INT J TUBERC LUNG DIS 21(4):405–411© 2017 La Union

Revision sistematica de los modelos predictivos de tuberculosispulmonar actual en adultos

S. S. Van Wyk,* H. H. Lin,† M. M. Claassens*

*Department of Paediatrics and Child Health, Desmond Tutu Tuberculosis Centre, Stellenbosch University, Cape Town,South Africa; †Institute of Epidemiology and Preventive Medicine, National Taiwan University, Taiwan

R E S UM E N

Se llevo a cabo una revision sistematica con el propositode describir la calidad y las caracterısticas de modelos deprediccion de la tuberculosis pulmonar (TBP) en adultosen los centros de atencion corriente de la TB. El modelode prediccion se definio como la asociacion de dos o masfactores clınicos pronosticos, diseñado con el fin decalcular la probabilidad de padecer la TB. En el analisis seincluyeron los estudios cuyo patron de referencia era laTBP confirmada por cultivo. Se excluyeron los modeloscon pacientes hospitalizados, con niños o con pobla-ciones especıficas de pacientes. La busqueda se realizo enlas bases de datos de PubMed, Scopus y la bibliotecaCochrane y en los resumenes presentados en las con-ferencias de La Union Contra la Tuberculosis y Enfer-medades Respiratorias, la American Thoracic Society yla European Respiratory Society. Con el fin de extraer losdatos y evaluar la calidad se utilizo la lista de verificacionCHARMS (Critical Appraisal and Data Extraction forSystematic Reviews of PredictionModelling Studies). Delos 13 671 registros localizados, se incluyeron seis para la

extraccion de datos; en tres documentos, la variable devaloracion fue la TBP con baciloscopia negativa y cultivopositivo; y tres se centraron exclusivamente en las per-sonas con infeccion por el virus de la inmunodeficienciahumana. La descripcion de la elaboracion, el desempeñoy la evaluacion de los modelos fue incompleta. En cuatroestudios se evaluo el rendimiento predictivo utilizandoel mismo conjunto de datos que sirvio para elaborarel modelo (rendimiento aparente), en un estudio sepractico la validacion interna y en otro estudio la vali-dacion externa. Los resultados no se agregaron debidoa su heterogeneidad. Los modelos predictivos existentesque se utilizan con el fin de estimar la presencia de TBP enlos adultos en los entornos de atencion primaria adolecende deficiencias en su forma de comunicar los resultados yla validacion y no resultan utiles en el cribado de la TB. Serecomienda el cribado basado en los sıntomas que pro-pone la Organizacion Mundial de la Salud.PALABRAS CLAVE: reglas de prediccion; cribado; diagnostico;atencion corriente de la TB

SE CONSIDERA que 9 millones de personas con-trajeron la tuberculosis (TB) en el 2014 en todo elmundo y 1,5 millones de personas murieron por estacausa.1 La meta ultima del control de la TB consiste endisminuir la incidencia de la enfermedad al reducir latransmision. Diferentes estudios indican que la rapidadeteccion de los casos de TB y el inicio temprano deltratamiento pueden tener un impacto mundial en laepidemia.2–5 Aunque las tecnicas moleculares mejoranla deteccion rapida, los recursos en los paıses deingresos bajos y medianos son limitados y no todos lospacientes tienen acceso a estas pruebas.1,6,7 Es ne-cesario que un paciente acuda con sıntomas o signosindicativos de TB, a fin de llevar a cabo las pruebasconfirmatorias.8 Muchos casos con presuncion clınicade TB no ingresan al sistema de salud o nunca sedetectan despues de haber entrado, lo cual da lugara retrasos en el diagnostico y el tratamiento.9–11

Otra dificultad es la escasa sensibilidad y especi-ficidad de los algoritmos diagnosticos actuales. En laspersonas positivas frente al virus de la inmunodefi-ciencia humana (VIH), la definicion vigente de uncaso presuntivo de TB (presencia de alguno de lossiguientes signos: tos, fiebre, perdida de peso osudoracion nocturna) ofrece una sensibilidad del79% (intervalo de confianza [IC] del 95% 58‒91) yuna especificidad del 50% (IC95% 29‒70).12,13 Enuna revision de personas negativas frente al VIH ypersonas cuyo estado frente al virus era desconocido,se encontro que la tos de mas de 2 semanas deduracion ofrecıa una sensibilidad del 35% (IC95%24‒46) y una especificidad del 95% (IC95% 93‒97).Todo sıntoma indicativo de tuberculosis (ya sea tos,hemoptisis, perdida de peso, fiebre o sudoracionnocturna) ofrece una sensibilidad del 77% (IC95%68‒86) y una especificidad del 68% (IC95% 50‒85).14

Correspondencia: Jose Jardim, Federal University of São Paulo, Rua Borges Lagoa 299, Centro de Reabiltacão Pulmonar,Federal University of São Paulo, CEP 04038-030, São Paulo, SP, Brasil. Correo electronico: jardimpneumo@gmail.com[Traduccion del artıculo : ‘A systematic review of prediction models for prevalent pulmonary tuberculosis in adults.’ Int JTuberc Lung Dis 2017; 21(4): 405–411. http://dx.doi.org/10.5588/ijtld.16.0059]

La utilizacion de alguno de estos algoritmos serıainadecuada, pues todos dan lugar a un exceso de falsosdiagnosticos positivos o de falsos negativos.

Un modelo predictivo que incorpore informacionclınica diferente de los sıntomas ‘tıpicos’ podrıaofrecer un mejor diagnostico, mayor rendimientopredictivo y facilitar el diagnostico temprano y eltratamiento oportuno. La presente revision sistema-tica se llevo a cabo con el proposito de evaluar elnumero y describir la calidad de los modelos pre-dictivos de tuberculosis pulmonar (TBP) actual en eladulto en los ambitos de atencion primaria.

METODOS

Los resultados son conformes a la declaracionPRISMA (Preferred Reporting Items for SystematicReviews andMeta-Analyses), que es una actualizacionde la propuesta QUOROM (QUality Of Reporting OfMeta-analyses), elaborada con el objeto de abordar elproblema de la calidad deficiente de las presentacionesde informes de los metanalisis.15

Protocolo y registroEl protocolo se publico en la base de datos internacionalde registro prospectivo de las revisiones sistematicasPROSPERO (numero de registro: CRD42015017664).

Criterios de seleccionTipos de estudioSe incluyeron los modelos estadısticos predictivos dela TBP actual. Los modelos se definieron como unacombinacion de dos o mas variables clınicas pre-dictivas, por ejemplo, elementos de los antecedentes, laexploracion clınica y la radiografıa de torax, dise-ñados con el objeto de estimar la probabilidad deldiagnostico de TBP. Se habrıan incluido estudios decomparacion de un modelo predictivo con los algo-ritmos de cribado vigentes, pero no se encontro ningundocumento. Se excluyeron los modelos que incluıan latomografıa computarizada o la resonancia magneticanuclear, pues estas tecnicas no estan disponibles en lapractica corriente de la mayorıa de los entornos conalta carga de morbilidad por TB. Asimismo, seexcluyeron los estudios que solo evaluaban la exac-titud de los sıntomas con o sin radiografıa de torax ylos que examinaban combinaciones de sıntomas,aspectos de la radiografıa de torax o ambos (porejemplo, las recomendaciones de cribado de la TB de laOrganizacion Mundial de la Salud [OMS]),13 cuandosu objetivo no era establecer un modelo predictivo.

Tipos de participanteSe restringieron los estudios a los que incluıan adultos.Dado el interes central en los ambitos de atencioncorriente donde acuden los pacientes con TB en buscade atencion y donde reciben diagnostico y tratamiento,se excluyeron los estudios de pacientes hospitalizados,

pero se tuvieron en cuenta los estudios con pacientesambulatorios. Con el proposito de disminuir la hete-rogeneidad, se excluyeron los estudios que examinabanalguna de las siguientes poblaciones: los contactos depacientes con TB, las embarazadas, los consumidoresde drogas, los pacientes en dialisis, los pacientes conenfermedad reumatologica cronica, los refugiados, losinmigrantes, las personas que solicitan asilo, los pri-sioneros, los trabajadores sanitarios y los mineros.

