamento
de oncologia
UCP, EIH,
comunidade
usado em diferentes
contextos / doença
oncológica ou não; um PPS
baixo está associado a
sobrevivências de < 1
semana a < 6 meses
usado em diferentes
contextos / doença
oncológica ou não; PaP
fortemente preditor da
sobrevivência aos 30 dias;
combina estado funcional,
sintomas e alterações
laboratoriais
documentados como
preditores
usado para todos os tipos
de neoplasia; inclui a PPS e
sintomas conhecidos como
preditores; fortemente
preditor de sobrevivência
< 3 semanas e < 6
semanas
sem estudos
multicêntricos;
ambiguidade no intervalo
PPS 40-60%; 3 bandas
nalguns trabalhos
não validado em tumores
hematológicos e renais;
necessita de hemograma;
os intervalos da ECS são
arbitrários; os grupos KPS
são questionáveis; predição
apenas até 30 dias; a
necessitar de mais
validação na doença não
oncológica
aplicado sobretudo em
UCP; avaliação dos
sintomas potencialmente
subjectiva; as bandas PPS
podem ser questionáveis;
estimativas até 6 semanas
instrumento de comunicação
útil, forte preditor de
sobrevivência em doença
oncológica ou não, em
distintos contextos;
precaução no poder
discriminatório dos valores
intermédios
simples de utilizar em
diferentes contextos, na
doença oncológica ou não;
necessita de mais estudos de
validação
simples, prático sem
necessidade de exames
complementares; não
validado na doença não
oncológica a carecer de
validação mais extensa em
contexto não asiático.
UCP – unidade de internamento de cuidados paliativos; EIH – equipa intrahospitalar de suporte em cuidados paliativos
2.2.1 A Palliative Performance Scale (PPS) 165
A escala PPS foi desenvolvida no Canadá, pelo grupo de Anderson 5 e apresentada
em 1996 como um novo instrumento de medida do estado funcional, para doentes
em contexto de cuidados paliativos. Trata-se de uma modificação da escala de
performance de Karnofsky, avaliando 5 dimensões funcionais: a capacidade de
deambular, o nível de actividade e evidência exterior de doença, o auto-cuidado, a
ingesta oral e o estado de consciência. A PPS subdivide-se em 11 níveis, de 0 % a
100%, em aumentos seriados de 10% (tabela 3) correspondendo o 0% a um
24
indivíduo morto e o 100% a alguém independente do ponto de vista ambulatório e
saudável.
Desde que foi publicada, vários trabalhos 34,62,65,81-83,109,113,153,163,171 têm avaliado a
sua utilização na previsão do tempo de sobrevivência de doentes oncológicos e não
oncológicos em fim de vida.
Comparativamente com a KPS, o poder preditivo da PPS é reforçado pela inclusão
de 2 factores de prognóstico independentes – a ingesta oral e a alteração do estado
de consciência. Estando ambas as escalas dependentes do estado funcional, em
situações de doença agressiva em que o doente ainda não iniciou a fase de rapido
declínio, as previsões usando qualquer das escalas podem não reflectir a evolução
esperada.
Apesar de ser unanimemente reconhecido o seu valor preditivo, a forma como tem
sido utilizada e reportados os resultados não tem sido consensual. Nem Virik e Glare
163 nem o grupos de Lau 81-83 e Downing 34 (este último numa meta-análise, reunindo
1808 doentes de 4 estudos independentes) confirmaram a existência de 3 grupos de
sobrevivência PPS como fora proposto por autores como Morita e col. 109 e Head e
col. 65 Embora as 3 bandas não fossem coincidentes nos 2 trabalhos (Morita - PPS
10-20%, PPS 30-50%, PPS≥ 60; Head - PPS 10-20%, PPS 30-40% e PPS 50-70%),
chamava-se a atenção para dificuldades no poder discriminatório de alguns níveis
PPS. Nos trabalhos recentemente publicados por Lau e col. 81,83 (incluindo uma
análise retrospectiva da utilização da PPS em mais de 6000 doentes) volta a ser
sugerido que os níveis PPS representam decis de sobrevivência distintos.
Na meta-análise de Downing e col. 34 atrás citada, para além do nível PPS, o sexo e
o diagnóstico apareciam também associados ao tempo de vida (as mulheres viviam
25
mais, sobretudo se não tivessem diagnosticada uma neoplasia). Contudo, o local de
cuidados não mostrou, nessa amostra alargada, a significância estatística que tinha
sido sugerida por Harrold e col. 62
Também a apresentação das estimativas de sobrevivência tem sido muito díspar, o
que dificulta a comparação dos dados. Grupos como o de Head 65 optaram por
apresentar as medianas das sobrevivências de 5 categorias PPS (PPS 10 e 20%,
PPS 30%, PPS 40%, PPS 50% e PPS 60 e 70%) e de 5 grupos diagnóstico
(neoplasia, doença pulmonar, fragilidade/demência, doença cardíaca e outras). Já
Harrold e col. 62 optaram por mostrar as taxas de mortalidade aos 7, 30, 90 e 180
dias por grupos PPS (PPS 10 e 20%, PPS 30 e 40% e PPS 50 a 70%), por local de
cuidados (instituição/ na comunidade) e diagnóstico (oncológico/não oncológico).
Lau e col. 82 usaram as taxas de mortalidade por cada nível de PPS para intervalos
temporais sucessivos (1, 3, 5, 7, 14, 30 ... 365 dias) e exploram numa publicação
recente 81 um nomograma de sobrevivência baseado num modelo de regressão de
Cox, ajustando as estimativas para além do PPS à admissão, em função da idade,
género, diagnóstico e local de cuidados do doente. Os diferentes formatos em que
tem sido reportado o valor preditivo da PPS são contudo uma ajuda para os clínicos,
permitindo escolher a que melhor se adapta às questões levantadas por doentes e
famílias.
26
Tabela 3.
Escala PPS versão 2 165
e seus níveis (tradução para a língua portuguesa)
Nível
PPS (%)
capacidade de
deambular
actividade e evidência de
doença
auto-
cuidados
ingestão oral
nível de
consciência
100
90
80
70
60
50
40
30
20
10
0
total
total
total
reduzida
reduzida
sobretudo sentado /
deitado
sobretudo na cama
totalmente acamado
totalmente acamado
totalmente acamado
morto
actividade e trabalho normais
sem evidência de doença
actividade e trabalho normais
alguma evidência de doença
actividade normal com esforço
sem evidência de doença
incapaz de trabalho normal
doença significativa
incapaz de hobbies/actividade
doméstica; doença significativa
incapaz de qualquer trabalho
doença muito marcada
incapaz da maioria das actividades
doença muito marcada
incapaz de qualquer actividade
doença muito marcada
incapaz de qualquer actividade
doença muito marcada
incapaz de qualquer actividade
doença muito marcada
-
totais
totais
totais
totais
ajuda
ocasional
ajuda parcial
com ajuda
ajuda total
ajuda total
ajuda total
-
normal
normal
normal ou
reduzida
normal ou
reduzida
normal ou
reduzida
normal ou
reduzida
normal ou
reduzida
normal ou
reduzida
mínima
/pequenos golos
apenas cuidados à
boca
-
total
total
total
total
total ou confusão
total ou sonolento
+/- confusão
total ou sonolento
+/- confusão
total ou sonolento
+/- confusão
total ou sonolento
+/- confusão
sonolento ou coma
+/- confusão
-
Instruções: o nível PPS é determinado da esquerda para a direita no sentido de se encontrar a linha horizontal que melhor
descreva a situação. Começando na coluna mais à esquerda vai-se descendo até ser encontrado o nível que se adequa à
capacidade de deambular. Seguidamente, e partindo da mesma linha, toma-se em consideração a coluna “actividade e
evidência de doença”, descendo-se se necessário ao longo dessa coluna até ser encontrada a melhor descrição para o grau
de actividade mantida e sinais de doença e assim sucessivamente.
2.2.2 O Palliative Prognostic Score (PaP) 99
O PaP foi construído em Itália, a partir de um estudo multicêntrico pelo grupo de
Pirovano 121, no final dos anos noventa. O modelo reúne o estado funcional avaliado
pelo KPS 105, sintomas como a anorexia e a dispneia, a estimativa clínica de
sobrevivência e parâmetros hematológicos como a contagem leucocitária e a
percentagem de linfócitos no sangue periférico (tabela 4). Cada um destes factores
recebe uma pontuação que uma vez somada origina a pontuação PaP.
27
No processo de validação 99 (em doentes oncológicos, tendo já interrompido
terapêutica específica e com uma mediana de sobrevivência de 32 dias) os autores
mostraram tratar-se de um instrumento fortemente preditivo da sobrevivência a curto
prazo, definindo a pontuação PaP (0-5,5, 6-11 e 11,5-17,5) 3 grupos com
prognósticos homogéneos, respectivamente com uma probabilidade elevada (≥
70%), intermédia (entre 30 e 70%) e baixa (< 30%) de estar vivo aos 30 dias.
Tabela 4.
Itens da pontuação PaP 99
e grupos de risco (tradução para a língua portuguesa)
Item pontuação parcial
anorexia
não
sim
dispneia
não
sim
pontuação na escala de performance de Karnofsky (%)
≥30
10-20
estimativa clínica de sobrevivência (semanas)
>12
11-12
7-10
5-6
3-4
1-2
contagem leucocitária (x10-3
/L)
≤8,5
8,6-11
>11
linfócitos (%)
≥20
12-19,9
<12
Grupos de risco
A (probabilidade de sobrevivência aos 30 dias > 70%)
B (probabilidade de sobrevivência aos 30 dias entre 30 e 70%)
C (probabilidade de sobrevivência aos 30 dias < 30%)
0
1
0
1,5
0
2,5
0
2
2,5
4,5
6
8,5
0
0,5
1,5
0
1
2,5
pontuação total
0-5,5
5,6-11
11,5-17,5
28
A robustez do PaP tem sido demonstrada pela sua validação noutras populações e
contextos 143 - em hospital de agudos (doentes acompanhados por equipas intra-
hospitalares de cuidados paliativos 30, 54 ou internados num serviço de Oncologia 49)
ou seguidos na comunidade 111.
Mais recentemente foi testada a sua acuidade prognóstica em doentes com
neoplasias do tubo digestivo ou do pulmão, candidatos a quimioterapia paliativa 152.
Apesar das características da amostra terem determinado apenas 2 grupos
prognósticos (nenhum doente com PaP >11), o instrumento foi discriminativo
indiciando a possibilidade de diferenciar os doentes que poderão beneficiar de
tratamento dos que beneficiarão mais com cuidados de suporte.
Mais estudos são necessários neste campo bem como para aumentar o nível de
evidência do poder preditivo do PaP na doença não oncológica, onde também está
validado 50.
Apontam-se como limitações importantes à sua utilização: 1) o peso conferido à
ECS (quase 50% da pontuação final); 2) a exclusão de doentes com tumores renais
e hematológicos do estudo que lhe deu origem 121; e 3) o facto do seu algoritmo não
contemplar um sinal de reconhecido valor prognóstico independente - o
delirium/alteração do estado de consciência 12.
2.2.3 O Palliative Prognostic Index (PPI) 106
O PPI representa uma extensão do PPS, concebida e validada como instrumento
prognóstico por Morita e colegas em indivíduos com doença oncológica avançada,
internados em unidades de cuidados paliativos japonesas. Para além do estado
29
funcional, o PPI é definido em função da ingesta oral e da presença ou ausência de
dispneia, edema e delirium 107 (tabela 5).
A necessidade dos clínicos decidirem se o delirium é ou não iatrogénico (única
situação potencialmente reversível em que não deve ser pontuado) cria algumas
limitações na sua aplicação. O não implicar a realização de exames laboratoriais
nem incorporar estimativas de sobrevivência feitas pelo médico são apontados como
vantagens do PPI.
De acordo com a pontuação obtida (de 0 a 15) em função dos diferentes itens, os
doentes são divididos em 3 grupos preditores: um PPI >6 estima uma sobrevivência
inferior a 3 semanas, um PPI >4 aponta para menos de 6 semanas de vida e um PPI
≤4 para uma sobrevivência maior que 6 semanas.
O mesmo grupo que o desenvolveu mostrou que o PPI, ainda no contexto de
doença oncológica, pode contribuir para melhorar a acuidade das estimativas de
sobrevivência feitas pelos clínicos (de 62 para 74% de estimativas adequadas) 108.
Outros autores têm vindo a validar o PPI em populações geograficamente e
culturalmente distintas 30,143,145,176 sob terapêutica antineoplásica activa, em
contextos assistenciais diversificados (ambulatório e em ambiente hospitalar). O seu
valor preditivo negativo relativamente baixo (0,5-0,87) tem-se confirmado pelo que
tal deve ser tido em conta aquando da sua utilização.
Mais recentemente foi também descrita a sua potencial utilidade em doentes não
oncológicos 176, aguardando-se trabalhos que o validem nesse subgrupo.
30
Tabela 5.
Itens da pontuação PPI 106
e grupos de risco (tradução para a língua portuguesa)
Item pontuação parcial
Palliative Performance Scale (%)
10-20
30-50
≥60
ingesta oral
muito reduzida
reduzida
normal
edema
presente
ausente
dispneia em repouso
presente
ausente
delirium
presente
ausente
Grupos de risco
A
B
C
PPI > 4 - 20% sobrevivência às 6 semanas
PPI > 6 - 20% sobrevivência às 3 semanas
PPI ≤ 4 - > 20% sobrevivência às 6 semanas
4
2,5
0
2,5
1,0
0
1,0
0
3,5
0
4,0
0
pontuação total
0,0-2,0
2,5-4,0
4,5-15,0
3. A acuidade das estimativas de sobrevivência
Na formulação do prognóstico a decisão quanto ao(s) método(s) - ECS / análise
estatística e ao modelo a utilizar deve ser fundamentada na comparação das
respectivas acuidades 29.
A acuidade de um método prognóstico avalia o grau de concordância entre a
probabilidade (ou taxa) estimada e a proporção de indivíduos em que determinado
evento vem a ocorrer.
31
A probabilidade estimada pode ser muito mais alta ou muito mais baixa que a
observada (método não calibrado) e/ou pode não distinguir bem os elementos em
quem o evento vem a ocorrer ou não (método não discriminatório). A calibragem é
avaliada comparando a taxa estimada com a taxa observada numa população
referência.
O poder discriminatório para eventos binários é habitualmente avaliado recorrendo à
análise da área sob a curva, variando entre 0,5 (não discriminatório) e 1
(discriminatório na perfeição). Tratando-se do tempo de vida restante a
discriminação entre curvas de sobrevivência para grupos distintos, definidos por
exemplo pelos modelos estatísticos, é avaliada pela variabilidade das taxas de
sobrevivência em momentos pré-definidos.
A precisão de um método define o grau de proximidade entre as estimativas em
aplicações sucessivas do mesmo. O grau acuidade e precisão definem pois o poder
discriminatório de um modelo estatístico bem como a calibragem das estimativas
temporais dos médicos.
De uma forma geral, a acuidade de estimativas probabilísticas, como aquelas que
habitualmente resultam da aplicação dos modelos estatísticos, é superior (50-75%) à
acuidade das estimativas temporais (25%), formato em que comummente se
apresentam as ECS 3,10,24,40,48,61,69,76.88,94,116,159-161.
Comparar a acuidade prognóstica dos três instrumentos de análise estatística da
sobrevivência atrás apresentados (PPS, PaP e PPI), tendo como referência a ECS e
avaliar a sua aplicabilidade ao contexto assistencial de uma Unidade de Medicina
32
Paliativa de um hospital terciário e universitário português foram os objectivos
principais do presente trabalho.
B. METODOLOGIA
Realizou-se um estudo de coorte, prospectivo e observacional.
1. Participantes
Durante 18 meses (entre 1 de Março de 2008 e 31 de Agosto de 2009) e aquando
da avaliação inicial pela equipa da Unidade de Medicina Paliativa do Centro
Hospitalar Lisboa Norte, EPE – Hospital de Santa Maria, foram convidados a
participar no estudo todos os doentes com doença oncológica, não hematológica,
avançada (localmente avançada ou metastizada).
Perante a incapacidade do doente em compreender ou assentir em participar o
convite foi dirigido ao cuidador principal ou ao familiar presente, preenchendo este o
formulário de consentimento informado.
Considerou-se que o período de seguimento culminaria com o óbito, estendendo-se
por 90 dias após a inclusão do último doente. O estudo foi aprovado pela Comissão
de Ética da instituição.
A Unidade de Medicina Paliativa do CHLN, EPE a funcionar desde Janeiro de 2007,
assegura um programa de cuidados paliativos que inclui a valência de consultadoria
em internamento (doentes internados sob a responsabilidade das diferentes
33
especialidades), consulta externa e atendimento telefónico doze horas por dia, nos
dias úteis. Acompanha doentes maiores de 16 anos, referenciados quer
internamente pelos médicos assistentes, quer do exterior, mediante a detecção de
necessidade por qualquer profissional de saúde. Do ponto de vista clínico conta com
um elemento médico - a investigadora, especialista em Medicina Interna e com
cerca de 1,5 anos de treino em Cuidados Paliativos, à data de início do estudo.
2. Instrumentos
Foi criada uma folha individual de colheita de dados, preenchida pelo médico, de
acordo com um algoritmo. Numa primeira secção era anotada aquando da avaliação
inicial a informação demográfica (género, idade, etnia e estado civil), proveniência,
motivo da referenciação, local de observação inicial e alguns dados clínicos
(diagnóstico, duração da doença (em meses), estadio, localização de doença
metastática, terapêutica antineoplásica em curso e comorbilidades, incluindo a
presença de uma intercorrência infecciosa activa).
Numa segunda secção, também preenchida na avaliação inicial, eram registados os
itens relativos aos 4 instrumentos de predição de sobrevivência em apreciação
(ECS, PPS, PaP e PPI), como abaixo se descreve. A terceira secção era preenchida
no decurso do período de seguimento, registando datas e motivos de internamento
hospitalar ou em unidade de cuidados paliativos, data e motivo de saída do estudo
(óbito / interrupção do seguimento).
Manteve-se contacto telefónico periódico com as famílias e/ou os profissionais que
cuidaram dos doentes transferidos para outros programas de cuidados paliativos,
34
obtendo-se desse modo informação relativa à data e local do óbito. Nos doentes que
mantiveram seguimento na Unidade a data do óbito foi validada na base de dados
administrativos do CHLN, EPE, se o óbito ocorreu aí e junto da família, se o doente
faleceu na comunidade. Definiu-se como sobrevivência o intervalo de tempo que
mediou entre a data de admissão e a do óbito (para os doentes falecidos) ou entre a
admissão e o dia 30 de Novembro de 2009 (fim do estudo) para os doentes ainda
em seguimento.
2.1 Estimativa clínica de sobrevivência (ECS)
Não tendo sido possível obter a colaboração dos médicos assistentes como fora
inicialmente programado, optou-se por solicitar ao médico da equipa que, com base
na sua experiência clínica, estimasse, no final de cada avaliação inicial, quanto
tempo de vida, em semanas, restaria ao doente, registando-o na folha de colheita de
dados, criada para o efeito.
