Fiabilidad de los predictores clínicos y de la biopsia de arteria temporal en el diagnóstico de la arteritis de células gigantes

Abstract

Diseño: Estudio retrospectivo, descriptivo y analítico sobre 342 biopsias de arteria temporal realizadas en el Hospital de Cruces entre 2000-7. Material y métodos: Se han revisado los resultados anatomopatológicos, el tratamiento recibido y el diagnóstico final, y se han contrastado con la fenomenología clínica que suscitó la realización de la biopsia. Se utilizaron modelos de regresión logística binaria múltiple para identificar el conjunto de variables que mejor predecían los resultados de la biopsia y/o presencia de enfermedad. La selección de variables se ha realizado utilizando el likelihood ratio test del modelo más completo frente al reducido. El nivel de significación estadística utilizado ha sido del 5%. Para estimar la capacidad clasificadora del modelo y su precisión se han estimado el área bajo la curva ROC y sus intervalos de confianza al 95%. Se realizó posteriormente un análisis de la fiabilidad de los principales algoritmos clínicos (Colegio Americano de Reumatología, Ellis y Ralston) y la de un algoritmo propio. Para el análisis estadístico se ha utilizando el software estadístico Stata 9 for Windows. Resultados: La BAT presentó un 20.8% de resultados positivos. La sensibilidad de la biopsia para el diagnóstico de la ACG fue del 81.6%. El total de pacientes diagnosticados de ACG (BAT positiva / criterios del CAR) fue del 25.4%. Variables como claudicación mandibular, amaurosis, buena respuesta al tratamiento esteroideo, exploración alterada de las arterias temporales, trombocitosis, cefalea, hipersensibilidad cutánea, PCR 4 se asociaron con un resultado positivo de la biopsia. Nuestro modelo demostró un predominio (57.6%) de pacientes con muy baja probabilidad preprueba (<10%). Obviando el resultado de la BAT, el algoritmo 1 del CAR, presentó una sensibilidad entre el 60%-71% y una especificidad entre el 69%-72%. Añadiendo el valor de la biopsia, la sensibilidad del modelo aumenta, sin embargo no existen variaciones respecto a la especificidad. El algoritmo 2 del CAR y el de Ellis y Ralston, mejoran el modelo de la especificidad pero disminuyen el de la sensibilidad. Ofrecen un alto índice de sospecha, pero precisan del concurso de la BAT para poder ofrecer una sensibilidad alta. La sensibilidad y la especificidad obtenidas por nuestro algoritmo diagnóstico fue del 64.36% y el 94.71% (percentil 70). Se identifican casos de ACG en todos los percentiles. Entre un 19%-25% de los pacientes diagnosticados de ACG presentaron una clínica atípica. (<50% de probabilidad de enfermedad). Conclusiones: La BAT se presenta como una prueba indispensable en aquellos pacientes que presentan un riesgo intermedio según nuestro algoritmo. Pero podría descartarse en aquellos con un riesgo muy elevado. Descartar los pacientes con un riesgo muy bajo (grupo mayoritario) implica un riesgo de error del 3%. En este último supuesto y no siendo posible descartar al 100% la enfermedad, debería valorarse cuidadosamente la relación riesgo beneficio de cada caso.