Predictors of treatment outcomes in adults with drug-sensitive Tuberculosis in Maharashtra, India: A retrospective study

Este estudo retrospectivo de mais de 320.000 pacientes adultos com tuberculose sensível a medicamentos em Maharashtra, Índia, utilizou dados programáticos para identificar que o aumento da idade, o sexo masculino, o menor peso corporal, as comorbidades (HIV e diabetes) e o uso de substâncias são preditores significativos tanto de desfechos desfavoráveis do tratamento quanto de mortalidade.

O essencial

Imagine a luta contra a Tuberculose (TB) na Índia como uma maratona massiva e complexa. O país possui um "placar" digital chamado Ni-kshay, que registra cada corredor (paciente), sua linha de partida, seu ritmo e se completou a corrida.

Este estudo é como uma equipe de detetives de dados que analisou uma fatia gigante desse placar — especificamente observando corredores no estado de Maharashtra durante 2021 e 2022. Seu objetivo não era tratar os corredores, mas examinar os dados e responder a uma pergunta simples: "Quais pistas no perfil do corredor nos dizem que ele pode tropeçar, desistir ou não terminar a corrida?"

Aqui está o que eles encontraram, dividido em conceitos do cotidiano:

1. Definições da "Linha de Chegada"

Os pesquisadores analisaram duas maneiras diferentes pelas quais uma corrida pode dar errado:

• A Corrida de "Resultado Desfavorável": É como um corredor que não cruza a linha de chegada com sucesso. Eles podem ter morrido, desistido (perda de acompanhamento), falhado no tratamento ou precisado trocar de tênis (mudança de regime) no meio da corrida.
• A Corrida de "Mortalidade": Esta é uma análise mais rigorosa, focando apenas nos corredores que não conseguiram terminar porque faleceram.

2. Os "Fatores de Risco" (As Pistas)

Os detetives descobriram que certas "mochilas" ou "desvantagens" tornavam muito mais difícil para os corredores terem sucesso. Se um corredor tivesse esses itens em sua mochila, era estatisticamente mais provável que tivesse um resultado ruim:

• A Mochila da "Idade": Ser mais velho era um fardo pesado. Corredores acima de 60 anos tinham uma probabilidade significativamente maior de enfrentar dificuldades. De fato, para a corrida de "Mortalidade", ter mais de 60 anos tornava o risco de não terminar oito vezes maior do que para corredores mais jovens.
• A Mochila do "Gênero": Homens tinham mais probabilidade de ter problemas para terminar do que mulheres. Curiosamente, a comunidade transgênero enfrentava uma colina ainda mais íngreme, com riscos mais do que o dobro da população geral.
• A Mochila do "Peso": Este foi um achado importante. Pense no peso corporal como o tanque de combustível do corredor. Se um corredor fosse muito leve (abaixo de 40 kg), seu tanque estaria quase vazio. Quanto mais leve, maior o risco. Os corredores mais leves tinham as maiores chances de não terminar.
• A Mochila da "Comorbidade" (HIV e Diabetes): Carregar essas condições extras era como correr com uma âncora pesada. Ter HIV ou Diabetes aumentava significativamente a chance de um resultado ruim.
• A Mochila dos "Hábitos" (Tabaco e Álcool): Fumar e beber eram como correr com uma claudicação. Ambos os hábitos aumentavam o risco de falha.
• A Mochila "Desconhecida" (O Mistério): Esta foi uma descoberta surpreendente. Corredores sobre os quais os dados diziam "Não sabemos se fumam/bebem/tem diabetes" estavam, na verdade, mais em risco do que aqueles sobre os quais conhecíamos a resposta. Os pesquisadores sugerem que isso não ocorre porque "desconhecido" é perigoso, mas porque significa que a equipe médica perdeu a chance de verificar. É como um corredor chegar à linha de partida sem um exame médico; o sistema não detectou o problema cedo.

3. A Reviravolta "Extrapulmonar"

O estudo analisou onde a TB estava se escondendo no corpo.

• Pulmões (Pulmonar): O local mais comum.
• Outros lugares (Extrapulmonar): Quando a TB se esconde em outros órgãos.
• A Reviravolta: Geralmente, corredores com TB em outros órgãos pareciam se sair melhor ao terminar a corrida em geral. No entanto, se eles morressem, tinham uma probabilidade ligeiramente maior de morrer do que aqueles com TB pulmonar. É uma mistura complexa: eles frequentemente sobrevivem, mas se a situação se tornar fatal, é muito grave.