2.2 Palliative Performance Scale (PPS)
O nível PPS é um item avaliado por rotina na unidade, de acordo com as instruções
disponibilizadas pelos autores 165, sendo parte integrante do processo clínico
individual. Estabeleceram-se como momentos de aplicação todas as observações
em consulta e a primeira observação por cada internamento bem como o dia de alta.
É o médico o responsável por esta avaliação. A utilidade da PPS enquanto preditora
do prognóstico já foi alvo de investigação num trabalho recentemente apresentado
153. Para o estudo actual considerou-se apenas o nível PPS na observação inicial,
que se pediu ao médico para ser registado na folha já citada.
35
2.3 Palliative Prognostic Scale (PaP)
No sentido de avaliar a presença de anorexia e dispneia os participantes foram
questionados quanto à existência de falta de apetite e de sensação de falta de ar
nas 24 horas que antecederam a observação inicial. O estado funcional avaliado
pela escala de performance de Karnofsky obteve-se conjugando dados de
observação com as respostas dos doentes / familiares ou outros cuidadores a
questões relativas ao tipo de actividades que o doente conseguia completar.
Utilizou-se como estimativa de sobrevivência o valor já anteriormente solicitado ao
clínico, num formato em semanas. Quanto aos parâmetros hematológicos
consultaram-se no registo informatizado do laboratório do CHLN os resultados do
último hemograma disponível. Não existindo nenhum nos 7 dias antecedentes, era
requisitada uma colheita no mesmo laboratório. O cálculo da pontuação PaP só foi
efectuado após a conclusão do estudo (90 dias após a inclusão do último doente) na
perspectiva de minimizar o eventual impacto do seu conhecimento sobre o médico.
2.4 Palliative Prognostic Index (PPI)
O nível PPS foi avaliado como acima se descreve. Usaram-se os dados fornecidos
pelos doentes (ou na sua impossibilidade pelos familiares/outros cuidadores) para
pontuar os itens ingestão oral e dispneia em repouso. Tal como nos estudos original
107 e de validação 106 considerou-se que os doentes sob nutrição parentérica total ou
entérica por PEG ou jejunostomia tinham uma ingestão oral “normal”.
Para o diagnóstico de delirium usaram-se os critérios da 4ª edição do Diagnostic and
Statistical Manual of Mental Disorders. Também à semelhança dos outros estudos
36
que validaram o PPI não se considerou estar presente delirium se sua causa
presumível fosse iatrogénica e associada a um único fármaco.
Tabela 6
Parâmetros demográficos, clínicos e biológicos avaliados
parâmetros
demográficos
parâmetros clínicos parâmetros biológicos
idade
género
estado civil
etnia
referenciação
mês
proveniência
motivo
local de avaliação inicial
internamento
data
admissão em UCP
data
óbito
local
data
estado funcional
Karnofsky
PPS
doença
localização primária
estadio
localização secundária
terapêutica em curso
tempo de evolução (meses)
sintomas
ingesta oral
comorbilidade
estimativa de sobrevivência (semanas)
anorexia
delirium
dispneia
edema periférico
ascite
insuficiência cardíaca
DPOC
doença hepática crónica
insuficiência renal crónica
diabetes mellitus
infecção VIH
sindroma demencial
doença cerebrovascular
doença coronária Infecção
activa
contagem leucocitária
% de linfocitos
37
3. Análise estatística
O tratamento estatístico dos dados foi feito com o software Statistical Psychologic
and Society Science, versão 13.0, para Windows (SPSS Inc., Chicago, EUA).
3.1 Participantes
Na caracterização dos participantes usaram-se técnicas de estatística descritiva.
Foram aplicados testes de avaliação da normalidade e investigada a distribuição das
variáveis contínuas. Recorreu-se a uma metodologia não paramétrica pela
distribuição não normal das variáveis em estudo (teste de Kolmogorov-Smirnov). Os
testes U de Mann-Whitney e Kruskall-Wallis foram usados, respectivamente para 2
ou mais grupos independentes, na comparação de ordens médias (variáveis
contínuas e ordinais). O teste Chi-quadrado ou o teste exacto de Fischer exploram
associações entre variáveis qualitativas nos participantes.
3.2 Sobrevivência
Na análise de sobrevivência foi usado o método de Kaplan-Meier 7,9,26,48. Testes de
log-rank compararam as distribuições de sobrevivência em função das variáveis
idade, género, etnia, estado civil, motivo de referenciação, proveniência, mês de
referenciação, local da avaliação inicial, localização primitiva da doença, focalização
secundária, terapêutica antineoplásica em curso, comorbilidade (doença pulmonar
obstrutiva crónica, insuficiência renal crónica, insuficiência cardíaca, doença
hepática crónica, diabetes mellitus, demência, doença cerebrovascular sintomática,
doença coronária isquémica sintomática, infecção pelo vírus da imunodeficiência,
intercorrência infecciosa activa), anorexia, delirium, edema periférico, ascite,
38
dispneia, número de admissões hospitalares no período de seguimento,
internamento em unidade de cuidados paliativos, local do óbito, estado funcional
pela escala KPS, nível PPS, contagem leucocitária, percentagem de linfócitos no
sangue periférico, pontuação PaP e pontuação PPI.
A potencial influência de factores demográficos e clínicos sobre a sobrevivência foi
explorada recorrendo à análise de regressão de Cox (univariada e multivariada),
apresentando-se os ratios de risco de morte para as covariáveis com significado
estatístico.
3.3 Instrumentos
Por não ser linear a sua comparação (informação de diferente teor e formato), a
utilidade de cada instrumento foi apreciada em função de dois conceitos
relacionados mas distintos – a acuidade e a adequação.
A acuidade mede a relação entre o resultado de um teste e o valor real do parâmetro
estudado, ou seja o quão próximo um valor estimado está do valor real. Assim, a
acuidade de um instrumento será a proporção de resultados verdadeiramente
positivos e verdadeiramente negativos em relação à totalidade dos resultados
obtidos. Optou-se por excluir a PPS da análise de acuidade considerando o formato
clássico da informação prognóstica dela decorrente (medianas de sobrevivência).
O conceito de adequação associado ao acto de prever parte do pressuposto de que,
ao confrontar uma previsão com o seu valor real, podemos tomar como adequada
uma estimativa que não coincida com o valor real mas que dele se aproxime, se daí
não advier prejuízo de maior.
39
Do ponto de vista clínico, tendo em conta a tipologia de doentes por nós
acompanhados (mediana da sobrevivência de 4 semanas, um terço ainda sob
terapêutica antineoplásica e com uma mediana de 40% para a pontuação Karnofsky
à admissão) considerámos que estimativas que se afastassem por mais de 1
semana da semana do óbito (antecedendo-o ou sucedendo-lhe) não seriam
clinicamente adequadas.
3.3.1 ECS
Para comparar a acuidade da ECS com a sobrevivência observada (SO) utilizaram-
se os seguintes métodos:
a) foram calculadas para cada doente a diferença entre a ECS e a SO bem como
o quociente entre a SO e a ECS, de acordo com as diferentes definições de
acuidade encontradas na literatura. Para determinar se os erros de predicção
estavam associados a características demográficas ou clínicas recorreu-se a
uma análise de regressão logística. A variável dependente dicotómica
escolhida foi “acuidade” (erro inferior ou igual a 2 semanas) versus
“inacuidade” (erro superior a 2 semanas). As variáveis independentes foram a
idade, género, etnia, estado civil, localização primitiva, focalização secundária
da doença, tratamento antineoplásico à data de inclusão, estado funcional pela
KPS, comorbilidade, motivo de referenciação, proveniência e mês da
referenciação, local da observação inicial, sinais/sintomas, contagem
leucocitária e percentagem de linfócitos.
b) considerou-se um erro optimista a situação da SO ter sido inferior à ECS e um
erro pessimista a SO ter ultrapassado a ECS. Como erro clinicamente
40
significativo usou-se a definição de Morita e colegas 108 que consideraram que
uma SO ultrapassando em pelo menos 28 dias e pelo menos dupla da ECS
configura um erro grave pessimista e que uma SO inferior em pelo 28 dias e
menor que metade da ECS perfigura um erro grave optimista. Pretendendo
identificar as variáveis associadas à ocorrência de erros graves pessimistas
usou-se um modelo de regressão logística.
c) a ECS e a SO foram categorizadas em 5 intervalos: a) 0 a 7 dias (1 semana);
b) 8 a 21 dias (2 -3 semanas); c) 22 a 42 dias (4-6 semanas); d) 43 a 84 dias
(7-12 semanas) e e) mais de 84 dias (>12 semanas). Calculou-se a
sensibilidade (percentagem de doentes numa determinada categoria de
sobrevivência correctamente incluídos nessa categoria), ou seja, o ratio
número de estimativas correctas na categoria / número total de doentes cuja
sobrevivência observada caiu na mesma categoria. A especificidade foi
calculada dividindo o número de doentes correctamente classificados como
não pertencendo a uma determinada categoria de sobrevivência pelo
resultado da soma do número de doentes incorrectamente classificados nessa
categoria e o número de doentes correctamente classificados como não
pertencendo a essa categoria. O valor preditivo positivo representa a
percentagem de doentes correctamente categorizada pelo médico num
determinado intervalo (ou seja o número de doentes cuja sobrevivência
observada coincidiu com o intervalo estimado a dividir pelo número total de
doentes incluídos pela previsão nessa categoria). Obteve-se o valor preditivo
negativo dividindo o número de doentes correctamente identificados como não
pertencendo a determinada categoria pelo número total de doentes que a
41
previsão reuniu nessa categoria. Como acuidade considerou-se a
percentagem de doentes correctamente classificados pelo médico nas
diversas categorias. Usou-se a estatística kappa para determinar o grau de
concordância entre a ECS e SO, ajustado em função do acaso, quando
consideradas as categorias acima discriminadas.
3.3.2 PPS
As estimativas de sobrevivência decorrentes da aplicação do PPS foram
calculadas para apresentação sob dois formatos: 1) médias, medianas e
intervalos de variação por nível PPS e 2) numa tabela de expectativa de vida com
taxas de sobrevivência cumulativa, por dias, para cada nível PPS, construída a
partir das curvas de Kaplan-Meier.
Definiram-se como estimativas adequadas da aplicação do PPS aquelas em que
o diferencial entre a SO e a mediana de sobrevivência para o nível em questão
não ultrapassou 1 semana (-1≤ SO-mediana ≤1). Ocorreu um erro grave
pessimista se SO-mediana ≥ 4 semanas e SO/mediana ≥2 e um erro grave
optimista se mediana-SO ≥ 4 semanas e SO/mediana ≤ 0,5.
3.3.3 PaP e PPI
A aplicação de pontos cutoff (para o PaP 5,5 e 11,5, para o PPI 4 e 6) dividiu os
participantes em grupos iso-prognósticos. Para cada grupo foram calculados
sensibilidade, especificidade, valor preditivo positivo e negativo.
Para o PaP definiu-se como adequada a alocação de doentes no grupo A (>70%
de probabilidade de sobrevivência aos 30 dias) se SO foi ≥3 semanas, no grupo B
42
(30-70% de probabilidade de sobrevivência aos 30 dias) se SO foi ≥3 e ≤5
semanas e no grupo C (<30% de probabilidade de sobrevivência aos 30 dias) se
SO foi ≤ 5 semanas. Para o PPI foi considerada adequada a alocação de doentes
no grupo 1 (> 20% de sobrevivência às 6 semanas) se SO foi ≥5 semanas, no
grupo 2 (20% sobrevivência às 6 semanas) se SO foi ≥4 e ≤7 semanas e no
grupo 3 (20% de sobrevivência às 3 semanas) se SO foi ≤4 semanas.
Para o PaP considerou-se um erro grave pessimista uma SO ≥ 60 dias em
doentes no grupo C e um erro grave optimista uma SO ≤ 2 dias em doentes no
grupo A.
Para o PPI considerou-se um erro grave pessimista uma SO ≥ 12 semanas em
doentes do grupo 2 (PPI >4) ou uma SO ≥7 semanas em participantes do grupo 3
(PPI >6). Um erro grave optimista acontece se SO ≤2 semanas e o PPI ≤4 (grupo
1).
Investigou-se o grau de associação entre PPS. PaP, PPI, ECS e a SO calculando
os respectivos coeficientes de correlação de Spearman.
Foi fixado um valor de p<0,05 como nível de significância nos testes utilizados.
43
C. RESULTADOS
1. Características dos participantes
Dos 369 doentes que cumpriam critérios de inclusão, 28 (7,6%) não foram
considerados para análise, após terem voluntariamente interrompido o seu
seguimento na Unidade.
As tabelas 7 a 10 caracterizam do ponto de vista demográfico e clínico os 341
doentes incluídos. A mediana de idade dos participantes (58% homens) foi de 67
anos (intervalo interquartil 19).
Os tumores do tubo digestivo, da cabeça e pescoço e do pulmão foram os mais
prevalentes (respectivamente 45,5%, 8,8% e 7,9%). A mediana da duração da
doença à data de inclusão era de oito meses. Mais de metade tinham metastização
hepática documentada, sendo o peritoneu a segunda localização mais frequente de
focalização secundária. Trinta e dois por cento estiveram sob terapêutica
antineoplásica (quimioterapia em 76% dos casos) no período de seguimento.
Metade das avaliações iniciais decorreram em internamento. O motivo mais
frequente de referenciação foi o descontrolo sintomático. Quarenta e dois (12%)
doentes estavam em fase agónica na altura da admissão (tabela 11).
Na figura 2 sintetiza-se a proveniência das referenciações por área de
especialização do clínico que detectou necessidades específicas em Cuidados
Paliativos.
44
Tabela 7.
Características demográficas e clínicas dos 341 doentes
frequência %
homens
Etnia
caucasianos
africanos
outros
Estado civil
casados ou em união de facto
solteiros
divorciados ou separados
viúvos
Local de avaliação inicial
internamento
consulta externa
Localização primitiva da neoplasia
olho / sistema nervoso central
cabeça / pescoço
pulmão
mama
tubo digestivo
esófago
estômago
pâncreas
fígado
colon/recto
outros
rim / tracto urinário
aparelho ginecológico
próstata
origem indeterminada
outros
Extensão da doença
metastática
localmente avançada
desconhecida
Terapêutica específica
em curso
iniciada após a admissão
198
314
24
3
221
23
31
66
171
170
16
30
27
21
155
7
38
32
7
58
12
16
26
18
12
20
280
60
1
83
25
58,1
7,0
0,9
64,8
6,7
9,1
19,4
51,1
4,7
8,8
7,9
6,2
45,5
2,1
11,1
9,4
2,1
17,0
3,5
4,7
7,6
5,3
3,5
5,9
82,1
17,6
0,3
24,3
7,3
45
Tabela 8.
Mediana, intervalos interquartil e de variação da idade, KPS duração da doença, estadia em
internamento, seguimento e sobrevivência
Percentis
mediana 25 75
intervalo
de variação
Idade (anos)
Duração da doença (meses)
Pontuação na escala de Karnofsky (%)
Referenciação em internamento - duração da
estadia (dias)
Duração do seguimento (dias)
Sobrevivência (dias)
doentes falecidos (n=325)
doentes vivos no final do follow-up (n=16)
67
8
40
7
16
24
210
57
4
30
2
4
7
144
76
16
50
14
47
66
238
20-95
<1-148
10-90
<1-191
<1-582
<1-582
91-511
Tabela 9.
Localizações secundárias de doença (n=341)
Locais de metastização frequência %
Fígado
Pulmão
Osso
Peritoneu
Sistema nervoso
Ganglionar
Partes moles
Pele
Outra
181
120
83
144
35
131
21
18
45
53,1
35,3
24,3
42,2
10,3
38,4
6,1
5,3
13,2
46
Um em cada 5 doentes era diabético e 1 em cada 10 apresentava sinais de infecção
no momento de inclusão.
A mediana da duração de seguimento na Unidade foi de 16 dias (< 1-582). No final
do estudo 325 (95,3%) doentes tinham falecido, estando os restantes 16 (4,7%)
vivos.
Tabela 10.
Comorbilidade à data de inclusão (n=341)
Comorbilidades frequência %
Insuficiência cardíaca
Insuficiência renal crónica
Doença pulmonar obstrutiva crónica
Doença hepática crónica
Infecção VIH*
Demência
Diabetes mellitus tipo 2
Doença cerebro vascular
Doença coronária isquémica
Intercorrência infecciosa
Duas ou mais co-morbilidades
40
28
35
30
1
18
67
38
45
34
19
11,7
8,2
10,3
8,8
0,3
5,3
19,6
11,1
13,2
10,0
5,6
* VIH - vírus da imunodeficiência humana
47
Tabela 11.
Motivo de referenciação à Unidade de Medicina Paliativa (n=341)
Motivo de referenciação frequência %
Descontrolo sintomático
Seguimento em consulta externa
Fase agónica
Ajuda na preparação da alta
Avaliação global de necessidades
Problemas psico-emocionais
Dificuldades de comunicação
Outros
160
97
42
21
11
4
4
2
46,9
28,4
12,3
6,2
3,2
1,2
1,2
0,6
Figura 2.
Proveniência dos 341 doentes referenciados à Unidade de Medicina Paliativa (UMP)
oncologia
medicina
gastro-hepatologia
ORL
urgencia
cirurgia
radioterapia
unidade de dor
outros cirurgia
outros medicina
medicina geral e familiar
triagem na UMP
120100806040200
nº de doentes__
48
2. Sobrevivência observada
A mediana de sobrevivência foi de 26 dias; 162 (47,5%) doentes estam vivos aos 30
dias, 71 (20,8%) estavam vivos aos 90 dias e 27 (7,9%) viveram mais de 180 dias
após a avaliação inicial (figura 3).
Figura 3.
Curva de sobrevivência de Kaplan-Meier (n=341)
1009080706050403020100
tempo (semanas)
1,0
0,8
0,6
0,4
0,2
0,0
sob
revi
ven
cia
cum
ula
tiva
casos censurados
função desobrevivencia
A média, mediana e o intervalo de variação da sobrevivência em função da idade,
género, etnia, estado civil, motivo de referenciação, local da avaliação inicial,
localização primitiva da doença, tipo de focalização secundária, terapêutica em
curso, comorbilidade, sintomas, estado funcional, número de internamentos durante
o período de seguimento e local do óbito são apresentadas na tabela 12.
49
Tabela 12.
