Os dados obtidos foram devidamente categorizados (Quadro 1 / Apêndice A)e organizados em um banco de dados do Microsoft Excel para permitir a realização das análises estatísticas em dois programas estatísticos diferentes, o software IBM SPSS (21.0) (estatística descritiva) e o software R (3.1.3) (regressão logística binária e testes diagnósticos para os modelos logísticos).
Foram realizadas análises descritivas, mediante valores de frequência absolutas e percentuais, para todas as variáveis de interesse e as análises inferenciais constituíram-se de modelos de regressão logística binária múltipla, sendo o desfecho a ocorrência de mucosite oral grave em qualquer dos sítios da cavidade oral avaliados no OAG, para cada um dos períodos de avaliação; na busca pelos fatores associados com as condições mais graves de comprometimento da mucosa oral durante o tratamento quimioterápico.
Na análise dos dados mediante regressão logística binária múltipla, o desfecho foi determinado, levando-se em consideração que, no OAG, a condição que recebe o valor “3” é a condição que pode resultar para o paciente nas principais limitações quanto à fala, deglutição e exposição à infecções locais e sistêmicas, modificando sobremaneira a qualidade de vida, e ainda comprometer o andamento da terapia antineoplásica, com a interrupção da mesma para a instituição de um tratamento com antibióticos para conter uma provável infecção instalada. Tendo em vista esses aspectos, optou-se com agrupar os valores para o OAG “1” e “2” em uma categoria nominal chamada “sem mucosite oral grave”, que recebeu no banco de dados o código “0” e o valor “3” em uma outra categoria nominal chamada de “com mucosite oral grave”, que recebeu no banco de dados o código “1”, sendo esse último o desfecho de interesse e, ficando, dessa maneira, o desfecho dicotomizado. Adotando-se esse critério, na verificação do valor “3” em um ou mais dos sítios da cavidade oral avaliados no OAG, a condição do paciente para a mucosite oral passou a ser caracterizada como com presença de mucosite oral grave, já que indicava a presença de ulceração em um ou mais sítios, o que torna o quadro clínico, diante dessa condição, mais preocupante, frente as demais condições avaliadas no OAG.
De forma que as primeiras variáveis aqui listadas se repetiram em todas as 10 análises por regressão logística binária múltipla, já as últimas variáveis aqui listadas variaram conforme cada período de avaliação da ocorrência ou não do desfecho de interesse. As variáveis que se repetiram ao longo das avaliações, bem como as que variaram estão descritas no quadro 13
Quadro 13 - Variáveis independentes incluídas no modelo múltiplo quando significantes na análise univariada
Variáveis independentes incluídas no modelo múltiplo Variáveis coletadas no início do
estudo
Variáveis coletadas 10 períodos de avaliação
Sexo Tempo desde a última quimioterapia
Idade Classe do quimioterápico
Cor de pele Frequência de doses do quimioterápico
Cidade de residência Número de leucócitos
Doença de base hematológica ou não Número de plaquetas
Grupo sanguíneo Nível sanguíneo de creatinina
Fator Rh Laserterapia
Inicialmente foi realizada uma análise univariada por regressão logística binária entre o desfecho e cada uma das variáveis de interesse, adotando-se um p- valor menor ou igual a 0,30, de forma a selecionar o maior número possível de variáveis para a análise múltipla.
Em seguida, para cada período de avaliação foi realizada uma análise por regressão logística múltipla, onde concorreram para com o desfecho, todas as variáveis que obtiveram p-valor menor ou igual a 0,30 na análise univariada. Nessa análise múltipla, utilizou-se o método backward na seleção das variáveis, e considerou-se um nível de significância de 5% para a permanência no modelo, de forma que, ao ser gerado o modelo inicialmente, se porventura uma ou mais das variáveis incluídas obtivessem um p-valor maior que 0,05 essa seria eliminada do modelo, que seria gerado novamente sem a inclusão dessa variável e, no caso de ser apenas uma das categorias de uma variável, essa seria incluída na primeira categoria da variável, ou na categoria de referência da variável. Essa remoção ou inclusão de categorias foi realizada seguindo-se as indicações do método de backward até que fosse obtido um modelo no qual todas as variáveis ou categorias fossem importantes para o desfecho (p< 0,05). Nos casos em que a sequência de remoções de variáveis e inclusão de categorias resultaram em um modelo com todas as variáveis apresentando um p-valor maior que 0,05, para esse período de avaliação não se observou um modelo de regressão logística, de forma que nenhuma das variáveis incluídas nesse estudo esteve associada ao desfecho de interesse.
Os dados referentes ao número de leucócitos e de plaquetas foram divididos por 1.000 (mil) e 10.000 (dez mil), respectivamente, para que houvesse uma redução nos números referentes a essas duas variáveis, de forma a facilitar e tornar mais robusta a análise estatística. Dessa forma, a interpretação dos resultados da análise de regressão logística, implica em dizer que há aumento ou não da chance (Odds Ratio) de o paciente apresentar a mucosite oral grave mediante o aumento ou a redução de mil unidades, para os leucócitos, ou de dez mil unidades, no caso das plaquetas. Para o nível sanguíneo de creatinina, o valor que aparece nos exames (variando de 0 a 1) foi dividido por 0,1, sendo a interpretação feita pelo aumento ou redução em uma unidade (unidade decimal) do nível sanguíneo de creatinina.
Após a finalização da análise de regressão logística binária múltipla utilizando o método de backward, foram realizados os diagnósticos dos modelos, para cada
período de avaliação, sendo avaliados o ajuste e a adequação dos modelos na predição do desfecho, mediante a análise do Deviance e comparação com o qui- quadrado de referência, bem como a geração da curva ROC e a avaliação da área sob a curva ROC; além da observaçãodos valores de sensibilidade (verdadeiros positivos) e de especificidade (verdadeiros negativos) para cada um dos modelos ajustados.
As análises descritivas foram realizadas no software IBM SPSS (21.0) e as análises de regressão logística binária, bem como os testes diagnósticos para os modelos gerados foram realizados no software R (3.1.3).