La escala predictiva de Khorana en pacientes con enfermedad tromboembólica venosa y cáncer

Resumen

Fundamento y objetivo

El modelo predictivo de Khorana se desarrolló para estratificar el riesgo de enfermedad tromboembólica en pacientes con cáncer y en tratamiento con quimioterapia y, por tanto, identificar a aquellos que podrían beneficiarse de tromboprofilaxis. Analizar los resultados de la aplicación del modelo predictivo de Khorana en una cohorte de pacientes con cáncer y que fueron diagnosticados de trombosis venosa profunda (TVP).

Pacientes y métodos

Análisis retrospectivo de las características pronósticas del modelo de Khorana en 122 pacientes con cáncer y TVP, basado en una recogida prospectiva de datos.

Resultados

Se catalogó al 79% como pacientes de riesgo bajo e intermedio, y al 21% como de alto riesgo. La escala de Khorana tuvo una sensibilidad y exactitud pronóstica del 20,8% (intervalo de confianza del 95% [IC 95%]: 14,6-28,7) y una proporción de falsos negativos de 79,2% (IC 95%: 1,3-85,4).

Conclusiones: La aplicación de este modelo en nuestros pacientes resultaría insuficiente como única herramienta para identificar a los enfermos con cáncer que deberían ser tratados con tromboprofilaxis. El uso de biomarcadores junto a modelos clínicos parece ser la mejor estrategia costo-efectivas para identificar a pacientes candidatos al tratamiento profiláctico. Estudios amplios, prospectivos, randomizados y con placebo deberían decidir si esta estrategia es la más válida.

Abstract

Background and objective

The predictive Khorana's model was developed to score the thromboembolic disease risk in cancer patients on chemotherapy and to identify which patients would benefit from thromboprophylaxis. We analized the results and applied the predictive Khorana's model in patients with cancer and who were diagnosed with deep vein thrombosis.

Material and methods

Retrospective analysis of prognostic characteristics of Khorana's model in 122 patients based on a prospective analysis.

Results

Seventy-nine percent of the total were in the low and intermediate risk category and 21% had high risk according to the Khorana's predictive model. This model had a sensitivity and prognostic precision of 20.8% (95% confidence interval [95% CI]: 14.6-28.7) and a false negatives proportion of 79.2% (95% CI: 1.3-85.4).

Conclusions

Application of this model in our patients would not be enough as the unique tool to identify cancer patients who should receive tromboprophylaxis. The use of both biomarkers and clinical models seems to be the best cost-effective strategy for this purpose. Future, randomized, prospective, placebo-controlled studies are needed for find better treatment strategies in cancer patients.