UN MODELLO PER LA PREVISIONE DELLA PROGRESSIONE DI NEFRITE IDIOPATICA A DEPOSITI IGA NEI PAZIENTI GIOVANI: ANALISI DELLO STUDIO VALIGA
Figura 1 di 23.
Figura 2 di 23.
Nel 2009 l’ IgA Nephropathy Network ha proposto una classificazione della IgA Nephropathy attraverso 4 caratteristiche istologiche che fossero riproducibili, indipendenti tra loro e associate alla progressione della malattia indipendentemente dai dati clinici. I fattori considerati erano: Ipercellularità Mesangiale (M), Ipercellularità Endocapillare (E), Glomerulosclerosi segmentale (S) e l’Atrofia Tubulare/Fibrosi Interstiziale (T). Da qui la denominazione di MEST score [1] .
Figura 3 di 23.
Nel 2014 la ERA-EDTA ha concluso uno studio per la validazione su una larga coorte di pazienti europei del MEST score [2].
Figura 5 di 23.
Lo studio VALIGA ha dimostrato come le lesioni M, S e T predicessero l’outcome renale nei pazienti analizzati
Figura 6 di 23.
L’aim del nostro studio era quello di identificare nel gruppo dei pazienti più giovani, un modello prognostico combinato istologico-clinico per la predizione della progressione dell’IgA e dell’incremento della Proteinuria.
Figura 9 di 23.
I criteri di inclusione erano: IgA provata biopticamente, esclusione di IgA secondaria, revisione della biopsia al centro di Oxford, 3 determinazioni almeno di Creatinina, Proteinuria e PA, un follow up di almeno un anno e età inferiore ai 23 anni.
Figura 10 di 23.
I dati analizzati erano: Proteinuria 24h, Pressione arteriosa media e in più la media di questi parametri nel corso del follow-up
Figura 11 di 23.
Gli end point esaminati erano: progressione della malattia verso l’ESRD o perdita del 50% di FG, livelli medi di proteinuria e la remissione della proteinuria a livelli inferiori i 0,5 g/die
Figura 12 di 23.
Per l’analisi venivano usate: analisi di sopravvivenza, analisi della curva ROC e Alberi di Regressione-Classificazione
Figura 13 di 23.
Le idee alla base degli alberi di Classificazione [3] sono: ricerca del miglior cut-off cercando tra tutti i possibili valori di tutte le possibili variabili; formare sottogruppi che siano sempre più simili rispetto all’outcome studiato, ricorsivamente suddividere l’insieme di osservazioni in 2 parti.
Figura 14 di 23.
Le caratteristiche degli alberi di Classificazione: metodo semplice e intuitivo; progettato per l’identificazione di interazioni tra fattori; possibilità di trovare relazioni non lineari; capacità di costruire classi «omogenee» di rischio.
Figura 17 di 23.
Albero di Sopravvivenza dall’evento renale combinato. I soggetti a maggior rischio erano quelli che presentavano un M score positivo al baseline, mentre il rischio era minimo in coloro che presentavano M=0 e proteinuria < 0,4 g/die
Figura 18 di 23.
Alla regressione di Cox, le classi di rischio identificate dall’albero erano significativamente associate all’evento renale combinato
Figura 19 di 23.
Usando un albero di Regressione, ancora la presenza di M positivo si associava in maniera significativa a un livello più alto di TA-Proteinuria, insieme a un eGFR < 90 ml/min.
Figura 20 di 23.
In seguito venivano selezionati i 154 pazienti che avevano proteinuria al basale > 0,5 g/die, per verificare i fattori predittivi di una remissione della TA-Proteinuria al di sotto dei 0,5 g/die.
Figura 21 di 23.
L’analisi della remissione della Proteinuria mostrava come i pazienti con più probabilità di remissione erano quelli più giovani, con M=0 alla biopsia e un eGFR > 90 ml/min
Figura 22 di 23.
In conclusione: lo score M, la Proteinuria > 0,4 g/die e un eGFR < 90 ml/min espongono a un rischio aumentato di progressione di IgAN. I pazienti più giovani con M0= e eGFR > 90 hanno più probabilità di remissione della proteinuria. Gli alberi si sono dimostrati adeguati per la selezione di modelli prognostici combinati.