El objetivo de este estudio fue evaluar la exactitud de las redes bayesianas para apoyar el diagnóstico de cáncer de mama. Se realizó una revisión sistemática y un metaanálisis, que incluyeron artículos y estudios publicados entre enero de 1990 y marzo de 2013. Se incluyeron estudios transversales prospectivos y retrospectivos, que evaluaron la exactitud del diagnóstico de lesiones mamarias (condición de destino), utilizando redes bayesianas (prueba de evaluación). Se analizaron cuatro estudios que incluyeron 1.223 lesiones de mama primarias, un 89,52% (444/496) de los casos de cáncer de mama, y un 6,33% (46/727) de las lesiones benignas se tomaron como base de análisis de las redes bayesianas. El área bajo la curva SROC (característica operativa del receptor) fue de un 0,97, con un valor de Q* de un 0,92. El uso de las redes bayesianas en el diagnóstico de las lesiones malignas aumentó la probabilidad pre test de un verdadero positivo desde un 40,03% a un 90,05%, y la disminución de la probabilidad de un falso negativo de un 6,44%. Por lo tanto, nuestros resultados demuestran que las redes bayesianas ofrecen un método preciso y no invasivo en el apoyo del diagnóstico del cáncer mamario.

O objetivo deste estudo foi avaliar a acurácia das redes bayesianas no apoio ao diagnóstico de câncer de mama. Foram realizadas revisão sistemática e metanálise, que incluíram artigos e relatórios publicados entre Janeiro de 1990 e Março de 2013. Foram incluídos estudos transversais prospectivos e retrospectivos que avaliaram a acurácia do diagnóstico de lesões de mama (condição alvo) usando as redes bayesianas (teste em avaliação). Quatro estudos primários que incluíram 1.223 lesões de mama foram analisados, 89,52% (444/496) dos casos de câncer de mama e 6,33% (46/727) das lesões benignas foram positivas tendo-se como base a análise das redes bayesianas. A área dentro da curva SROC (característica de operação do receptor sumária) foi 0,97, com um valor Q* de 0,92. O uso de redes bayesianas no diagnóstico de lesões malignas aumentou a probabilidade pré-teste para um verdadeiro positivo de 40,03% para 90,05% e diminuiu a probabilidade de um falso negativo para 6,44%. Portanto, nossos resultados demonstraram que as redes bayesianas oferecem um método acurado e não invasivo no apoio ao diagnóstico de câncer de mama.

The aim of this study was to determine the accuracy of Bayesian networks in supporting breast cancer diagnoses. Systematic review and meta-analysis were carried out, including articles and papers published between January 1990 and March 2013. We included prospective and retrospective cross-sectional studies of the accuracy of diagnoses of breast lesions (target conditions) made using Bayesian networks (index test). Four primary studies that included 1,223 breast lesions were analyzed, 89.52% (444/496) of the breast cancer cases and 6.33% (46/727) of the benign lesions were positive based on the Bayesian network analysis. The area under the curve (AUC) for the summary receiver operating characteristic curve (SROC) was 0.97, with a Q* value of 0.92. Using Bayesian networks to diagnose malignant lesions increased the pretest probability of a true positive from 40.03% to 90.05% and decreased the probability of a false negative to 6.44%. Therefore, our results demonstrated that Bayesian networks provide an accurate and non-invasive method to support breast cancer diagnosis.

INTRODUÇÃO: O câncer de mama é o mais prevalente no mundo entre mulheres. Sua incidência no Brasil é em torno de 49 casos para 100.000 mulheres. OBJETIVO: Estimar o perfil epidemiológico da mortalidade de neoplasia maligna de mama em mulheres residentes da região Carbonífera Catarinense (AMREC) de 1980 a 2009. METODOLOGIA: Estudo temporal, descritivo e ecológico, com dados obtidos do Sistema de Informações sobre Mortalidade e Instituto Brasileiro de Geografia e Estatística, disponíveis pela Secretaria de Estado da Saúde de Santa Catarina. Calculou-se taxa de mortalidade pela divisão do número de óbitos pela população feminina residente no mesmo local e período, e multiplicou-se por 100.000. RESULTADOS: Observou-se maior taxa em Urussanga para todos os anos analisados (9,2/100.000 mulheres) e menor em Treviso, (0,0/100.000 mulheres). Dos 30 anos analisados, 2007 obteve o maior coeficiente médio (13,0/100.000 mulheres), e o menor foi encontrado em 1987 (2,3/100.000 mulheres). Em relação à faixa etária, o maior coeficiente médio foi encontrado nos maiores que 80 anos (63,1/100.000 mulheres). CONCLUSÕES: Observamos aumento na taxa de mortalidade por câncer de mama na AMREC, predominantemente em mulheres brancas, casadas, com mais de 80 anos e baixa escolaridade, que pode ser oriundo de características sociodemográficas ou da precocidade dos exames diagnósticos, entre outros. No entanto, futuras pesquisas devem investigar as causas que levaram às estatísticas apresentadas.

BACKGROUND: Breast cancer is the most prevalent among women worldwide. Its incidence in Brazil is around 49 cases per 100,000 women. OBJECTIVE: It was to estimate the epidemiological profile of breast malignancy mortality in women living in the region of the Coal Belt of Santa Catarina (AMREC) from 1980 to 2009. METHODS: Study time, with descriptive and ecological data from the Mortality Information System and Instituto Brasileiro de Geografia e Estatística, available by the Ministry of Health of Santa Catarina. We calculated mortality rate by dividing the number of deaths from the female population living in the same place and period, and multiplied by 100,000. RESULTS: There was a higher rate in Urussanga for all years analyzed (9.2/100,000 women) and lowest in Treviso (0.0/100,000 women). Of the 30 years analyzed, 2007 had the highest average coefficient (13.0/100,000), and the lowest was found in 1987 (2.3/100,000). In terms of age, the highest average coefficient was found in greater than 80 years (63.1/100,000). CONCLUSIONS: We found increased mortality rate from breast cancer in AMREC, predominant in white, married, with more than 80 years and low education women that may be coming from sociodemographic characteristics or the precocity of diagnostic tests, among others. However, future research should investigate the causes leading to the statistics presented.