Tipos de desenlaceLa TBP se definio mediante la deteccion micro-biologica del Mycobacterium tuberculosis mediantecultivo o tecnicas de reaccion en cadena de la poli-merasa. Se excluyeron los estudios cuyo desenlace erasolo la TB farmacorresistente, los que incluıan la TBextrapulmonar y los estudios cuyo modelo buscabadiferenciar dos desenlaces, como la TBP y el cancer depulmon.

Fuentes de informacionSe realizaron busquedas hasta el 29 de septiembre del2014 en las bases de datosMedline/PubMed, Scopus yla Biblioteca Cochrane. Se activaron funciones dealerta a fin de mantener actualizada la busqueda. Seincluyeron estudios hasta el 17 de enero del 2016. Labusqueda incluyo ademas los resumenes y las actas decinco conferencias mundiales recientes de la UnionInternacional contra la Tuberculosis y las Enferme-dades Respiratorias, la Conferencia Internacional dela American Thoracic Society y del CongresoMundialde la European Respiratory Society. Se consultaron yexaminaron las listas de referencias de los estudioslocalizados. Se contacto con los autores de los estudiosy con expertos a fin de encontrar nuevos estudios. Lasestrategias de busqueda se formularon tras una con-sulta con un experto Cochrane.

Estrategia de busqueda y seleccion de los estudiosEn Medline se aplico un filtro que refuerza lalocalizacion de estudios de prediccion diagnostica enlas revisiones sistematicas16 y este se adapto a Scopusy a la Biblioteca Cochrane. En el Apendice se pre-sentan los terminos de busqueda utilizados enPubMed (vease el Apendice).

Uno de los autores (SVW) preselecciono las citas ylos resumenes a fin de localizar los estudios idoneos.A partir de los criterios de inclusion se elaboro unformulario de aptitud. Se obtuvo el informe completode los estudios que podıan ser pertinentes y se ana-lizaron con miras a su inclusion. En caso de duda, seconsulto a un segundo autor (MC).

Proceso de recogida de los datosDos autores (SVW y MC) captaron los datos demanera independiente, mediante un formularioensayado de extraccion de datos. Las dudas seresolvieron mediante analisis conjunto.

2 The International Journal of Tuberculosis and Lung Disease

Lista de datos y riesgo de sesgo en cada estudioLa extraccion de datos se oriento con la lista deverificacion de la evaluacion crıtica y la extraccion dedatos para las revisiones sistematicas de los estudiosde modelos predictivos (lista CHARMS: Conforming,Hierarchical, Adaptive. Refinement Methods).17 Elinstrumento de evaluacion de la calidad de los estudiosde precision diagnostica, QUADAS-2 (QualityAssessment of Diagnostic Accuracy Studies), y la listade verificacion CHARMS se utilizaron en la evaluaciondel riesgo de sesgo.18 La lista de verificacion CHARMSdetecta los elementos importantes en la delimitacion dela pregunta y los dominios que se deben extraer y en laevaluacion crıtica de los estudios incluidos. El instru-mento QUADAS-2 facilita la evaluacion del sesgo. Esteinstrumento ofrece un marco a la evaluacion del riesgode sesgo en los estudios de precision diagnostica y lalista CHARMS esta destinada especıficamente a losestudios de modelos predictivos. Se extrajeron datossobre las caracterısticas del estudio, los participantes, eldesenlace, las variables de prediccion, el tamañomuestral, los datos faltantes, la elaboracion del modelo,el rendimiento diagnostico del mismo, su evaluacion ylos resultados. Los autores de la revision no desco-nocıan los nombres de los autores de los estudios, lasinstituciones, las revistas ni los resultados. Los desa-cuerdos se resolvieron mediante analisis conjunto.

Sıntesis de los resultadosLos datos de la revision se comunicaron en formanarrativa. Dado el caracter descriptivo del informe, larepercusion de los datos faltantes era mınima. Losestudios encontrados no eran homogeneos conrespecto al ambito, los participantes ni el desenlace.No se llevo a cabo un metanalisis y no se evaluo elsesgo de publicacion, pero se realizaron com-paraciones entre los estudios incluidos. No se prac-ticaron analisis complementarios.

EticaSe obtuvo la aprobacion del comite de etica de laUniversidad Stellenbosch de Tygerberg, en Sudafrica(S14/09/178).

RESULTADOS

Seleccion y caracterısticas de los estudiosSeis estudios cumplieron con los criterios de selec-cion.19–24 Cinco de ellos eran estudios de derivacion,en los cuales se elaboraban modelos19–23 y uno era unestudio de validacion, en el cual se validaba un mo-delo.24 Tres estudios se realizaron solo en personasinfectadas por el VIH;19–21 dos estudios notificabanresultados de un conjunto de datos.20,21 Los otros tresincluıan personas infectadas o no por el VIH y per-sonas que desconocıan su estado frente al virus22–24 ylos tres estudios comportaban los tres grupos de per-sonas. Tres estudios se centraban en el diagnostico de

la TBP con baciloscopia negativa21,23,24 y los otros tresabordaban todas las formas de TB (Cuadro 1).

19,20,22 LaFigura A del Apendice presenta un diagrama sobre lalocalizacion, la preseleccion y la idoneidad de losestudios. El Cuadro A del Apendice presenta los estu-dios excluidos.

Evaluacion de la calidad metodologicaAl considerar una prueba diagnostica o una pruebade cribado como un modelo de prediccion, se evaluoel riesgo de sesgo con el instrumento QUADAS-2(Cuadro 2). Un estudio se califico con bajo riesgode sesgo en los cuatro dominios del instrumento.Cuatro estudios se calificaron con bajo riesgo de sesgoen tres de los componentes y un estudio se considerocon bajo riesgo de sesgo en dos de los dominios y altoriesgo de sesgo en otro (el flujo de pacientes).

Dado que el instrumento QUADAS-2 no ayudaa evaluar la elaboracion, el rendimiento ni la eva-luacion del modelo, se utilizo con este fin la lista deverificacion CHARMS. En general, la presentacion delos analisis estadısticos centrados en la elaboracion delmodelo, su rendimiento y su evaluacion fue deficientey poco clara. En todos los estudios se recurrio a laregresion logıstica. No fue claro si el modelo de Castroy cols. se elaboro a partir de los datos de un estudioanterior o del estudio referido;22 sin embargo, sepractico un analisis de regresion que evaluaba losfactores de riesgo asociados con la TBP. Ninguno delos estudios hacıa referencia a los supuestos delmodelo ni a su eventual verificacion. Los metodos deseleccion de las variables predictivas durante lamodelizacion multivariante y los criterios utilizadosno se describıan de manera satisfactoria en ninguno delos estudios. Las variables predictivas se categorizaronen todos los modelos. Ningun estudio notifico elnumero de participantes con datos faltantes. En todoslos estudios se practico un analisis completo de loscasos y no se aplicaron tecnicas de imputacion dedatos. La notificacion de las probabilidades pre-dictivas absolutas fue deficiente.

