پیامهای کلیدی
-
ما چهار مدل پیشبینی خطر سرطان پستان را یافتیم که بهاندازه کافی برای ارزیابی دقیق بررسی شدند. این موارد عبارت بودند از مدلهای Gail؛ Tyrer-Cuzick؛ BOADICEA و BRCAPRO.
-
مدل BOADICEA یکی از قابل اعتمادترین ابزار برای تخمین خطر ابتلا به سرطان پستان در آینده در زنانی با سابقه خانوادگی این بیماری بود، به این معنی که ممکن است به آنها و پزشکانشان در تصمیم گیری در مورد درمان کمک کند.
-
برای ارتقای صحت (accuracy) مدلهای پیشبینی موجود در تمایز میان زنانی با سابقه خانوادگی سرطان پستان که به این بیماری مبتلا میشوند یا خیر، انجام تحقیقات بیشتری مورد نیاز است.
چرا پیشبینی خطر ابتلا به سرطان پستان در زنان کمککننده است؟
زنانی با سابقه سرطان پستان در خانواده خود، احتمال بیشتری دارد که در طول زندگی خود به آن مبتلا شوند. در کلینیکها، احتمال ابتلای یک زن به سرطان پستان در یک دوره زمانی معین اغلب با استفاده از ابزار آماری که تحت عنوان مدلهای پیشبینی خطر سرطان پستان شناخته میشوند، تخمین زده میشود.
توانایی تخمین دقیق خطر ابتلا به سرطان پستان برای زنی با سابقه خانوادگی سرطان پستان، به پزشکان و زن کمک میکند تا تصمیم بگیرند که چگونه خطر ابتلا به سرطان پستان را مدیریت کنند یا کاهش دهند. مدیریت ممکن است شامل موارد زیر باشد:
-
تصویربرداری منظم با ماموگرافی یا تصویربرداری رزونانس مغناطیسی (MRI؛ نوعی اسکن که تصاویر دقیقی را از بافت پستان ایجاد میکند) برای تشخیص سرطان پستان در مراحل اولیه؛
-
مصرف داروهای کاهشدهنده خطر؛ یا
-
در برخی موارد، برداشتن هر دو پستان با جراحی برای پیشگیری از ابتلا به سرطان پستان.
در حال حاضر، مشخص نیست کدام یک از مدلهای موجود برای پیشبینی خطر ابتلا به سرطان پستان در زنانی با سابقه خانوادگی آن، بهتر عمل میکند.
ما به دنبال چه یافتهای بودیم؟
هدف ما آن بود که:
-
مدلهای پیشبینی خطر سرطان پستان را شناسایی کنیم که در زنانی با سابقه خانوادگی سرطان پستان توسعه یافتند یا آزمایش شدند (یا هر دو)؛ و
-
ارزیابی کنیم که مدلهای مذکور، خطر ابتلا به سرطان پستان را در آینده در این زنان چقدر دقیق پیشبینی میکنند.
ما چهکاری را انجام دادیم؟
ما به دنبال مطالعاتی بودیم که این مدلها را توسعه دادند یا آزمایش کردند. ما بررسی کردیم که مدلهای موجود، خطر سرطان پستان را چقدر دقیق پیشبینی کردند، و بر موارد زیر تمرکز داشتیم:
-
آیا تعداد پیشبینیشده موارد سرطان پستان مشابه تعداد واقعی رخداده بود (کالیبراسیون (calibration))؛ و
-
آیا این مدل توانست میان زنانی که به سرطان پستان مبتلا شدند و زنانی که به آن مبتلا نشدند، تمایز قائل شود (تمایز (discrimination)).
وقتی تعداد کافی از مطالعات، مدل یکسانی را ارزیابی کردند، نتایج آنها را از نظر آماری ترکیب کردیم.
ما به چه نتایجی رسیدیم؟
ما 12 مدل را شناسایی کردیم که خطر ابتلا به سرطان پستان را در آینده تخمین میزنند و در مطالعاتی که همه یا اکثر زنان شرکتکننده، سابقه خانوادگی سرطان پستان داشتند، آزمایش شدند. این مدلها با استفاده از اطلاعات حاصل از تعداد کمی زنان، از 134 تا 130,058 زن، بررسی شدند. بیشتر این زنان در آمریکای شمالی، اروپا یا استرالیا زندگی کردند و تعداد کمی از آنها اهل آسیا بودند.
مطالعات توسط دولتها (25 مطالعه)، دانشگاهها (24)، سازمانهای غیرانتفاعی (21) و صنعت (3) تامین مالی شدند. شش مطالعه منابع حمایت مالی خود را گزارش نکردند، و برخی از آنها از بیش از یک منبع، بودجه خود را دریافت کردند.
