Desarrollo de una aplicación web para evaluar los datos de la espirometría y las variables clínicas para apoyar el diagnóstico de EPOC en atención primaria
Resumen
Introducción. La enfermedad pulmonar obstructiva crónica (EPOC) es la tercera causa de mortalidad en el mundo y es necesario el desarrollo de herramientas diagnósticas útiles para mejorar las tasas de diagnóstico oportuno en los entornos de atención primaria.
Objetivo. Desarrollar una aplicación web que muestre la información clínica y de la espirometría –incluyendo síntomas respiratorios y factores de riesgo– para facilitar el diagnóstico de la EPOC.
Materiales y métodos. En este estudio transversal se realizó un consenso de expertos con tres especialistas usando el método Delphi para elegir las variables relevantes para el diagnóstico de EPOC. Se desarrolló una aplicación web basada en Python que muestra la información clínica relevante según los expertos, junto con la curva y los datos de la espirometría para el diagnóstico de la EPOC.
Resultados. Se incluyeron 26 variables clínicas para el diagnóstico de la EPOC. Un cuarto experto utilizó la aplicación web para clasificar una cohorte de 695 pacientes a los que se les había realizado una espirometría en un centro de tercer nivel y que habían contestado al menos uno de los cinco cuestionarios para la detección de la EPOC. De los 695 sujetos, el 34 % tenían EPOC según el experto que les diagnosticó usando la aplicación web. Sólo el 42 % de los pacientes del grupo con EPOC había recibido un diagnóstico previo de la enfermedad y el 19 % de los pacientes del grupo sin EPOC había sido diagnosticado erróneamente con la enfermedad.
Conclusión. Se desarrolló una aplicación web que muestra información demográfica y clínica, así como datos espirométricos, para facilitar el proceso de diagnóstico de la EPOC en entornos de atención primaria.
Descargas
Referencias bibliográficas
World Health Organization. Chronic obstructive pulmonary disease (COPD). 2021. Accessed: April 16, 2023. Available at: https://www.who.int/news-room/fact-sheets/detail/chronic-obstructive-pulmonary-disease-(copd)
Global Initiative for Chronic Obstructive Lung Disease. Pocket guide to COPD diagnosis, management, and prevention. A guide for health care professionals. 2023. Accessed: Feb 19, 2023. Available from: https://goldcopd.org/wp-content/uploads/2023/03/POCKETGUIDE-GOLD-2023-ver-1.2-17Feb2023_WMV.pdf
Koblizek V, Novotna B, Zbozinkova Z, Hejduk K. Diagnosing COPD: Advances in training and practice - A systematic review. Adv Med Educ Pract. 2016;7:219-31. https://doi.org/10.2147/AMEP.S76976
Meteran H, Miller MR, Thomsen SF, Christensen K, Sigsgaard T, Backer V. The impact of different spirometric definitions on the prevalence of airway obstruction and their association with respiratory symptoms. ERJ Open Res. 2017;3:00110-2017. https://doi.org/10.1183/23120541.00110-2017
Pothirat C, Chaiwong W, Phetsuk N, Liwsrisakun C. Misidentification of airflow obstruction: Prevalence and clinical significance in an epidemiological study. Int J Chron Obstruct Pulmon Dis. 2015;10:535-40. https://doi.org/10.2147/COPD.S80765
Menezes AMB, Perez-Padilla R, Jardim JRB, Muiño A, Lopez MV, Valdivia G, et al. Chronic obstructive pulmonary disease in five Latin American cities (the PLATINO study): A prevalence study. Lancet. 2005;366:1875-81. https://doi.org/10.1016/S0140-6736(05)67632-5
Casas Herrera A, Montes de Oca M, López Varela MV, Aguirre C, Schiavi E, Jardim JR. COPD underdiagnosis and misdiagnosis in a high-risk primary care population in four Latin American countries. A key to enhance disease diagnosis: The PUMA Study. PLoS One. 2016;11:e0152266. https://doi.org/10.1371/journal.pone.0152266
Pan MM, Zhang HS, Sun TY. Value of forced expiratory volume in 6 seconds (FEV6) in the evaluation of pulmonary function in Chinese elderly males. Chin Med J. 2017;97:1556-61. https://doi.org/10.3760/cma.j.issn.0376-2491.2017.20.011
Chung KS, Jung JY, Park MS, Kim YS, Kim SK, Chang J, et al. Cut-off value of FEV1/FEV6 as a surrogate for FEV1/FVC for detecting airway obstruction in a Korean population. Int J Chron Obstruct Pulmon Dis. 2016;11:1957-63. https://doi.org/10.2147/COPD.S113568
Oh A, Morris TA, Yoshii IT, Morris TA. Flow decay: A novel spirometric index to quantify dynamic airway resistance. Respir Care. 2017;62:928-35. https://doi.org/10.4187/respcare.04850
Li H, Liu C, Zhang Y, Xiao W. The concave shape of the forced expiratory flow-volume curve in 3 seconds is a practical surrogate of FEV1/FVC for the diagnosis of airway limitation in inadequate spirometry. Respir Care. 2017;62:363-9. https://doi.org/10.4187/respcare.05016