Cuatro de los estudios fueron modelos predictivos detipo 1a, en los cuales el rendimiento predictivo seevaluaba utilizando los mismos datos que habıan ser-vido en la elaboracion del modelo (rendimiento apa-rente);19–21,23 un estudio consistio en unmodelo de tipo1b, en el cual la validacion interna se llevaba a cabo contecnicas de remuestreo con reposicion;22 y un estudioera de tipo 4, en el cual el rendimiento predictivo de unmodelo de prediccion en pacientes hospitalizados seevaluaba en pacientes ambulatorios.24,26

Resultados de los estudios individualesEn las personas infectadas por el virus de lainmunodeficiencia humanaRangaka y cols. pusieron en evidencia que la capa-cidad discriminatoria del cribado basado en lossıntomas podıa perfeccionarse al añadir la cifra de

Revision sistematica de los modelos predictivos de TBP 3

Cuadro 1 Caracterısticas de los estudios

Estudio, año,referencia

Elaboraciono validacion

Diseño, fuentede datos

Fechas delestudio Ambito, paıs Criterios de seleccion Desenlace

Personas infectadas por el VIHRangaka,

201219Elaboracion Transversal Noviembre 2007‒

octubre 2009Consultorio del sector

publico con atencionde la infeccion por elVIH en Sudafrica

Adultos infectados por el VIH(718 años) escogidos delos usuarios de unconsultorio de TAR,inscritos consecutivamenteen las bitacoras deseleccion de un estudioclınico aleatorizadoen curso*

Criterios de seleccionespecıficos no descritos

TBP

Nguyen,201120

Elaboracion Transversal Agosto 2009‒junio 2010

Consultorio del sectorpublico con atencionde la infeccion por elVIH, Vietnam

Residente registrado deldistrito 6, 715 años,infeccion por el VIHconfirmada por ellaboratorio

Excluidos: antecedentede cribado de la TB enlos ultimos 3 meses,tratamiento de la TBen el ultimo año

TBP

Nguyen,201221

Elaboracion Transversal Agosto 2009‒junio 2010

Consultorio del sectorpublico con atencionde la infeccion por elVIH, Vietnam

Residente registrado deldistrito 6, 715 años,infeccion por el VIHconfirmada por ellaboratorio

Excluidos: antecedentede cribado de la TB enlos ultimos 3 meses,tratamiento de la TBen el ultimo año

TBP conbaciloscopianegativa

Personas infectadas o no por el VIH y personas con estado desconocido frente a este virusde Castro,

201122Elaboracion Transversal Septiembre

2006‒julio2007

Consulta externa deatencion secundariade un servicio deneumologıa en Rıo deJaneiro, Brasil

Pacientes sintomaticos(sıntomas especıficos nodescritos)

TBP

Alavi-Naini,201223

Elaboracion Examenretrospectivode lashistoriasclınicas

Enero 2007‒enero 2008

Centro de referencia deTB en el sureste de Iran

715 años, tos de73 semanas, 73baciloscopias de esputonegativas y persistenciade sıntomas trasantibioticoterapiade amplio espectro

Excluidos: antecedente de TB

TBP conbaciloscopianegativa

Soto, 201124 Validacion Transversal Septiembre2005‒marzo2008

Dos hospitalesuniversitarios en Lima,Peru

Presuncion de TBP (presenciade tos mınimo durante2 semanas y alguno de lossiguientes signos: fiebre,perdida de peso o disnea)incluidos despues de por lomenos dos baciloscopiasnegativas en muestrascorrientes de esputoen un centro de atencionprimaria o un hospital

Excluidos: diagnostico deotra afeccion respiratoriaevidente

TBP conbaciloscopianegativa

* Ensayo clınico aleatorizado con el fin de determinar la eficacia practica de la combinacion del TPI y el TAR en la disminucion del riesgo de TB activa de las personasinfectadas por el VIH. Criterios de exclusion del ensayo: 1) TB activa o presuncion de la misma, determinada por un cribado de los sıntomas; 2) tratamiento en curso oanterior de la infeccion tuberculosa latente; 3) tratamiento en curso con fluoroquinolonas u otros antibioticos con actividad antituberculosa notable; 4) antecedentede intolerancia a la isoniazida; 5) alanina-transaminasa inicial, grado 3 o 4; 6) grado 3 o 4 de neuropatıa periferica; 7) embarazo o ,6 semanas posparto. Seutilizaron las tablas de gradacion de la farmacotoxicidad en las personas que reciben TAR, del grupo de ensayos clınicos del sındrome de inmunodeficienciaadquirida (ACTG: AIDS Clinical Trials Group).25

VIH 5 virus de la inmunodeficiencia humana; TAR 5 tratamiento antirretrovırico; TBP 5 tuberculosis pulmonar; TPI 5 tratamiento preventivo con isoniazida.

4 The International Journal of Tuberculosis and Lung Disease

linfocitos CD4, el ındice de masa corporal (IMC) oambos, en el caso de pacientes antes de iniciar eltratamiento antirretrovırico (TAR) y la duracion deltratamiento en los pacientes que ya recibıan TAR.19

Por ejemplo, en el grupo pre-TAR, el area bajo lacurva de eficacia diagnostica (ABC) aumento del64% (IC95% 69‒85) al 71% (IC95% 66‒76) alagregar el IMC al cribado de la OMS y al 74%(IC95% 69‒80) al tener en cuenta el IMC y la cifra delinfocitos CD4. En el grupo que recibıa TAR, el ABCaumento del 59% (IC95% 53‒66) al 70% (IC95%60‒79) al agregar el IMC, la cifra de linfocitos CD4 yla duracion del TAR.

Ambos estudios de Nguyen y cols.20,21 indicabanque la sensibilidad del cribado por sıntomas de laOMS para detectar la TBP20 (50%) y la TBP conbaciloscopia negativa21 (46%) se podıa aumentar alagregar la prueba cutanea de la tuberculina (PCT)(100%). En las personas con un cribado positivo(cribado sintomatico de la OMS o PCT positivos), sepodrıa utilizar la cifra de linfocitos CD4 ,200/mm3,una baciloscopia positiva o una radiografıa de toraxindicativa de TB. Sin embargo, dada la baja especi-ficidad de estas variables predictivas en el diagnosticode la TB (59% en personas con un cribado de la OMSpositivo y 56% en personas con PCT positiva), serecomendaba el cultivo de esputo en todas las per-sonas infectadas por el VIH, con el fin de mejorar ladeteccion de la enfermedad tuberculosa. Por lo tanto,estos modelos no son suficientes para utilizarloscomo instrumentos de cribado.

Personas infectadas o no por el virus de lainmunodeficiencia humana o con estado desconocidofrente a este virusEn la escala clınica elaborada por de Castro y cols. lapuntuacion se extendıa de cero a seis (segun la cualseis era la puntuacion mas alta para una variablepredictiva) y generaba un sistema de puntuacion

destinado a los pacientes con presuncion de TBP, alañadir las puntuaciones de las variables predictivasenumeradas en el Cuadro 3.22 El sistema ofrecıala maxima sensibilidad (83%) y exactitud (73%)cuando se utilizaba un umbral discriminatorio de 8 ypodıa ser util en el cribado en los ambitos de atencioncorriente de las zonas con baja prevalencia deinfeccion por el VIH.

La escala clınica elaborada por Alavi-Naini y cols.,que utilizaba los cocientes de posibilidades (oddsratio) ajustados como puntuacion de las variablespredictivas enumeradas en el Cuadro 3, ofrecıa unacombinacion optima de sensibilidad (94%) y espe-cificidad (74%) para los casos de TBP con baci-loscopia negativa, con un umbral de 45.23 Sin embargo,al comparar el rendimiento del modelo (la pun-tuacion) con el juicio clınico de medicos con experi-encia, el desempeño del modelo aparecıa inferior. Estetipo de sistema de puntuacion puede ser util en laszonas donde el manejo clınico de los pacientes estaa cargo de un personal con menos experiencia en lacomunidad.

La escala clınica para la TBP con baciloscopianegativa elaborada por Soto y cols. se derivo depacientes hospitalizados (datos no presentados, puesse habıa realizado en un estudio anterior de pacienteshospitalizados y se excluyo de la presente revision) yse valido en pacientes ambulatorios (Cuadro 3).24 Seincluyeron cuatro variables predictivas, a saber:edad.45 años (–1 punto), hemoptisis (2), perdida depeso (1) y expectoracion (–1) y dos elementos pre-dictivos radiograficos: infiltrados apicales (3) einfiltrados miliares (4). La puntuacion total oscilabaentre –2 y 10. En los casos con presuncion clınica sinantecedente de TBP, la probabilidad de TB era del5% en los pacientes con una puntuacion,0, del 32%cuando la puntuacion era de 0 a 4 y del 72% cuandoera75. El rendimiento fue deficiente en los casos conpresuncion de TBP que habıan presentado una TBP

Cuadro 2 Evaluacion del riesgo de sesgo con el instrumento QUADAS-217

Autor, año, referencia

¿Podrıa la seleccionde pacientes haberintroducido sesgos?

¿Podrıa la realizacion ola interpretacion de laprueba ındice haberintroducido sesgos?