ما توانستیم نتایج حاصل از چندین مطالعه را برای چهار مدل ترکیب کنیم: مدلهای Gail؛ Tyrer-Cuzick؛ BOADICEA و BRCAPRO.
کالیبراسیون: آیا تعداد پیشبینیشده موارد سرطان پستان مشابه با تعداد واقعی بود؟
-
مدلهای Gail و BOADICEA تعداد زنانی را که در مطالعات مورد بررسی در یک بازه زمانی مشخص به سرطان پستان مبتلا شدند، بهطور دقیق تخمین زدند:
-
بهازای هر 100 مورد سرطان پستان که مدل Gail پیشبینی کرد، حدود 106 مورد در واقعیت رخ داد؛
-
بهازای هر 100 مورد سرطان پستان که مدل BOADICEA پیشبینی کرد، حدود 98 مورد در واقع رخ داد.
-
-
مدل Tyrer-Cuzick تخمین زد تعداد زنانی که در این مطالعات به سرطان پستان مبتلا میشوند، بیشتر از تعداد واقعی است. از هر 100 مورد سرطان پستان که پیشبینی شد، فقط حدود 86 مورد در واقعیت رخ داد.
-
مدل BRCAPRO تخمین زد تعداد کمتری از زنان در این مطالعات، نسبت به آنچه که واقعا اتفاق میافتد، به سرطان پستان مبتلا میشوند. بهازای هر 100 مورد سرطان پستان که پیشبینی شد، حدود 144 مورد در واقع رخ داد.
تمایز: مدلها چقدر خوب توانستند میان زنانی که به سرطان پستان مبتلا میشوند و زنانی که به آن مبتلا نمیشوند، تمایز قائل شوند؟
-
هر چهار مدل در تشخیص بین زنانی که در یک بازه زمانی مشخص به سرطان پستان مبتلا میشوند و نمیشوند، دقت متوسطی داشتند، اما هیچکدام عملکرد خوبی نداشتند.
-
مدلهای Tyrer-Cuzick (نسخه 8)، BOADICEA و BRCAPRO بهدرستی زنانی را که به سرطان پستان مبتلا میشوند از زنانی که به آن مبتلا نمیشوند، حدود 64 تا 65 مورد از 100 مورد، تشخیص دادند.
-
مدل Gail عملکرد اندکی ضعیفتر داشت و زنانی را که در 61 مورد از 100 مورد به سرطان پستان مبتلا شدند، بهدرستی تشخیص داد.
محدودیتهای شواهد چه هستند؟
ما سطح کیفیت اکثر مطالعات موجود در مرور خود را ضعیف یا نامشخص ارزیابی کردیم، به این معنی که نمیتوانیم مطمئن باشیم این نتایج قابل اعتماد هستند. اعتماد به شواهد به دلایل مختلفی کاهش یافت، از جمله:
-
در برخی مطالعات، تعداد بسیار کمی از زنان به سرطان پستان مبتلا شدند، که قضاوت را در مورد میزان دقت مدلهای پیشبینی، دشوارتر کرد؛
-
نه همه مطالعات اطلاعات عملکرد مدل مورد نظر ما را گزارش نکردند؛
-
برخی از مطالعات اطلاعات ازدسترفته داشتند یا توضیح ندادند که چگونه اطلاعات ازدسترفته را مدیریت کردند.
این شواهد تا چه زمانی بهروز است؟
این مرور شامل مطالعات منتشرشده تا دسامبر 2024 است.
مطالعه چکیده کامل
خطر ابتلا به سرطان پستان در زنانی که سابقه خانوادگی آن را دارند، بیشتر است. در شیوه بالینی، احتمال ابتلا به سرطان پستان در یک بازه زمانی مشخص اغلب با استفاده از مدلهای پیشبینی خطر سرطان پستان تخمین زده میشود. در حال حاضر مشخص نیست کدامیک از مدلهای موجود در زنانی با سابقه خانوادگی سرطان پستان، بهترین عملکرد را دارد.
اهداف
شناسایی، توصیف، و ارزیابی مدلهای پیشبینی خطر سرطان پستان که در زنانی با سابقه خانوادگی سرطان پستان توسعه یافتند یا اعتبارسنجی شدند، و متاآنالیز عملکرد آنها در پیشبینی وقوع سرطان پستان.
روشهای جستوجو
ما MEDLINE؛ Embase؛ Cumulative Index to Nursing and Allied Health Literature و Institute of Scientific Information Web of Science را تا فوریه 2022، همراه با یک جستوجوی هدفمند تکمیلی در MEDLINE تا 19 دسامبر 2024 برای یافتن مطالعات بیشتر از اعتبارسنجی مدلهای واردشده، جستوجو کردیم. همچنین فهرست منابع مطالعات واردشده را غربال کردیم.
