[Useful tests to assess the clinical usefulness of new prognostic markers: the example of heart failure]

Orv Hetil. 2013 Sep 1;154(35):1374-80. doi: 10.1556/OH.2013.29691.
[Article in Hungarian]

Abstract

Introduction: Identification of risk factors is one of the most frequent questions in medical research currently. Several reports showed "significant" and "independent" prognostic factors in a variety of human conditions, however, those were not tested about predictive information in addition to standard risk markers. Recently novel statistical approaches (reclassification) have been developed to test the performance and usefulness of new risk factors and prognostic markers. There are several established methods to test the prognostic models.

Aim: The aim of this work was to present the application of these novel statistical approaches by re-analyzing previously reported results of the authors.

Method: The authors analyzed the prognostic role of two markers: red cell distribution width and heat shock protein 70 in patients with heart failure. Using Cox regression analyses the authors have reported previously that both markers are independent predictors. In the present study they re-analyzed the role of red cell distribution width and heat shock protein 70 by reclassification tests.

Results: Incorporating red cell distribution width to the reference model the authors found a significant improvement in discrimination . However, the reclassification analysis provided ambiguous results with heat shock protein 70.

Conclusions: Interpretation of results on new prognostic factors has to be done carefully, and appropriate reclassification approaches may help to confirm clinical usefulness only.

Bevezetés: Napjaink klinikai kutatásainak egyik fő iránya a megbetegedések hátterében álló kockázati tényezők azonosítása. Közlemények százai számolnak be „szignifikáns” és „független” prognosztikai faktorokról különböző humán megbetegedésekben, azonban ezek egy részében nem vagy nem megfelelően vizsgálták, hogy az új prognosztikai faktor javította-e, és ha igen, milyen mértékben az addig ismert prognosztikai modellt. A legújabb statisztikai módszertani ajánlások szerint az úgynevezett reklasszifikációs analízissel a fenti kérdést érdemben vizsgálni lehet. Célkitűzés: A reklasszifikációs analízis kivitelezésére több módszer is van, a közleményben a szerzők ezek alkalmazását saját, korábban publikált vizsgálataik újraelemzésével mutatják be. Módszer: Két marker, a vörösvértestátmérő-eloszlás szélessége és a szérum-hősokkfehérje-70 prognosztikai szerepét vizsgálták krónikus szívelégtelenségben szenvedő betegek körében. Korábban publikált eredményeik szerint mind a vörösvértestátmérő-eloszlás szélessége, mind a hősokkfehérje-70 szignifikáns, független prognosztikai markernek bizonyult többváltozós Cox-regressziós vizsgálatok alapján. Mindkét esetben újraértékelték a markerek szerepét reklasszifikációs tesztekkel. Eredmények: A szívelégtelen betegek prognosztikai modelljének diszkriminatív képessége lényegesen javult a korábbi modellhez képest, ha a vörösvértestátmérő-eloszlás szélességével egészítették ki a modellt, míg a hősokkfehérje-70 esetén ez nem volt egyértelmű. Következtetések: Az új prognosztikai faktorokat kritikusan kell kezelni mindaddig, míg alkalmas vizsgálatokkal elemzésre és bizonyításra nem kerül, mekkora a valós klinikai haszon, amely a marker már ismert prognosztikai modellhez való hozzáadásából származik. A hasznosságot a prognosztikai modell javulása során tesztelhetjük a reklasszifikáció módszereivel. Orv. Hetil., 2013, 154, 1374–1380.

Publication types

  • English Abstract

MeSH terms

  • Area Under Curve
  • Biomarkers / blood*
  • C-Reactive Protein / metabolism
  • Erythrocytes / pathology*
  • Female
  • HSP70 Heat-Shock Proteins / blood
  • Heart Failure / blood
  • Heart Failure / diagnosis*
  • Heart Failure / mortality
  • Heart Failure / pathology
  • Humans
  • Male
  • Middle Aged
  • Natriuretic Peptide, Brain / blood
  • Peptide Fragments / blood
  • Prognosis
  • Proportional Hazards Models
  • ROC Curve
  • Risk Assessment
  • Risk Factors
  • Sensitivity and Specificity
  • Survival Analysis

Substances

  • Biomarkers
  • HSP70 Heat-Shock Proteins
  • Peptide Fragments
  • pro-brain natriuretic peptide (1-76)
  • Natriuretic Peptide, Brain
  • C-Reactive Protein