¿Podrıa la realizacion ola interpretacion de la

prueba de referencia haberintroducido sesgos?

¿Podrıa el flujo de pacientes haberintroducido sesgos?

Rangaka, 201219 Poco claro* Bajo Bajo BajoNguyen, 201120 Bajo Bajo Bajo Poco claro†

Nguyen, 201221 Bajo Bajo Bajo Poco claro†

de Castro, 201122 Poco claro‡ Bajo Bajo Alto§

Alavi-Naini, 201223 Poco claro¶ Bajo Bajo BajoSoto, 201224 Bajo Bajo Bajo Bajo

* Segun el estudio original29 del cual se seleccionaron los pacientes, los criterios de exclusion incluıan TB activa o presuncion de la misma en funcion del cribado porlos sıntomas. Sin embargo, segun las caracterısticas de los pacientes, muchos de ellos presentaban sıntomas de TB, por lo que la evaluacion de este dominio no esclara.† 83 pacientes rehusaron participar. Esto equivale a cerca de un cuarto de los participantes inscritos y no se informo como diferıan los pacientes que rehusaronparticipar en el estudio y los inscritos.‡ Criterios de seleccion poco claros.§ Solo se practico la verificacion con la prueba de referencia en los pacientes sintomaticos.¶ Este estudio consistio en un examen retrospectivo de las historias clınicas; se desconoce si habıa pacientes con sıntomas de TB que no aportaronmuestras de esputopara la baciloscopia. De haber sido ası, esto pudo haber introducido sesgos.QUADAS-2 5 Quality Assessment of Diagnostic Accuracy Studies, instrumento de evaluacion de la calidad de los estudios de exactitud diagnostica; TB 5tuberculosis.

Revision sistematica de los modelos predictivos de TBP 5

Cuad

ro3

Resulta

dosde

losestudios

individu

ales

Estudio,

año,

referencia

Total

nTB

pulm

onar

nVariables

pred

ictivas

delm

odelo*

Sensibilida

d%

(IC95

%)

Espe

cificida

d%

(IC95

%)

ABC

(IC95

%)

Rang

aka,

2012

19(derivacion)

654(preTA

R)77

5(enTA

R)84 42

Crib

adoOMS†

Crib

adoOMS1

IMC

Crib

adoOMS1

IMC1

CD41

Crib

adoOMS†

Crib

adoOMS1

IMC1

duracion

TAR

Crib

adoOMS1

IMC1

CD41

1du

racion

TAR

48(37‒

59)

— —

24(12‒

40)

— —

80(76‒

83)

— —

94(93‒

96)

— —

0,64

(0,69‒

0,85

)0,71

(0,66‒

0,76

)0,74

(0,69‒

0,8)

0,59

(0,53‒

0,66

)0,69

(0,61‒

0,78

)0,70

(0,6‒0,79

)

Ngu

yen,

2011

20(derivacion)

397

147(crib

ado

OMS1

)22

5(PCT1

)

28—

21

Crib

adoOMS†

Crib

adoOMS†

OPC

TCD4,

200/mm

3O

BAR1

ORxT-TB

CD4,

200/mm

3O

BAR1

ORxT-TB

50 100

100

81

64 24 59 56

0,57

0,62

0,79

0,69

Ngu

yen,

2011

21(derivacion)

390

22(BAR–

)Crib

adoOMS†

Crib

adoOMS†

OPC

T46 100

64 240,55

0,62

DeCastro,

2014

22‡(derivacion)

(umbral

8)11

4824

3Ed

ad,

59añ

os(1)

Dolor

toracico

(2)

Tos2seman

as(1)

Tos.2seman

as(2)

Expe

ctoracion2seman

as(1)

Expe

ctoracion.2seman

as(2)

Hem

optisis(6)

Sudo

racion

nocturna

(2)

Fieb

re(2)

Disne

a(1)

Perdidade

peso

73kg

si670

kg(2)

Perdidade

peso

75kg

si,70

kg(2)

83,1

51,8

0,73

4

Alavi-Naini,20

1223‡(derivacion)

(umbral

45)

350

52(BAR–

)Leucocito

s,11

00/m

m3(38,2)

RxTcaracterıstica(24,4)

Sudo

racion

nocturna

(7,19)

VSG

.45

mm/h

Anteced

ente

familiar

TB(3,7)

9474

0,9(0,88‒

0,92

)

Soto,20

1124‡(validacion)

(umbral

5)68

418

4(BAR–

)Hem

optisis(2)

Edad

.45

años

(–1)

Perdidade

peso

(1)

Expe

ctoracion(–1)

Infiltrad

oap

ical

(3)

Infiltrad

omiliar

(4)

——

0,76

(0,72‒

0,8)

(sin

TBan

terio

r)

0,56

(0,5‒0,62

)(con

TBan

terio

r)

*El

numeroen

trepa

rentesiscorrespo

ndeal

peso

enel

sistem

ade

puntua

cion

.†Algun

ode

lossigu

ientes:tos.2seman

as,sudo

racion

nocturna

fieb

reope

rdidade

peso.

‡En

estosestudios

seelab

orab

anescalasclınicas

(vease

lospe

sosen

trepa

rentesispa

racada

varia

blepred

ictiva);laspu

ntua

cion

esde

cada

varia

blepred

ictivase

adiciona

ronen

unapu

ntua

cion

total,pa

ralacualse

determ

inoun

umbral

discrim

inatorio

conla

mejor

sensibilida

d,espe

cificida

dyABC

.TB

5tube

rculosis;IC5

intervalode

confi

anza;A

BC5

area

bajo

lacurvade

eficaciadiag

nostica;

OMS5

Organ

izacionMun

dialde

laSa

lud;

IMC5

ındice

demasacorporal;T

AR5

tratam

ientoan

tirretrov

ırico;P

CT5

prue

bacutane

ade

latube

rculina;

BAR5

bacilosacidorresisten

tes;

15

positivo;

RxT5

radiog

rafıa

detorax;

‒5

nega

tivo;

VSG

5velocida

dde

sedimen

tacion

glob

ular.

6 The International Journal of Tuberculosis and Lung Disease

en el pasado. El instrumento podrıa ser util en Peru ytal vez en otros lugares de America Latina con el finde evaluar la probabilidad de TBP en los pacientescon presuncion clınica de TB sin antecedente de TBP.Debido a la heterogeneidad de los estudios, losresultados no se agregaron y no se llevo a cabo unanalisis complementario.

DISCUSIÓN

Esta es la primera revision sistematica de los modelosestadısticos de prediccion de la TBP actual en adultos,en los ambitos de atencion corriente. Los pocosestudios revelaban que, al agregar informacioncomplementaria al algoritmo de la OMS basado enlos sıntomas, se podıa mejorar la exactitud diag-nostica; pero debido a las deficiencias en la pre-sentacion del informe, la interpretacion y lavalidacion de los modelos, queda pendiente definir suutilidad.

Solo seis estudios cumplıan con los criterios deinclusion. La presentacion del informe y la eva-luacion de la calidad de la elaboracion y el rendi-miento de los modelos eran deficientes. Los tamañosmuestrales eran pequeños y solo Soto y cols.24 lle-varon a cabo una validacion externa. La mayor partede los estudios incluidos no notificaba ni estimaba laprobabilidad absoluta de TBP en los adultos. Encinco estudios, las medidas de rendimiento se eva-luaron con el mismo conjunto de datos utilizado en laelaboracion del modelo, lo cual se denomina ‘ren-dimiento aparente’ y sobreestima el desempeño conrespecto al rendimiento en otras personas. Este sesgoes mas pronunciado cuando el conjunto de datosdesarrollado es pequeño.17 La validacion de todomodelo predictivo en una poblacion independiente esprimordial, sobre todo en los modelos que incluyenmultiples variables predictivas y estan expuestos alriesgo de sobreajuste. Esta preocupacion no se haexaminado plenamente en las publicaciones de losmodelos predictivos de la TB. Para que un modelo deprediccion sea mas sensible que el cribado de lossıntomas, es preciso que el conjunto de datos deelaboracion del modelo incluya participantes conindependencia de los sıntomas de la TB. Los unicosmodelos que incluyeron todos los participantes, conindependencia de los sıntomas, fueron los que seutilizaron en las personas infectadas por el VIH.19–21

Se llevaron a cabo revisiones semejantes enpacientes hospitalizados, que incluıan las normasdecisionales para predecir el riesgo de padecer TBPactiva en el momento del ingreso,27 las normas deprediccion clınica para pacientes hospitalizados conpresuncion de TBP28 y las estimaciones de la exactituddiagnostica de los sistemas de puntuacion para TBPactiva que incluıan los aspectos de la radiografıa detorax en los casos de presuncion de TB.29 Estosmodelos ofrecıan alta sensibilidad y baja especificidad

y, pese a su utilidad en el ambito de los pacienteshospitalizados, tal vez no se pueden generalizar a lospacientes ambulatorios en los entornos de la atencioncorriente.

