Algunos estudios demuestran que existe un notable desacuerdo entre los métodos que detectan progresión de campo visual en el glaucoma según eventos y tendencia. Este artículo presenta y evalúa un nuevo método que integra el análisis de eventos y tendencia para este fin en el glaucoma.

Se trata de un estudio observacional de cohortes que incluye 711 ojos de 357 pacientes con glaucoma o sospecha con un tiempo medio de seguimiento de 5.0±2.0 años y una media de 7.7±2.3 exámenes de perimetría automatizada. El análisis de progresión basado en eventos se llevó cabo con el programa Guided Progression Analysis (GPA: Carl-Zeiss Meditec, Inc., Dublin, CA). Para el análisis basado en tendencia se utilizó el Visual Field Index (VFI). Se diseñó un modelo jerárquico Bayesiano para incorporar los resultados del GPA en la distribución a priori de las pendientes del VFI, permitiendo que el método basado en eventos influyera en las inferencias derivadas de la aproximación basada en tendencia. Este método Bayesiano se compara con el método convencional de regresión de los mínimos cuadrados ordinarios (OLS) del análisis de tendencia.

En 64 ojos de los 711 seguidos en ese período de tiempo (9%) se ha confirmado progresión con GPA. El método Bayesiano de pendientes de cambio de VFI ha sido capaz de detectar a 63 de esos ojos (98%). Un grupo adicional de 49 ojos (7%) mostraba progresión con el método Bayesiano de pendientes pero no con el GPA. Las pendientes de cambio del VFI calculadas con el método OLS sólo detectaban 32 de los 64 ojos (50%) de los que mostraban progresión con GPA. Además, la concordancia con el GPA resulta significativamente mejor con el método Bayesiano que con el método OLS (κ= 0.68 vs. 0.43, respectivamente; P<0.001). Finalmente los ojos que progresan sólo con el método Bayesiano mostraron tasas de cambio más rápidas que aquellos que progresaron sólo con el método OLS. Desde luego, parece que la aproximación jerárquica Bayesiana integrando los modelos basados en eventos y tendencia para analizar progresión de campo visual resulta mejor que cualquiera de los métodos usados individualmente.

El desacuerdo existente entre métodos que evalúan progresión de campo visual en el glaucoma según se trate de análisis de eventos o tendencia puede conducirnos a confusión a la hora de abordar como clínicos el problema de la progresión en la práctica diaria y considerar progresión por cualquiera de los métodos de manera aislada puede aumentar de forma significativa la tasa de falsos positivos. Por tanto nos parece muy interesante la aportación de este estudio si bien los propios autores reconocen la existencia de ciertas limitaciones a tener en cuenta. Por un lado, el modelo Bayesiano se ha diseñado de forma que los resultados del GPA pudieran interferir en la aproximación basada en tendencia del VFI; posiblemente un modelo mejor fuera aquel en el que también se influenciara el análisis de tendencia por el método basado en eventos. Por otro lado, se ha asumido una tendencia lineal en el cambio funcional y eso parece razonable para evaluaciones a corto o a medio plazo; no obstante, algunos estudios transversales proponen que el modelo de cambio funcional podría no ser lineal a lo largo del curso completo de la enfermedad y ampliaciones futuras del modelo de evaluación propuesto podrían contemplar esa posibilidad.

En cualquier caso, este modelo jerárquico Bayesiano de evaluación de progresión de campos visual en el glaucoma parece comportarse mejor que el análisis de eventos y de tendencia por separado. Además, las tasas de cambio estimadas por este modelo Bayesiano fueron más precisas y por tanto pudieran ofrecernos mejor información a la hora de evaluar riesgo de afectación funcional por la enfermedad que el método convencional de tendencia por OLS. Probablemente en no mucho tiempo veamos fórmulas con modelos parecidos de evaluación de progresión de campo visual en los softwares de nuestros campímetros. Esperemos que no sean muy caras.