Modelo predictivo de positividad del ganglio centinela en el cáncer de mama

Abstract

INTRODUCCIÓN: El cáncer de mama es un proceso oncológico que consiste en la proliferación acelerada e incontrolada de células, en la mayoría de los casos del epitelio glandular mamario, que han aumentado enormemente su capacidad de dividirse A nivel mundial, esta enfermedad afecta al 28,8% de las mujeres. La tasa de mortalidad ha disminuido en los últimos años debido a la detección precoz. La biopsia selectiva del ganglio centinela constituye la técnica por excelencia realizada en la actualidad, ya que permite la conservación axilar evitando en la mayoría de los casos la realización de linfadenectomía. PREGUNTAS DE INVESTIGACIÓN: ¿Qué factor o factores aumentan la probabilidad de afectación ganglionar axilar en el cáncer de mama? ¿Es posible la detección de afectación axilar cuando la axila es clínicamente negativa? HIPÓTESIS: Es posible determinar el riesgo de afectación axilar en el cáncer de mama antes de realizar la cirugía, gracias a determinados factores relacionados. OBJETIVO: Con este estudio se pretende predecir si el resultado de una biopsia selectiva de ganglio centinela será positivo o negativo, a pesar de que la axila sea clínicamente negativa. De esta forma se podrían realizar análisis anatomopatológicos de los ganglios de forma diferida y así reducir los tiempos quirúrgicos y los costes. MATERIAL Y MÉTODOS: Este estudio se basará en el desarrollo de un modelo predictivo de positividad del ganglio centinela en cáncer de mama basado en un diseño observacional, retrospectivo y analítico del tipo cohortes retrospectivas. Nos basaremos en las historias clínicas de las pacientes diagnosticadas e intervenidas de cáncer de mama, con indicación de Biopsia Selectiva del ganglio centinela (BSGC) en el Hospital Universitario de Puerto Real desde enero de 2016 hasta diciembre de 2020. Tras obtener los resultados de las variables de estudio, antropométricas y relacionadas con el tumor, se determinarán cuáles están relacionadas con la positividad de la BSGC mediante la realización de un análisis de regresión logística multivariante. Seguidamente se creará un modelo de predicción de la afectación ganglionar axilar mediante la selección de una curva ROC a través del paquete CARET del programa R.