Se precisan investigaciones de buena calidad quepermitan la elaboracion y la validacion de modelospredictivos con mayor poder discriminatorio que losmodelos existentes. En muchos entornos de escasosrecursos y alta carga de morbilidad por TB, losprofesionales de salud estan sobrecargados de tra-bajo y su experiencia es limitada. Un instrumento debajo costo y aplicacion sencilla, como una escala delriesgo de padecer TB, contribuirıa a mejorar la via-bilidad y la exactitud del cribado en estas cir-cunstancias. Este instrumento se deberıa elaborar yvalidar en ambitos de atencion corriente con altacarga de morbilidad por TB e incorporar en el a todoslos participantes, con independencia de la presenciade sıntomas de TB. Las probabilidades absolutascalculadas al combinar las variables predictivasencontradas podrıan utilizarse con el fin de detectarlos casos presuntivos de TB que precisan inves-tigaciones complementarias. Las futuras inves-tigaciones se podrıan centrar en la repercusion de lautilizacion de este instrumento comparado con elcribado por los sıntomas, en el diagnostico, el tra-tamiento y en ultima instancia la incidencia de TB.

El presente estudio presenta algunas limitaciones.Es posible que se hayan pasado por alto modelospredictivos utiles, debido a los estrictos criterios deinclusion y exclusion; sin embargo, incluso con estoscriterios no se encontraron estudios cuya homoge-neidad permitiese practicar el metanalisis. Un soloautor realizo la preseleccion de los estudios idoneos yla busqueda en Scopus se restringio a las pu-blicaciones en ingles. Al examinar las listas de refe-rencias, no obstante, no se encontraron nuevas citas yninguno de los autores contactados añadio nuevosestudios.

CONCLUSIÓN

Los modelos predictivos que se utilizan en laactualidad en los ambitos de la atencion corriente conel fin de estimar la probabilidad de que un adultopadezca TBP, adolecen de deficiencias en la pre-sentacion del informe y la validacion y no son utilespara el cribado de la TB. Existe una necesidadurgente de formular y ensayar mejores algoritmosdestinados a la TB. En la actualidad, se recomienda elcribado basado en los sıntomas de la OMS, dada lafalta de mejores opciones.Conflictos de intereses: No se declaro ninguno.

Referencias

1 World Health Organization. Global tuberculosis report, 2015.WHO/HTM/TB/2015.22. Geneva, Switzerland: WHO, 2015.

Revision sistematica de los modelos predictivos de TBP 7

2 Lin HH, Dowdy D, Dye C, MurrayM, Cohen T. The impact ofnew tuberculosis diagnostics on transmission: why contextmatters. Bull World Health Organ 2012; 90: 739–47A.

3 Golub J E, Dowdy D W. Screening for active tuberculosis :methodological challenges in implementation and evaluation.Int J Tuberc Lung Dis 2013; 17: 856–865.

4 Dowdy DW, Basu S, Andrews J R. Is passive diagnosis enough?The impact of subclinical disease on diagnostic strategies fortuberculosis. Am J Respir Crit Care Med 2013; 187: 543–551.

5 Golub J E, Bur S, Cronin W A, et al. Delayed tuberculosis di-agnosis and tuberculosis transmission. Int J Tuberc Lung Dis2006; 10: 24–30.

6 Theron G, Zijenah L, Chanda D, et al. Feasibility, accuracy, andclinical effect of point-of-care Xpert MTB/RIF testing for tu-berculosis in primary-care settings in Africa: a multicentre,randomised, controlled trial. Lancet 2014; 383: 424–435.

7 Naidoo P, van Niekerk M, du Toit E, Beyers N, Leon N.Pathways to multidrug-resistant tuberculosis diagnosis andtreatment initiation: a qualitative comparison of patients’ ex-periences in the era of rapid molecular diagnostic tests. BMCHealth Serv Res 2015; 15: 488.

8 World Health Organization. Definitions and reporting frame-work for tuberculosis―2013 revision. WHO/HTM/TB/2013.2.Geneva, Switzerland: WHO, 2013.

9 Claassens M M, Jacobs E, Cyster E, et al. Tuberculosis casesmissed in primary health care facilities: should we redefine casefinding? Int J Tuberc Lung Dis 2013; 17: 608–614.

10 Sreeramareddy C T, Panduru K V, Menten J, Van den Ende J.Time delays in diagnosis of pulmonary tuberculosis: a systematicreview of literature. BMC Infect Dis 2009; 9: 91.

11 Van Wyk S S, Enarson D A, Beyers N, Lombard C, HesselingA C. Consulting private health care providers aggravatestreatment delay in urban South African tuberculosis patients. IntJ Tuberc Lung Dis 2011; 15: 1069–1076.

12 Getahun H, Kittikraisak W, Heilig CM, et al. Development ofa standardized screening rule for tuberculosis in people livingwith HIV in resource-constrained settings: individual partici-pant data meta-analysis of observational studies. PLOS MED2011; 8: e1000391.

13 World Health Organization. Systematic screening for activetuberculosis. Principles and recommendations.WHO/HTM/TB/2013.04. Geneva, Switzerland: WHO, 2013.

14 Van’t Hoog A H, Langendam M W, Mitchell E, et al. A sys-tematic review of the sensitivity and specifity of symptom andchest radiography screening for active pulmonary tuberculosisin HIV-negative persons and persons with unknown HIVstatus. Report—version March 2013. Geneva, Switzerland:World Health Organization, 2013. http://www.who.int/tb/Review2Accuracyofscreeningtests.pdf Consultado diciembre 2016.

15 Moher D, Liberati A, Tetzlaff J, Altman D G; PRISMA Group.Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. Ann Int Med 2009; 151:264‒269.

16 GeersingG J, BouwmeesterW, Zuithoff P, et al. Search filters forfinding prognostic and diagnostic prediction studies in Medlineto enhance systematic reviews. PLOS ONE 2012; 7: e32844.

17 Moons K G M, de Groot J A H, Bouwmeester W, et al. Criticalappraisal and data extraction for systematic reviews of pre-diction modelling studies: the CHARMS Checklist. PLOS MED2014; 11: e1001744.

18 Whiting P F, Rutjes A W S, Westwood M, et al. QUADAS-2:a revised tool for the quality assessment of diagnostic accuracystudies. Ann Intern Med 2011; 155: 529‒536.

19 Rangaka M X, Wilkinson R J, Glynn J R, et al. Effect ofantiretroviral therapy on the diagnostic accuracy of symptomscreening for intensified tuberculosis case finding in a SouthAfrican HIV clinic. Clin Infect Dis 2012; 55: 1698–1706.

20 Nguyen D T, Hung N Q, Giang L T, et al. Improving the di-agnosis of pulmonary tuberculosis inHIV-infected individuals inHo Chi Minh City, Viet Nam. Int J Tuberc Lung Dis 2011; 15:1528–1534.

21 Nguyen D T, Nguyen H Q, Beasley R P, Ford C E, Hwang L Y,Graviss E A. Performance of clinical algorithms for smear-negative tuberculosis in HIV-Infected persons in Ho ChiMinh City, Vietnam. Tuberc Res Treat 2012; 2012: 360852.

22 de Castro C B A, da Costa P A, Ruffino-Netto A, Maciel E L N,Kritski A L. Assessment of a clinical score for screening sus-pected pulmonary tuberculosis cases. Rev Saude Publica 2011;45: 1110–1116.

