CARACTERIZACIÓN

Y CONSTRUCCIÓN DE UN MODELO PREDICTIVO DE MACROSOMÍA FETAL BASADO EN LAS CARACTERÍSTICAS DE LOS PARTOS VAGINALES EN EL HOSPITAL DR. LUIS TISNÉ BROUSSÉ

2. MARCO CONCEPTUAL DE REFERENCIA

2.1 MACROSOMÍA

FETAL

La MF se asocia a un aumento en las tasas de: 1) inducción del trabajo de parto, 2) parto operatorio (fórceps, cesárea), 3) detención de la progresión del trabajo de parto, 4) desgarros vaginales y perineales mayores (III y IV grado), 5) daño al nervio pudendo, 6) rotura uterina, 7) hemorragia posparto por inercia uterina, 8) infecciones y 9) hematomas4,5,8,14,18. Asimismo, los recién nacidos macrosómicos se encuentran en mayor riesgo de: 1) retención de hombro, 2) fractura de clavícula, 3) lesión de plexo braquial, 4) céfalo hematoma, 5) hematoma subdural, 6) equimosis, 7) fractura de cráneo y 8) asfixia perinatal4,5,8,9,14-19. Cabe destacar que posterior a un parto vaginal de un feto macrosómico, aproximadamente 1 de cada 20 mujeres, evolucionaría con un trauma perineal severo5,19, que lleva a largo plazo, a un mayor riesgo de incontinencia urinaria y anal, además de prolapso de órganos pélvicos. La tasa, así como el tipo de morbilidad neonatal, varía de acuerdo al criterio diagnóstico empleado. Por este motivo, Boulet et al 5, señalan la importancia de sub clasificar a los recién nacidos macrosómicos en tres categorías. En el caso de recién nacidos entre 4.000 y 4.499 gramos observaron un significativo aumento en el riesgo de complicaciones asociadas al parto, mientras que los recién nacidos entre 4.500 y 4.999 gramos presentaron mayor riesgo de morbilidad neonatal. Por el contrario, un peso de nacimiento mayor a 5.000 gramos sería un importante factor predictivo de riesgo de mortalidad neonatal5. Junto con confirmar lo anterior, Riao et al 19 observaron que un peso de nacimiento mayor a 4.500 gramos, sumado a una talla materna menor a 155 cm, se asociaría a un incremento significativo en la tasa de lesión de plexo braquial.

7 97 Disponible en www.revistaobgin.cl

REV. OBSTET. GINECOL. - HOSP. SANTIAGO ORIENTE DR. LUIS TISNÉ BROUSSE. 2011; VOL 6 (2)

Por lo anterior este investigador ha planteado que en macrosómicos, el riesgo de morbilidad fetal asociado al parto no es constante, y no dependería exclusivamente del peso fetal. Por el contrario, dependería también de factores como la estatura materna, y la necesidad de un parto vaginal instrumental. Por este motivo, sugiere que frente a la sospecha de macrosomía, sería razonable tomar en consideración estas nuevas variables, para así evitar la potencial morbilidad asociada a un parto vaginal19.

Albornoz et al en un estudio realizado en Chile4, ha respaldado que el punto de corte para definir MF debiera estar en 4.000 gramos; dado que con este límite se observó 3,12 veces mayor trauma que en los recién nacidos de menos de 4.000 gramos. Los traumatismos más frecuentemente observados fueron la fractura de clavícula y cefalohematoma; y sólo un porcentaje menor de parálisis braquiales. En relación a la primera, los macrosómicos Grado 1, presentaron 3 veces más riesgo de sufrirla, y con respecto a la última, los Grado 2, presentaron un riesgo 72 veces más alto en comparación a los nacidos con peso normal. Cabe destacar que la macrosomía grado 1, en este estudio, presenta 15 veces más riesgo de muerte asociado al parto en relación a los recién nacidos con peso entre 3.000 y 3.999 gramos. Existe evidencia de que la MF estaría asociada a factores tales como: 1) Mayor edad gestacional, 2) Mayor edad materna, 3) Obesidad materna, 4) Diabetes gestacional, 5) Mayor talla materna, 6) Multiparidad, 7) Sexo masculino del recién nacido4,5,8-12. Estos factores de riesgo se han confirmado en nuestro medio nacional4,12, y plantean en el origen de la MF, la interacción entre factores genéticos y nutricionales2. En la revisión de Chauhan et al 6 la biometría fetal medida por ultrasonografía para el diagnóstico de MF plantea valores de sensibilidad de 70% y especificidad de 90%; no obstante existiría una amplia variabilidad de ellos dependiendo del autor.

8 98 Disponible en www.revistaobgin.cl

CARACTERIZACIÓN

Y CONSTRUCCIÓN DE UN MODELO PREDICTIVO DE MACROSOMÍA FETAL BASADO EN LAS CARACTERÍSTICAS DE LOS PARTOS VAGINALES EN EL HOSPITAL DR. LUIS TISNÉ BROUSSÉ

Considerando la baja morbimortalidad materna asociada a la cesárea electiva, varios autores2,3,6 han planteado que en un grupo con adecuada prevalencia de MF, utilizar el ultrasonido antes del parto y realizar una cesárea electiva en todos los casos donde la estimación de peso fetal se encuentre por sobre los 4.000 gramos.

