Beruflich Dokumente
Kultur Dokumente
Página 1 de 17
Fuentes disponibles para consulta del ONC en SISPRO
EEVV – Mortalidad General 2005-2011
SIVIGILA
Estrategia de Seguimiento Leucemias Agudas Pediátricas
Contenido
Plan de Análisis del Observatorio Nacional de Cáncer
Análisis de Desigualdades asociadas a la supervivencia a 5 años del cáncer, desagregado por los cánceres
priorizados (mama, cérvix, estómago, colorrectal, próstata)
Página 2 de 17
1. Establecimiento de una cohorte en leucemia aguda pediátrica
1.1. El cáncer como problema de salud pública en Colombia
El cáncer es un grupo de enfermedades con grandes repercusiones, psicoafectivas, sociales, y
económicas, que imponen un reto para el sistema de salud, de modo que éste logre generar
intervenciones oportunas, eficaces y articuladas para disminuir la incidencia, mejorar la calidad de
vida de los pacientes afectados, reducir la discapacidad y mortalidad generadas por las diferentes
presentaciones de la enfermedad así como la eficiencia en el sistema sanitario.
De acuerdo a un estudio de incidencia estimada y mortalidad por cáncer, realizado por el Instituto
Nacional de Cancerología, la tasa de incidencia ajustada por edad anual para todos los cánceres
excepto cáncer de piel en el periodo 2002-2006 fue de 186,6 casos por 100 000 habitantes en
hombres y 196,9 casos en mujeres. Entre los hombres las principales localizaciones de cáncer
fueron en orden decreciente: próstata, estómago, pulmón, colón, recto y linfomas no-Hodking. En
las mujeres las principales localizaciones fueron mama, cérvix, tiroides estómago colon y recto y
ano (Pardo C, 2010). En los niños el cáncer no representa más del 3% de los casos nuevos del país,
pero si presenta unas altas tasas de mortalidad, especialmente por leucemias agudas pediátricas
(Piñeros M G. O., 2011).
La tendencia de mortalidad general por cáncer para Colombia va al aumento, la cual se puede
estimar de la tasa de mortalidad en niños y adultos, aunque es importante resaltar que el cáncer
de estómago y de cuello uterino aunque son muy frecuentes, si han tenido una tendencia al
descenso. Se estima que para el 2015 serán aproximadamente 43.804 las muertes en todas las
edades, en hombres 21.516 y en mujeres 22.288. El mayor número de muertes se presentan en
cáncer de estómago con 14.9%, pulmón con el 12.3%, próstata con el 7.3% y mama 6.2%.
Página 3 de 17
MLOspina, JMontaño, LGómez, BMontoya, JRivillas, Amolina
31 de enero de 2014
E1 E2 E3 E4
Curado
Recaída
T1 T2 T2
E= Estado
T=Tiempo
1. Número de contactados
2. Estado en el momento de contacto
Presuntivo esperando confirmación
Confirmado esperando tratamiento
En tratamiento esperando finalizar
Finalizado
3. Fallecidos/muertos
4. Fallos
Tipo de fallo
a. No suministro de un medicamento
b. No provisión de un servicio (cita, cama, procedimiento)
Motivo de fallo
a. No Autorización de la EPS
b. NO disponibilidad de medicamentos en el país
c. No POS
d. Sin disponibilidad de citas, camas, turnos
e. Barreras transporte y acceso geográfico
f. Barreras culturales
5. Fecha de confirmación
6. Fecha inicio de tratamiento
7. Fecha de finalización (para los finalizados)
Desenlace 1: curado
Página 4 de 17
Desenlace 2: Recaída
Desenlace 3: Fallecido
Objetivo General.
Describir los factores sociodemográficos y de atención en salud de los niños y niñas de la cohorte de la
Estrategia para Seguimiento a Cáncer Infantil del Ministerio de Salud y protección Social, con el fin de
proporcionar evidencia que oriente el mejoramiento de la atención en salud para estos niños.
Los datos son obtenidos de la Estrategia para Seguimiento a Cáncer Infantil del Ministerio de Salud y
Protección Social que capta información de la población infantil con algún diagnóstico de Leucemia
Pediátricas (Leucemia linfoide - C91 y Leucemia mieloide - C92) residentes en Colombia, y dispone
información sociodemográfica y de acceso a servicios de salud y tratamiento realizando interface con el
SIVIGILA.
1.2.3. Población
La Estrategia para Seguimiento al Cáncer Infantil dispone de información a nivel individual de 772 niños y
niñas menores de 18 años de edad en el momento de la cohorte (julio-diciembre 2013). Sobre esta
población se han analizado 680 registros de vivos y 92 de fallecidos.