4. A Lição da "Qualidade dos Dados"

O artigo enfatiza que a categoria "Desconhecido" é um sinal de alerta. É como um treinador dizendo: "Se não sabemos se nosso corredor tem uma condição cardíaca, não podemos ajudá-lo adequadamente". O estudo sugere que preencher essas lacunas é tão importante quanto o tratamento em si.

5. O "Mapa" para o Futuro

Finalmente, os autores não apenas listaram os problemas; eles desenharam um novo mapa sobre como ler o placar no futuro. Eles criaram um Quadro Padronizado de Relatórios.

• Analogia: Antes, todos podiam ler o placar de maneira diferente (alguns contando corredores por nome, outros por ID, alguns ignorando dados ausentes). Este artigo diz: "Vamos todos concordar em usar a mesma régua e o mesmo método de contagem".
• Eles propõem uma lista de verificação para qualquer outra pessoa que queira analisar esses dados, garantindo que estudos futuros estejam comparando laranjas com laranjas, e não laranjas com maçãs.

Resumo

Em resumo, este artigo utilizou um enorme livro de registros digitais para descobrir que idade avançada, ser do sexo masculino, ter baixo peso corporal e ter HIV ou diabetes são os maiores sinais de alerta para falha no tratamento da TB em Maharashtra. Também destacou que informações ausentes (não saber os hábitos ou o estado de saúde de um paciente) são, em si, um grande fator de risco, provavelmente porque significa que o paciente não foi rastreado adequadamente. O estudo fornece uma receita clara e repetível sobre como analisar esses registros para que os funcionários de saúde possam identificar os corredores que precisam de ajuda extra antes que eles tropecem.

Resumo técnico

Resumo Técnico: Preditores de Resultados do Tratamento em Tuberculose Sensível a Drogas em Maharashtra, Índia

Declaração do Problema
A tuberculose (TB) permanece a principal causa infecciosa de morte globalmente, com a Índia respondendo por aproximadamente um quarto dos casos globais. Apesar do Plano Estratégico Nacional (NSP) e do Programa Nacional de Eliminação da Tuberculose (NTEP), persiste uma lacuna significativa na consecução das metas de eliminação da TB, evidenciada por uma taxa de letalidade de casos (CFR) de 11% na Índia em 2024. Embora a plataforma digital Ni-kshay forneça dados programáticos ricos sobre o continuum do cuidado, há necessidade de abordagens analíticas padronizadas para utilizar esses dados na identificação de preditores de desfechos desfavoráveis do tratamento (morte, falha, perda de acompanhamento, mudança de regime ou não avaliado) e mortalidade. Este estudo aborda a falta de um quadro reprodutível para analisar dados programáticos rotineiros a fim de estratificar o risco entre pacientes adultos com TB sensível a drogas (DS-TB).

Metodologia
Este estudo observacional retrospectivo utilizou dados programáticos coletados rotineiramente da plataforma Ni-kshay, especificamente os registros de Notificação e Comorbidade, para o estado de Maharashtra, Índia, abrangendo os anos de 2021 e 2022.

• População do Estudo: A análise focou em pacientes adultos (≥15 anos) diagnosticados com TB sensível a drogas (DS-TB) que tinham uma data de início do tratamento documentada. Casos de TB resistente a drogas e aqueles sem início do tratamento foram excluídos.
• Processamento de Dados: Os registros foram mesclados usando a variável "instance". Casos com dados de peso ausentes foram excluídos da análise primária, enquanto outras variáveis ausentes foram categorizadas como "desconhecidas" para manter a representatividade.
• Definições de Desfecho:
  • Sucesso do Tratamento: Definido como "curado" ou "tratamento completado".
  • Desfechos Desfavoráveis: Definidos como "morreu", "perda de acompanhamento", "falha", "regime de tratamento alterado" ou "não avaliado".
  • Mortalidade: Definida estritamente como "morreu".
• Análise Estatística: Modelos de regressão logística univariada e multivariada foram empregados usando o STATA versão 19. Razões de Chances Ajustadas (aOR) foram calculadas para fatores de risco chave, controlando idade, gênero e peso.
• Fatores de Risco Analisados: Variáveis demográficas (idade, gênero), dados antropométricos (peso), local da doença (pulmonar vs. extrapulmonar), comorbidades clínicas (HIV, diabetes) e riscos comportamentais (consumo de tabaco e álcool).
• Verificações de Robustez: Quatro análises de sensibilidade foram conduzidas, incluindo a criação de uma variável composta de uso de substâncias, comparação de casos com peso completo versus ausente, múltipla imputação para dados de peso ausentes e exclusão de casos "não avaliados" da coorte de desfecho desfavorável.