Sobrevivência em função de diversas variáveis demográficas e clínicas
Sobrevivência (semanas) log rank
Variáveis média
(IC 95%)
mediana
(IC 95%)
Intervalo
nº de
doentes
%
P
Global
Idade (anos)
<45
45-64
65-74
75-84
85+
Sexo
masculino
feminino
Etnia
caucasiana
africana
outra
Estado civil
casado ou união de facto
solteiro
divorciado ou separado
viúvo
Motivo de referenciação
descontrolo sintomático
avaliação global
ajuda no processo de alta
fase agónica
problemas psico-emocionais
dificuldades de comunicação
seguimento em consulta
outro
Avaliação inicial
internamento
em consulta
Localização primária
sist. nervoso central
cabeça / pescoço
pulmão
mama
tubo digestivo
tracto urinário
ginecológica
próstata
indeterminada
outras
Metastização hepática
sim
não
9,6 (8,0-11,3)
11,4 (6,2-16,6)
10,8 (7,9-13,7)
7,7 (5,6-9,7)
8,9 (6,4-11,3)
5,9 (2,6-9,3)
8,8 (6,8-10,9)
10,7 (8,0-13,4)
9,4 (7,7-11,1)
11,5 (6,7-16,3)
15,3 (0,3-30,3)
8,5 (7,0-10,1)
9,4 (5,8-12,9)
14,3 (7,2-21,4)
8,8 (5,7-11,9)
9,6 (8,0-11,3)
11,6 (5,0-18,3)
8,5 (0,5-16,2)
1 (1,0-1,0)
14,7 (0,1-29,4)
6,2 (0,0-15,2)
12,2 (8,6-15,8)
8,0 (0,0-17,8)
8,6 (6,2-11,1)
10,5 (8,5-12,4)
16,4 (5,2-27,5)
10,9 (7,2-14,5)
5,3 (3,4-7,3)
9,8 (5,1-14,6)
8,4 (5,8-11,1)
10,1 (3,9-16,3)
12,6 (8,7-16,5)
15,2 (9,0-21,4)
6,7 (3,1-10,3)
7,4 (3,0-11,8)
4,9 (4,0-5,9)
14,8 (11,8-17,9)
4,0 (3,2-4,8)
3,0 (2,0-4,0)
6,0 (3,8-8,2)
3,0 (1,7-4,2)
4,0 (2,5-5,4)
4,0 (3,0-5,0)
4,0 (2,9-5,0)
5,0 (3,3-6,7)
4,0 (3,2-4,8)
6,0 (0,0-12,0)
12,0 (0,0-29,6)
4,0 (2,9-5,1)
6,0 (2,9-9,1)
6,0 (0,0-12,4)
3,0 (1,9-4,1)
6,0 (4,9-7,1)
5,0 (2,9-7,1)
3,0 (2,1-3,9)
1,0 -
6,0 (0-16,8)
2,0 (1,1-2,8)
5,0 (3,2-6,8)
3,0 -
3,0 (2,4-3,6)
6,0 (4,7-7,3)
5,0 (1,1-8,9)
7,0 (0,0-14,5)
4,0 (1,4-6,5)
5,0 (0,0-12,5)
3,0 (2,3-3,7)
3,0 (0,0-8,5)
12,0 (9,5-14,5)
11,0 (0,0-23,5)
5,0 (1,6-8,3)
2,0 (0,6-3,4)
2 (1,5-2,5)
8 (5,2-10,7)
1-84
1-33
1-84
1-47
1-40
1-26
1-84
1-79
1-84
1-38
1-33
1-73
1-32
1-84
1-47
1-41
1-29
1-84
1
3-36
1-20
1-79
3-13
1-84
1-73
1-73
1-36
1-26
1-36
1-84
1-38
1-33
1-39
1-21
1-40
1-35
1-84
341
18
130
95
79
19
198
143
314
24
3
221
23
31
66
160
11
21
42
4
4
97
2
171
170
16
30
27
21
155
16
26
18
12
20
181
160
100
5,3
38,1
27,9
23,2
5,6
58,1
41,9
92,1
7,0
0,9
64,8
6,7
9,1
19,4
46,9
3,2
6,1
12,3
1,2
1,2
28,4
0,6
50,1
49,9
4,7
8,8
7,9
6,2
45,4
4,7
7,6
5,3
3,5
5,9
53,1
46,9
0,11
0,19
0,28
0,37
<0,001
0,01
0,62
<0,001
50
Metastização pulmonar
sim
não
Carcinomatose peritoneal
sim
não
Terapêutica específica em curso
sim
não
% linfócitos
≤ 11
> 11
DPOC
sim
não
Insuficiência renal crónica
sim
não
Delirium
sim
não
Dispneia
sim
não
Edema periférico
sim
não
Ascite
sim
não
Anorexia
sim
não
Nível KPS
< 50
>= 50
Nº de internamentos
0
1
2
3+
Local do óbito
hospital
domicílio
unid. de Cuidados Paliativos
outra instituição
6,2 (4,8-7,6)
11,8 (9,3-14,2)
8,1 (5,7-10,6)
10,8 (8,6.13,0)
16,7 (12,9-20,5)
5,9 (4,9-7,0)
5,7 (4,4-7,0)
13,1 (10,4-15,9)
13,1 (8,8-17,5)
9,2 (7,5-10,9)
5,3 (2,2-8,4)
10,0 (8,3-11,8)
3,1 (2,2-4,1)
12,9 (10,6-15,2)
3,6 (2,2-5,0)
11,5 (9,5-13,6)
6,5 (5,2-7,8)
13,5 (10,4-16,7)
6,5 (4,2-8,8)
11,2 (9,0-13,3)
8,2 (6,7-9,8)
20,2 (13,1-27,2)
5,2 (4,2-6,1)
20,2 (15,5-24,9)
8,9 (5,8-12,0)
7,2 (5,4-9,0)
22,2 (15,1-29,3)
24,3 (14,1-34,5)
6,7 (5,4-8,0)
7,3 (5,1-9,4)
14,0 (10,3-17,8)
14,3 (3,8-24,7)
3,0 (1,7-4,3)
5,0 (3,7-6,2)
3,0 (1,8-4,2)
5,0 (3,7-6,2)
10,0 (7,6-12,4)
3,0 (2,5-3,5)
3,0 (2,45-3,55)
6,0 (4,06-7,93)
9,0 (6,7-11,3)
4,0 (3,6-4,8)
2,0 (0,7-3,3)
5,0 (4,9-6,0)
1,0 -
7,0 (5,4-8,6)
1,0 -
6 (5,1-6,9)
3,0 (4,0-7,9)
6,0 (2,5-3,5)
3,0 (2,3-3,7)
5,0 (3,9-6,1)
3,0 (2,2-3,8)
15,0 (10,1-19,9)
2,0 (1,6-2,4)
12,0 (9,9-14,0)
4,0 (1,6-6,4)
3,0 (2,4-3,5)
15,0 (8,0-21,9)
14,0 (11,8-16,2)
3,0 (2,2-3,8)
4,0 (2,1-5,8)
10,0 (4,8-15,2)
10,0 (0,0-20,3)
1-40
1-84
1-79
1-84
1-84
1-40
1-73
1-84
1-40
1-84
1-33
1-84
1-32
1-84
1-39
1-84
1-40
1-84
1-79
1-84
1-84
1-79
1-40
1-84
1-41
1-79
3-73
9-84
1-84
1-38
2-36
1-39
120
221
144
197
108
233
163
178
35
306
28
313
115
226
78
263
182
159
112
229
302
39
232
109
55
237
35
14
233
57
28
7
35,2
64,8
42,2
57,9
31,7
68,3
47,8
52,2
10,3
89,7
8,2
91,8
33,7
66,3
22,9
77,2
53,4
46,6
32,8
67,2
88,6
11,4
68,0
32,0
16,1
69,5
10,3
4,1
68,3
16,7
8,2
2,0
0,002
0,01
<0,001
<0,001
0,03
0,02
<0,001
<0,001
<0,001
<0,001
<0,001
<0,001
<0,001
<0,001
Média
(IC 95%)
mediana
(IC 95%)
Intervalo
Variáveis
sobrevivência (semanas)
nº de
doentes
%
P
Log rank
51
Tabela 13.
Factores associados à sobrevivência observada (análise univariada de Cox)
Variáveis ratio de risco IC95% P
Estadio do tumor
metastização à distância
Terapêutica em curso
interrompida ou não iniciada
Metastização hepática
sim
Metastização peritoneal
sim
Metastização pulmonar
sim
Insuficiência renal crónica
sim
Estado funcional (KPS)
<50%
% linfócitos
cada 1% de aumento
Delirium
sim
Dispneia
sim
Edema
sim
Nº de admissões hospitalares
por cada internamento
Local do óbito
hospital
ECS
cada aumento de 1 semana
2,24
2,27
2,27
1,30
1,46
1,55
2,96
0,95
3,04
2,37
1,61
0,62
1,91
0,80
1,64-3,06
1,77-2,91
1,80-2,87
1,04-1,62
1,16-1,84
1,04-2,30
2,30-3,82
0,94-0,97
2,38-3,89
1,81-3,10
1,29-2,03
0,54-0,71
1,49-2,44
0,77-0,82
<0,001
<0,001
<0,001
0,02
0,001
0,03
<0,001
<0,001
<0,001
<0,001
<0,001
<0,001
<0,001
<0,001
Local da avaliação inicial – “internamento=0”, “consulta=1”; Estadio do tumor - “doença localmente avançada=0”, “doença
metastizada=1”; Terapêutica em curso – “sim ou iniciada à posteriori =0”, “interrompida ou não iniciada=1”; metastização
hepática – “não=0”. “sim=1”; metastização peritoneal – “não=0”. “sim=1”; metastização pulmonar - “não=0”. “sim=1”;
Doença pulmonar obstrutiva crónica “não=0”, “sim=1”; Estado funcional – “KPS≥50 =0” “KPS<50=1”; Delirium – “não=0”,
“sim=1”; Dispneia - – “não=0”. “sim=1”; Edema - “não=0”. “sim=1”; Local do óbito – “não hospital=0”, “hospital=1”.
52
O efeito do local de observação inicial na sobrevivência sofreu a interferência de
outras variáveis (idade, estadio da doença e presença de comorbilidade).
A tabela 13 mostra o ratio de risco de morte para as variáveis que demonstraram
estar significativamente associadas à SO nas análises de regressão univariada de
Cox.
O estadio da doença, sintomas como a dispneia e o delirium, a taxa de linfócitos no
sangue periférico e a estimativa clínica de sobrevivência mantiveram significado
estatístico quando transpostos para um modelo de regressão multivariado (tabela
14).
Tabela 14.
Modelo de regressão multivariado de Cox mostrando os efeitos do estadio da doença, dispneia,
delirium, % de linfócitos e da estimativa clínica sobre a sobrevivência
Variáveis coeficiente
ββββ
erro
standard
Wald
χχχχ2
P ratio
de
risco
IC95%
Doença metastizada
Dispneia
Delirium
1% de aumento na % linfócitos
+ 1 semana na estimativa médica
0,45
0,40
0,39
-0,04
-0,23
0,17
0,14
0,14
0,01
0,02
7,2
7,6
8,3
35,6
134,3
0,01
0,01
0,004
<0,001
<0,001
1,57
1,49
1,48
0,96
0,80
1,13-2,18
1,12-1,97
1,13-1,93
0,95-0,97
0,76-0,82
A presença de delirium, dispneia ou de metástases aumentaram em cerca de 50% o
risco de morte em relação aos participantes que não apresentavam essas
53
alterações. Pelo contrário um aumento de 10% na percentagem de linfócitos na
fórmula leucocitária ou mais 2 semanas numa previsão clínica de sobrevivência
reduziram o risco de morte em 40%.
Figura 4.
Curvas de sobrevivência de Kaplan-Meier segundo o estadio da doença e a presença /ausência de
dispneia e delirium (p< 0,001)
100806040200
sobrevivencia (semanas)
1,0
0,8
0,6
0,4
0,2
0,0
sob
revi
ven
cia
cum
ula
tiva metastização
a distância
dçalocalmenteavançada
estadio
100806040200
sobrevivencia /semanas)
1,0
0,8
0,6
0,4
0,2
0,0
sim-censurados
não-censurados
sim
nãodispnea
100806040200
sobrevivencia (semanas)
1,0
0,8
0,6
0,4
0,2
0,0
sob
revi
ven
cia
cum
ula
tiva
sim-censurados
não-censurados
sim
nãodelirium
100806040200
sobrevivencia (semanas)
1,0
0,8
0,6
0,4
0,2
0,0
cum
ula
tiva
> 11 -censurados
<=11 -censurados
> 11
<=11% linfócitos
54
3. ECS
As medianas da sobrevivência estimada pelo médico (ECS) e da SO coincidiram -
4,0 semanas (IC 95% respectivamente 3,5-4,5 semanas e 3,2-4,8 semanas). A ECS
variou entre 1 e 52 semanas e a SO entre 1 e 84 semanas. O coeficiente de
correlação de Spearman entre ECS e SO foi de 0,93 (p<0,001).
Na figura 5 está representada a acuidade da ECS considerando-a como a diferença
entre a ECS e a SO (ECS-SO). Em 133 doentes (39%) o clínico identificou
correctamente a semana do óbito. Das 208 previsões incorrectas 2 em cada 3 foram
pessimistas. Em média, o médico subestimou a sobrevivência por um factor de 1,3
(DP=1,15; intervalo de variação 0,25-20,0).
Figura 5.
Diferença entre a estimativa clínicade sobrevivência e a sobrevivência observada
> =12
10986543210-1-2-3-4-5-6-7-8-9-10-11< =-12
sobrevivencia estimada - observada
140
120
100
80
60
40
20
0
nº
de
do
ente
s
55
Alargando a definição de acuidade para 2 semanas (-1 ≤ ECS-SO ≤ 1) ou 4
semanas (-2 ≤ ECS-SO ≤ 2), a percentagem de estimativas correctas subiu,
respectivamente, para 60,4% ou 72.7% (tabela 15).
Tabela 15.
Acuidade das estimativas clínicas de sobrevivência (n=341)
Definição de acuidade n %
Diferença entre ECS e SO
a) pessimista (<0)
correcta (=0)
optimista (>0)
b) pessimista (<-1)
correcta (≥-1 e ≤1)
optimista (>1)
c) pessimista (<-2)
correcta (≥-2 e ≤2)
optimista (>2)
Quociente entre SO e ECS
a) Morita e col. 108
pessimista (≥2,0)
correcta (>0,5 e <2,0)
optimista (≤0,5)
b) Christakis e col. 22
pessimista (>1,33)
correcta (≥0,67 e ≤1,33)
optimista (<0,67)
Intervalos de ECS do PaP 121
pessimista (SO > intervalo)
correcta (coincide com o intervalo)
optimista (SO < intervalo)
156
133
52
103
206
32
75
248
18
35
287
19
95
224
22
109
204
28
45,7
39,0
15,3
30,2
60,4
9,4
22,0
72,7
5,3
10,3
84,2
5,5
27,9
65,7
6,4
32,0
59,8
8,2
ECS – estimativa clínica de sobrevivência; SO – sobrevivência observada; PaP – Palliative Prognostic Score
A distribuição dos quocientes entre SO e ECS é apresentada na figura 6.
56
Figura 6.
Quociente entre a sobrevivência observada e a estimada
outros3,002,001,751,671,501,381,331,251,201,171,131,081,00,83,75,67,50,25
sobrevivencia observada / sobrevivencia estimada
140
120
100
80
60
40
20
0
nº
do
ente
s
A creme assinalam-se as ECS consideradas adequadas segundo Christakis e col. (0,67≤ SO/ECS ≤1,33). A cinza claro
as ECS que Morita e col. consideram (para além das anteriores) serem ainda adequadas (0,5< SO/ECS <2). A cinza
escuro assinalam-se as estimativas consensualmente consideradas sem acuidade por ambos.
Analisando a acuidade da ECS à luz da definição de Morita e colegas que
consideraram adequadas previsões condicionando quocientes > 0,5 e < 2, 84,2%
das previsões foram correctas, 5,5% optimistas e 10,3% pessimistas.
Se a definição de acuidade for a usada pelo grupo de Christakis (correctas previsões
com quocientes ≥ 0,67 e ≤ 1,33), 60,7% das previsões foram adequadas, 8,2%
optimistas e 31,1% pessimistas (tabela 15).
57
Considerando agora os intervalos de ECS usados no PaP (1-2, 3-4, 5-6, 7-8, 9-10,
11-12 e mais de 12 semanas) 59,8% das previsões estiveram correctas, 8,2% foram
optimistas e 32% pessimistas.
Usando um outro sistema de categorização por intervalos (tabela 16) constata-se
que, nos últimos 3 meses de vida, o número de ECS incorrectas cresceu em função
do tempo de vida estimado.
A sensibilidade da ECS foi particularmente baixa nos doentes que se estimou
sobreviverem mais de 6 semanas (tabela 17). A especificidade e o valor preditivo
negativo da ECS foram elevados independentemente do tempo de vida estimado.
Reflectindo o valor preditivo positivo (VPP) a acuidade da ECS verificou-se, que
quando o clínico previu períodos de sobrevivência intermédios (entre 4 e 6 semanas
ou entre 7 e 12 semanas) fê-lo de forma pouco correcta (VPP, respectivamente, de
55% e 36%), subestimando-os em respectivamente em 28% e 54% dos casos.
Considerando esta categorização a concordância entre a ECS e a SO, calculada
pela estatística kappa, foi de 0,59. A acuidade global das estimativas (número de
indivíduos correctamente identificados em cada categoria / número total de doentes)
foi de 67%.
58
Tabela 16.
Comparação, por categorias, entre a estimativa clínica de sobrevivência e a sobrevivência observada
Sobrevivência observada (semanas)
Categorias 1 2 a 3 4 a 6 7 a 12 + 12
Previsão de sobrevivência
1 semana (n=84)
2 a 3 semanas (n=77)
4 a 6 semanas (n=67)
7 a 12 semanas (n=72)
+ de 12 semanas (n=41)
72
8
3
0
0
11
55
8
2
0
1
13
37
5
0
0
0
19
26
3
0
1
0
39
38
total 83 76 56 48 78
Previsão de sobrevivência optimista* (%)
correcta (%)
pessimista** (%)
mediana (dias / IC 95%)
Morte em 1 semana (n=84)
Morte entre 2 e 3 semanas (n=77)
Morte entre 4 e 6 semanas (n=67)
Morte entre 7 e 12 semanas (n=72)
Morte após as 12 semanas (n=41)
-
10,4
16,4
9,7
7,3
85,7
71,4
55,2
36,2
92,7
14,3
18,2
28,4
54,1
-
3 (2,3-3,7)
14 (11,4-16,6)
36 (33,0-39,0)
87 (79,6-94,4)
193 (162,6-223,4)
*previsão optimista - morte mais precoce que o previsto; ** pessimista – morte mais tardia que o previsto
Tabela 17.
Sensibilidade, especificidade, valor preditivo positivo e negativo e acuidade por categorias de ECS
Estimativa clínica
de sobrevivência sensibilidade especificidade
valor
preditivo
positivo
valor
preditivo
negativo
acuidade
1 semana
2 a 3 semanas
4 a 6 semanas
7 a 12 semanas
+ de 12 semanas
87%
72%
66%
54%
49%
95%
92%
89%
84%
99%
88%
71%
55%
36%
93%
97%
92%
93%
92%
87%
93%
87%
86%
80%
87%
59
Observou-se uma tendência para uma maior disparidade entre a ECS e a SO
quando os tempos de vida (estimados e observados) foram mais prolongados.