معیارهای انتخاب
ما مطالعاتی را وارد کردیم که مدل(های) پیشبینی خطر سرطان پستان را در زنانی با سابقه خانوادگی سرطان پستان، توسعه دادند یا اعتبارسنجی کردند، در صورتی که مدل(های) مورد نظر، سابقه خانوادگی سرطان پستان را میان پیشبینیکنندههای خود داشتند.
گردآوری و تجزیهوتحلیل دادهها
ما فرم استخراج دادههای خود را بر مبنای چکلیست CHARMS تهیه کردیم. دو نویسنده بهطور مستقل از هم منابع را غربال کرده، دادهها را استخراج کردند، و خطر سوگیری (risk of bias) را با استفاده از ابزار ارزیابی خطر سوگیری مدل پیشبینی (Prediction model Risk Of Bias ASsessment Tool; PROBAST) بررسی کردند. مدلهای پیشبینی خطر را که در جمعیت هدف توسعه یافتند یا اعتبارسنجی شدند، جمعبندی کردیم. در مواردی که آمار عملکرد توسط حداقل چهار مطالعه گزارش شد، معیارهای عملکرد مدل را با استفاده از متاآنالیزهای اثرات تصادفی (random-effect) تجمیع کردیم. عملکرد مدل را با استفاده از کالیبراسیون (calibration) (توافق میان خطرات پیشبینیشده و موارد مشاهدهشده از وقوع سرطان پستان) و تمایز (discrimination) (توانایی تمایز میان زنانی که به سرطان پستان مبتلا شدند و نشدند) ارزیابی کردیم. ما از روش درجهبندی توصیه، ارزیابی، توسعه و ارزشیابی (Grading of Recommendations Assessment, Development and Evaluation; GRADE) استفاده نکردیم زیرا هنوز دستورالعملی برای مطالعات مروری مدلهای پیشآگهی در دسترس نیست.
نتایج اصلی
ما 45 مطالعه را وارد کردیم و 17 مورد را بهعنوان «در انتظار طبقهبندی» فهرست کردیم. ما 12 مدل را شناسایی کردیم که بهصورت خارجی در جمعیت هدف اعتبارسنجی شدند (external validation). متاآنالیز را برای چهار مدل انجام دادیم که دارای حداقل چهار مطالعه اعتبارسنجی خارجی بودند.
گزارشدهی مطالعات متفاوت بودند. چندین مورد، زمان پیگیری یا نحوه پرداختن به دادههای ازدسترفته را بهطور کافی گزارش نکردند. بیشتر مطالعات اعتبارسنجی حداقل یک معیار عملکرد (کالیبراسیون یا تمایز) را گزارش کردند، اگرچه برخی هر دو را با هم ارائه ندادند. جزئیات اساسی، مانند نسخههای مدل اعتبارسنجیشده، اغلب وجود نداشتند.
اکثر مطالعات براساس رتبهبندی PROBAST، خطر سوگیری بالا یا نامشخصی داشتند، هرچند نگرانیها در مورد قابلیت کاربرد آنها، بهطور کلی در سطح پائین قرار داشت.
ما نتایج چهار مدل را گزارش میکنیم که دادههای آنها از حداقل چهار مطالعه اعتبارسنجی خارجی در جمعیت هدف در دسترس قرار داشتند.
Gail/ابزار ارزیابی خطر سرطان پستان (BCRAT)
کالیبراسیون: نسبت تجمعی مشاهدهشده (observed; O)/مورد انتظار (expected; E) در مدل Gail (نسخههای ترکیبی) در جمعیت هدف، 1.06 (95% فاصله اطمینان (CI): 0.91 تا 1.25) بود، که نشان میدهد مدل در این جمعیت بهخوبی کالیبره شده است. 95% فاصله پیشبینی (prediction interval; PI) بین 0.65 و 1.74 قرار داشت.
تمایز: تخمین تجمعی برای آماره C در مدل Gail (نسخههای ترکیبی) در جمعیت هدف، 0.61 (95% CI؛ 0.57 تا 0.66) بود. PI 95% بین 0.47 و 0.74 قرار داشت.
Tyrer-Cuzick/مطالعه بینالمللی مداخله سرطان پستان (IBIS)
کالیبراسیون: تخمین تجمعی برای نسبت O/E در مدل Tyrer-Cuzick در جمعیت هدف، 0.86 (95% CI؛ 0.74 تا 0.98) (نسخههای ترکیبی) و 0.90 (95% CI؛ 0.76 تا 1.06) (نسخه 8) بود، که نشان میدهد این مدل خطر سرطان پستان را در این جمعیت بیشازحد پیشبینی میکند. 95% PI بین 0.56 و 1.33 (نسخههای ترکیبی) و 0.55 تا 1.47 (نسخه 8) قرار داشت.