2.2 MODELO

DE REGRESIÓN LOGÍSTICA

2.2.1 Propósito del modelo regresión logística binaria y función logit32-35 El propósito del modelo de regresión logística binaria es predecir la probabilidad de ocurrencia de un suceso definida una variable dependiente que asume el valor de uno cuando ocurre el suceso y cero en ausencia del suceso. La predicción se realiza en función de un conjunto de una o más variables independientes con capacidad explicativa respecto a la variable dependiente. En rigor, la regresión logística es una derivación de la regresión lineal, para situaciones en que la estimación de los valores de la variable dependiente se realiza en términos de probabilidad. Dicha probabilidad del evento que denominaremos p se supone relacionada a predictor(es) Xi por la función logit y así tenemos que: , lo que nos lleva a

9 99 Disponible en www.revistaobgin.cl

REV. OBSTET. GINECOL. - HOSP. SANTIAGO ORIENTE DR. LUIS TISNÉ BROUSSE. 2011; VOL 6 (2)

2.2.2 Estimación de parámetros en regresión logística binaria 33-35 Si se tiene una muestra aleatoria de “n” perfiles asociados a sus respectivas respuestas “y”, la función de verosimilitud que estima los parámetros ß del modelo es: , con yi = 0,1

Los parámetros hay que estimarlos mediante el método iterativo de NewtonRaphson.

2.2.3 Selección de variables y ajuste del modelo de regresión logística binaria La selección de las variables para un modelo de regresión logística puede ser hecho por métodos de selección paso a paso, bien mediante inclusión «hacia adelante» o por eliminación «hacia atrás», o a la selección de variables por mejores subconjuntos de covariables36-38. La idea es ir incluyendo o excluyendo, variables hasta lograr el mejor ajuste posible. Una medida de dicho ajuste lo constituye la devianza o lejanía del modelo cuya expresión corresponde a L = –2 ln V, donde V es la verosimilitud del modelo. La devianza para evaluar el modelo ajustado, proporciona el test de razón de verosimilitud (LR)36-38 que se define como: , donde lr y lf son estimaciones de máxima verosimilitud respectivamente para el modelo nulo y completo. LR distribuye asintóticamente Ji-cuadrado con grados de libertad igual a la diferencia entre el número de parámetros estimados en los 2 modelos (nulo y completo).

10 100 Disponible en www.revistaobgin.cl

CARACTERIZACIÓN

Y CONSTRUCCIÓN DE UN MODELO PREDICTIVO DE MACROSOMÍA FETAL BASADO EN LAS CARACTERÍSTICAS DE LOS PARTOS VAGINALES EN EL HOSPITAL DR. LUIS TISNÉ BROUSSÉ

Otra medida de ajuste del modelo lo constituye la estadística de Wald36-38 cuya expresión sería: , donde ßi es el parámetro asociado a la variable independiente Xi, y

es la desviación estándar asintótica de ßi. En muestras grandes la estadística de Wald produce resultados similares a la devianza. El adecuado ajuste supone que globalmente las predicciones no andarán lejos de la realidad. Existen varias técnicas para verificar la bondad de ajuste, pero para modelos que incluyan al menos una variable cuantitativa la más aceptada es el test de Hosmer-Lemeshow34,37,39 cuya expresión sería: , donde g es el número de grupos; n´k es número de observaciones en el k-ésimo grupo; ck denota el número de patrones

de covariables en el k-ésimo decil;

es el número de respuestas

entre los ck patrones de covariables y

es el promedio de la

probabilidad estimada.

2.2.4 Diagnóstico en Regresión Logística Binaria Una vez obtenido el modelo ajustado es necesario verificar el cumplimiento de los siguientes supuestos para el uso del modelo37: I)

Independencia de las observaciones: Este principio supone que solo hay una observación de cada variable para cada individuo.

11 101 Disponible en www.revistaobgin.cl

REV. OBSTET. GINECOL. - HOSP. SANTIAGO ORIENTE DR. LUIS TISNÉ BROUSSE. 2011; VOL 6 (2)

II)

Linealidad del logit: En la valoración inicial de las variables independientes cuantitativas, éstas debieran ser agrupadas, generando puntos de corte, y así estimar para cada punto la frecuencia de eventos (variable dependiente: evento dicotómico), y luego calcular el logaritmo natural del Odds ratio (logit) para cada categoría considerando la primera como de referencia. A partir de la información anterior debiera efectuarse una gráfica y test de tendencia lineal (regresión logística con medianas de categorías de variable cuantitativa) para valorar la adecuada linealidad del logit, en caso de no cumplirse este requisito no debiera introducirse dicha variable en forma cuantitativa en el modelo logístico34,37-38. Otra forma de evaluar este supuesto, una vez estimado el modelo definitivo es realizar un test de ajuste del link de Pregibon (Linktest)40-42; el cual está basado en la idea de que si la regresión está adecuadamente especificada y existe linealidad en el logit, uno no debiera encontrar variables adicionales al modelo salvo por casualidad. Y así se espera que los valores predichos lineales del modelo ajustado sean significativos (p-valor xi; #ij = 0,5 si yj = xi; #ij = 0 si yj