IV. MATERIAL E MÉTODOS
V.3. Apresentação dos resultados
V.3.6. Estudo genético no aparecimento de lesões dos órgãos alvo nos Hipertensos
V.3.8.3. Comparação dos dois scores (aditivo e multiplicativo)
Tabela 48 – Risco preditivo de HTA para o SRGa e SRGm Odds ratio
(IC 95%) Valor p
SRGa 1,069 (1,030 – 1,109) <0,0001
SRGm 1,592 (1,330 – 1,905) <0,0001
IC – Intervalo de confiança; Estatisticamente significativo para p<0,05.
Após o cálculo dos dois modelos de Score (SGRm e SGRa) e da comprovação que os dois modelos se associam de forma significativa e independente com a HTA, é necessário comparar os dois modelos no sentido de avaliar qual deles tem maior capacidade preditiva de HTA.
Figura 22 – Capacidade preditiva de HTA nos dois modelos de Score e sua comparação.
A capacidade preditiva de cada modelo de Score, expressa sob a curva AUC, foi significativa nos dois modelos de score. No entanto o SRGm apresentou melhor capacidade preditora (AUC 0,57) para a ocorrência de HTA, tendo um comportamento equilibrado em termos de sensibilidade (69,5%) e especificidade (43,1%) (Figura 22 e Tabela 49). Quando comparámos pelo teste de Delong as duas AUCs dos modelos SRGm e SRGa, podemos provar que houve diferença significativa entre as duas curvas (p=0,006).
Globalmente o score de risco multiplicativo apresentou maior sensibilidade e melhor poder preditivo (AUC 0,57) positivo para a ocorrência de HTA.
Tabela 49 – Capacidade preditiva de HTA nos dois modelos de Score e sua comparação
Scores AUC (IC 95%) Sensib. (%) Especif. (%) VPP VPN Delong Teste
(p)
SRGA 0,544 (0,520 – 0,568) 36,4 70,7 1,24 0,90 0,006
SRGM 0,574 (0,551 – 0,598) 69,5 43,1 1,22 0,71
SRGA – Score de risco genético aditivo; SRGM – Score de risco genético multiplicativo; IC – Intervalo de confiança; AUC – Area under the curve; Sensib. – Sensibilidade; Especif. – Especificidade; VPP – Valor preditivo positivo; VPN – Valor preditivo negativo; Estatisticamente significativo para p<0,05.
V.3.8.4. Valor preditivo do score genético
Tabela 50 – Análise multivariada de todos os FR tradicionais e o score multiplicativo.
Variáveis B E.P. Wald gl Odds ratio (IC 95%) Valor p
Abuso álcool 0,299 0,115 6,782 1 1,349 (1,077 – 1,689) 0,009 Obesidade 1,098 0,126 75,956 1 2,999 (2,343 – 3,839) <0,0001 Diabetes 1,431 0,195 53,971 1 4,184 (2,856 – 6,130) <0,0001 HTA familiar 1,030 0,112 85,083 1 2,800 (2,250 – 3,485) <0,0001 SRGM 0,491 0,097 25,639 1 1,634 (1,351 – 1,976) <0,0001 Constante -1,329 0,124 114,348 1 0,265 <0,0001
*Método Forward Wald (SPSS vs. 19.0) em que saiu da equação a variável Sedentarismo. B – Coeficiente de Beta; E.P. – Erro padrão; gl – graus de liberdade; IC – Intervalo de confiança; SRGM – Score de risco genético multiplicativo. Estatisticamente significativo para p<0.05.
Realizada uma análise multivariada com todos os FRT estudados e o score multiplicativo para averiguar quais as variáveis que influenciavam de forma significativa e independente o aparecimento de HTA. O score multiplicativo teve força suficiente para se manter na equação e associar-se de forma significativa e independente com a HTA (OR 1,634; p<0,0001). A diabetes e a obesidade foram as que tiveram maior força de associação (OR 4,184; p<0,0001 e 2,999; p<0,0001, respetivamente). Todas as variáveis estudadas permaneceram na equação exceto o sedentarismo.
Houve boa calibração do modelo da regressão logística, confirmado pelo teste de Hosmer-Lemeshow (p=0,225).
Figura 23 – Curvas ROC e respetivas AUC para os fatores de risco tradicionais de HTA (FRT) e dos FRT + SGm
Procurámos também, avaliar o poder preditivo dos FRT no aparecimento da HTA e posteriormente, comparámo-lo com o poder preditivo dos FRT associados ao score genético multiplicativo (SGRm).
Calculámos duas curvas ROC e suas respetivas AUC’s para avaliar a capacidade preditora de HTA, uma para os FRT e outra para os FRT associados ao SRGm. Os FRT apresentam uma curva basal com AUC de 0,714, havendo uma elevação significativa, após a inclusão do SRGm para 0,732. Feito a comparação das AUC’s pelo Teste Delong, observamos que o incremento da área sob a curva, com adição do SRGm, aos FRT, tem significância estatística (p=0,0004).
