ABSTRACT Introduction: there is evidence of methodological progress towards the optimization of study designs and analytical methods in genome-environment interactions in asthma, including logistic regression models. Objective: to determine a binary logistic regression model to identify the risk of asthma in pediatric patients. Methods: an observational, analytical, case-control study was conducted in asthmatic patients in Pinar del Río province, Cuba, in the period 2015-2019. The sample comprised 735 cases, establishing a ratio of cases/controls of 1:2. From the genetic, infectious and environmental variables, a binary logistic regression model was completed. Results: the correspondence between the current and predicted values of the dependent variable was statistically proven (p=0.602). Nagelkerke's R2 indicated that the predictors used explained 87% of the variability of the dependent variable. The estimated model correctly classified 94% of the cases, with a sensitivity of 93% and a specificity of 95%. The model resulted from the use of 11 variables, of which four corresponded to family history of asthma, four to infectious variables and three to environmental variables. Conclusions: the multivariate analysis allowed designing a model for the calculation of the probability of asthma using the tables of risks in Pinar del Río, which leads to the implementation of personalized medicine and the improvement of preventive medicine in primary health care.
RESUMEN Introducción: se evidencian progresos metodológicos hacia la optimización de los diseños de estudio y métodos analíticos en las interacciones genoma-ambiente en el asma, entre ellos los modelos de regresión logística. Objetivo: determinar un modelo de regresión logística binaria para identificar el riesgo de asma en pacientes pediátricos. Métodos: se realizó un estudio observacional, analítico, de casos y controles en pacientes asmáticos en la provincia de Pinar del Río, Cuba, en el periodo 2015-2019. La muestra quedó constituida por 735 casos, estableciendo una proporción de casos/controles de 1:2. A partir de las variables genéticas, infecciosas y ambientales se realizó un modelo de regresión logística binaria. Resultados: se comprobó estadísticamente la correspondencia entre los valores reales y pronosticados de la variable dependiente (p=0,602). El R2 de Nagelkerke indicó que los predictores utilizados explican el 87 % de la variabilidad de la variable dependiente. El modelo estimado clasificó correctamente el 94 % de los casos, con una sensibilidad del 93 % y una especificidad de 95 %. El modelo resultó del empleo de 11 variables, de ellas, cuatro correspondieron a los antecedentes familiares de asma, cuatro a variables infecciosas y tres variables ambientales. Resultados: se comprobó estadísticamente la correspondencia entre los valores reales y pronosticados de la variable dependiente (p=0,602). El R2 de Nagelkerke indicó que los predictores utilizados explican el 87 % de la variabilidad de la variable dependiente. El modelo estimado clasificó correctamente el 94 % de los casos, con una sensibilidad del 93 % y una especificidad de 95 %. El modelo resultó del empleo de 11 variables, de ellas, cuatro correspondieron a los antecedentes familiares de asma, cuatro a variables infecciosas y tres variables ambientales Conclusiones: el análisis multivariado permitió la conformación de un modelo para el cálculo de la probabilidad de asma a partir de la utilización de las tablas de riesgo en Pinar del Río, lo que conduce a la implementación de la medicina personalizada y el perfeccionamiento de la medicina preventiva en la atención primaria de salud.