Es importante precisar que para posteriores análisis se tendrán en cuenta las siguientes variables, las
cuales serán el resultado del mejoramiento de la Base de Datos de la Estrategia, las cuales se muestran
a continuación:
Página 5 de 17
Contactados, estado en el momento de contacto (Presuntivo
Sexo, edad, área de
Variables esperando confirmación, confirmado esperando tratamiento, en
residencia, tipo de
sociodemográficas tratamiento esperando finalizar, finalizado), Fallecidos/muertos,
afiliación en salud,
Fallos, Tipo de fallo (No suministro de un medicamento, No provisión
estrato socioeconómico.
de un servicio (cita, cama, procedimiento), Motivo de fallo (No
Autorización EPS, no disponibilidad de medicamentos en el país,
Tipo de Leucemia, medicamento no POS, sin disponibilidad de citas, camas, turnos,
Variables complicaciones, cuadro barreras transporte, acceso geográfico y culturales; Fecha de
clínicas hemático, estudio de confirmación; Fecha inicio de tratamiento; Fecha de finalización (para
médula ósea, causa de los finalizados), Desenlace 1: curado, Desenlace 2: Recaída, Desenlace
muerte 3: Fallecido.
Análisis Bivariado. Se realizaron tablas de contingencia para las variables cualitativas con el fin de
evaluar posibles asociaciones entre las variables de interés, utilizando como criterio estadístico la
prueba de Chi cuadrado.
Este análisis se hace como parte inicial del análisis de los datos y permiten hacer un acercamiento a la
distribución de los datos de acuerdo a cada una de las variables de interés; además de conocer la
distribución de los datos en relación a la variable de interés.
Página 6 de 17
Una forma de realizar distribuciones de las variables, a través de comando de epicalc se muestran a
continuación para las variables de mortalidad, tratamiento, edad, estrato socio-económico, tipo de afiliación
en salud y diagnóstico de leucemia con sus respectivos gráficos generados.
## Exploramos las variables de los resultados de interés
## Gráficos
tab1(mort, sort.group = "decreasing",horiz=TRUE)
tab1(tto,col="lightblue",horiz = TRUE)
tab1(ese, sort.group = "decreasing",col="lightblue",horiz=TRUE)
tab1(regimen, sort.group = "decreasing",horiz=TRUE)
tab1(mort, sort.group = "decreasing",horiz=TRUE)
tab1(recaidas, sort.group = "decreasing",horiz=TRUE)
tab1(recai_new, sort.group = "decreasing",horiz=TRUE)
tab1(contactado,col="lightblue",horiz = TRUE)
tab1(abandono_tto,col="lightgreen",horiz = TRUE)
tab1(dif_ips,col="lightgreen",horiz = TRUE)
tab1(auto_medic,col="lightgreen",horiz = TRUE)
## Conteo de casos.
## Conteo de casos por años de diagnostico
Tabla_adx<-xtabs(~adx,data=CaInf)
Tabla_adx
barplot(Tabla_adx)
Tabla_adxn<-xtabs(~adx_new,data=CaInf)
Tabla_adxn
barplot(Tabla_adxn)
En función de la variable tratamiento, 78 casos murieron sin recibir tratamiento con relación a 14 casos que
murieron estando en tratamiento.
Para este análisis se usaron resumenes de las variables, gráficos y tablas. Las Tabla_1 y Tabla_3 muestran el
número de casos por cada uno de los años en que fue diagnósticado el niño y elnúmero de casos de muerte
en función de la variable tratamiento respectivamente.
Página 7 de 17
Tabla_1<-table(sex, tto)
Tabla_1
plot(Tabla_1,col=c("white"," lightgreen "),main="Diferencias el sexo del
niño y tratamiento", xlab="Sexo",ylab="Tratamiento")
Tabla_2<-table(age, tto)
Tabla_2
barplot(Tabla_2)
Tabla_3<-table(regimen, tto)
Tabla_3
plot(Tabla_3,col=c("white","lightgreen"),main="Distribución Regimen-En
tratamiento", xlab="Regimen",ylab="Tratamiento")
Tabla_4<-table(Depto_res, tto)
Tabla_4
Tabla_5<-table(EPS, tto)
Tabla_5
Tabla_2<-table(age, contactado)
Tabla_2
barplot(Tabla_2)
Tabla_3<-table(regimen, contactado)
Tabla_3
plot(Tabla_3,col=c("white"," lightblue "),main="Distribución Regimen-
Contactado", xlab="Regimen",ylab="Contactado")
Tabla_4<-table(Depto_res, contactado)
Tabla_4
Tabla_5<-table(EPS, contactado)
Tabla_5
Tabla_1<-table(sex, abandono_tto)
Tabla_1
plot(Tabla_1,col=c("white","lightblue"),main="Distribución Sexo del niño-
Abandono Tratamiento", xlab="Sexo",ylab="Abandono tratamiento")
Tabla_2<-table(age, abandono_tto)
Tabla_2
Página 8 de 17
barplot(Tabla_2)
Tabla_3<-table(regimen, abandono_tto)