Contudo o efeito da sobrevivência sobre o grau de inacuidade variou de forma
não linear (figura 7).
Figura 7.
Relação entre o grau de inacuidade e a sobrevivência observada - curva ajustada a um modelo cúbico.
100806040200
sobrevivencia observada (semanas)
60
50
40
30
20
10
0
valo
r ab
solu
to d
e E
CS
-SO
R quadrado modelo cúbico =0,76
Verificou-se ainda que o tipo de intervenção antineoplásica em curso influenciou a
acuidade da ECS. Diferenças de pelo menos 4 semanas entre a ECS e a SO foram
observadas mais frequentemente em doentes que ou ainda estavam sob terapêutica
antineoplásica ou vieram a iniciá-la no decurso do seguimento.
60
Figura 8.
Efeito da terapêutica oncológica em curso sobre o grau de acuidade da ECS
> = 43210
valor absoluto da ECS - SO (semanas)
120
100
80
60
40
20
0
nº
de
do
ente
sa iniciar
em curso
interrompido
tratamento oncológico em curso na1ª avaliação
Na tabela 18 apresenta-se o modelo de regressão logística com os factores que
mostraram associação estatisticamente significativa com a inacuidade das previsões
médicas (-1≤ ECS – SO ≤1).
Tabela 18.
Modelo de regressão logística - relação entre insuficiência cardíaca, doença hepática crónica,
estimativa clínica de sobrevivência e inacuidade do prognóstico estimado pelo clínico
Variáveis coeficiente
ββββ
erro
standard
Wald
χχχχ2
P Odds
ratio
IC95%
constante
doença hepática crónicaa
insuficiência cardíacaa
+ 1 semana de ECS
-3,0
1,67
1,15
0,39
0,31
0,44
0,44
0,04
9,87
6,82
79,37
0,002
0,01
<0,001
5,26
3,16
1,47
1,87-14,81
1,33-7,50
1,35-1,60
a nos antecedentes pessoais ou estigmas à data de observação
61
Estigmas (ou antecedentes) de insuficiência cardíaca e doença hepática crónica
triplicaram e quintuplicaram, respectivamente, o risco de inacuidade.
Para uma estimativa mais optimista, com uma 1 semana de diferencial em relação a
outra, a probabilidade de erro aumentou em cerca de 50%.
Nem a idade, o género, o local ou o mês da observação inicial, o motivo ou a
proveniência da referenciação, a localização primitiva ou secundária do tumor, o seu
tempo de evolução, o tratamento em curso, o estado funcional avaliado pela KPS,
outras co-morbilidades (insuficiência renal, doença pulmonar obstrutiva crónica,
doença coronária isquémica, doença cerebrovascular, diabetes, síndroma demencial
e intercorrência infecciosa), os sinais / sintomas avaliados (anorexia, dispneia,
edemas e delirium) nem os parâmetros laboratoriais (contagem leucocitária e % de
linfócitos no sangue periférico) mostraram associação significativa com a acuidade
das ECS.
Entre as 341 estimativas cometeram-se 5 (1,5%) erros graves optimistas e 19 (5,6%)
erros graves pessimistas.
Em 4 das 5 situações em que o tempo de vida observado foi significativamente
inferior ao estimado, a causa de morte foi atribuída a intercorrências agudas
(oclusão intestinal, endocardite por Staphyloccocus aureus meticilina-resistente,
enfarte agudo do miocárdio e pneumonia nosocomial sem agente isolado).
O subgrupo de doentes vítima de um erro grave pessimista teve uma mediana de
sobrevivência significativamente superior à dos restantes doentes também vítimas
62
de erros pessimistas (32 vs 13 semanas, teste log rank χ2=5,4. p=0,02). Tendo como
referência estes últimos, os erros graves foram mais frequentes em doentes com
história de doença cerebro-vascular sintomática (7/19), sem metastização hepática
(17/19) e sem anorexia (7/19) à data de inclusão (tabela 18). Não foram encontradas
outras diferenças de significado estatístico entre os dois grupos.
Tabela 19.
Erros pessimistas: comparação de 2 subgrupos de doentes e seu nível de significância (teste χ2)
erro grave
pessimista
(n=19)
Variáveis
outro erro
pessimista
(n=84)
P
N N
5
10
8
11
2
11
7
12
Idade > 75 anos
Homens
1ª avaliação em internamento
Doença metastizada
Metastização hepática
KPS < 50%
Doença cerebro-vascular
Anorexia
25
51
52
59
37
37
5
72
1
0,52
0,11
0,3
0,01
0,270
0,03
0,02
4. PPS
A média, a mediana e os intervalos de variação da sobrevivência por nível de PPS à
admissão são apresentados na tabela 20.
63
Tabela 20.
Sobrevivência por nível de PPS à admissão
Sobrevivência (semanas) Log rank
média (IC 95%)
Mediana (IC 95%)
intervalo
nº de
doentes
%
P
Global
PPS à admissão
10
20
30
40
50
60
70
80
90
9,6 (8,0-11,3)
1,0 (1,0-1,0)
2,5 (0,8-4,2)
6,5 (4,7-8,4)
7,3 (5,5-9,0)
21,2 (13,9-28,5)
18,8 (10,9-26,7)
22,9 (14,4-31,4)
20,0 (8,2-31,8)
16,0 (16,0-16,0)
4,0 (3,2-4,8)
1,0 (-)
1,0 (-)
4,0 (3,0-5,0)
4,0 (2,9-5,1)
9,0 (6,7-11,3)
12,0 (10,4-13,6)
15,0 (8,1-21,8)
14,0 (-)
16,0 (-)
1-84
1
1-40
1-38
1-39
1-73
1-79
3-84
14-26
16
341
27
53
72
82
49
31
24
2
1
100
7,9
15,5
21,1
24,0
12,0
9,0
7,0
0,6
0,3
<0,001
Na figura 9 mostram-se as curvas de Kaplan-Meier estratificadas por nível de PPS.
Figura 9.
Curvas de sobrevivência de Kaplan-Meier por nível PPS à admissão
100806040200
sobrevivencia observada (semanas)
1,0
0,8
0,6
0,4
0,2
0,0
sob
revi
ven
cia
cum
ula
tiva
Log Rank X2=218,6 p<0,001
70-censurados
60-censurados
50-censurados
40-censurados
90
80
70
60
50
40
30
20
10PPS (%)
64
O teste log-rank para a igualdade das curvas de sobrevivência foi fortemente
significativo para p<0,001, sugerindo a existência de diferenças significativas entre
elas.
Os testes log-rank “dois a dois” para curvas adjacentes mostraram diferenças
significativas (p<0,001) para PPS 10-20%, PPS 20-30% e PPS 40-50%. O mesmo
não se verificou para as curvas adjacentes PPS 30-40%, PPS 50-60%, PPS 60-
70%, PPS 70-80% e PPS 80-90% (testes log-rank, respectivamente, p=0,51, p=0,99,
p=0,13, p=0,87 e p=0,81).
Recorreu-se a um modelo de riscos proporcionados de Cox para avaliar a relação
entre o ratio de risco de morte e o PPS à admissão, ajustado em função do estadio,
terapêutica específica em curso, existência de dispneia e % de linfócitos no sangue
periférico.
Os resultados, apresentados na tabela 21, mostram que o nível de PPS ajustado em
função de todas essas variáveis está significativamente relacionado com o risco de
morte. Os doentes com PPS à admissão acima de 10% tiveram ratios de risco de
óbito significativamente menores.
Apesar da redução do risco parecer variar directamente com o PPS (riscos relativos
mais baixos para PPS mais altos) os respectivos IC 95% mostraram alguma
sobreposição, limitando o valor desta constatação.
A partir das respectivas curvas de sobrevivência de Kaplan-Meier construiu-se uma
tabela de esperança de vida em função do nível de PPS inicial (tabela 22). Nessa
tabela as taxas de sobrevivência são expressas como a probabilidade de em cada
65
subgrupo os doentes sobreviverem períodos definidos de tempo. Assim, dos
doentes com um PPS 10% espera-se que apenas 4% sobrevivam 7 ou mais dias,
mas que nenhum estava vivo aos 30 dias. Já dos doentes com PPS 30% 90%
poderão estar vivos 7 ou mais dias, 69% 14 ou mais dias e 40% 30 ou mais dias.
Para categorias PPS mais elevadas as taxas de sobrevivência relativas a um
mesmo período são também mais elevadas.
Tabela 21.
Ratios de risco de óbito em função do estadio, terapêutica específica em curso, presença de dispneia,
PPS e taxa de linfócitos à admissão (modelo de riscos proporcionais de Cox).
Variáveis ratio de risco IC 95% P
Estadio da doença
localmente avançada
metastizada
Terapêutica antineoplásica
em curso ou a iniciar
interrompida
PPS à admissão
10
20
30
40
50
≥60
Dispneia
ausente
presente
% linfócitos (sangue periférico)
por cada 1% de aumento
1,0
1,9
1,0
1,6
1,0
0,52
0,22
0,21
0,12
0,11
1,0
1,5
0,98
1,42-2,67
1,24-2,16
0,31-0,87
0,13-0,37
0,13-0,36
0,07-0,22
0,06-0,20
1,14-2.06
0,97-0,99
<0,001
<0,001
0,01
<0,001
<0,001
<0,001
<0,001
0,01
<0,001
66
Tabela 22.
Taxa de sobrevivência em dias segundo o nível PPS à admissão
taxa de sobrevivência (%)
dias
nº de
casos
PPS (%) 1 3 5 7 14 21 30 45 60 90 180 365 N
10
20
30
40
50
≥60
93
94
100
100
100
100
44
62
99
99
100
100
15
36
93
95
98
100
4
30
90
94
96
100
0
15
69
68
94
98
0
6
51
56
92
95
0
4
40
49
77
91
0
4
26
30
61
81
0
4
19
26
53
76
0
4
10
16
41
50
0
2
4
4
16
21
0
0
0
0
2
2
27
53
72
82
49
58
A negrito apresentam-se os números que correspondem a taxas de sobrevivência próximas de 50% para cada categoria de
PPS.
5. PaP
Na tabela 23 apresenta-se a prevalência dos diferentes itens contribuindo para a
pontuação PaP. Oito em cada 9 doentes referiram anorexia, 2 em cada 9 relataram
dispneia. A mediana da pontuação KPS foi de 40%. Pouco mais de 8% tinham uma
pontuação KPS superior a 60%.
Mais de 40% tinham leucocitose (contagens > 11000/ul) e 54% tinham linfocitopenia
(linfocitos <12%).
A presença de leucocitose apareceu fortemente associada num modelo de
regressão logística binária a antecedentes de insuficiência renal (tabela 24). História
de demência, focalização secundária no sistema nervoso central e sobrevivências
mais prolongadas estiveram pelo contrário a um menor risco de leucocitose.
67
Tabela 23.
Itens da pontuação PaP dos participantes
Item frequência %
Sintomas
anorexia
dispneia
Pontuação KPS (%)
≥50
30-40
10-20
Estimativa clínica de sobrevivência (semanas)
>12
11-12
7-10
5-6
3-4
1-2
Contagem leucocitária (x10-3
/L)
≤8,5
8,6-11
>11
Linfócitos (%)
≥20
12-19,9
<12
302
78
109
152
80
41
40
32
27
73
128
141
62
138
69
89
183
88,6
22,9
31,9
44,6
23,5
12,0
11,7
9,4
7,9
21,4
37,5
41,4
18,2
40,5
20,2
26,1
53,7
Tabela 24.
Modelo de regressão logística avaliando a relação entre características do doente e a presença de
leucocitose (> 11x10-3
/L)
Variáveis coeficiente
ββββ
erro
standard
Wald
χχχχ2
p ratio
de risco
IC95%
Metastização cerebral
Insuficiência renal crónica
Demencia
+1 semana de sobrevivência
-1,18
1,31
-2,03
-0,07
0,45
0,48
0,80
0,02
6,83
7,50
6,48
17,28
0,01
0,006
0,01
<0,001
0,31
3,72
0,13
0,94
0,13-0,74
1,45-9,52
0,03-0,63
0,91-0,97
68
A ocorrência de linfocitopenia (tabela 25) esteve estatisticamente associada não só
à evidência de intercorrência infecciosa à data de admissão como também ao
diagnóstico de um tumor pulmonar ou do tubo digestivo alto. Sobrevivências mais
prolongadas determinaram uma redução do ratio de risco de linfocitopenia.
Tabela 25.
Modelo de regressão logistica avaliando a relação entre factores individuais dos participantes e a
ocorrência de linfocitopenia (< 12%)
Variáveis coeficiente
ββββ
erro
standard
Wald
χχχχ2
p ratio
de risco
IC95%
Tumor do pulmão ou da porção
alta do tubo digestivo
Intercorrência infecciosa
+1 semana de sobrevivência
0,67
0,99
-0,02
0,26
0,43
0,01
6,72
5,43
23,71
0,01
0,02
0,001
1,95
2,70
0,94
1,18-3,22
1,17-6,22
0,91-0,96
Nos doentes que tinham interrompido o tratamento antineoplásico à data de inclusão
as contagens leucocitárias foram significativamente mais altas (mediana 10,5x10-3/L
vs 7,6x10-3/L, teste U Mann-Whitney, z=-4,5 p<0,001) e taxas de linfócitos
significativamente mais baixas (mediana 9% vs 15%, teste U Mann-Whitney, z=-4,6,
p<0,001) que nos doentes sob terapêutica específica.
A estimativa médica apontou para que 41 doentes sobrevivessem mais de 3 meses
e que 211 não ultrapassassem as primeiras 4 semanas. A mediana da ECS caíu na
categoria 3-4 semanas.
69
Assim, 94 (27,6%) doentes ficaram na categoria de melhor prognóstico (grupo A -
PaP entre 0 e 5,5), 96 (28,2%) na categoria intermédia (grupo B – PaP entre 6 e 11)
e 151 (44,3%) na categoria de pior prognóstico (grupo C – PaP entre 11,5 e 17,5).
Observaram-se diferenças significativas entre os 3 grupos quanto à idade (mediana
62,5 anos grupo A, 69 anos grupo B, 68 anos grupo C, teste de Kruskal Wallis,
χ2=10,1 p=0,01), estadio da doença (doença localmente avançada 33% grupo A,
15% grupo B, 10% grupo C, teste χ222,1 p<0,001), local da avaliação inicial
(internamento 33% grupo A, 48% grupo B e 62% grupo C, teste χ2 20,1 p<0,001) e
ao tipo de neoplasias [tumores gastrointestinais (29% grupo A, 51% grupo B, 52%
grupo C, teste χ214,2 p=0,001); tumores da próstata e ginecológicos (27% grupo A,
10% grupo B, 6% grupo C, teste χ244,6 p<0,001)].
As medianas da sobrevivência foram respectivamente 20, 5 e 1 semanas para os
grupos A, B e C. Na tabela 26 apresenta-se a sobrevivência aos 30 dias e a sua
mediana para as 3 categorias PaP.
Tabela 26.
Sobrevivência aos 30 dias e mediana da sobrevivência por grupo PaP (n=341)
grupos PaP
(probabilidade de
sobrevivência aos 30 dias)
n
sem eventos
aos 30 dias
n (%)
mediana de
sobrevivência
estimada (semanas)
IC
95%
A (PaP 0-5,5; > 70%)
B (PaP 6-11; 30-70%)
C (PaP 11,5-17,5; <30%)
94
96
151
92 (97,9)
56 (58,3)
14 (9,3)
20
5
1
16,5-23,5
4,2-6,0
-
70
As curvas de Kaplan-Meier relativas aos 3 grupos PaP mostram-se na figura 10
tendo sido fortemente significativa a diferença entre elas (log-rank χ2=281,8
p<0,001).
Utilizando o PaP, o VPP de uma estimativa muito forte (superior a 70%) em estar
vivo aos 30 dias foi de 98% e o VPN de 72%. O mesmo instrumento estimou uma
fraca (inferior a 30%) probabilidade em atingir os 30 dias com um VPP de 91% e um
VPN de 78%.
A utilidade do PaP não ficou comprometida no subgrupo de doentes com neoplasias
frequentemente associadas a síndroma de anorexia-caquexia (pulmão / tubo
digestivo alto)11. Nesse subgrupo de doentes o VPP e o VPN foram,
respectivamente 95% (20 em 21) e 71% (60 em 85) para o grupo A, 86% (48 em 56)
e 74% (37 em 50) para o grupo C.
Figura 10.
Curvas de sobrevivência de Kaplan-Meier por grupo PaP
100806040200
sobrevivencia observada (semanas)
1,0
0,8
0,6
0,4
0,2
0,0
sob
revi
ven
cia
cum
ula
tiva
Log rank X2=281,8 p<0,001
0-5,5 censurados
11,5-17,5
6,0-11,0
0 .5,5pontuação PaP
71
6. PPI
A prevalência de alterações nos itens do PPI está descrita na tabela 27.
Cerca de 1/4 dos doentes tinham um PPS ≤20. Mais de 40% mantinham à data de
admissão uma ingesta muito reduzida. Na avaliação inicial a maioria (63,3%) dos
participantes tinha edemas periféricos, um terço reunia critérios de síndroma
confusional e mais de ¼ referiam dificuldade em respirar em repouso.
Tabela 27.
Itens do PPI nos participantes (n=341)
Item Frequência %
PPS (%)
10-20
30-50
≥60
Ingesta oral
muito reduzida
reduzida
normal
Edema
presente
ausente
Dispneia em repouso
presente
ausente
Delirium
presente
ausente
80
203
58
142
161
38
216
125
78
263
115
226
23,5
59,5
17,0
41,6
47,3
11,1
63,3
36,7
22,9
77,1
33,7
66,3
Usando as categorias prognósticas validadas pelos autores os doentes foram
divididos em 3 grupos: grupo 1 (> 20% de sobrevivência às 6 semanas - PPI ≤4) 108
72
(31,7%) participantes; grupo 2 (20% de sobrevivência às 6 semanas – PPI > 4 e ≤6)
77 (22,6%) participantes e grupo 3 (20% de sobrevivência às 3 semanas – PPI >6)
156 (45,7%) participantes.
As medianas de sobrevivência dos grupos 1, 2 e 3 foram, respectivamente, 13, 5 e 1
semanas (tabela 28).
Tabela 28.
Características dos 3 grupos definidos pelo PPI
* às 6 semanas,
** às 3 semanas
Mostram-se na figura 11 as curvas de sobrevivência para os 3 grupos. Do ponto de
vista estatístico mostraram diferença significativa entre si (teste log-rank χ2 = 116,7
p<0,001).
Oitenta por cento dos indivíduos do grupo 1 e 43% dos do grupo 2 estavam vivos às
6 semanas. Trinta e cinco por cento dos indivíduos do grupo 3 estavam vivos às 3
semanas.
grupos PPI
n
sem
eventos
n (%)
sobrevivência
mediana
(semanas)
IC 95%
1 (PPI ≤4; >20% de sobrevivência às 6 semanas)
2 (4< PPI ≤6; 20% de sobrevivência às 6 semanas)
3 (PPI >6; 20% de sobrevivência às 3 semanas)
108
77
156
86 (79,6)*
33 (42,7)*
54 (34,6)**
13
5
1
11,2-14,8
3,6-6,4
-
73
Figura 11.
