MADRID, 4 Oct. (EUROPA PRESS) -
Muchas niñas y adolescentes diagnosticadas con una masa ovárica podrían evitar la extirpación del ovario y sus consecuencias de por vida con el uso de un algoritmo de estratificación del riesgo basado en el consenso. El uso del algoritmo ayuda a los médicos a calibrar el riesgo de malignidad de la paciente y orienta la toma de decisiones preoperatorias, según un nuevo estudio multiinstitucional publicado en el 'Journal of the American Medical Association' (JAMA).
Los investigadores de 11 hospitales infantiles estadounidenses descubrieron que el uso preoperatorio del algoritmo redujo las extirpaciones de ovarios u ovariectomías innecesarias del 16,1% de los casos antes de utilizar el algoritmo al 8,4% cuando se integró en la práctica.
La herramienta, diseñada por un equipo multidisciplinar de cirujanos pediátricos, ginecólogos pediátricos y de adolescentes, radiólogos y oncólogos médicos, orientó con gran precisión a las pacientes de bajo riesgo hacia la cirugía de preservación ovárica, clasificando erróneamente sólo el 0,7% de las que presentaban una neoplasia maligna.
"Nos complació mucho descubrir que nuestro algoritmo reducía significativamente la extirpación innecesaria de ovarios en casos de masas benignas y orientaba con precisión a estas pacientes hacia la cirugía de preservación ovárica", reconoce el autor principal Peter C. Minneci, Jefe del Departamento de Cirugía de Nemours Children's Health--. Las ooforectomías pueden tener una serie de efectos negativos en la salud de las pacientes jóvenes, y esta herramienta basada en la evidencia para la estratificación del riesgo preoperatorio y la toma de decisiones ayuda a minimizar el número de ooforectomías realizadas en el entorno de masas benignas".
La ovariectomía puede provocar un fallo ovárico prematuro, una menopausia precoz y mayores riesgos de deterioro cognitivo, osteopenia, deterioro de la salud sexual y enfermedades cardiovasculares. Sin embargo, las tasas de uso de la cirugía de preservación ovárica en niños cuyas masas resultaron ser benignas pueden oscilar entre sólo el 18% y el 77%, dependiendo de la institución y del tipo de especialista que trate al paciente: un cirujano pediátrico o un ginecólogo pediátrico y de adolescentes.
"La adopción de este algoritmo podría evitar importantes daños de por vida causados por la ooforectomía innecesaria durante la adolescencia", concluyen los autores.
Este estudio evaluó la capacidad del algoritmo para distinguir con precisión entre masas ováricas benignas y malignas, con la esperanza de disminuir el número de ooforectomías por masas benignas.
Participaron en el estudio 519 pacientes de entre 6 y 21 años que se sometían a una intervención quirúrgica hospitalaria por una masa ovárica: 96 pacientes se encontraban en una fase previa a la intervención en la que no se utilizó el algoritmo; 105, en una fase de adopción del algoritmo (no incluida en las comparaciones estadísticas); y 318, en la fase de aplicación del algoritmo.
Los investigadores del estudio --cuyas instituciones son miembros del Consorcio de Cirugía Pediátrica del Medio Oeste-- desarrollaron el algoritmo, que se asemeja a un árbol de decisiones.
El impulso para esta investigación vino de un caso de la cirujana pediátrica Katherine J. Deans, autora principal del estudio, ahora cirujana jefe en Nemours Children's Health. Al comentar el caso de la paciente con un colega de ginecología pediátrica y adolescente, Deans se dio cuenta de que los especialistas enfocaban la decisión desde perspectivas muy distintas: priorizar la extirpación de una masa potencialmente maligna frente a priorizar la preservación de la salud reproductiva y a largo plazo de la paciente.
"Me di cuenta de que esta importante decisión quirúrgica dependía mucho de la perspectiva del especialista que veía al paciente. Lo que realmente necesitábamos era una estratificación del riesgo preoperatorio fiable y basada en pruebas para ayudar a orientar la decisión --explica Deans--. Esta comprensión ha desencadenado estudios anteriores de los miembros del Consorcio y, en última instancia, el desarrollo y la aplicación de este algoritmo, que nuestro estudio demuestra que elimina la variabilidad de la atención".
Los autores tienen previsto realizar estudios en el futuro sobre la base de estos resultados, analizando más a fondo los datos para perfeccionar el algoritmo. También tienen previsto estudiar formas de mejorar la fidelidad en su uso y llevar a cabo estudios de implementación con otras instituciones.