Tabela 51 – Curvas ROC e respetivas AUC para os fatores de risco tradicionais de HTA (FRT) e dos FRT + SRGm
Modelos (IC 95%) AUC Sensib. (%) Especif. (%) VPP VPN
Teste Delong (p) FRT 0,714 (0,692 – 0,736) 72,7 61,3 1,88 0,45 0,0004 FRT+SRGm 0,732 (0,710 – 0,753) 67,6 68,8 2,16 0,47
FRT – Factores de risco tradicionais; SRGm – Score de risco genético multiplicativo; IC – Intervalo de confiança; AUC – Area under the curve; Sensib. – Sensibilidade; Especif. – Especificidade; Estatisticamente significativo para p<0,05.
Quando são associados aos FRT, o SRGm, há aumento do poder preditivo do modelo, devendo-se a uma melhoria da especificidade (de 61,3% para 68,8%), com redução da sensibilidade (de 72,7% para 67,6%) e com significância estatística (p=0,0003).
Estudo do score de risco consoante o genéro
Figura 24 – Distribuição do SRGm no género feminino e masculino – mediana
Tabela 52 – Distribuição do SRGm no género feminino e masculino - mediana Sexo
Valor p Feminino
(n=839) Masculino (n=873)
SRGM (0,15 – 4,5) 0,77 (0,19 – 6,7) 0,76 0,447
SRGM – Score de risco genético multiplicativo; Valores expressos pela mediana (mínimo - máximo); Estatisticamente significativo para p<0,05.
Na Figura 24 pelas caixas de bigodes e na Tabela 52 podemos observar que a mediana do SRGm no sexo feminino é ligeiramente superior à do sexo masculino mas sem
Valor preditivo adicional do score genético em relação aos fatores de risco de HTA no género masculino
Tabela 53 – Análise multivariada de todos os FR tradicionais e o score multiplicativo no género masculino.
Variáveis B E.P. Wald gl Odds ratio (IC 95%) Valor p
Abuso álcool 0,362 0,153 5,588 1 1,437 (1,064 – 1,940) 0,018 Diabetes 1,453 0,247 34,695 1 4,275 (2,636 – 6,933) <0,0001 Obesidade 1,166 0,179 42,275 1 3,211 (2,259 – 4,564) <0,0001 HTA familiar 1,465 0,181 65,258 1 4,327 (3,033 – 6,173) <0,0001 SRGM 0,556 0,140 15,767 1 1,744 (1,325 – 2,294) <0,0001 Constante -1,459 0,186 61,771 1 0,233 <0,0001
*Método Forward Wald (SPSS vs. 19.0) em que saiu da equação a variável Sedentarismo. B – Coeficiente de Beta; E.P. – Erro padrão; gl – graus de liberdade; IC – Intervalo de confiança; HTA – Hipertensão arterial; SRGM – Score de risco genético multiplicativo. Estatisticamente significativo para p<0.05.
Recorrendo a uma análise de regressão logística, avaliamos os FRT e o score multiplicativo a fim de identificar quais as variáveis que influenciavam de forma significativa e independente o aparecimento de HTA no género masculino. Assim como na população total, o score multiplicativo manteve-se na equação e associou-se de forma significativa e independente com a HTA (OR 1,744; p<0,0001). A variável com maior força de associação foi a História familiar (OR 4,327; p<0,0001), seguida da diabetes e da obesidade foram as que tiveram maior força de associação (OR de 4,275; p<0,0001 e 3,211; p<0,0001, respetivamente). Todas as variáveis estudadas permaneceram na equação exceto o sedentarismo.
Houve boa calibração do modelo da regressão logística, confirmado pelo teste de Hosmer-Lemeshow (p=0,514).
Figura 25 – Curvas ROC e respetivas AUC para os fatores de risco tradicionais de HTA (FRT) e dos FRT + SRGm no subgrupo do sexo masculino.
No subgrupo do sexo masculino calculámos o poder preditivo dos FRT de HTA, através de uma curva de ROC e sua respetiva AUC (AUC 0,743). Realizada nova curva de ROC e calculada a respetiva AUC, para os FRT associados ao SRGm (AUC 0,762). Feito a comparação das AUC’s das pelo Teste Delong, observamos que o incremento da área sob a curva com adição do SRGm aos FRT tem significância estatística (p=0,004). Também assim como no grupo total, no subgrupo do sexo masculino o SRGm quando associado aos FRT aumenta o valor preditivo de HTA.
Tabela 54 – Curvas ROC e respetivas AUC para os fatores de risco tradicionais de HTA (FRT) e dos FRT + SGm no subgrupo do sexo masculino.