Curvas de Kaplan-Meier por grupo PPI
100806040200
sobrevivencia observada (semanas)
1,0
0,8
0,6
0,4
0,2
0,0
sob
revi
ven
cia
cum
ula
tiva
Log rank X2=116,7, p<0,001
PPI >6 censurados
PPI 4-6 censurados
PPI <=4 censurados
PPI >6
4< PPI <=6
PPI <= 4grupos PPI
Tabela 29.
Acuidade das estimativas de sobrevivência usando o PaP e o PPI
n
sensibilidade
%
especificidade
%
VPP*
%
VPN**
%
acuidade
%
PaP ≤5,5 (> 70% vivo aos 30 dias)
PaP ≥11,5 (<30% vivos aos 30 dias)
PPI > 4 (20% vivos às 6 semanas)
PPI > 6 (20% vivos às 3 semanas)
94
151
233
156
57
77
89
80
99
91
59
75
98
91
75
65
72
78
80
86
79
84
76
76
* VPP - valor preditivo positivo; **VPN - valor preditivo negativo
74
Usando o PPI, uma sobrevivência inferior a 3 semanas foi estimada com um VPP de
65% e um VPN de 86%. Para uma sobrevivência inferior a 6 semanas o VPP foi de
75% e o VPN de 80%. (tabela 29).
7. Relação entre instrumentos
O PaP e o PPI apresentaram uma alta correlação (ρ=0,78) – tabela 30. A PPS foi o
único instrumento com uma correlação moderada com a sobrevivência observada.
Quer o PaP quer o PPI apresentaram correlações altas com a SO (ρ PaP;SO = -0,86, ρ
PPI;SO= - 0,73). A estimativa clínica mostrou uma muito alta correlação com a SO
(ρ=0.93). Como esperado o ρ ECS;PaP foi superior ao ρ ECS;PPI e o ρ PPI;PPS superior ao
ρ PaP;PPS.
Tabela 30.
Correlações de ordem de Spearman entre os vários instrumentos de prognóstico (PaP, PPI, PPS, ECS)
e a sobrevivência observada (SO)
PaP PPI SO ECS
PPS
PaP
PPI
SO
-0,76
-
-0,81
0,78
-
0,69
-0,86
-0,73
-
0,77
-0,92
-0,79
0,93
(p < 0.001)
Comparando a SO com os intervalos definidos como adequados para alocar doentes
aos grupos de risco definidos pelo PaP e PPI constatou-se que o número de doentes
75
correctamente alocados foi de 267 (78,3%) no caso do PaP e 234 (68,6%) no caso
do PPI. Em qualquer dos casos houve equilíbrio na proporção de previsões
pessimistas e optimistas.
Para o PaP e PPI a maior proporção de estimativas inadequadas verificou-se no
grupo de prognóstico intermédio (grupo B) – figura 12.
Figura 12.
Grau de adequação clínica das estimativas por grupo prognóstico PaP e PPI
simnão
previsão PaP adequada
100%
80%
60%
40%
20%
0%
per
cen
tag
em d
e ca
sos
11,5-17,5
6-11
<= 5,5grupos PaP
simnão
previsão PPI adequada
80%
60%
40%
20%
0%
per
cen
tag
em d
e ca
sos
>6
>4 e <=6
<=4grupos PPI
Apenas 144 (42,5%) participantes apresentaram uma SO não diferindo em mais de
uma semana da mediana de sobrevivência estimada para o seu nível PPS. A
proporção de estimativas inadequadas foi mínima para níveis PPS baixos (PPS 10-
20%).
76
Figura 13.
Grau de adequação clínica das estimativas usando a PPS
>=605040302010
nível PPS
100
80
60
40
20
0
nº
do
ente
s
adequada
nãoadequada
estimativaPPS
Uma em cada 3 estimativas baseadas na PPS foram pessimistas.
A tabela 31 apresenta a taxa de erros graves cometidos ao usar cada um dos
instrumentos na estimativa de sobrevivência dos participantes.
Tabela 31.
Frequência absoluta e relativa de erros graves associados à aplicação dos 4 instrumentos preditivos
de sobrevivência
erro grave
pessimista
Instrumento
erro grave
optimista
N % n %
19
3
46
69
5,6
0,9
13,5
20,2
Estimativa clínica (ECS)*
Palliative Prognostic Score (PaP)†
Palliative Prognostic Index (PPI) ‡
Palliative Performance Scale (PPS)§
5
0
6
22
1,5
-
1,7
6,4
*erro grave pessimista: SO-ECS≥28 dias e SO/ECS≥2; erro grave optimista: ECS-SO≥28 dias e SO/ECS ≤0,5
†erro grave pessimista: SO ≥60 dias em doentes do grupo C; erro grave optimista: SO ≤2 dias em doentes do grupo A.
‡ erro grave pessimista: SO ≥ 12 semanas em doentes do grupo 2 ou SO ≥7 semanas em participantes do grupo 3;
erro grave optimista: SO ≤2 semanas em doentes do grupo 1.
§ erro grave pessimista: SO-mediana (de sobrevivência para o nível PPS) ≥28 dias e SO/mediana≥2; erro grave optimista:
Mediana - SO≥28 dias e SO/mediana ≤0,5
77
Para 22 (6,5%) participantes nenhum dos instrumentos forneceu uma previsão
considerada adequada. Em 27,3% das situações qualquer dos 4 permitiu uma
estimativa adequada.
O número de estimativas inadequadas aplicando a ECS ou a PPS foi
significativamente superior nos doentes sob terapêutica antineoplásica durante o
seguimento (χ2 = 36,1, p<0,001 e χ2 = 8,8 p=0,003), aspecto que não se demonstrou
com o PaP ou o PPI (figura 14).
Figura 14.
Relação entre a adequação das estimativas com os 4 instrumentos e o tipo de tratamento oncológico
em curso durante o seguimento (teste χ2).
simnão
ECS adequada
200
150
100
50
0
nº
do
ente
s
em curso
nenhum
tratamentoantineoplásico simnão
previsão PPS adequada
200
150
100
50
0
nº
do
ente
s
simnão
previsão PaP adequada
200
150
100
50
0
nº
do
ente
s
simnão
previsão PPI adequada
200
150
100
50
0
nº
do
ente
s
p =0,003 p <0,001
78
Na maioria das vezes em que o médico não conseguiu formular um prognóstico com
acuidade o PaP (em 69% dos casos) ou o PPI (em 63% dos casos) poderiam ter
ajudado a estabelecer estimativas clinicamente adequadas (figura 15).
Figura 15.
Estimativas adequadas por instrumento preditor, em função do número de instrumentos também
adequados, quando a estimativa clínica não teve acuidade (n=135)
0
10
20
30
40
50
60
70
80
90
100
PaP PPI PPS
nº de
estimativas
adequadas
3 instrumentos
adequados
2 instrumentos
adequados
1 instrumento
adequado
Nos participantes em que a data do óbito foi estimada de forma adequada pelo
médico o PaP foi também o instrumento de maior acuidade (figura 16). Oito em cada
nove estimativas seriam potencialmente adequadas se as previsões derivadas do
PaP fossem conjugadas com a ECS ou o PPI.
79
Figura 16.
Frequência de estimativas inadequadas face a uma estimativa clínica adequada (n=206)
Das 62 situações incluídas no grupo B do PaP em que essa estimativa foi
inadequada em 18, 30 e 33 respectivamente a PPS, o PPI e o médico estimaram de
forma adequada.
De igual modo, das 48 situações em que a estimativa grupo B PPI foi inadequada
em 10, 30 e 37, respectivamente a PPS, o médico e o PaP estimaram
adequadamente.
D. DISCUSSÃO
1. Aspectos gerais
Vários trabalhos, documentando a inacuidade da ECS, apelam à utilização
concomitante de outros instrumentos na formulação do prognóstico - modelos
80
estatísticos como os que aqui utilizámos e factores prognósticos independentes,
como os sintomas associados à síndroma de anorexia/caquexia, a dispneia, o
delirium ou parâmetros biológicos (leucocitose, linfocitopenia e proteína C reactiva)
48,51,52,97,147. Importa contudo lembrar que, tal como concluiram Lau e col. numa
revisão sistemática recente 80, muitos destes instrumentos (incluindo PPS, PaP e
PPI, considerados na literatura como ferramentas “referência”) não foram ainda
submetidos a suficiente validação independente em populações e contextos
assistenciais distintos dos originais.
Este estudo de coorte, prospectivo, com uma amostra de dimensão ajustada ao
número de factores prognósticos em análise 48, 147, vem disponibilizar evidência (até
agora inexistente) quanto à acuidade e aplicabilidade desses instrumentos à
população com doença oncológica avançada, que diariamente acompanhamos.
Assim, e de uma forma ao que julgamos saber inédita, colocámos “lado a lado” e
aplicámos, a uma mesma amostra, 4 instrumentos de predicção – ECS, PPS, PaP e
PPI.
Todos mostraram bons desempenhos do ponto de vista discriminatório, como o
confirmam os seus coeficientes de correlação com a sobrevivência.
Por não ser linear a sua comparação, a utilidade de cada um foi apreciada em
função de dois conceitos relacionados mas distintos – a acuidade e a adequação.
A acuidade global da ECS foi francamente inferior às dos dois outros instrumentos
(40%). Contudo, a análise detalhada mostrou que o clínico consegue identificar com
acuidades elevadas (> 85%) doentes com menos de 5 ou mais de 12 semanas de
vida restante.
81
Para os grupos de pior prognóstico a acuidade do PaP foi ligeiramente superior à do
PPI (84% para PaP ≥11,5 e 76% para PPI >6). Para os doentes com melhor
prognóstico a acuidade foi grosseiramente similar (79% para PaP ≤5,5 e 76% para
PPI ≤4).
O grau de adequação das previsões (proporção de previsões consideradas
adequadas do ponto de vista clínico) variou entre 42,5% (para a PPS) e 78,3% (para
o PaP), com valores intermédios para a ECS (60,4%) e PPI (68,6%).
Tal como Stiel e col.143 que publicaram recentemente a primeira análise comparando
PaP e PPI quanto à sua eficiência enquanto preditores de sobrevivência,
detectámos que foi no grupo de prognóstico intermédio dos 2 instrumentos que
ocorreu o maior número de estimativas inadequadas.
Este facto alerta-nos para as limitações decorrentes da utilização destas
ferramentas, já que reconhecidamente são as situações de prognóstico intermédio
as que mais dificuldades criam ao clínico, as que mais se associam à inacuidade
das ECS e as que mais beneficiariam com a existência de indicadores prognósticos
fiáveis.
Os resultados por nós obtidos sugerem contudo que neste contexto assistencial, a
conjugação e confrontação de estimativas pode maximizar a formulação de
previsões clinicamente adequadas, incluindo as situações de prognóstico intermédio.
82
2. Aspectos particulares da aplicação de cada instrumento
2.1 ECS
Encontrámos uma taxa de acertos na semana do óbito (40% contra os 25% da
metanálise de Glare e col. 55) e um coeficiente de correlação com a sobrevivência
mais elevados (0,93 contra 0,2 a 0,65) que o descrito na literatura 48, 51-3,147,162.
Também não confirmámos o carácter tendencialmente optimista das previsões
formuladas pelo médico como relatado pela maioria dos autores. De acordo com o
que tivermos convencionado ser a acuidade 10 a 46% foram juízos clínicos
pessimistas (tabela 31).
O falhar de uma estimativa (por optimismo ou pessimismo) é uma situação
potencialmente geradora de sofrimento adicional para doentes e famílias 74,130,172.
Como constatámos, o uso de instrumentos preditivos construídos a partir de
modelos estatísticos não obviou a ocorrência de erros clinicamente relevantes
(15,2% com o PPI e 26,6% com a PPS). Comparativamente com estas 2
ferramentas, e em relação ao descrito noutros estudos 108,143, os erros graves de
previsão cometidos pelo médico foram pouco frequentes (7,1%) e os associados à
PaP muito raros (<1%).
Com os modelos estatísticos os erros foram, à semelhança dos juízos do médico,
predominantemente no sentido pessimista, salientando-se pela negativa a
performance da PPS (33% de previsões pessimistas). Admite-se que a taxa de
13,5% de erros graves pessimistas com o PPI (pontuação independente da
estimativa do médico) possa pois decorrer da integração do nível PPS na
ponderação final.
83
Este desempenho deverá merecer apreciação complementar noutras populações.
Tabela 32.
Associação entre estimativas clínicas e sobrevivência em 13 estudos, incluindo o actual
Autor, país ano quem
prognostica
tipo de
previsão n
mediana da
ECS
(semanas)
mediana
da SO
(semanas)
%
previsões
correctas
%
previsões
optimistas
coeficiente
de
correlação
Parkes 119
,
RU 1972
médicos de
UCP
SO
(semanas) 74 45 3 8 66 0,28
Scotto 134
,
EUA 1972 oncologistas
SO
(meses) 178 NE NE NE 52 NE
Evans 39
, RU 1985
equipa
multidisciplinar
de suporte
limite
inferior e
superior
(dias)
45 NA ~7 54 37
0,44
(previsão
inicial)
Heyse-
Moore 68
,
RU
1987 médico
referenciador
SO
(semanas) 50 8 2 4 88 0,26
Forster 42
,
EUA 1988
oncologista
universitário
Intervalo
provável
de morte
(semanas-
meses)
101 NA 3,5 NE 1* 0,41
Addington-
Hall 1, RU
1990 médicos e
enfermeiros
Viver > ou
< 1 ano 1128 NA 17,5 75-83 12 NA
Bruera 10
,
Canadá 1992
médicos de
UCP
viver > ou
< 4
semanas
47 NA 4 (média) 60 26-34 NA
Maltoni 98
,
Itália 1994
médicos de
Medicina
Paliativa
SO
(semanas) 100 6 5 15 63 0,51
MacKillop 94
,
Canadá 1997
médicos
assistentes
SO
(meses) 39 ~52 75 NE NA
Oxenham 116
,
RU 1998
médicos no
Internato de
Medicina
Paliativa
Data de
morte 30 NE 2,5 NE NE 0,72
Vigano 161
,
Canadá 1999 oncologistas
SO
(semanas-
meses)
233 15,3 14,5 52 NE 0,47
Christakis 22
,
EUA 2000
médicos de
família,
internistas,
oncologistas
SO
(semanas-
meses)
468 18 3,5 20 63 0,28
84
Llobera 89
,
Espanha 2000
médicos de
família,
oncologistas
NE 200 NE 7,5 22-27 55-63 0,18-0,54
Tavares,
Portugal 2010
1 médico de
equipa suporte
intrahospitalar
SO
(semanas) 341 4 4 39-60 9-15 0,93
RU – Reino Unido; EUA – Estados Unidos da América; SO – sobrevivência; NA-não aplicável; NE- não especificado UCP –
unidade de cuidados paliativos; * erro gravemente optimista
O pessimismo associado às ECS pode estar também relacionado com o facto de o
clínico formular a sua previsão considerando o nível funcional do doente, aspecto
sugerido pelos elevados coeficientes de correlação entre ECS e a PPS ou a KPS
(ρ=0,77).
Tal como outros108, também constatámos que os erros graves optimistas associados
à ECS corresponderam a situações em que o óbito esteve directamente relacionado
com uma intercorrência aguda inesperada.
A identificação de factores de risco para a ocorrência de falhas graves nas
estimativas (clínicas ou associadas aos modelos) parece-nos justificar mais
investigação.
O impacto da comorbilidade (no nosso caso da insuficiência cardíaca, doença
hepática crónica e doença cerebrovascular) na acuidade prognóstica será um
aspecto a explorar em trabalhos futuros. Alguns grupos 113,123,155,156 têm descrito,
para alguns tipos de tumor, a interferência negativa de outras patologias sobre o
prognóstico e sobrevivência, contudo não há para já consenso a esse respeito.
85
A acuidade das estimativas não variou ao longo do estudo, admitindo-se que
intervalos curtos não condicionem de forma significativa a experiência do médico,
outro dos aspectos apontados na literatura 22,48,52 como influindo na calibragem da
ECS.
O efeito do tratamento antineoplásico (paliativo) 136,152 será outro dos factores que
este estudo aponta como merecedor de ponderação quando se formulam ECS. De
facto, a proporção de erros por um diferencial de pelo menos 4 semanas foi
significativamente maior nos participantes que estiveram sob terapêutica específica
durante o período de seguimento. Apesar de na nossa amostra este factor não ter
condicionado a adequação das estimativas decorrentes do PaP ou do PPI, mais
trabalhos são necessários para o infirmar, já que a maioria dos estudos de validação
não incluiu doentes sob terapêutica oncológica.
Dois aspectos da investigação vêm reforçar a existência do já descrito “efeito do
horizonte” 48,52,55 em relação à ECS: 1) o facto do grau de inacuidade ter variado em
função da extensão quer da ECS, quer da sobrevivência e 2) a constatação de que
nos últimos 3 meses a acuidade da ECS aumentou à medida que se aproximava o
evento final (93% para estimativas até 1 semana, 87% para estimativas entre 2 e 3
semanas).
2.2 PPS
Num trabalho retrospectivo, recentemente publicado, Lau e colegas reafirmaram o
valor do estado funcional, avaliado pela PPS (versão original de 1996 5) como factor
86
prognóstico independente numa população constituída por mais de 6000 indivíduos
82.
Tal como estes autores, e à semelhança do que vem sendo publicado 34,81,83,171,
encontrámos na nossa amostra tempos de vida mais longos associados a níveis de
PPS mais elevados na avaliação inicial (tabela 33).
A definição de bandas PPS (PPS 30-40% e PPS≥ 50%) perante a ausência de
diferença entre as respectivas curvas de sobrevivência é um aspecto já relatado
noutros trabalhos 109,113. Este fenómeno tem sido atribuído à dimensão da amostra
(não constatado no estudo retrospectivo de Lau com mais de 6000 doentes acima
citado) e/ou à dificuldade de alocação dos doentes nos níveis intermédios do
instrumento perante a subjectividade da apreciação de alguns parâmetros,
sobretudo em relação à versão original 83. Tentámos minimizar essa fonte de viés ao
usar a versão modificada (PPSv2, de 2001) e seguindo as instruções fornecidas em
anexo pelos autores 165.
Na apresentação das estimativas resultantes da aplicação da PPS optámos pelos
formatos tradicionais - medianas, intervalos e tabelas de esperança de vida por nível
PPS no sentido de facilitar a comparação com outras séries. Concordamos contudo
com Lau acerca da vantagem dos nomogramas de sobrevivência, construídos a
partir de modelos de regresssão de Cox e ajustados para as variáveis relevantes.