Principais Resultados
A coorte final incluiu 323.124 casos para análise de desfecho desfavorável e 315.579 casos para análise de mortalidade.

• Preditores Demográficos:
  • Idade: Idade avançada foi um preditor forte. Pacientes com idade ≥60 anos apresentaram o maior risco, com um aOR de 3,85 para desfechos desfavoráveis e 8,06 para mortalidade em comparação com coortes mais jovens.
  • Gênero: Homens apresentaram riscos elevados (aOR 1,50 para desfechos desfavoráveis; 1,47 para mortalidade). Indivíduos transgênero demonstraram riscos substancialmente mais altos (aOR 2,52 para desfechos desfavoráveis; 2,63 para mortalidade).
• Comorbidades e Riscos Comportamentais:
  • HIV e Diabetes: Status conhecido de HIV (aOR 2,84 para desfechos desfavoráveis; 3,40 para mortalidade) e diabetes (aOR 1,43 para desfechos desfavoráveis; 1,56 para mortalidade) foram preditores significativos.
  • Uso de Substâncias: Tanto o consumo de tabaco quanto de álcool foram associados a riscos aumentados. Notavelmente, o status "desconhecido" para esses fatores também emergiu como uma categoria de risco significativa (por exemplo, status de HIV desconhecido aOR 3,48 para mortalidade), sugerindo que lacunas nos dados correlacionam-se com desfechos pobres.
  • Peso: Uma relação clara dose-resposta foi observada entre baixo peso corporal e desfechos adversos. Pacientes com peso <20 kg apresentaram o maior risco (aOR 3,29 para desfechos desfavoráveis; 5,34 para mortalidade).
• Local da Doença: TB extrapulmonar (EPTB) foi associada a menores chances de desfechos desfavoráveis no geral (aOR 0,95), mas conferiu um risco ligeiramente aumentado de mortalidade (aOR 1,10).
• Análise de Sensibilidade: Os resultados permaneceram consistentes através de múltiplos métodos de imputação e quando casos "não avaliados" foram excluídos, confirmando que dados de peso ausentes não enviesaram substancialmente as descobertas.

Principais Contribuições

1. Quadro Analítico Padronizado: O estudo propõe um protocolo reprodutível para mesclar e analisar dados do Ni-kshay, detalhando especificamente o uso da variável "instance" para mesclagem de registros e tratamento de dados ausentes.
2. Identificação do "Desconhecido" como Fator de Risco: A pesquisa destaca que o status "desconhecido" para comorbidades e riscos comportamentais é, em si, um preditor significativo de desfechos pobres, apontando para lacunas sistêmicas na entrada de dados ou oportunidades de rastreamento perdidas, e não apenas ausência clínica.
3. Sinergia entre Peso e Idade: O estudo quantifica o risco cumulativo de idade avançada e baixo peso corporal, reforçando a necessidade de estratégias de cuidado diferenciado que priorizem a avaliação e o monitoramento nutricional para esses grupos de alto risco.
4. Quadro de Relatórios: Um quadro de relatórios padronizado (Tabela 3) é proposto para orientar futuros pesquisadores e gestores de programas na condução de análises inferenciais usando dados programáticos de TB, abordando inconsistências em estudos anteriores quanto à contagem de casos e uso de identificadores.

Significado e Alegações
Os autores afirmam que este estudo representa uma das primeiras tentativas em grande escala de aplicar um protocolo analítico padronizado a dados programáticos para análise retrospectiva de desfechos de DS-TB em um cenário de alta carga. O significado reside em demonstrar a utilidade de dados programáticos rotineiros não apenas para vigilância, mas como uma ferramenta de apoio à decisão para identificar pacientes de alto risco.

O artigo afirma que as descobertas apoiam a integração de avaliações antropométricas regulares e estratificação de risco nas Diretrizes Nacionais sobre Cuidado Diferenciado para TB. Sugere-se que pacientes com uso de substâncias, baixo peso ou status de comorbidade "desconhecido" possam ser sinalizados dentro do sistema Ni-kshay para suporte aprimorado à adesão e revisão clínica. Os autores mantêm um tom modesto, observando que, embora o estudo confirme fatores de risco conhecidos, a contribuição específica é o rigor metodológico e a identificação da completude dos dados em si como um determinante crítico dos desfechos dos pacientes. O estudo conclui que trabalhos futuros devem expandir este quadro para outros estados e incorporar modelagem preditiva avançada para permitir estratificação de risco em tempo real.