تمایز: تخمین تجمعی برای آماره C در مدل Tyrer-Cuzick (نسخههای ترکیبی) در جمعیت هدف، 0.62 (95% CI؛ 0.58 تا 0.66) بود. PI 95% بین 0.49 و 0.74 قرار داشت. آماره C تجمعی برای نسخه 8 از مدل Tyrer-Cuzick معادل 0.64 (95% CI؛ 0.58 تا 0.71) گزارش شد. PI 95% بین 0.46 و 0.79 قرار داشت.
الگوریتم تخمین آنالیز بروز بیماری و ناقل در سرطان پستان و تخمدان (BOADICEA)
کالیبراسیون: تخمین تجمعی برای نسبت O/E در مدل BOADICEA (نسخههای ترکیبی) در جمعیت هدف، 0.98 (95% CI؛ 0.90 تا 1.17) گزارش شد، که نشان میدهد مدل در این جمعیت بهخوبی کالیبره شده است. PI 95% بین 0.89 و 1.09 قرار داشت.
تمایز: تخمین تجمعی برای آماره C در مدل BOADICEA (نسخههای ترکیبی) در جمعیت هدف، 0.65 (95% CI؛ 0.58 تا 0.71) گزارش شد. PI 95% بین 0.44 و 0.81 قرار داشت.
BRCAPRO
کالیبراسیون: تخمین تجمعی برای نسبت O/E در مدل BRCAPRO (نسخههای ترکیبی) در جمعیت هدف، 1.44 (95% CI؛ 1.25 تا 1.62) گزارش شد، که نشان میدهد این مدل خطر سرطان پستان را در این جمعیت کمترازحد واقعی پیشبینی میکند. PI 95% بین 1.02 و 2.04 قرار داشت.
تمایز: تخمین تجمعی برای آماره C در مدل BRCAPRO (نسخههای ترکیبی) در جمعیت هدف، 0.64 (95% CI؛ 0.54 تا 0.73) گزارش شد. PI 95% بین 0.37 و 0.84 قرار داشت.
نتیجهگیریهای نویسندگان
متاآنالیزهای ما نشان دادند که مدلهای Gail (BCRAT) و BOADICEA در زنانی با سابقه خانوادگی سرطان پستان، بهخوبی کالیبره هستند. مدل Tyrer-Cuzick (IBIS) خطر را در این جمعیت، بیشازحد واقعی پیشبینی میکند، درحالیکه مدل BRCAPRO خطر را کمترازحد واقعی پیشبینی میکند.
از نظر صحت (accuracy) تمایز در جمعیت هدف، هیچ مدلی به وضوح برتر از دیگری نبود. نسخه 8 مدل Tyrer-Cuzick؛ BOADICEA و BRCAPRO در متاآنالیزهای ما تمایز نسبتا کمی را نشان دادند، که کمی بهتر از مدل Gail بود.
یافتههای ما نشان میدهند که، با در نظر گرفتن همزمان کالیبراسیون و تمایز، مدل BOADICEA در این جمعیت بهخوبی کالیبره شده است و صحت تمایز مشابهی (در حد متوسط) را با Tyrer-Cuzick (نسخه 8) و BRCAPRO نشان میدهد، بدین معنی که ممکن است برای مدیریت بیمار در شرایط خطر سرطان پستان خانوادگی، مفید باشد. بااینحال، این را نمیتوان بهعنوان یافته قطعی تفسیر کرد: ما اکثر مطالعات واردشده را با خطر سوگیری بالا یا نامشخص قضاوت کردیم؛ تعداد مطالعات اعتبارسنجی واردشده در متاآنالیزها، کم بود (≤ 10 برای هر مدل)؛ و مطالعات مشارکتکننده از نظر افقهای زمانی پیشبینی و ترکیب موارد، ناهمگون بودند.
همچنان جای پیشرفت در توانایی تمایز مدلهای پیشبینی خطر سرطان پستان موجود در زنانی با سابقه خانوادگی سرطان پستان وجود دارد. در حال حاضر، روند گزارشدهی در مطالعات مدلهای پیشآگهی مطلوب نیست.
حمایت مالی
بخشی از هزینه این طرح توسط هیئت تحقیقات سلامت، فلوشیپ آموزشی کاکرین، تامین میشود.
ثبت
پروتکل (2018) DOI: 10.1002/14651858.CD013185
این متن توسط مرکز کاکرین ایران به فارسی ترجمه شده است.
ین مرور کاکرین در ابتدا به زبان انگلیسی منتشر شد. مسوولیت صحت ترجمه بر عهده تیم ترجمه است که آن را تهیه کرده است. روند ترجمه با دقت انجام شده و از فرآیندهای استاندارد برای تضمین کنترل کیفیت پیروی میکند. با این حال، در صورت عدم تطابق، ترجمههای نادرست یا نامناسب، متن اصلی انگلیسی معتبر است.