Martinez FJ, Raczek AE, Seifer FD, Conoscenti CS, Curtice TG, D’Eletto T, et al. Development and initial validation of a self-scored COPD Population Screener Questionnaire (COPD-PS). COPD. 2008;5:85-95. https://doi.org/10.1080/15412550801940721
García-Ortiz JD, Cardona-Jiménez JL, Quijano-Almeida YM. Evaluation with COPD-PS questionnaire and vitalograph COPD-6 portable device as a strategy for early diagnosis of COPD in primary care. Iatreia. 2020;33:229-38. https://doi.org/10.17533/udea.iatreia.44
Yawn BP, Mapel DW, Mannino DM, Martínez FJ, Donohue JF, Hanania NA, et al. Development of the Lung Function Questionnaire (LFQ) to identify airflow obstruction. Int J Chron Obstruct Pulmon Dis. 2010;5:1-10. https://doi.org/10.2147/COPD.S7683
Hanania NA, Mannino DM, Yawn BP, Mapel DW, Martinez FJ, Donohue JF, et al. Predicting risk of airflow obstruction in primary care: Validation of the lung function questionnaire (LFQ). Respir Med. 2010;104:1160-70. https://doi.org/10.1016/j.rmed.2010.02.009
Price DB, Tinkelman DG, Halbert RJ, Nordyke RJ, Isonaka S, Nonikov D, et al. Symptombased questionnaire for identifying COPD in smokers. Respiration. 2006;73:285-95. https://doi.org/10.1159/000090142
Stanley AJ, Hasan I, Crockett AJ, van Schayck OC, Zwar NA. COPD Diagnostic Questionnaire (CDQ) for selecting at-risk patients for spirometry: A cross-sectional study in Australian general practice. NPJ Prim Care Respir Med. 2014;24:14024. https://doi.org/10.1038/npjpcrm.2014.24
López Varela MV, Montes de Oca M, Rey A, Casas A, Stirbulov R, Di Boscio V, et al. Development of a simple screening tool for opportunistic COPD case finding in primary care in Latin America: The PUMA study. Respirology. 2016;21:1227-34. https://doi.org/10.1111/resp.12834
Calverley PMA, Nordyke RJ, Halbert RJ, Isonaka S, Nonikov D. Development of a population-based screening questionnaire for COPD. COPD. 2005;2:225-32. https://doi.org/10.1081/COPD-57594
Hankinson JL, Odencrantz JR, Fedan KB. Spirometric reference values from a sample of the general U.S. population. Am J Respir Crit Care Med. 1999;159:179-87. https://doi.org/10.1164/ajrccm.159.1.9712108
Makhmutov R. The Delphi method at a glance. Pflege. 2021;34:221.
Colson AR, Cooke RM. Expert elicitation: Using the classical model to validate experts’ judgments. Rev Environ Econ Policy. 2018;12:113-32. https://doi.org/10.1093/reep/rex022
Hunger T, Schnell-Inderst P, Sahakyan N, Siebert U. Using expert opinion in health technology assessment: A guideline review. Int J Technol Assess Health Care. 2016;32:131-9. https://doi.org/10.1017/S0266462316000209
Schultz K, D’Aquino LC, Soares MR, Gimenez A, Pereira CA. Lung volumes and airway resistance in patients with a possible restrictive pattern on spirometry. J Bras Pneumol. 2016;42:341-7. https://doi.org/10.1590/S1806-37562016000000091
Graham BL, Steenbruggen I, Barjaktarevic IZ, Cooper BG, Hall GL, Hallstrand TS, et al. Standardization of spirometry 2019 update an official American Thoracic Society and European Respiratory Society technical statement. Am J Respir Crit Care Med. 2019;200:e70-88. https://doi.org/10.1371/journal.pone.0188532
Mohamed Hoesein FA, Zanen P, Sachs AP, Verheij TJ, Lammers JW, Broekhuizen BD. Spirometric thresholds for diagnosing COPD: 0.70 or LLN, pre- or post-dilator values? COPD. 2012;9:338-43. https://doi.org/10.3109/15412555.2012.667851
van Dijk W, Tan W, Li P, Guo B, Li S, Benedetti A, et al. Clinical relevance of fixed ratio vs lower limit of normal of FEV1/FVC in COPD: Patient-reported outcomes from the CanCOLD cohort. Ann Fam Med. 2015;13:41-8. https://doi.org/10.1370/afm.1714
Wang S, Gong W, Tian Y, Zhou J. FEV1/FEV6 in primary care is a reliable and easy method for the diagnosis of COPD. Respir Care. 2016;61:349-53. https://doi.org/10.4187/respcare.04348
Cheng Q, Juen J, Bellam S, Fulara N, Close D, Silverstein JC, et al. Predicting pulmonary function from phone sensors. Telemed J E Health. 2017;23:913-9. https://doi.org/10.1089/tmj.2017.0008
Swaminathan S, Qirko K, Smith T, Corcoran E, Wysham NG, Bazaz G, et al. A machine learning approach to triaging patients with chronic obstructive pulmonary disease. PLoS One. 2017;12:e0188532. https://doi.org/10.1371/journal.pone.0188532
Derechos de autor 2024 Biomédica
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Datos de los fondos
-
Universidad de La Sabana
Números de la subvención MED-294-2020
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