O mesmo formato poderá ser aplicado aos dados por nós colhidos, atribuindo-se a
cada doente uma pontuação que representará o seu tempo de vida (em dias ou
semanas), ajustado em função do estadio da doença, terapêutica específica em
curso, presença ou ausência de dispneia, % de linfócitos no hemograma e PPS
87
Tabela 33.
Resumo dos trabalhos publicados explorando a PPS como factor de prognóstico
Autor, país,
(ano)
tipo de
estudo
contexto
assistencial
n neoplasia
(%)
média
idade
(anos)
quem
regista PPS
doentes por nível
(%)
mediana / IC 95%
sobrevivência
(dias)
Morita 109
,
Japão
(1999)
prospectivo UCP 245 100 67 médico PPS 10%
PPS 20%
PPS 30%
PPS 40%
PPS 50%
PPS 60%
PPS 70%
PPS 80%
PPS 90%
7,1
14
19
25
16
7,8
9,4
0,85
0,85
PPS 10-20%
6 (5-8)
PPS 30-50%
41 (35-47)
PPS >=60%
108 (85-131)
Virik 163
,
Australia
(2002)
prospectivo UCP 153* NE NE médico PPS 10%
PPS 20%
PPS 30%
PPS 40%
PPS 50%
PPS 60%
PPS 70%
7
12
32
25
15
7
1,3
1 (NE)
4 (NE)
8 (NE)
18 (NE)
30 (NE)
29 (NE)
145 (NE)
Harrold 62
,
EUA
(2005)
prospectivo “hospice” na
comunidade
466 46 78 enfermeira PPS 10%
PPS 20%
PPS 30%
PPS 40%
PPS 50%
PPS 60%
PPS 70%
5,2
11,6
23,7
27,6
22,2
7,8
1,9
2 (1-3)
5 (3-7)
14 (11-17)
31 (19-43)
40 (30-50)
89 (56-122)
78 (43-113)
Head 65
,
EUA (2005)
retrospectivo “hospice” na
comunidade
396 66 72 enfermeira PPS 10%
PPS 20%
PPS 30%
PPS 40%
PPS 50%
PPS 60%
PPS 70%
1,0
6,4
28,1
37,8
22,4
3,6
0,8
12 (0-36)
8 (6-10)
19 (14-24)
27 (19-35)
46 (33-59)
32 (12-52)
-
Lau 82
,
Canadá
(2006)
retrospectivo UCP 733 88 70 enfermeira PPS 10%
PPS 20%
PPS 30%
PPS 40%
PPS 50%
PPS 60%
PPS 70%
9,0
12,1
29,7
30,7
16,1
2,3
0
1 (1-1)
2 (2-2)
9 (7-11)
17 (13-21)
27 (18-36)
40 (20-60)
-
Olajide 113
,
EUA
(2007)
prospectivo equipa
intrahospitalar
261 60 64 enfermeira PPS 10%
PPS 20%
PPS 30%
PPS 40%
PPS 50%
PPS 60%
PPS 70%
26,0
29,7
25,6
12,8
4,1
0,9
0,9
3 (2-4)
5 (4-8)
21 (14-28)
24 (7-41)
71 (0-212)
-
-
88
Autor, país,
(ano)
tipo de
estudo
contexto
assistencial
n neoplasia
(%)
média
idade
(anos)
quem
regista PPS
doentes por nível
(%)
mediana / IC 95%
sobrevivência
(dias)
Lau 81
,
Canadá
(2009)
retrospectivo UCP
comunidade
6066 84 71,5 médicos e
enfermeiras
PPS 10%
PPS 20%
PPS 30%
PPS 40%
PPS 50%
PPS 60%
PPS 70%
9,4
12,1
23,4
27,2
17,4
8,0
2,5
1 (1-1)
2 (2-2)
5 (5-5)
13 (12-14)
28 (25-38)
43 (38-48)
63 (48-78)
Lau 83
,
Canadá
(2009)
prospectivo comunidade
UCP
consulta
hospitalar
513 68 75 membros
da equipa
PPS 10%
PPS 20%
PPS 30%
PPS 40%
PPS 50%
PPS 60%
PPS 70%
PPS 80%
5,3
13,8
23,0
10,9
17,2
10,9
15,8
3,1
2 (1-3)
6 (4-8)
12 (9-15)
31 (15-47)
35 (29-41)
50 (33-67)
110 (77-143)
71 (0-196)
Tavares,
Portugal
(2010)
prospectivo equipa
intrahospitalar /
consulta
hospitalar
341 100 66 médico PPS 10%
PPS 20%
PPS 30%
PPS 40%
PPS 50%
PPS 60%
PPS 70%
PPS 80%
PPS 90%
7,9
15,5
21,1
24, 0
12, 0
9,0
7,0
0,6
0,3
2 (1-3)
3 (2-4)
22 (14-30)
28 (18-38)
62 (48-76)
80 (64-96)
105 (48-162)
93 (93-93)
106 (106-106)
* nº de admissões; NE – não especificado; UCP – unidade de cuidados paliativos
inicial, factores que mostrámos estar fortemente associados à sobrevivência dos
participantes.
Até que ponto esse formato pode melhorar a forma como é discutido, com doentes e
famílias, o prognóstico, é uma área de investigação em aberto.
Vários trabalhos usando a PPS para estimar a sobrevivência têm documentado um
aspecto gráfico das curvas de Kaplan-Meier, designado por efeito “nariz-cauda” 81,
que traduz a ocorrência de óbitos em momentos não esperados.
O “nariz” descreve uma morfologia com quedas iniciais abruptas em doentes com
PPS intermédios (geralmente 30-40%), correspondendo a situações de óbito
89
“antecipado”. A “cauda” é o aspecto morfológico observado nas mesmas curvas
perante sobrevivências mais longas que o esperado, geralmente evidente em
doentes com PPS baixas (10-20%). Ambas as situações se associam
potencialmente a stress e sofrimento para doentes, familías e profissionais pelo que
tentar identificar factores que categorizem esses doentes tem sido objecto de várias
análises.
Na nossa série o efeito “cauda” foi o mais saliente. Dez por cento dos doentes com
um PPS inicial de 20% (figura 17) sobreviveram períodos ultrapassando 6 vezes a
mediana.
Figura 17.
Curvas de Kaplan-Meier por nível PPS – efeito cauda para PPS20%
.
180160140120100806040200
sobrevivencia (dias)
1,0
0,8
0,6
0,4
0,2
0,0
sob
revi
ven
cia
cum
ula
tiva
70-censurados
60-censurados
50-censurados
40-censurados
90
80
70
60
50
40
30
20
10
PPS naadmissão
2.3 PaP
Apesar de ser o instrumento até agora mais vezes aplicado e validado em
populações distintas das originais (tabela 34), esta foi a primeira vez, ao que
julgamos saber, que se demonstrou numa população heterogénea de doentes
90
Tabela 34
Estudos usando o PaP como instrumento preditor de prognóstico – resumo comparativo.
doentes por grupo
(%)
mediana
(IC 95%) sobrevivência
(dias) Autor, país
(ano) contexto assistencial n
mediana
idade
(anos)
neoplasias
+ frequentes
(%)
terapêutica
anti
neoplásica
mediana
(IC 95%)
sobrevivência A 0-5,5
B 6-11
C 11,5-17,5
A 0-5,5
B 6-11
C 11,5-17,5
Pirovano 121
Itália
(1999)
UCP / comunidade,
multicêntrico 519 67
pulmão (19)
colon/recto (16)
pâncreas, figado, vesícula (13)
RT paliativa /
HT anabólica
permitida
32 dias
NE 34,3 39,5 26,2
64
(55-73)
32
(28-36)
11
(7-14)
Maltoni 99
,
Itália
(1999)
UCP / comunidade,
multicêntrico 451 70
pulmão (19)
colon/recto (15)
estômago (12)
RT paliativa /
HT anabólica
permitida
33 dias
NE 28,2 45,7 26,1
76
(67-87)
32
(28-39)
14
(11-18)
Glare 54
,
Australia
(2001)
equipa intrahospitalar,
1 centro 100 66,5
pulmão (14)
hematológicas (10)
ginecológicas (9)
NE 30 dias
(24-40) 42 37 21
60
(41-89)
34
(25-40)
8
(2-11)
Glare 49
,
Australia
(2004)
internamento em
serviço de oncologia,
1 centro
98 66
colon/recto (17)
pulmão (12)
melanoma (11)
73%
sob QT, RT ou
HT paliativa
12 semanas
(P25-75: 7-25) 64 32 4
17 sem
(12-26)
7 sem
(4-12)
<1 sem
(<1-3)
Tassinari 152
, Itália
(2007)
consulta de oncologia,
multicêntrico 173 63
colon/recto (54)
pulmão* (33)
estômago (7)
100%
sob QT
paliativa
26 semanas
NE 87 13 0
32 sem
NE
8 sem
NE -
Naylor 111
,
Brasil
(2010)
comunidade / consulta
/ internamento,
1 centro oncológico
238
† 55
ginecológicas (34)
cabeça e pescoço (20)
mama (18)
NE 95 dias
(74-107) 64,8 33,6 1,6
142
(118-172)
39
(28-52)
9
(1-24)
Tavares,
Portugal
(2010)
equipa intrahospitalar /
consulta,
1 centro
341 67
colon/recto (17)
estômago (11)
cabeça/pescoço (9)
32%
sob QT, RT ou
HT paliativa
26 dias
(20-32) 27,6 28,2 44,3
134
(112-155)
35
(30-40)
7
(5-9)
* tumor não pequenas células do pulmão ; † sexo feminino
NE – não especificado; RT – radioterapia; HT – hormonoterapia; QT – quimioterapia
91
oncológicos portugueses a capacidade do PaP identificar 3 grupos de risco
homogéneo, diferindo significativamente entre si do ponto de vista da sobrevivência.
A mediana de sobrevivência no nosso estudo (26 dias) aproximou-se da dos estudos
originais (32 e 33 dias) 99,121. Similar (30 dias), foi também a sobrevivência na análise
de validação independente na Austrália 54, em contexto hospitalar, de
acompanhamento por uma equipa de suporte. Os nossos resultados divergem
contudo dos acima citados pela mediana de sobrevivência bastante superior (134
dias vs 60-76 dias) apresentada pelo grupo A (PaP 0-5,5).
Tempos de vida semelhantes foram recentemente descritos em mulheres brasileiras,
seguidas numa consulta de Cuidados Paliativos de um centro oncológico 111. Nessa
série a mediana da sobrevivência global foi contudo consideravelmente superior (95
dias) à nossa. Os autores explicaram a invulgar sobrevivência do grupo A
considerando que as doentes tinham, comparativamente com trabalhos anteriores,
uma melhor condição física (mais jovens, todas seguidas em regime ambulatório,
KPS mais elevados e dispneia menos prevalente).
No nosso caso, o grupo A reunia os doentes mais jovens e 2/3 estavam em
ambulatório à data de inclusão. Admitimos que o tempo de vida observado possa
estar também relacionado com o tipo de neoplasia mais frequente neste grupo
(menos tumores gastrointestinais e mais neoplasias da próstata e ginecológicas).
A dispneia foi menos prevalente entre nós, ultrapassando apenas a descrita por
Naylor 111. Pelo contrário, a anorexia foi mais frequente que em todas as outras
séries.
92
As alterações hematológicas foram igualmente muito comuns, aproximando-se dos
valores descritos por Glare 54. Recorde-se que em ambos os casos se tratava de
doentes sob seguimento hospitalar.
Ao contrário do descrito também por Glare, num trabalho posterior 49, integrando
doentes sob terapêutica antineoplásica paliativa, notámos diferenças significativas
quanto à contagem leucocitária e taxa de linfocitos nos doentes sob tratamento
específico comparativamente com os que o tinham interrompido (contagens mais
baixas e taxas de linfocitos mais elevadas).
Relativamente à linfocitopenia, o facto de ela se ter mostrado fortemente associada,
na nossa amostra, aos tumores do pulmão e do tubo digestivo alto - neoplasias que
frequentemente cursam com síndroma de anorexia/caquexia (SAC) vem apoiar a
convicção de vários autores, que atribuem a sua patogénese a esta síndroma 11,49.
Apesar de a sua utilidade estar circunscrita a previsões por um período de 30 dias o
PaP mostrou ser um instrumento simples de aplicar e válido com uma acuidade
rondando os 80%.
À semelhança de outros 49 não detectámos diferença significativa da acuidade
perante neoplasias potencialmente associadas a SAC.
2.4 PPI
A tabela 35 resume alguns dos trabalhos em que o PPI foi utilizado.
93
Tabela 35
Estudos usando o PPI como instrumento preditor de prognóstico – resumo comparativo.
doentes por grupo
(%)
mediana
(IC 95%) sobrevivência
(dias) Autor, país
(ano) contexto assistencial n
média
idade
(anos)
neoplasias
+ frequentes
(%)
terapêutica
anti
neoplásica
mediana
(IC 95%)
sobrevivência A
≤ 4
B
4,5-6
C
6,5-15
A
≤ 4
B
4,5-6
C
6,5-15
Morita 106
,
Japão
(1999)
UCP,
1 centro 95 66
pulmão (19)
estômago/esófago (17)
colon/recto (15)
0% 26 dias
NE 17 33 49
134*
(113-155)
89*
(76-103)
23*
(17-29)
Stone 145
,
Irelanda
(2008)
comunidade / equipa
intrahospitalar / UCP
1 centro
194 70
pulmão (27)
colon/recto (14)
mama (10)
43%
sob QT ou RT
paliativa
NE 60,3 13,9 25,8 68
(52-115)
21
(13-33)
5
(3-11)
Tavares,
Portugal
(2010)
equipa intrahospitalar /
consulta,
1 centro
341 66
colon/recto (17)
estômago (11)
cabeça/pescoço (9)
32%
sob QT, RT ou
HT paliativa
26 dias
(20-32) 31,7 22,6 45,7
87
(76-98)†
30
(19-40)†
7
(4-10)†
*média; NE – não especificada.
† média / IC95% - grupo A: 135 (105-165); grupo B: 49 (37-61); grupo C: 25 (17-32).
94
Tal como Stone e col. 145, confirmámos a sua validade enquanto factor prognóstico
independente, numa população e contexto assistencial distintos dos originais.
Relativamente à validação japonesa 106, encontrámos diferenças nas amostras
quanto ao local de cuidados (100% doentes internados em UCP no Japão), à
prevalência de edema (63% vs 36%) e de ingestão oral mínima (42% vs 33%). As
médias de sobrevivência dos grupos extremos (A e C) foram contudo semelhantes
nos 2 estudos. Admite-se que tal possa reflectir prevalências de delirium (34% vs
30%) e dispneia (23% vs 17%) na mesma ordem de grandeza bem como um mesmo
perfil de localização primária das neoplasias nas 2 séries.
Comparativamente com o trabalho de Stone, na Irlanda, notámos que o edema foi
cerca de 2 vezes mais frequente e que o nível funcional dos nossos doentes foi mais
baixo (PPS ≥60% - 17% vs 43%), reflectindo uma maior prevalência de delirium
(34% vs 9%) e de ingestão oral mínima (42% vs 17%). Apesar destas diferenças as
medianas de sobrevivências aproximaram-se, sobretudo nos grupos B e C.
O grupo A teve uma mediana de sobrevivência ligeiramente superior à do seu
homólogo irlandês. Diferenças quanto ao tipo de neoplasia (mais tumores do pulmão
nos irlandeses) e à idade (mediana no nosso estudo 61,5 anos vs média global no
trabalho de Stone 70 anos) poderão contribuir para explicar a dissonância.
A tabela 36 resume a acuidade do PPI nas diferentes circunstâncias em que tem
sido testado.
95
Tabela 36.
Comparação da acuidade do PPI em trabalhos prévios com o estudo actual
PPI > 4 PPI > 6
(%) Morita 106
Stone 145
Stiel 143
Yoong 176
estudo
actual
Morita 106
Stone 145
Stiel 143
Yoong 176
estudo
actual
VPP
VPN
Sensibilidade
Especificidade
83
71
79
77
91
64
63
92
95
50
67
90
-
-
81
71
75
80
89
59
80
87
83
85
86
76
56
94
92
61
51
94
-
-
85
75
65
86
80
75
Nos nossos participantes o PPI foi mais sensível para estimativas às 6 semanas que
às 3 semanas.
Comparativamente com aplicações prévias obtivémos uma taxa de falsos positivos
muito elevada nas estimativas às 6 semanas - 41% (25% às 3 semanas). Daí que,
para estimativas às 6 semanas as razões de verossimilhança encontradas foram as
mais baixas de sempre (probabilidade de PPI > 4 e não estar vivo = 2,2 vezes a de
estar vivo; probabilidade de PPI ≤4 e não estar vivo = 0,2 vezes a de estar vivo). As
razões de verossimilhança para estimativas às 3 semanas foram semelhantes às
doutras séries.
.
O PPI mostrou ser um instrumento simples e de aplicação rápida, não dependendo
nem dos resultados de exames complementares nem do juízo clínico. Sugere-se
contudo alguma prudência na sua aplicação perante a evidência de sensibilidades e
valores preditivos negativos baixos nas restantes 2 populações europeias 143,145
onde foi validado.
96
3. Limitações
Apontam-se várias limitações ao presente trabalho.
Em teoria a primeira intervenção de uma equipa de intrahospitalar de suporte em
Cuidados Paliativos não corresponde a um ponto comum na evolução da doença
oncológica, aspecto essencial nos estudos prognósticos (inception cohort) 48.
Contudo, a realidade em que trabalhamos permite-nos afirmar que o momento da
referenciação acaba por, na prática, homogenizar os indivíduos quanto ao seu risco
prognóstico já que coincide, habitualmente, com o início da fase de rápido declínio
do nível funcional destes doentes. Apesar de alguns autores sugerirem momentos
de inclusão metodologicamente mais adequados (ex. evidência de progressão sob
uma primeira linha de quimioterapia paliativa) não há para já consenso quanto a este
ponto.
Outra dificuldade metodológica decorreu do facto do médico que formulou o
prognóstico vir a estar directamente implicado nos cuidados subsequentes. Do ponto
de vista ético é inadmissível que alguém altere uma intervenção para melhorar a
acuidade da sua estimativa. Contudo, não podemos, em rigor, excluir que, alguém
ciente de um prognóstico possa, pelo menos subconscientemente, alterar decisões
por exemplo quanto ao tipo de tratamento a instituir.
Não se tendo conseguido a colaboração dos médicos referenciadores e sendo a
investigadora a única médica da equipa, tentou-se minimizar o viés associado ao
potencial impacto da informação fornecida pelo PaP e PPI, calculando as
respectivas pontuações após o final do estudo.
Outra limitação decorre do carácter arbitrário com que foram definidos os intervalos
de adequação clínica. Perante a tipologia de doentes seguidos e na ausência de
97
dados concretos quanto ao impacto de um prognóstico incorrecto sobre o estado
emocional e a qualidade de vida de doentes e familiares 45,48,52,60,74,131,141,142
considerámos intuitivamente que estimativas que se afastassem por mais de 1
semana da semana do óbito (antecedendo-o ou sucedendo-lhe) não seriam
clinicamente adequadas (i.e. inaceitáveis para os profissionais e correndo o risco de
causar marcado sofrimento a doentes e famílias).
