Em doenças complexas, como o câncer, os pesquisadores confiam nas comparações estatísticas de sobrevida livre de doenças (DFS) dos pacientes contra os grupos de controle pareados e saudáveis. Esta abordagem logicamente rigorosa equaciona essencialmente a remissão indefinida com a cura. A comparação é geralmente feita através da abordagem estimadora de Kaplan-Meier.

O modelo mais simples de taxa de cura foi publicado por Joseph Berkson e Robert P. Gage em 1952. Neste modelo, a sobrevivência em um dado momento é igual àquelas que estão curadas mais aquelas que não estão curadas, mas que ainda não morreram ou, no caso de doenças que apresentam remissões assintomáticas, ainda não re-desenvolveram os sinais e sintomas da doença. Quando todas as pessoas não curadas tiverem morrido ou desenvolvido novamente a doença, apenas os membros permanentemente curados da população permanecerão, e a curva da DFS será perfeitamente plana. O momento mais precoce em que a curva se torna plana é o momento em que todos os sobreviventes que ainda não estão curados da doença são declarados como definitivamente curados. Se a curva nunca se torna plana, então a doença é formalmente considerada incurável (com os tratamentos existentes).

A equação de Berkson e Gage é S ( t ) = p + {\displaystyle S(t)=p+}

where S ( t ) {\displaystyle S(t)}

é a proporção de pessoas sobrevivendo em qualquer momento do tempo, p {\i1}displaystyle p

é a proporção que está permanentemente curada, e S ∗ ( t ) S^{*}(t)}displaystyle S^{*}(t)}

é uma curva exponencial que representa a sobrevivência das pessoas não curadas.

Curvas de taxa de cura podem ser determinadas através de uma análise dos dados. A análise permite ao estatístico determinar a proporção de pessoas que estão permanentemente curadas por um determinado tratamento, e também quanto tempo após o tratamento é necessário esperar antes de declarar um indivíduo assintomático para ser curado.

Existem modelos de taxa de cura progressiva, tais como o algoritmo de expectativa-maximização e o modelo Monte Carlo de cadeia de Markov. É possível usar modelos de taxa de cura para comparar a eficácia de diferentes tratamentos. Geralmente, as curvas de sobrevivência são ajustadas para os efeitos do envelhecimento normal sobre a mortalidade, especialmente quando doenças de pessoas idosas estão sendo estudadas.

Da perspectiva do paciente, particularmente aquele que recebeu um novo tratamento, o modelo estatístico pode ser frustrante. Pode levar muitos anos para acumular informações suficientes para determinar o ponto em que a curva DFS se achata (e, portanto, não são esperadas mais recaídas). Algumas doenças podem ser descobertas como tecnicamente incuráveis, mas também requerer tratamento tão pouco frequente que não seja materialmente diferente de uma cura. Outras doenças podem ter múltiplos planaltos, de modo que o que uma vez foi aclamado como “cura” resulta inesperadamente em recidivas muito tardias. Consequentemente, pacientes, pais e psicólogos desenvolveram a noção de cura psicológica, ou o momento em que o paciente decide que o tratamento era suficientemente provável de ser uma cura como para ser chamado de cura. Por exemplo, um paciente pode declarar-se “curado”, e determinar viver a sua vida como se a cura fosse definitivamente confirmada, imediatamente após o tratamento.

admin

Deixe uma resposta

O seu endereço de email não será publicado.

lg