DESENVOLVIMENTO DE UM MODELO CLÍNICO PRAGMÁTICO PARA PREDIÇÃO DO TEMPO ATÉ O PRIMEIRO TRATAMENTO NA LLC: ANÁLISE DO REGISTRO BRASILEIRO DE LLC

@article{perez2026desenvolvimento,
  title = {{DESENVOLVIMENTO DE UM MODELO CLÍNICO PRAGMÁTICO PARA PREDIÇÃO DO TEMPO ATÉ O PRIMEIRO TRATAMENTO NA LLC: ANÁLISE DO REGISTRO BRASILEIRO DE LLC}},
  author = {Pedro PEREZ and Gabriel Goés CUNHA and Caio Cesar JUSTINO and Fernanda AZEVEDO and Leila PEROBELLI and Valeria BUCCHERI and Maura IKOMA-COLTURATO and Sérgio FORTIER and Alita AZEVEDO and Rodrigo SANTUCCI and Talita Maira Bueno da SILVEIRA and Laura FOGLIATTO and Vinicius MOLLA and Danielle Leão DE FARIAS and Glaciano RIBEIRO and Fernando BARROSO and Vera Lucia FIGUEIREDO and Gislaine OLIVEIRA and Renata Lyrio BAPTISTA and Nelson HAMERSCHLAK and Ana Cristina FENILI and Abel COSTA and Patricia De Paulo GIACON and Pedro Amoedo FERNANDES and Thiago Xavier CARNEIRO and Henrique PêCEGO and André SHIMAOKA and Verena PFISTER and Carlos Sergio CHIATTONE and Alex Freire SANDES and Celso ARRAIS-RODRIGUES},
  journal = {Hematology, Transfusion and Cell Therapy},
  year = {2026},
  month = oct,
  doi = {10.1016/j.htct.2026.107447},
  url = {https://doi.org/10.1016/j.htct.2026.107447},
  note = {CC BY},
}

TY  - JOUR
TI  - DESENVOLVIMENTO DE UM MODELO CLÍNICO PRAGMÁTICO PARA PREDIÇÃO DO TEMPO ATÉ O PRIMEIRO TRATAMENTO NA LLC: ANÁLISE DO REGISTRO BRASILEIRO DE LLC
AU  - Pedro PEREZ
AU  - Gabriel Goés CUNHA
AU  - Caio Cesar JUSTINO
AU  - Fernanda AZEVEDO
AU  - Leila PEROBELLI
AU  - Valeria BUCCHERI
AU  - Maura IKOMA-COLTURATO
AU  - Sérgio FORTIER
AU  - Alita AZEVEDO
AU  - Rodrigo SANTUCCI
AU  - Talita Maira Bueno da SILVEIRA
AU  - Laura FOGLIATTO
AU  - Vinicius MOLLA
AU  - Danielle Leão DE FARIAS
AU  - Glaciano RIBEIRO
AU  - Fernando BARROSO
AU  - Vera Lucia FIGUEIREDO
AU  - Gislaine OLIVEIRA
AU  - Renata Lyrio BAPTISTA
AU  - Nelson HAMERSCHLAK
AU  - Ana Cristina FENILI
AU  - Abel COSTA
AU  - Patricia De Paulo GIACON
AU  - Pedro Amoedo FERNANDES
AU  - Thiago Xavier CARNEIRO
AU  - Henrique PêCEGO
AU  - André SHIMAOKA
AU  - Verena PFISTER
AU  - Carlos Sergio CHIATTONE
AU  - Alex Freire SANDES
AU  - Celso ARRAIS-RODRIGUES
PY  - 2026
DA  - 2026/10/23
JO  - Hematology, Transfusion and Cell Therapy
DO  - 10.1016/j.htct.2026.107447
UR  - https://doi.org/10.1016/j.htct.2026.107447
AB  - Introdução: O tempo até o primeiro tratamento (TTFT) é um desfecho clínico relevante na leucemia linfocítica crônica (LLC). Embora os sistemas de estadiamento de Rai, Binet e o CLL-IPI sejam amplamente utilizados para estratificação prognóstica, eles foram desenvolvidos principalmente para predizer sobrevida, e não TTFT. Além disso, poucos modelos específicos para esse desfecho estão disponíveis. Considerando que a decisão terapêutica ainda se baseia predominantemente em dados clínicos e laboratoriais de rotina, avaliamos o desempenho desses escores e desenvolvemos um modelo clínico pragmático para predição de TTFT utilizando dados do Registro Brasileiro de LLC. Métodos: Foram incluídos pacientes com diagnóstico de LLC entre 1990 e 2025 provenientes do Registro Brasileiro de LLC, coorte multicêntrica nacional com mais de 57 centros públicos e privados. Foram excluídos pacientes com linfocitose monoclonal de células B, linfoma linfocítico de pequenas células e aqueles tratados nos primeiros 30 dias após o diagnóstico. O TTFT foi definido como o intervalo entre o diagnóstico e o início do tratamento. Foram realizadas análises de Kaplan-Meier, regressão de Cox com variância robusta ajustada por centro e regressão logística para tratamento em até um ano. Rai, Binet e CLL-IPI foram comparados pelo índice C de Harrell e AUROC. As variáveis candidatas foram selecionadas com base em plausibilidade clínica, disponibilidade rotineira e associação univariada significativa (p < 0,01). O modelo final foi restrito a variáveis clínicas e laboratoriais amplamente disponíveis. Resultados: Dos 4.174 pacientes registrados, 3.961 apresentavam dados completos de TTFT, incluindo 2.194 eventos de tratamento. A mediana de TTFT foi de 1.508 dias (4,1 anos). Entre 3.590 pacientes avaliáveis, 955 (26,6%) iniciaram tratamento em até um ano. Categorias mais avançadas de Rai, Binet e CLL-IPI associaram-se a menor TTFT. O estadiamento de Rai apresentou maior discriminação (índice C = 0,715), seguido por Binet (0,684) e CLL-IPI (0,674), sem diferenças significativas entre os escores. Rai e Binet permaneceram associados ao TTFT mesmo após exclusão dos pacientes com doença avançada. Na análise univariada, adenomegalias, esplenomegalia, anemia, linfocitose e β2-microglobulina elevada foram os principais preditores de tratamento precoce. Biomarcadores moleculares (IGHV, del17p, TP53 e cariótipo) também apresentaram associação, porém estavam disponíveis apenas em alguns subgrupos e não foram incorporados ao modelo principal. O modelo final incluiu idade, sexo, contagem de linfócitos, hemoglobina, plaquetas, adenomegalias, hepatomegalia e esplenomegalia, alcançando índice C corrigido por bootstrap de 0,746 para TTFT e AUROC corrigida de 0,816 para predição de tratamento em até um ano. Em análises pareadas, apresentou desempenho superior aos sistemas de Rai e Binet para ambos os desfechos (p < 0,01). Conclusões: Rai e Binet podem ser úteis para estimar o TTFT na LLC. Entretanto, um modelo clínico baseado exclusivamente em variáveis rotineiras apresentou melhor capacidade discriminativa do que os escores convencionais isolados, sem depender de marcadores moleculares, podendo ampliar a possibilidade de estratificação de risco na prática clínica. Ainda será necessária validação externa do modelo.
SN  - 2531-1379
SN  - 2531-1387
ER  -