23 Alavi-Naini R, Cuevas L E, Squire S B, Mohammadi M,Davoudikia A A. Clinical and laboratory diagnosis of the pa-tients with sputum smear-negative pulmonary tuberculosis.Arch Iran Med 2012; 15: 22–26.

24 Soto A, Solari L, Diaz J, Mantilla A,Matthys F, van der Stuyft P.Validation of a clinical-radiographic score to assess the prob-ability of pulmonary tuberculosis in suspect patients withnegative sputum smears. PLOS ONE 2011; 6: e18486.

25 Rangaka M X, Wilkinson R J, Boulle A, et al. Isoniazid plusantiretroviral therapy to prevent tuberculosis: a randomiseddouble-blind, placebo-controlled trial. Lancet 2014; 384:682–690.

26 Collins G S, Reitsma J B, AltmanDG,Moons GM. TransparentReporting of a multivariable prediction model for IndividualPrognosisOrDiagnosis (TRIPOD): the TRIPOD statement. AnnIntern Med 2015; 162: 55‒65.

27 Wisnivesky J P, Serebrisky D, Moore C, Sacks H S, IannuzziMC,McGinn T. Validity of clinical prediction rules for isolatinginpatients with suspected tuberculosis: a systematic review.J Gen Intern Med 2005; 20: 947–952.

28 Gonçalves D, Regina S, Passos L, et al. Systematic review withmeta-analyses and critical appraisal of clinical prediction rulesfor pulmonary tuberculosis in hospitals. Infect Control HospEpidemiol 2015; 36: 204–213.

29 Pinto L M, Dheda K, Theron G, et al. Development of a simplereliable radiographic scoring system to aid the diagnosis ofpulmonary tuberculosis. PLOS ONE 2013; 8: e54235.

8 The International Journal of Tuberculosis and Lung Disease

APENDICE

Terminos de busqueda utilizados en PubMed

#1 validate OR predict$.ti. OR rule$#2 predict$ AND (outcome$ OR model$)#3 (history OR variable$ OR criteria OR scor$ OR

characteristic$ OR finding$ OR factor$) AND (pre-dict$ OR model$ OR decision$ OR identify)

#4 decision$ AND (model$ OR clinical$ OR lo-gistic models/

#5 stratification OR roc curve[Mesh] OR discrim-ination OR discriminate OR c-statistic OR c statisticOR area under the curve OR AUCOR calibration ORindices OR algorithm OR multivariable

#6 #1 OR #2 OR #3 OR #4 OR #5#7 tuberculosis OR TB OR mycobacterium#8 #6 AND #7

Figura A Diagrama de flujo de la localizacion, la preseleccion y la idoneidad de los estudios. TB5tuberculosis.

Revision sistematica de los modelos predictivos de TBP 9

Cuad

roA

Listade

losestudios

excluido

ssegu

nla

razonde

laexclusion

Sinmod

elo

pred

ictivo

(n5

24)

Poblacion

espe

cıfica

depa

cien

tes

(n5

4)

Edito

rialo

comen

tario

(n5

3)

Desen

lace

diferente

deTB

Pactual

(n5

3)Re

vision

(n5

3)Pacien

tesho

spita

lizad

os(n

526

)

Pacien

tesho

spita

lizad

osyam

bulatorio

s(n

54)

Falta

dede

teccion

microbiolog

icade

laTB

P(n

59)

IncluyeTB

extrap

ulmon

ar(n

52)

Abe

be,20

131

Aissa,20

082

Lawn,

2009

3Nakiyingi,20

134

Getah

un,20

115

Agu

iar,20

126

Nan

ta,20

117

Coimbra,

2014

8Alvarez,20

129

Ahm

ad,20

1210

Day,20

0611

Lee,

2005

12

Qiu,20

0613

Sidd

iqi,20

0314

Agu

ilar,20

0915

Razing

er,20

1216

DeQue

irozMello,20

0617

Cain,

2010

18

Alamo,

2012

19

Harris,20

1420

Sige

l,20

0921

Swam

inatha

n,20

0822

Wisnivesky,

2005

23

Bock,19

9624

Soto,20

1325

Kud

jawa,

2006

26

Aud

ebert,20

0627

Winthrop,

2011

28

Carug

ati,20

1429

Swai,20

1130

Li,20

1331

Calde

rwoo

d,20

1032

Cavallazzi,20

1433

Muh

ammed

,20

0434

Dinne

s,20

0935

Cho

n,20

1336

Nan

ta,20

1137

Getah

un,20

0738

Cob

o,20

0139

Rudo

lf,20

1440

Hue

rga,

2012

41

El-Solh,

1997

42

Tessem

a,20

0143

Knirsch,19

9844

El-Solh,

1999

45

Were,

2009

46

Koo

le,20

1147

Gae

ta,19

9748

Pegu

es,19

9649

Kan

aya,

2001

50

Rudo

lf,20

1451

Lagran

ge-Xelot,20

1152

Saranchu

k,20

0753

Lucian

Davies,20

1054

Shayo,

2014

55

Moran

,20

0956

Sidd

iqi,20

0657

Muw

onge

,20

1458

Soto,20

1159

Mylotte,19

9760

Sterling,

2004

61

Rako

czy,

2008

62

Swinde

lls,20

1363

Redd

,19

9764

Tamha

ne,20

0965

Samb,

1997

66

Van

tHoo

g,20

1267

Solari,

2008

68

Walley,

2011

69

Solari,

2011

70

Walusim

bi,20

1371

Soto,20

0872

Wilson

,20

1173

Tattevin,19

9974

Zaeh

,20

1375

Wan

g,20

0876

Winivesky,20

0077

Wisnivesky,

2005

78

TBP5

tube

rculosispu

lmon

ar.

10 The International Journal of Tuberculosis and Lung Disease

Referencias1 Abebe G, Deribew A, Apers L, et al. Evaluation of the 2007

WHO guideline to diagnose smear negative tuberculosis inan urban hospital in Ethiopia. BMC Infect Dis 2013; 13:427.

2 Aissa K, Madhi F, Ronsin N, et al. Evaluation of a model forefficient screening of tuberculosis contact subjects. Am JRespir Crit Care Med 2008; 177: 1041–1047.

3 Lawn S D, Kranzer K, Edwards D J, Wood R. Screening foractive tuberculosis among patients accessing antiretroviraltherapy in sub-Saharan Africa. Int J Tuberc Lung Dis 2009;13: 1186–1188.

4 Nakiyingi L, Bwanika J M, Kirenga B, et al. Clinical pre-dictors and accuracy of empiric tuberculosis treatmentamong sputum smear-negative HIV-infected adult TB sus-pects in Uganda. PLOS ONE 2013; 8: e74023.

5 Getahun H, Kittikraisak W, Heilig C M, et al. Developmentof a standardized screening rule for tuberculosis in peopleliving with HIV in resource-constrained settings: individualparticipant data meta-analysis of observational studies.PLOS MED 2011; 8: e1000391.

6 Aguiar F S, Almeida L L, Ruffino-Netto A, Kritski A L, MelloF C Q, Werneck G L. Classification and regression tree(CART) model to predict pulmonary tuberculosis in hospi-talized patients. BMC Pulm Med 2012; 12: 40.

7 Nanta S, Kantipong P, Pathipvanich P, Ruengorn C, TawichasriC, Patumanond J. Screening scheme development for active TBprediction amongHIV-infected patients. Southeast Asian J TropMed Public Health 2011; 42: 867–875.

8 Coimbra I, Maruza M, Albuquerque Mde F, et al. Validatinga scoring system for the diagnosis of smear-negative pul-monary tuberculosis in HIV-infected adults. PLOS ONE2014; 9: e95828.

9 Alvarez G G, Sabri E, Ling D, Cameron D W, Maartens G,Wilson D. A model to rule out smear-negative tuberculosisamong symptomatic HIV patients using C-reactive protein. Int JTuberc Lung Dis 2012; 16: 1247–1251.

10 Ahmad R A, Matthys F, Dwihardiani B, et al. Diagnosticwork-up and loss of tuberculosis suspects in Jogjakarta,Indonesia. BMC Public Health 2012; 12: 132.