Finalmente, a análise contempla apenas participantes de um único centro e um
contexto assistencial particular - acompanhamento por uma equipa interdisciplinar
de cuidados paliativos (em consulta ou em regime de consultadoria em
internamento), instalada num hospital de nível terciário e universitário. Estes
aspectos e o facto de a nossa amostra não representar do ponto de vista do
diagnóstico a população portuguesa com doença oncológica avançada vêm limitar a
generalização dos resultados a outras populações.
E. EM CONCLUSÃO
A complexidade do acto de prever é um dos aspectos centrais desta análise.
Em consonância com a literatura mostrou-se a dificuldade do médico, trabalhando
em cuidados paliativos, em estabelecer previsões adequadas sobretudo em
situações de prognóstico intermédio (1 a 3 meses de vida). O pessimismo da maioria
das estimativas incorrectas é um achado pouco frequente em trabalhos nesta área.
Os dados apresentados validaram a utilidade do PaP e do PPI enquanto
instrumentos orientadores do médico na formulação do prognóstico, sugerindo
algum cuidado na sua aplicação sobretudo nas circunstâncias em que se
98
documentaram sensibilidades baixas. A elevada falibilidade da informação
tradicionalmente extraída da PPS, aqui bem documentada, leva-nos a ser bastante
prudentes ao utilizá-la como modelo prognóstico.
Sendo a discussão do prognóstico e a planificação de cuidados tarefas centrais das
equipas de cuidados paliativos, importa clarificar qual o real impacto na prática
clínica duma estratégia que combina o juízo clínico com os resultados de modelos
preditivos na formulação de um prognóstico, considerando o indivíduo concreto.
99
F. REFERÊNCIAS BIBLIOGRÁFICAS
1. Addington-Hall J, MacDonald L, Anderson H. Can the Spitzer quality of life
index help to reduce prognostic uncertainty in terminal care? Br J Cancer
1990;62:695-99.
2. Allard P, Dionne A, Potvin D. Factors associated with length of survival among
1081 terminally ill cancer patients. J Palliat Care 1995;11:20-24.
3. Alloway L, Minton O. The accuracy of the clinical prediction of survival: a
comparison of doctors’ and nurses’ estimations and the failure to validate the
Palliative Prognostic Score (PaP). Palliat Med 2004;18:155.
4. Altman D. Systematic reviews of evaluations of prognostic variables. BMJ
2001;323:224-28.
5. Anderson F, Downing G, Hill J, Casorso L, Lerch N. Palliative Performance
Scale (PPS): a new tool. J Palliat Care 1996;12:5-11.
6. Barbot A, Mussault P, Ingrand P, Tourani J. Assessing 2-month clinical
prognosis in hospitalized patients with advanced solid tumors. J Clin Oncol
2008;26:2538-43.
7. Botelho F, Silva C, Cruz F. Epidemiologia explicada – Análise de
Sobrevivência. Acta Urol 2009;26:33-38.
100
8. Bozcuk H, Koyuncu E, Yildiz M, Samur M, Ozdogan M, Artac M, Coban E,
Savas B. A simple and accurate prediction model to estimate the intrahospital
mortality risk of hospitalized cancer patients. Int J Clin Pract 2004;58:1014-19.
9. Bradburn M, Clark T, Love S, Altman D. Survival analysis part II: multivariate
data analysis, an introduction to concepts and methods. Br J Cancer 2003;
89:431-36.
10. Bruera E, Miller M, Kuehn N, MacEachern T, Hanson J. Estimated survival of
patients admitted to a palliative care unit: a prospective study. J Pain Symptom
Manage 1992;7:82-86.
11. Bruera E, Sweeney C. Cachexia and asthenia in cancer patients. Lancet Oncol
2000;1:138-47.
12. Caraceni A, Nanni O, Maltoni M, Piva L, Indelli M, Arnoldi E, Monti M,
Montanari L, Amadori D, De Conno F. Impact of delirium on short term
prognosis of advanced cancer patients - Italian Multicenter Study Group on
Palliative Care. Cancer 2000;89:1145-49.
13. Cassileth B, Lusk E, Miller D, Brown L, Miller C. Psychosocial correlates of
survival in advanced malignant disease? N Engl J Med 1985;312:1551-55.
14. Castiglioni A. The golden age of Greek medicine: Hippocratic medicine - a
101
biologic and synthetic concept, in Krumbhaar EB (ed): A History of Medicine.
New York, NY, Alfred E. Knopf, 1941, pp 148-78.
15. Chang J, Lin C. A longitudinal study of the role of patient-reported outcomes on
survival prediction of palliative cancer inpatients in Taiwan. Support Care
Cancer 2009;17:1285-94.
16. Chiang J, Lai N, Wang M, Chen S, Kao Y. A proposed prognostic 7-day
survival formula for patients with terminal cancer. BMC Public Health 2009;
9:365.
17. Chow E, Fung K, Panzarella T, Bezjan A, Danjoux C, Tannock I. A predictive
model for survival in metastatic cancer patients attending an outpatient
palliative radiotherapy clinic. Int J Radiation Oncology Biol Phys 2002;53:1291-
/302.
18. Chow E, Harth T, Hruby G, Finkelstein J, Wu J, Danjoux C. How accurate are
physicians' clinical predictions of survival and the available prognostic tools in
estimating survival times in terminally ill cancer patients? A systematic review.
Clin Oncol 2001;13:209-18.
19. Christakis N. Death foretold: prophecy and prognosis in medical care. Chicago:
University of Chicago Press, 1999.
102
20. Christakis N. The ellipsis of prognosis in modern medical thought. Soc Sci Med
1997;44:301-15.
21. Christakis N, Iwashyna T. Attitude and self-reported practice regarding
prognostication in a national sample of internists. Arch Intern Med
1998;158:2389-95.
22. Christakis N, Lamont E. Extent and determinants of error in doctors' prognoses
in terminally ill patients: prospective cohort study. BMJ 2000;320:469-72.
23. Chuang R, Hu W, Chiu T. Prediction of survival in terminal cancer patients in
Taiwan: constructing a prognostic scale. J Pain Symptom Manage 2004;
28:115-22.
24. Clarke M, Ewings P, Hanna T, Dunn L, Girling T, Widdison A How accurate are
doctors, nurses and medical students at predicting life expectancy? Eur J Int
Med 2009;20:640-44.
25. Clarke M, Kennedy K, MacDonagh R. Development of a clinical prediction
model to calculate patient life expectancy — the measure of actuarial life
expectancy (MALE). Med Decis Making 2009;29:239-46.
26. Clark T, Bradburn M, Love S, Altman D. Survival analysis part I: basic concepts
and first analyses. Br J Cancer 2003;89:232-38.
103
27. Coates A, Porzsolt F, Osoba D. Quality of life in oncology practice: prognostic
value of EORTC QLQ-C30 scores in patients with advanced malignancy. Eur J
Cancer 1997;33:1025-30.
28. Costantini M, Toscani F, Gallucci M, Brunelli C, Miccinesi G, Tamburini M, Paci
E, Di Giulio P, Peruselli C, Higginson I, Addington-Hall J and the Italian
Cooperative Research Group on Palliative Medicine. Terminal cancer patients
and timing of referral to palliative care: a multicenter prospective cohort study.
J Pain Symptom Manage 1999;18:243-51.
29. Dawes R, Faust D, Meehl P. Clinical versus actuarial judgement. Science
1989;243:1668-74.
30. De Miguel C, Castillo M, Garrido S, Vicente F, García-Esquinas E. Prognosis
accuracy of PPI and PaP Score in terminally ill cancer patients: Which one is
better? 11th European Association Palliative Care Congress, Vienna, 2009.
Eur J Palliat Care PE1.F10:57.
31. Degner L, Kristjanson L, Bowman D, Sloan J, Carriere K, O’Neil J, Bilodeau B,
Watson P, Mueller B. Information needs and decisional preferences in women
with breast cancer. JAMA. 1997;277:1485-92.
32. Degner L, Sloan A. Symptom distress in newly diagnosed ambulatory cancer
patients and as a predictor of survival in lung cancer. J Pain Symptom Manage
1995;10:423-31.
104
33. den Daas N. Estimating length of survival in end-stage cancer: a review of the
literature. J Pain Symptom Manage 1995;10:548-55.
34. Downing M, Lau F, Lesperance M, Karlson N, Shaw J, Kuziemsky C, Bernard
S, Hanson L, Olajide L, Head B, Ritchie C, Harrold J, Casarett D. Meta-
analysis of Survival Prediction With Palliative Performance Scale. J Palliat
Care 2007;23:245-54.
35. Drew P, Ilstrup D, Kerin M, Monson J. Prognostic factors: Guidelines for
investigation design and state of the art analytical methods. Surg Oncol
1998;7:71-76.
36. du Bois A, Rochon J, Lamparter C, Pfisterer J. Pattern of care and impact of
participation in clinical studies on the outcome in ovarian cancer. Int J Gynecol
Cancer 2005;15:183-91.
37. Ebrahimi B, Tucker S, Li D, Abbruzzese J, Kurzrock R. Cytokines in pancreatic
carcinoma: correlation with phenotypic characteristics and prognosis. Cancer
2004;101:2727-36.
38. Escalante C, Martin C, Elting L, Cantor S, Harle T, Prince K, Kish S, Manzullo
E, Rubenstein E. Dyspnea in cancer patients. Etiology, resource utilization, and
survival. Implications in a managed care world. Cancer 1996;78:1314-19.
105
39. Evans C, McCarthy M. Prognostic uncertainty in terminal care: can the
Karnofsky index help? Lancet 1985;1:1204-6.
40. Faris M. Clinical estimation of survival and impact of other prognostic factors
on terminally ill cancer patients in Oman. Support Care Cancer 2003;11:30-34.
41. Feinstein A. Symptoms as an index of biological behavior and prognosis in
advanced cancer. Nature 1966;209:241-45.
42. Forster L, Lynn J. Predicting life span for applicants to inpatient hospice. Arch
Intern Med 1988;148:2540-43.
43. Forster L, Lynn J. The use of physiologic measures and demographic variables
to predict longevity among inpatient hospice applicants. Am J Hosp Care
1989;6:31-34.
44. Fox E, Landrum-McNiff K, Zhong Z, Dawson N, Wu A, Lynn J. Evaluation of
prognostic criteria for determining hospice eligibility in patients with advanced
lung, heart, or liver disease. SUPPORT Investigators. Study to understand
prognoses and preferences for outcomes and risks of treatments. JAMA
1999;282:1638-45.
45. Ganz P, Lee J, Siau J. Quality of life assessment: an independent prognostic
variable for survival in lung cancer. Cancer 1991;67:3131-35.
106
46. Geissbuhler P, Mermillod B, Rapin C. Elevated serum vitamin B12 associated
with CRP as a predictive factor of mortality in palliative care cancer patients: a
prospective study over five years. J Pain Symptom Manage 2000;20:93-103.
47. Glare P. Clinical Predictors of Survival in Advanced Cancer. J Support Oncol
2005;3:331-39.
48. Glare P, Christakis N. (eds) Prognosis in Advanced Cancer. 1st ed. Oxford:
Oxford University Press, 2008.
49. Glare P, Eychmueller S, McMahon P. Diagnostic accuracy of the palliative
prognostic score in hospitalized patients with advanced cancer. J Clin Oncol
2004;22:4823-28.
50. Glare P, Eychmueller S, Virik K. The use of the palliative prognostic score in
patients with diagnoses other than cancer. J Pain Symptom Manage
2003;26:883-85.
51. Glare P, Sinclair P. Palliative medicine review: prognostication. J Palliat Med
2008;11:84-103.
52. Glare P, Sinclair C, Downing M, Stone P. Predicting survival in patients with
advanced disease. In: Hanks G, Cherny N, Christakis N, Fallon M, Kaasa S,
107
Portenoy R eds. Oxford Textbook of Palliative Medicine, 4th ed. Oxford: Oxford
University Press, 2009:81-110.
53. Glare P, Sinclair C, Downing M, Stone P, Maltoni M, Vigano A. Predicting
survival in patients with advanced disease. Eur J Cancer 2008;44:1146-56.
54. Glare P, Virik K. Independent prospective validation of the PaP score in
terminally ill patients referred to a hospital-based palliative medicine
consultation service. J Pain Symptom Manage 2001;22:891-98.
55. Glare P, Virik K, Jones M, Hudson M, Eychmuller S, Simes J, Christakis N. A
systematic review of physicians’ survival predictions in terminally ill cancer
patients. BMJ 2004;327:195-205.
56. Gonçalves J, Costa I, Monteiro C. Development of a prognostic index in cancer
patients with low performance status. Support Care Cancer 2005;13:752-56.
57. Greer S, Morris T, Pettingale K. Psychological response to breast cancer:
effect on outcome. Lancet 1979;2:785-87.
58. Gripp S, Moeller S, Bolke E, Schmitt G, Matuschek C, Asgari S, Asgharzadeh
F, Roth S, Budach W, Franz M, Willers R. Survival prediction in terminally ill
cancer patients by clinical estimates, laboratory tests, and self-rated anxiety
and depression. J Clin Oncol 2007;25:3313-20.
108
59. Grulke N, Bunjes D, Larbig W, Kächele H, Bailer H. Physicians' prognostic
estimates of survival for patients undergoing allogeneic hematopoietic stem cell
transplantation Journal of Psychosomatic Research 2008;65:61-66.
60. Hagerty R, Butow P, Ellis P, Lobb E, Pendlebury S, Leighl N, MacLeod C,
Tattersall M. Communicating with realism and hope: incurable cancer patients'
views on the disclosure of prognosis. J Clin Oncol 2005;23:1278-88.
61. Hardy J, Turner R, Saunders M, A’Hern R. Prediction of survival in a hospital-
based continuing care unit. Eur J Cancer 1994;30:284-88.
62. Harrold J, Rickerson E, Carroll J, McGrath J, Morales K, Kapo J, Casarett D. Is
the palliative performance scale a useful predictor of mortality in a
heterogeneous hospice population? J Palliat Med 2005;8:503-09.
63. Hauser C, Stockler M, Tattersall M. Prognostic factors in patients with recently
diagnosed incurabile cancer: a systematic review. Support Care Cancer.
2006;14:999-1011.
64. Hayden J, Côté P, Bombardier C. Evaluation of the Quality of Prognosis
Studies in Systematic Reviews. Ann Intern Med 2006;144:427-37.
65. Head B, Ritchie C, Smoot T. Prognostication in hospice care: can the Palliative
Performance Scale help? J Palliat Med 2005;8:492-502.
109
66. Henderson R, Keiding N. Individual survival time prediction using statistical
models. J Med Ethics 2005;31:703-06.
67. Henderson R, Jones M, Stare J. Accuracy of point predictions in survival
analysis. Statist. Med 2001;20:3083-96.
68. Heyse-Moore L, Johnson-Bell V. Can doctors accurately predict the life
expectancy of patients with terminal cancer? Palliat Med 1987;1:165-66.
69. Higginson I, Costantini M. Accuracy of prognosis estimates by four palliative
care teams: a prospective cohort study. BMC Palliat Care 2002;1:1.
70. Homsi J, Luond D. Symptoms and Survival in Patients with Advanced Disease.
J Palliat Med 2007;10:904-09.
71. Innes S, Payne S. Advanced cancer patients’ prognostic information
preferences: a review. Palliat Med 2009;23:29-39.
72. Kao Y, Chen C, Chiang J, Chen S, Huang W. Predicting Factors in the Last
Week of Survival in Elderly Patients with Terminal Cancer: A Prospective Study
in Southern Taiwan. J Formos Med Assoc 2009;108:231-39.
73. Kelly L, White S, Stone P. The B12/CRP index as a simple prognostic indicator
in patients with advanced cancer: a confirmatory study. Ann Oncol
2007;18:1395-99.
110
74. Kirk P, Kirk I, Kristjanson L. What do patients receiving palliative care for
cancer and their families want to be told? A Canadian and Australian
qualitative study. Br Med J 2004;328:1343-50.
75. Knaus W, Harrell F, Lynn J, Goldman L, Phillips R, Connors A, Dawson N,
Fulkerson W, Callif R, Desbiens N, Layde P, Oye N, Bellamy P, Hakim R,
Wagner D. The SUPPORT prognostic model: objective estimates of survival for
seriously ill hospitalised adults. Ann Intern Med 1995;122:191-203.
76. Lam P. Accuracy of clinical prediction of survival in a palliative care unit. Progress in
Palliative Care 2008;16:113-17.
77. Lamont E, Christakis N. Complexities in prognostication in advanced cancer
‘To help them live their lives the way they want to’. JAMA 2003;290:98-104.
78. Lamont E, Christakis N. Physician Factors in the Timing of Cancer Patient
Referral to Hospice Palliative Care. Cancer 2002;94:2733-37.
79. Langendijk H, Aaronson N, de Jong J, ten Velde G, Muller M, Wouters M. The
prognostic impact of quality of life assessed with the EORTC QLQ C-30 in
inoperable non-small cell lung carcinoma treated with radiotherapy. Radiother
Oncol 2000;55:19-25.
111
80. Lau F, Cloutier-Fisher D, Kuziemsky C, Black F, Downing M, Borycki E, Ho F.
A systematic review of prognostic tools for estimating survival time in palliative
care. J Palliat Care 2007;23:93-112.
81. Lau F, Downing M, Lesperance M, Karlson N, Kuziemsky C, Yang J. Using the
Palliative Performance Scale to Provide Meaningful Survival Estimates. J Pain
Symptom Manage 2009;38:134-44.
82. Lau F, Downing M, Lesperance M, Shaw J, Kuziemsky C. Use of Palliative
Performance Scale in end-of-life prognostication. J Palliat Med 2006;9:1066-
75.
83. Lau F, Maida V, Downing M, Lesperance M, Karlson N, Kuziemsky C. Use of
the Palliative Performance Scale (PPS) for End-of-Life Prognostication in a
Palliative Medicine Consultation Service. J Pain Symptom Manage
2009;37:965-72.
84. Laupacis A, Wells G, Richardson W, Tugwell P. How to use an article about
prognosis: Evidence-Based Medicine Working Group. JAMA 1994;272:234-37.
85. Lee B, Dantzer R, Langley K, Bennett G, Dougherty P, Dunn A, Meyers C,
Miller A, Payne R, Reuben J, Wang X, Cleeland C. A cytokine-based
neuroimmunologic mechanism of cancer-related symptoms.
Neuroimmunomodulation 2004;11:279-92.
112
86. Leung K, Chiu T, Chen C. The influence of awareness of terminal condition on
spiritual well-being in terminal cancer patients. J Pain Symptom Manage 2006;
31:449-56.
87. Levine S, Sachs G, Jin L, Meltzer D. A Prognostic Model for 1-Year Mortality in
Older Adults after Hospital Discharge. Am J Med 2007;120:455-60.
88. Limonero T, Bayés R, Espaulella J, Roca J. Grado de precisión del prognóstico
de vida en los enfermos oncológicos en situación terminal. Medicina Paliativa
1994;1:26-30.