Tabla_3
plot(Tabla_3,col=c("white"," lightblue "),main="Distribución Regimen-
Abandono Tratamiento", xlab="Regimen",ylab="Abandono tratamiento")
Tabla_4<-table(Depto_res, abandono_tto)
Tabla_4
Tabla_5<-table(EPS, abandono_tto)
Tabla_5
Tabla_2<-table(age, dif_eps)
Tabla_2
barplot(Tabla_2)
Tabla_3<-table(regimen, dif_eps)
Tabla_3
plot(Tabla_3,col=c("white","aliceblue"),main="Distribución Regimen-
Dificultad con la EPS ", xlab="Regimen",ylab="Dificultad con la EPS")
Tabla_4<-table(Depto_res, dif_eps)
Tabla_4
Tabla_5<-table(EPS, dif_eps)
Tabla_5
Tabla_2<-table(age, dif_ips)
Tabla_2
barplot(Tabla_2)
Tabla_3<-table(regimen, dif_ips)
Tabla_3
plot(Tabla_3,col=c("white","azure2"),main="Distribución Regimen-
Dificultad con la IPS ", xlab="Regimen",ylab=" Dificultad con la IPS ")
Tabla_4<-table(Depto_res, dif_ips)
Tabla_4
Página 9 de 17
Tabla_5<-table(EPS, dif_ips)
Tabla_5
Tabla_2<-table(age mort)
Tabla_2
barplot(Tabla_2)
Tabla_3<-table(regimen, mort)
Tabla_3
plot(Tabla_3,col=c("white","azure2"),main="Distribución Regimen-
Dificultad con la IPS ", xlab="Regimen",ylab="Muerte")
Tabla_4<-table(Depto_res, mort)
Tabla_4
Tabla_5<-table(EPS, mort)
Tabla_5
Página 10 de 17
Table_depsm <- xtabs(~dif_eps+mort, data=CaInf)
Table_depsm
Test_depsm <- chisq.test(Table_depsm, correct=FALSE)
Test_depsm
Página 11 de 17
De estos valores se interpreta el p-value que da la significancia, la cual debe ser menor de 0,05. Para este
caso se podría concluir que existe una asociación estadisticamente significativa entre la mortalidad por
leucemia y estrato socioeconómico, ya que p < 0,05.
Al observar el cuadro de resultados de la regresión logística es importante tener en cuenta los valores
mostrados en las columnas Estimate y Pr (>|z|), además de los valores denominados Null deviance y
Residual Deviance que se encuentran en la parte inferior del cuadro de resuldatos.
Tanto los valores de la columna Estimate y Pr (>|z|) se interpretan de maner simultanea de la siguiente
manera:
Como se puede observar podemos ver, sólo la variable tratamiento tto es significativos (p< 0,05). Ahora
bien, ninguno de los coeficientes de la variable estrato socioeconómico ses son significativos.
Los niveles ses CUATRO, ses DOS, sesSD, sesUNO no son significativos, por lo que no se tendrían en cuenta
en al análisis.
El nivel ttosi, es significativo y negativo, lo que indicaria que el estar en tratamiento es un factor protector
en relación a la mortalidad por leucemia.
Página 12 de 17
Null deviance y Residual Deviance son medidas de ajuste del modelo a los datos. Es la cantidad de varianza
explicada por el modelo; da una idea de la variabilidad de los datos.
Esta medidas me permiten hacer comparaciones entre varios modelos y escoger el que menor Deviance
presente, ya que sería el modelo que mejor me explicaría los factores asociados con la probabilidad de
ocurrencia del evento.
Odds Ratio OR
Página 13 de 17
Gráfico 10. OR
1/4
Odds of being 1
1/8
OR = 0.11
1/16
1/32
0 Exposure category 1
Página 14 de 17
2. Caracterización epidemiológica del cáncer en el país (brechas en la mortalidad entre
departamentos)
2.1. Plan de análisis base de datos cáncer adulto (cáncer general, cervico-uterino, estómago,
próstata, mama, leucemia linfoide)
Construcción de variables:
Sexo
Grupos de edad
Área de residencia
Prevalencia de factores de riesgo en cáncer
Proporción de incidencia por tipo de cáncer
Tasa de Mortalidad y prevalencia de casos
Analizar la distribución según género, edad y área de residencia, de los cánceres más frecuentes en el país.
Buscando analizar el perfil epidemiológico de cáncer a nivel local, regional, provincial o comunal.
Página 15 de 17
summary(MORTALIDADCA[-34,9:14])
boxplot(MORTALIDADCA[-34,9:14])
Boxplot(MORTALIDADCA[-34,9])
Boxplot(MORTALIDADCA[-34,10])
Boxplot(MORTALIDADCA[-34,11])
Boxplot(MORTALIDADCA[-34,12])
Boxplot(MORTALIDADCA[-34,13])
Boxplot(MORTALIDADCA[-34,14])
table(MORTALIDADCA[34,9:14])
plot(2005:2010,t(MORTALIDADCA[34,9:14]), type="l")
Página 16 de 17
plot(2005:2010,t(MORTALIDADCA[34,l1]), type="l");par(new=T)
plot(2005:2010,t(MORTALIDADCA[34,l2]), type="l", col="blue");par(new=T)
plot(2005:2010,t(MORTALIDADCA[34,l3]), type="l", col="red")
Página 17 de 17