Modelos AUC (IC 95%) Sensib. (%) Especif. (%) VPP VPN Teste Delong (p) FRT 0,743 (0,713 – 0,772) 70,7 68,7 2,26 0,43 0,004 FRT+SRGm 0,762 (0,732 – 0,790) 72,7 68,4 2,30 0,40
FRT – Factores de risco tradicionais; SRGM – Score de risco genético multiplicativo; IC – Intervalo de confiança; AUC – Area under the curve; Sensib. – Sensibilidade; Especif. – Especificidade; VPP – Valor preditivo positivo; VPN – Valor preditivo negativo; Estatisticamente significativo para p<0,05.
72,7%) e com ligeira redução da especificidade (de 68,7% para 68,4%) e com significância estatística através do teste Delong (p=0,004).
Valor preditivo adicional do score genético em relação aos fatores de risco de HTA no género feminino
Tabela 55 – Análise multivariada de todos os FR tradicionais e o score multiplicativo no género feminino.
Variáveis B E.P Wald gl Odds ratio (IC 95%) Valor p
Diabetes 1,437 0,328 19,189 1 4,210 (2,213 – 8,008) <0,0001
Obesidade 1,019 0,179 32,442 1 2,769 (1,951 – 3,932) <0,0001
HTA familiar 0,779 0,149 27,418 1 2,179 (1,628 – 2,916) <0,0001
SRGM 0,436 0,138 9,943 1 1,547 (1,179 – 2,028) 0,002
Constante -1,200 0,170 49,574 1 0,301 <0,0001
*Método Forward Wald (SPSS vs. 19.0) em que saiu da equação a variável Sedentarismo. B – Coeficiente de Beta; E.P. – Erro padrão; gl – graus de liberdade; IC – Intervalo de confiança; HTA – Hipertensão arterial; SRGM – Score de risco genético multiplicativo. Estatisticamente significativo para p<0,05.
Usando uma análise de regressão logística, com os FRT estudados e o score multiplicativo avaliámos quais as variáveis que influenciavam de forma significativa e independente o aparecimento de HTA no género feminino. O score multiplicativo associou-se de forma significativa e independente com a HTA (OR 1,547; p=0,002). A diabetes e a obesidade também associaram-se com a HTA com OR de 4,210; p<0,0001 e de 2,769; p<0,0001 e com significância estatística. De todas as variáveis estudadas a que não permaneceu na equação foi o sedentarismo.
Houve boa calibração do modelo da regressão logística, confirmado pelo teste de Hosmer-Lemeshow (p=0,259).
Figura 26 – Curvas ROC e respetivas AUC para os fatores de risco tradicionais de HTA (FRT) e dos FRT + SGm no grupo do sexo feminino.
À semelhança do que fizemos para o grupo total e para o subgrupo do género masculino, também no subgrupo do género feminino, avaliámos se havia valor preditivo adicional do SRGm em relação aos FRT no aparecimento de HTA no género feminino. Calculámos também o poder preditivo dos FRT de HTA, através de uma curva de ROC e sua respetiva AUC (AUC 0,688). Realizada nova curva de ROC e calculada a respetiva AUC, para os FRT associados ao SRGm (AUC 0,708). Feito a comparação das AUCs das pelo Teste Delong, há incremento da área sob a curva, aquando da adição do SRGm aos FRT e com significância estatística (p=0,006). Também neste subgrupo do sexo feminino, o SRGm associado aos FRT aumenta o valor preditivo de HTA.
Tabela 56 – Curvas ROC e respetivas AUC para os fatores de risco tradicionais de HTA (FRT) e dos FRT + SGm no grupo do sexo feminino.
Modelos (IC 95%) AUC Sensib. (%) Especif. (%) VPP VPN Delong Teste
(p)
FRT 0,688 (0,655 – 0,719) 74,9 54,2 1,64 0,46 0,006
FRT+SRGM 0,708 (0,676 – 0,739) 67,7 65,4 1,96 0,49
FRT – Factores de risco tradicionais; SRGm – Score de risco genético multiplicativo; IC – Intervalo de confiança; AUC – Area under the curve; Sensib. – Sensibilidade; Especif. – Especificidade; VPP – Valor preditivo positivo; VPN – Valor
No grupo do sexo feminino, também, com a inclusão do SRGm à curva basal dos FRT, há um aumento do poder preditor do modelo, havendo, no entanto, redução da sensibilidade (de 74,9% para 67,7%), mas com aumento da especificidade (de 54,2% para 65,4%) e com significância estatística (p=0,006).
Assim como no grupo total e no grupo do sexo masculino, também no grupo do sexo feminino, o modelo final (FRT+ 5 genes), tem melhor poder preditivo de HTA, com especificidade de 65,4% e sensibilidade de 67,7% (p=0,006).