11 Day J H, Charalambous S, Fielding K L, Hayes R J,Churchyard G J, Grant A D. Screening for tuberculosis priorto isoniazid preventive therapy among HIV-infected goldminers in South Africa. Int J Tuberc Lung Dis 2006; 10:523–529.

12 Lee B Y, Chen E H. Additional information can enhancevalidation of tuberculosis isolation prediction model. ArchIntern Med 2005; 165: 1794.

13 Qiu L, Teeter L D, Liu Z, Ma X, Musser J M, Graviss E A.Diagnostic associations between pleural and pulmonary tu-berculosis. J Infect 2006; 53: 377–386.

14 Siddiqi K, Lambert M-L, Walley J. Clinical diagnosis of smear-negative pulmonary tuberculosis in low-income countries: thecurrent evidence. Lancet Infect Dis 2003; 3: 288–296.

15 Aguilar J, Yang J J, Brar I, Markowitz N. Clinical predictionrule for respiratory isolation of patients with suspectedpulmonary tuberculosis. Infect Dis Clin Pract 2009; 17:317–322.

16 Ratzinger F, Bruckschwaiger H, Wischenbart M, et al. Rapiddiagnostic algorithms as a screening tool for tuberculosis: anassessor blinded cross-sectional study. PLOS ONE 2012; 7:e49658.

17 De QueirozMello F C, Do Valle Bastos L G, Soares S LM, et al.Predicting smear negative pulmonary tuberculosis with classi-fication trees and logistic regression: a cross-sectional study.BMC Public Health 2006; 6: 43.

18 Cain K P, McCarthy K D, Heilig C M, et al. An algorithm fortuberculosis screening and diagnosis in people with HIV. N EnglJ Med 2010; 362: 707–716.

19 Alamo S T, Kunutsor S, Walley J, et al. Performance of the newWHO diagnostic algorithm for smear-negative pulmonarytuberculosis in HIV prevalent settings: a multisite study inUganda. Trop Med Int Health 2012; 17: 884–895.

20 Harris J B, Siyambango M, Levitan E B, et al. Derivation ofa tuberculosis screening rule for sub-Saharan African prisons.Int J Tuberc Lung Dis 2014; 18: 774–780.

21 Sigel K, Wisnivesky J. Clinical prediction rules in the isolationof patients with suspected pulmonary tuberculosis. Infect DisClin Pract 2009; 17: 291–292.

22 Swaminathan S, Antony L, Venkatesan P, et al. Sensitivity andspecificity of combination testing algorithms for HIV in a tu-berculosis clinic. Indian J Med Res 2008; 128: 772–774.

23 Wisnivesky J P, Serebrisky D, Moore C, Sacks H S, IannuzziM C, McGinn T. Validity of clinical prediction rules for iso-lating inpatients with suspected tuberculosis: a systematicreview. J Gen Intern Med 2005; 20: 947–952.

24 Bock N N, McGowan J E Jr, Ahn J, Tapia J, Blumberg H M.Clinical predictors of tuberculosis as a guide for a respiratoryisolation policy. Am J Respir Crit Care Med 1996; 154:1468–1472.

25 Soto A, Solari L, Agapito J, et al. Algorithm for the diagnosis ofsmear-negative pulmonary tuberculosis in high-incidenceresource-constrained settings. Trop Med Int Health 2013;18: 1222–1230.

26 Kudjawu Y, Massari V, Sow O, Bah B, Larouze B, Murray J F.Benefit of amoxicillin in differentiating between TB suspectswhose initial AFB sputum smears are negative. Int J Tuberc LungDis 2006; 10: 441–446.

27 Audebert F X, Buttner R, Hartmann P, Scholmerich J, BollheimerL C. Clinical pathways: practical aid for the physician? Example:diagnostic approach to tuberculosis suspect. Internist 2006; 47:713–719.

28 Winthrop K L, Baxter R, Liu L, et al. The reliability of di-agnostic coding and laboratory data to identify tuberculosisand nontuberculous mycobacterial disease among rheuma-toid arthritis patients using anti-tumor necrosis factortherapy. Pharmacoepidemiol Drug Saf 2011; 20: 229–235.

29 Carugati M, Schiroli C, Zanini F, et al. A new predictivemodel for an improved respiratory isolation strategy in HIV-infected patients with PTB. Int J Tuberc Lung Dis 2014; 18:831–836.

30 Swai H F,Mugusi FM,Mbwambo J K. Sputum smear negativepulmonary tuberculosis: sensitivity and specificity of di-agnostic algorithm. BMC Res Notes 2011; 4: 475.

31 Li X X, Jiang S W, Zhang H, et al. Clinical and radiographicpredictors in diagnosing sputum smear-negative pulmonarytuberculosis in HIV-negative patients: a cross-sectional studyin China. Chin Med J 2013; 126: 3662–3667.

32 Calderwood M S, Platt R, Hou X, et al. Real-time surveillancefor tuberculosis using electronic health record data from anambulatory practice in eastern Massachusetts. Public HealthReports 2010; 125: 843–850.

33 Cavallazzi R, Wiemken T, Christensen D, et al. PredictingMycobacterium tuberculosis in patients with community-acquired pneumonia. Eur Respir J 2014; 43: 178–184.

34 Mohammed A, Ehrlich R, Wood R, Cilliers F, Maartens G.Screening for tuberculosis in adults with advanced HIV in-fection prior to preventive therapy. Int J Tuberc Lung Dis2004; 8: 792–795.

35 Dinnes J, Deeks J, Kunst H, et al. A systematic review of rapiddiagnostic tests for the detection of tuberculosis infection.Health Technol Assess 2007; 11: 1–196.

36 Chon S B, Kim T S, Oh W S, Lee S J, Han S S, Kim W J.Pulmonary tuberculosis among patients hospitalised withcommunity-acquired pneumonia in a tuberculosis-prevalentarea. Int J Tuberc Lung Dis 2013; 17: 1626–1631.

37 Nanta S, Kantipong P, Pathipvanich P, Ruengorn C, TawichasriC, Patumanond J. Diagnostic value of two rapid

Revision sistematica de los modelos predictivos de TBP 11

immunochromatographic tests for suspected tuberculosis di-agnosis in clinical practice. J Med Assoc Thai 2011; 94:1198–1204.

38 Getahun H, Harrington M, O’Brien R, Nunn P. Diagnosisof smear-negative pulmonary tuberculosis in people withHIV infection or AIDS in resource-constrained settings:informing urgent policy changes. Lancet 2007; 369:2042–2049.

39 Cobo J, Oliva J, Asensio A, et al. Predicting tuberculosis amongHIV-infected patients admitted to hospital: comparison ofa model with clinical judgment of infectious disease specialists.Eur J Clin Microbiol Infect Dis 2001; 20: 779–784.

40 Rudolf F, Haraldsdottir T L, Mendes M S, et al. Can tuber-culosis case finding among health-care seeking adults be im-proved? Observations from Bissau. Int J Tuberc Lung Dis 2014;18: 277–285.

41 Huerga H, Varaine F, Okwaro E, et al. Performance of the 2007WHO algorithm to diagnose smear-negative pulmonary tu-berculosis in a HIV prevalent setting. PLOS ONE 2012; 7:e51336.

42 El-Solh A, Mylotte J, Sherif S, Serghani J, Grant B J. Validity ofa decision tree for predicting active pulmonary tuberculosis.Am J Respir Crit Care Med 1997; 155: 1711–1716.

43 Tessema T A, Bjune G, Assefa G, Bjorvat B. An evaluation ofthe diagnostic value of clinical and radiological manifestationsin patients attending the Addis Ababa tuberculosis centre.Scand J Infect Dis 2001; 33: 355–361.

44 Knirsch C A, Jain N L, Pablos-Mendez A, Friedman C,Hripcsak G. Respiratory isolation of tuberculosis patientsusing clinical guidelines and an automated clinical decisionsupport system. Infect Control Hosp Epidemiol 1998; 19:94–100.