89. Llobera J, Esteva M, Rifà J, Benito E, Terrasa J, Rojas C, Pons O, Catalân G,
Avellà A. Terminal cancer: duration and prediction of survival time. Eur J
Cancer 2000; 2036-43.
90. Loprinzi C, Laurie J, Wieand S, Krook J, Novotny P, Kugler J, Bartel J, Law M,
Bateman M, Klatt N. Prospective evaluation of prognostic variables from
patient-completed questionnaires. J Clin Oncol 1994;12:601-607.
91. Lunney J, Lynn J, Foley D, Lipson S, Guralnik J. Patterns of functional decline
at the end of life. JAMA 2003;289:2387-92.
92. Lutgendorf S, Johnsen E, Cooper B, Soroski J, Buller R, Sood A. Vascular
endothelial growth factor and social support in patients with ovarian carcinoma.
Cancer 2002;95:808-15.
113
93. Mackillop W. The importance of prognosis in cancer medicine. In:
Gospodarowicz M, editor. Prognostic factors in cancer. 2nd ed. New York:
Wiley; 2001.
94. Mackillop W, Quirt C. Measuring the accuracy of prognostic judgments in
oncology. J Clin Epidemiol 1997;50:21-29.
95. Mailin J, Geffen D. Bridging the divide: integrating cancer directed therapies
and palliative care. J Clin Oncol 2004;22:3438-40.
96. Maltoni M, Amadori D. Prognosis in advanced cancer. Hematol Oncol Clin N
Am 2002;16:715–29.
97. Maltoni M, Caraceni A, Brunelli C, Broeckaert B, Christakis N, Eychmueller S,
Glare P, Nabal M, Vigano A, Larkin P, De Conno F, Hanks G, Kaasa S.
Prognostic factors in advanced cancer patients: evidence-based clinical
recommendations - a study by the steering committee of the European
Association for Palliative Care. J Clin Oncol 2005;23:6240–48.
98. Maltoni M, Nanni O, Derni S, Innocenti M, Fabbri L, Riva N, Maltoni R, Amadori
D. Clinical prediction of survival is more accurate than the Karnofsky
performance status in estimating life span of the terminally ill cancer patients.
Eur J Cancer 1994;30:6;764-66.
114
99. Maltoni M, Nanni O, Pirovano M, Scarpi E, Indelli M, Martini C, Monti M,
Arnoldi E, Piva L, Ravaioli A, Cruciani G, Labianca R, Amadori D. Successful
validation of the palliative prognostic score in terminally ill cancer patients. J
Pain Symptom Manage 1999;17:240-47.
100. Maltoni M, Pirovano M, Nanni O, Marinari M, Indelli M, Gramazio A, Terzoli N,
Luzzani M, De Marinis F, Caraceni A, Labianca R. Biological indices predictive
of survival in 519 Italian terminally ill cancer patients. J Pain Symptom Manage
1997;13:1-9.
101. Maltoni M, Pirovano M, Scarpi E, Marinari M, Indelli M, Arnoldi E, Gallucci M,
Frontini L, Piva L, Amadori D. Prediction of survival of patients terminally ill with
cancer. Cancer 1995;75:2613-22.
102. Mariani L, Miceli R, Kattan M, Brennan M, Colecchia M, Fiore M, Casali P,
Gronchi A. Validation and adaptation of a nomogram for predicting the survival
of patients with extremity soft tissue sarcoma using a three-grade system.
Cancer 2005;103:402-08.
103. Marinella M. On the Hippocratic Facies. J Clin Oncol 2008;26:3638-40.
104. McMillan D, Elahi M, Sattar N, Angerson W, Johnstone J, McArdle C.
Measurement of the systemic inflammatory response predicts cancer-specific
and non-cancer survival in patients with cancer. Nutr Cancer 2001;41:64-69.
115
105. Mor V, Laliberte L, Morris J, Wiemann M. The Karnofsky performance status
scale. An examination of its reliability and validity in a research setting. Cancer
1984;53:2002-07.
106. Morita T, Tsunoda J, Inoue S, Chihara S. The Palliative Prognostic Index: a
scoring system for survival prediction of terminally ill cancer patients. Supp
Care Cancer 1999;7:128-33.
107. Morita T, Tsunoda J, Inoue S, Chihara S. Survival prediction of terminally ill
cancer patients by clinical symptoms: development of a simple indicator. Jap J
Clin Oncol 1999;29:156-59.
108. Morita T, Tsunoda J, Inoue S, Chihara S. Improved accuracy of physicians’
survival predictions for terminally ill cancer patients using the palliative
prognostic index. Palliat Med 2001;15:419-24.
109. Morita T, Tsunoda J, Inoue S, Chihara S. Validity of the palliative performance
scale from a survival perspective. J Pain Symptom Manage 1999;18:2-3.
110. Muers M, Shevlin P, Brown J. Prognosis in lung cancer: Physicians’ opinions
compared with outcome and predictive model. Thorax 1996;51:894-902.
111. Naylor C, Cerqueira L, Costa-Paiva L, Costa J, Conde D, Pinto-Neto A.
Survival of Women With Cancer in Palliative Care: Use of the Palliative
116
Prognostic Score in a Population of Brazilian Women. J Pain Symptom
Manage 2010;39:69-75.
112. Negrier S, Perol D, Menetrier-Caux C, Escudier B, Pallardy M, Ravaud A,
Douillard J, Chevreau C, Lasset C, Blay J. Interleukin-6, interleukin-10, and
vascular endothelial growth factor in metastatic renal cell carcinoma:
prognostic value of interleukin-6 - from the Groupe Francais d’Immunotherapie.
J Clin Oncol 2004;22:2371-78.
113. Olajide O, Hanson L, Usher B, Qaqish B, Schwartz R, Bernard S. Validation of
the Palliative Performance Scale in the acute tertiary care hospital setting. J
Palliat Med 2007;10:111-17.
114. O'Malley C, Cress R, Campleman S, Leiserowitz G. Survival of Californian
women with epithelial ovarian cancer, 1994-1996: a population-based study.
Gynecol Oncol 2003;91:608-15.
115. Osler W. The Principles and Practice of Medicine. New York, NY, D. Appleton
and Co, 1906, pp 82.
116. Oxenham D, Cornbleet M: Accuracy of prediction of survival by different
professional groups in a hospice. Palliat Med 1998;12:117-18.
117. Paci E, Miccinesi G, Toscani F, Tamburini M, Brunelli C, Constantini M,
Peruselli C, Di Giulio P, Gallucci M, Addington-Hall J, Higginson I. Quality of
117
life assessment and outcome of palliative care. J Pain Symptom Manage
2001;21:179-88.
118. Parker S, Clayton J, Hancock K, Walder S, Butow P, Carrick S, Currow D,
Ghersi D, Glare P, Hagerty R, Tattersall M. A Systematic Review of
Prognostic/End-of-Life Communication with Adults in the Advanced Stages of a
Life-Limiting Illness: Patient/Caregiver Preferences for the Content, Style, and
Timing of Information. J Pain Symptom Manage 2007;34;81-93.
119. Parkes C. Accuracy of predictions of survival in later stages of cancer. BMJ
1972;2:29-31.
120. Pettingale K, Morris T, Greer S, Haybittle J. Mental attitudes to cancer: an
individual prognostic factor. Lancet 1985;325:750.
121. Pirovano M, Maltoni M, Nanni O, Marinari M, Indelli M, Zaninetta G, Petrella V,
Barni S, Zecca E, Scarpi E, Labianca R, Amadori D, Luporini G. A new
palliative prognostic score: a first step for the staging of terminally ill cancer
patients. J Pain Symptom Manage 1999;17:231-39.
122. Randolph A, Guyatt G, Calvin J, Doig G, Richardson W. Understanding articles
describing clinical prediction tools: Evidence Based Medicine in Critical Care
Group. Crit Care Med 1998;26:1603-12.
118
123. Read W, Tierney R, Page N, Costas I, Govindan R, Spitznagel E, Piccirillo J.
Differential prognostic impact of comorbidity. J Clin Oncol 2004;22:3099-103.
124. Reuben D, Mor V, Hiris J. Clinical symptoms and length of survival in patients
with terminal cancer. Arch Intern Med 1988;148:1586-91.
125. Rich A. How long have I got? – Prognostication and palliative care. Eur J
Palliat Care 1999;6:171-82.
126. Ringdal G, Götestam K, Kaasa S, Kvinnsland S, Ringdal K. Prognostic factors
and survival in a heterogeneous sample of cancer patients. Br J Cancer
1996;73:1594-99.
127. Ripamonti C, Farina G, Garassino M. Predictive Models in Palliative Care.
Cancer 2009;115:3128-34.
128. Rogg L, Loge J, Aasland O, Graugaard P. Physicians’ attitudes towards
disclosure of prognostic information - A survey among a representative cross-
section of 1605 Norwegian physicians. Patient Educ Couns 2009;77:242-7.
129. Rosenthal M, Gebski V, Kefford R, Stuart-Harris R. Prediction of life-
expectancy in hospice patients: identification of novel prognostic factors. Palliat
Med 1993;7:199-204.
119
130. Sánchez C, Elustondo S, Estirado A, Sánchez F, Cooper C, Romero A, Otero
A, Olmos L. Palliative Performance Status, Heart Rate and Respiratory Rate as
Predictive Factors of Survival Time in Terminally Ill Cancer Patients. J Pain
Symptom Manage 2006;31:485-92.
131. Schapira L, Eisenberg P, MacDonald N, Mumber M, Loprinzi C. A revisitation
of “Doc, how much time do I have?” J Clin Oncol 2003;21:8S-11S.
132. Schonwetter R, Teasdale T, Storey P. The terminal cancer syndrome. Arch
Intern Med 1989;149:965-66.
133. Scott H, McMillan D, Forrest L, Brown D, McArdle C, Milroy R. The systemic
inflammatory response, weight loss, performance status and survival in
patients with inoperable non-small cell lung cancer. Br J Cancer 2002;87:264-
67.
134. Scotto J, Schneiderman M. Predicting survival in terminal cancer. BMJ
1972;4:50.
135. Shadbolt B, Barresi J, Craft P. Self-rated health as a predictor of survival
among patients with advanced cancer. J Clin Oncol 2002;20:2514–19.
136. Shanafelt T, Loprinzi C, Marks R, Novotny P, Sloan J. Are chemotherapy
response rate related to treatment-induced survival prolongations in patients
with advanced cancer? J Clin Oncol 2004;22:1966-74.
120
137. Simon R, Altman D: Statistical aspects of prognostic factor studies in oncology.
Br J Cancer 1994;69:979-85.
138. Sloan J, Loprinzi C, Laurine J, Novotny P, Vargas-Chanes D, Krook J,
O’Connell M, Kugler J, Tirona M, Kardinal C, Wiesenfeld M, Tschetter L,
Hatfield A, and Schaefer P. A simple stratification factor prognostic for survival
in patients with advanced cancer: the good/bad/uncertain index. J Clin Oncol
2001;19:3539-46.
139. Smith J. Commentary: why do doctors overestimate? BMJ 2000;320:472-3.
140. Spiegel D, Bloom J, Kraemer H, Gottheil E. Effect of psychosocial treatment on
survival of patients with metastatic breast cancer. Lancet 1989;2:888-91.
141. Steinhauser K, Christakis N, Clipp E, McNeilly M, McIntyre L, Tulsky J. Factors
considered important at the end of life by patients, family, physicians and other
care providers. JAMA. 2000;284:2476-82.
142. Steinhauser K, Christakis N, Clipp E, McNeilly M, Grambow S, Parker J, Tulsky
J. Preparing for the end of life: preferences of patients, families, physicians,
and other care providers. J Pain Symptom Manage 2001;22:727-37.
143. Stiel S, Bertram L, Neuhaus S, Nauck F, Ostgathe C, Elsner F, Radbruch L.
Evaluation and comparison of two prognostic scores and the physicians’
121
estimate of survival in terminally ill patients. Support Care Cancer 2010;18:43-
49.
144. Stockler M, Tattersall M, Boyer M, Clarke S, Beale P, Simes R. Disarming the
guarded prognosis: predicting survival in newly referred patients with incurable
cancer. Brit J Cancer 2006;94:208-12.
145. Stone C, Tiernan E, Dooley B. Prospective validation of the Palliative
Prognostic Index in patients with cancer. J Pain Symptom Manage
2008;35:617-22.
146. Stone P, Kelly L, Head R, White S Development and validation of a prognostic
scale for use in patients with advanced cancer. Palliat Med 2008;22:711-17.
147. Stone P, Lund S. Predicting prognosis in patients with advanced cancer. Ann
Oncol 2007;18:971-76.
148. Tamburini M, Brunelli C, Rosso S, Ventafridda V. Prognostic value of quality of
life scores in terminal cancer patients. J Pain Symptom Manage 1996;11:32-
41.
149. Tanneberger S, Malavasi I, Mariano P, Pannuti F, Strocchi E. Planning
palliative or terminal care: the dilemma of doctors’ prognoses in terminally ill
cancer patients. Ann Oncol 2002;13:1319-22.
122
150. Tassinari D, Fantini M, Modenesi C, Maltoni M. La caratterizzazione
prognostica della malattia oncologica in fase avanzata. Riv Ital Cure Palliat
2005;1:37-42.
151. Tassinari D, Maltoni M, Amadori D. Prediction of survival in terminally ill cancer
patients: why we cannot avoid an evidence-based palliative medicine. Ann
Oncol 2002;13:1322-23.
152. Tassinari D, Montanari L, Maltoni M, Ballardini M, Piancastelli A, Musi M,
Porzio G, Minotti V, Caraceni A, Poggi B, Stella A, Aielli F, Scarpi E. The
palliative prognostic score and survival in patients with advanced solid tumors
receiving chemotherapy. Support Care Cancer 2008;16:359-70.
153. Tavares F, Fradique E, Matos A, Coelho A, Ramos A, Soares P. Usefulness of
the Palliative Performance Scale in prognostication for a Portuguese hospital-
based palliative care team. 11th European Association Palliative Care
Congress, Vienna, 2009. Eur J Palliat Care PE2.S2:137.
154. Teno J, Shu J, Casarett D, Spence C, Rhodes R, Connor S. Timing of referral
to hospice and quality of care: length of stay and bereaved family members'
perceptions of the timing of hospice referral. J Pain Symptom Manage 2007;
34:120-25.
123
155. Tetsche M, Dethlefsen C, Pedersen L, Sorensen H, Norgaard M. The impact of
comorbidity and stage on ovarian cancer mortality: A nationwide Danish cohort
study BMC Cancer 2008;8:31.
156. Tetsche M, Norgaard M, Jacobsen J, Wogelius P, Sorensen H. Comorbidity
and ovarian cancer survival in Denmark, 1995-2005: a population-based cohort
study. Int J Gynecol Cancer 2008;18:421-27.
157. Teunissen S, de Graeff A, de Haes H, Voest E. Prognostic significance of
symptoms of hospitalized advanced cancer patients. Eur J Cancer
2006;42:2510-16.
158. Toscani F, Brunelli C, Miccinesi G, Costantini M, Gallucci M, Tamburini M, Paci
E, Giulio P, Peruselli C. Predicting survival in terminal cancer patients: clinical
observation or quality-of-life evaluation? Palliat Med 2005;19:220-27.
159. Twomey F, O’Leary N, O’Brien T. Prediction of patient survival by healthcare
professionals in a specialist palliative care inpatient unit: a prospective study.
Am J Hosp Palliat Care 2008;25:139-45.
160. Viganò A, Bruera E, Jhangri G, Newman S, Fields A, Suárez-Almazor M.
Clinical survival predictors in patients with advanced cancer. Arch Intern Med
2000;160:861-68.
124
161. Viganò A, Dorgan M, Bruera E, Suárez-Almazor M. The relative accuracy of
clinical estimation of the duration of life for patients with end of life cancer.
Cancer 1999;88:170-76.
162. Viganò A, Dorgan M, Buckingham J, Bruera E, Suárez-Almazor M. Survival
prediction in terminal cancer patients: a systematic review of the medical
literature. Palliat Med 2000;14:363-74.
163. Virik K, Glare P. Validation of the Palliative Performance Scale for inpatients
admitted to a palliative care unit in Sydney, Australia. J Pain Symptom Manage
2002;23:455–57.
164. Vitetta L, Kenner D, Kissane D, Salli A. Clinical outcomes in terminally ill
patients admitted to hospice care: Diagnostic and therapeutic interventions. J
Palliat Care 2001;17:69-77.
165. Victoria Hospice Society [website]. Palliative performance scale (PPSv2)
version 2. Victoria, BC: Victoria Hospice Society; 2006. Available
from:http://victoriahospice.com/files/attachments/2Ba1PalliativePerformanceSc
aleENGLISHPPS.pdf. Accessed 2009 Jul 27.
166. Vogenberg F. Predictive and Prognostic Models: Implications for Healthcare
Decision-Making in a Modern Recession. AHDB 2009;2:218-22.
125
167. Voogt E, van-der-Heide A, Rietjens J, van Leeuwen A, Visser A, van der Rijt C,
van der Maas P. Attitudes of patients with incurable cancer toward medical
treatment in the last phase of life. J Clin Oncol 2005;23:2012-19.
168. Watson M, Haviland J, Greer S, Davidson J, Bliss J. Influence of psychological
response on survival in breast cancer: a population-based cohort study. Lancet
1999;354:1331-36.
169. Weeks J, Cook E, O’Day S, Lynn P, Wenger N, Reding D, Harrell F, Kussin P,
Dawson N, Connors A, Lynn J, Phillips R. Relationship between cancer
patients’ predictions of prognosis and their treatment preferences. JAMA
1998;279:1709-14.
170. Weissman D. Decision making at the time of crisis near the end of live. JAMA
2004;292:1738-43.
171. Weng L, Huang H, Wilkie D, Hoenig N, Suarez M, Marschke M, Durham J.
Predicting Survival with the Palliative Performance Scale in a Minority-Serving
Hospice and Palliative Care Program. J Pain Symptom Manage 2009;37:642-
48.
172. Wijnia J, Corstiaensen I. A Poor Prognosis: Guide or Misleading? Am J Hosp
Palliat Care 2008;25:5-8.
126
173. Wilson J, Graham J, MacDonagh R. Patient life expectancy: a vital element in
planning treatment? BJU Int 2004;93:461-63.
174. Woelk C. How long have I got? Can Fam Physician 2009;55:1202-06.
175. Yates J, Chalmer B, McKegney P. Evaluation of patients with advanced cancer
using the Karnofsky performance status. Cancer 1980;45:2220-24.
176. Yoong J, Atkin N, Le B. Use of the Palliative Prognostic Index in a Palliative
Care Consultation Service in Melbourne, Australia. J Pain Symptom Manage
2010;39:e2-e4.
177. Yun Y, Heo D, Heo B, Yoo T, Bae J, Ahn S. Development of terminal cancer
prognostic score as an index in terminally ill cancer patients. Oncol Rep
2001;8:795-800.
