Aasne K. Aarsand, y otros, en nombre del European Federation of Clinical Chemistry and Laboratory Medicine Working Group on Biological Variation. European Biological Variation Study (EuBIVAS): datos de variación biológica para marcadores de coagulación estimados por un modelo Bayesiano. Oxford Acad Clin Chem 2021; 67(9) 1259–1270. Department of Medical Biochemistry and Pharmacology, Haukeland University Hospital, Bergen, Norway.
Resumen
Antecedentes: Para que los datos de variación biológica (BV) se utilicen de manera segura, estos deben ser confiables y relevantes para la población en la que se aplican. Se utilizaron muestras del European Biological Variation Study (EuBIVAS) para determinar el BV de los marcadores de coagulación mediante un modelo bayesiano independiente a los valores extremao y usamos las estimaciones de BV derivadas dentro de los participantes [CV P(i)] para evaluar la aplicabilidad de estas estimaciones de BV en la práctica clínica.
Método: Se extrajeron muestras de plasma de 92 individuos sanos durante 10 semanas consecutivas en 6 laboratorios europeos y se analizaron por duplicado para: tiempo de tromboplastina parcial activada (APTT), tiempo de protrombina (PT), fibrinógeno, dímero D, antitrombina (AT), proteína C, proteína S libre y factor VIII (FVIII). Se aplicó un modelo bayesiano con probabilidades t-Student para muestras, y réplicas para obtener estimaciones de CV P(i) y BV pronosticadas con intervalos de credibilidad del 95 %.
Resultados:Todos los marcadores, excepto el dímero D, CV P(i) fueron homogéneamente distribuidos en la población general del estudio o en subgrupos. Las estimaciones medias dentro del sujeto (CV I ) fueron < 5 % para APTT, PT, AT y proteína S libre, <10 % para proteína C y FVIII, y <12 % para fibrinógeno. Para APTT, proteína C y proteína S libre, las estimaciones fueron significativamente más bajas en hombres que en mujeres ≤50 años.
Conclusión: Para la mayoría de los marcadores de coagulación, se aplica una estimación de CV I común para hombres y mujeres, mientras que para el TTPA, la proteína C y la proteína S libre, se deben aplicar valores de cambio de referencia específicos del sexo. El uso de un modelo bayesiano para generar un CV P(i) individual permite una mejor interpretación y aplicación de los datos.
Introducción
Los marcadores de coagulación desempeñan un papel central en una variedad de entornos clínicos, como la evaluación de un paciente que se presenta con sospecha de tromboembolismo o aumento de la tendencia al sangrado, el seguimiento de las terapias anticoagulantes, la evaluación de la función hepática y como marcadores de evaluación de riesgos.
Para garantizar la interpretación correcta de los marcadores de coagulación en estos y otros contextos, se necesitan datos sobre la variación biológica (BV). Los datos de BV se utilizan para establecer especificaciones de calidad analítica (APS), para evaluar cambios en una serie de mediciones dentro de un individuo por el valor de cambio de referencia (RCV), para examinar el uso de intervalos de referencia basados en la población, y para derivar intervalos de referencia personalizados. Sin embargo, para estas aplicaciones, las estimaciones de BV deben ser confiables y representativas de las poblaciones a las que se aplican. Los componentes de BV incluyen el BV dentro del sujeto (CV I ), que describe la fluctuación natural de la concentración alrededor de un punto establecido dentro de un individuo, generalmente informado como un CV I promedio estimado para la población de estudio, y el valor entre sujetos. BV (CV G), que describe la variación entre los puntos de ajuste de diferentes individuos.
Los estudios de BV generalmente se realizan como estudios experimentales prospectivos en voluntarios sanos, pero se aplican diferentes enfoques estadísticos para obtener estimaciones de BV. El método más utilizado es el detallado por Fraser y Harris, en el que al análisis de muestras por duplicado le sigue un análisis de varianza (ANOVA) o CV-ANOVA. Sin embargo, estos enfoques dependen de un laborioso análisis de datos que incluye la evaluación de valores atípicos en 3 niveles y la homogeneidad de la varianza tanto del componente de variación analítica (CV A) como del CV I para proporcionar resultados generalizables. Además, se asume la normalidad de los datos para construir intervalos de confianza (IC). Como lo muestran las revisiones sistemáticas, estos criterios se cumplen solo en un pequeño número de estudios de BV Para superar estos problemas, recientemente exploramos un enfoque Bayesiano para estimar BV.