45 El-Solh A A, Hsiao C B, Goodnough S, Serghani J, Grant B J.Predicting active pulmonary tuberculosis using an artificialneural network. Chest 1999; 116: 968–973.

46 WereW,Moore D, Ekwaru P, et al. A simple screening tool foractive tuberculosis in HIV-infected adults receiving anti-retroviral treatment in Uganda. Int J Tuberc Lung Dis 2009;13: 47–53.

47 Koole O, Thai S, Khun K E, et al. Evaluation of the 2007WHOguideline to improve the diagnosis of tuberculosis in ambu-latory HIV-positive adults. PLOS ONE 2011; 6: e18502.

48 Gaeta T J, Webheh W, Yazji M, Ahmed J, Yap W. Respiratoryisolation of patients with suspected pulmonary tuberculosis inan inner-city hospital. Acad Emerg Med 1997; 4: 138–141.

49 Pegues C F, Johnson D C, Pegues D A, Spencer M, HopkinsC C. Implementation and evaluation of an algorithm forisolation of patients with suspected pulmonary tuberculo-sis. Infect Control Hosp Epidemiol 1996; 17: 412–418.

50 Kanaya A M, Glidden D V, Chambers H F. Identifying pul-monary tuberculosis in patients with negative sputum smearresults. Chest 2001; 120: 349–355.

51 Rudolf F. The Bandim TBscore—reliability, further develop-ment, and evaluation of potential uses. Glob Health Action2014; 7: 24303.

52 Lagrange-Xelot M, Porcher R, Gallien S, et al. Prevalence andclinical predictors of pulmonary tuberculosis among isolatedinpatients: a prospective study. ClinMicrobiol Infect 2011; 17:610–614.

53 Saranchuk P, Boulle A, Hilderbrand K, et al. Evaluation ofa diagnostic algorithm for smear-negative pulmonary tu-berculosis in HIV-infected adults. S Afr Med J 2007; 97:517–523.

54 Lucian Davis J, Worodria W, Kisembo H, et al. Clinical andradiographic factors do not accurately diagnose smear-negativetuberculosis in HIV-infected inpatients in Uganda: a cross-sectional study. PLOS ONE 2010; 5: e9859.

55 Shayo G A, Minja L T, Egwaga S, Bakari M, Mugusi F M.Symptom-based screening tool in ruling out active tuberculosis

among HIV-infected patients eligible for isoniazid preventivetherapy in Tanzania. Trop Med Int Health 2014; 19: 726–733.

56 MoranG J, Barrett TW,MowerWR, et al. Decision instrumentfor the isolation of pneumonia patients with suspected pul-monary tuberculosis admitted through US emergency de-partments. Ann Emerg Med 2009; 53: 625–632.

57 Siddiqi K, Walley J, Khan M A, Shah K, Safdar N. Clinicalguidelines to diagnose smear-negative pulmonary tuberculosisin Pakistan, a country with low-HIV prevalence. Trop Med IntHealth 2006; 11: 323–331.

58 Muwonge A, Malama S, Bronsvoort B M, Biffa D, SsengoobaW, Skjerve E. A comparison of tools used for tuberculosisdiagnosis in resource-limited settings: a case study at Mubendereferral hospital, Uganda. PLOS ONE 2014; 9: e100720.

59 Soto A, Solari L, Gotuzzo E, Acinelli R, Vargas D, Van derStuyft P. Performance of an algorithm based on WHO rec-ommendations for the diagnosis of smear-negative pulmonarytuberculosis in patients without HIV infection. Trop Med IntHealth 2011; 16: 424–430.

60 Mylotte J M, Rodgers J, Fassl M, Seibel K, Vacanti A.Derivation and validation of a pulmonary tuberculosis pre-diction model. Infect Control Hosp Epidemiol 1997; 18:554–560.

61 Sterling T R. The WHO/IUATLD diagnostic algorithm fortuberculosis and empiric fluoroquinolone use: potential pit-falls. Int J Tuberc Lung Dis 2004; 8: 1396–1400.

62 Rakoczy K S, Cohen S H, Nguyen H H. Derivation and val-idation of a clinical prediction score for isolation of inpatientswith suspected pulmonary tuberculosis. Infect Control HospEpidemiol 2008; 29: 927–932.

63 Swindells S, Komarow L, Tripathy S, et al. Screening forpulmonary tuberculosis in HIV-infected individuals: AIDSClinical Trials Group Protocol A5253. Int J Tuberc Lung Dis2013; 17: 532–539.

64 Redd J T, Susser E. Controlling tuberculosis in an urbanemergency department: a rapid decision instrument for patientisolation. Am J Public Health 1997; 87: 1543–1547.

65 Tamhane A, Chheng P, Dobbs T,Mak S, Sar B, KimerlingM E.Predictors of smear-negative pulmonary tuberculosis in HIV-infected patients, Battambang, Cambodia. Int J Tuberc LungDis 2009; 13: 347–354.

66 Samb B, Henzel D, Daley C L, et al. Methods for diagnosingtuberculosis among in-patients in eastern Africa whose sputumsmears are negative. Int J Tuberc Lung Dis 1997; 1: 25–30.

67 van’t Hoog A H, Meme H K, Laserson K F, et al. Screeningstrategies for tuberculosis prevalence surveys: the value ofchest radiography and symptoms. PLOS ONE 2012; 7:e38691.

68 Solari L, Acuna-Villaorduna C, Soto A, et al. A clinical pre-diction rule for pulmonary tuberculosis in emergency de-partments. Int J Tuberc Lung Dis 2008; 12: 619–624.

69 Walley J, Kunutsor S, Evans M, et al. Validation in Uganda ofthe new WHO diagnostic algorithm for smear-negative pul-monary tuberculosis in HIV prevalent settings. J Acquir Im-mune Defic Syndr 2011; 57: e93–100.

70 Solari L, Acuna-Villaorduna C, Soto A, van der Stuyft P.Evaluation of clinical prediction rules for respiratory isolationof inpatients with suspected pulmonary tuberculosis. ClinInfect Dis 2011; 52: 595–603.

71 Walusimbi S, Bwanga F, De Costa A, Haile M, Joloba M,Hoffner S. Meta-analysis to compare the accuracy of Gen-eXpert, MODS and the WHO 2007 algorithm for diagnosis ofsmear-negative pulmonary tuberculosis. BMC Infect Dis 2013;13: 507.

72 Soto A, Solari L, Agapito J, et al. Development of a clinicalscoring system for the diagnosis of smear-negative pulmonarytuberculosis. Braz J Infect Dis 2008; 12: 128–132.

73 Wilson D, Mbhele L, Badri M, et al. Evaluation of theWorld Health Organization algorithm for the diagnosis of

12 The International Journal of Tuberculosis and Lung Disease

HIV-associated sputum smear-negative tuberculosis. Int JTuberc Lung Dis 2011; 15: 919–924.

74 Tattevin P, Casalino E, Fleury L, Egmann G, RuelM, Bouvet E.The validity of medical history, classic symptoms, and chestradiographs in predicting pulmonary tuberculosis: derivationof a pulmonary tuberculosis prediction model. Chest 1999;115: 1248–1253.

75 Zaeh S, Kempker R, Stenehjem E, Blumberg HM, Temesgen O,Ofotokun I, et al. Improving tuberculosis screening and iso-niazid preventive therapy in an HIV clinic in Addis Ababa,Ethiopia. Int J Tuberc Lung Dis 2013; 17: 1396–1401.

76 Wang C S, Chen H C, Chong I W, Hwang J J, Huang M S.Predictors for identifying the most infectious pulmonary tu-berculosis patient. J Formos Med Assoc 2008; 107: 13–20.

77 Wisnivesky J P, Kaplan J, Henschke C, McGinn T G, CrystalR G. Evaluation of clinical parameters to predict Mycobac-terium tuberculosis in inpatients. Arch Intern Med 2000; 160:2471–2476.

78 Wisnivesky J P, Henschke C, Balentine J, Willner C, DeloireA M, McGinn T G. Prospective validation of a predictionmodel for isolating inpatients with suspected pulmonary tu-berculosis. Arch Intern Med 2005; 165: 453–457.

Revision sistematica de los modelos predictivos de TBP 13