| Summary: | A classificação de fenótipos de asma tem um impacto potencialmente relevante na gestão clínica da doença. Métodos para classificação estatística sem assunções a priori (abordagem data-driven) podem contribuir para desenvolver uma melhor compreensão da heterogeneidade de características na fenotipagem de doenças. O objetivo deste estudo é sintetizar e caracterizar fenótipos de asma derivados por métodos não-supervisionados. Realizámos uma revisão sistemática usando três bases de dados científicos, seguindo os critérios PRISMA. Incluímos estudos que reportaram fenótipos de asma em adultos derivados por métodos data-driven com variáveis facilmente acessíveis na prática clínica. Dois revisores independentes avaliaram os estudos. A qualidade metodológica dos estudos primários incluídos foi avaliada usando a ferramenta ROBINS-I. Recolhemos 7186 resultos e incluímos 68 estudos, dos quais 65% (n=44) usou dados de centros especializados e 53% (n=36) avaliou a consistência dos fenótipos. O método data-driven mais frequente foi análise hierarquia de clusters (n=19). Três domínios principais de variáveis facilmente mensuráveis clinicamente usadas para fenotipagem foram identificados: pessoal (n=49), funcional (n=48) e clínico (n=47). Os fenótipos de asma identificados variaram de acordo com as características das amostras, variáveis incluídas no modelo e disponibilidade de dados. Globalmente, os fenótipos mais frequentes relacionaram-se com atopia, género e gravidade de doença. Esta revisão demonstrou uma grande variabilidade de fenótipos de asma obtidos por métodos data-driven. Investigação futura deverá incluir mais amostras populacionais e avaliar a consistência longitudinal de fenótipos de asma. === Classification of asthma phenotypes has a potentially relevant impact on the clinical management of the disease. Methods for statistical classification without a priori assumptions (data-driven approaches) may contribute to develop a better comprehension of trait heterogeneity in disease phenotyping. This study aimed to summarize and characterize asthma phenotypes derived by data-driven methods. We performed a systematic review using three scientific databases, following PRISMA criteria. We included studies reporting adult asthma phenotypes derived by data-driven methods using easily accessible variables in clinical practice. Two independent reviewers assessed studies. The methodological quality of included primary studies was assessed using ROBINS-I tool. We retrieved 7186 results and included 68 studies of which 65% (n=44) used data from specialized centers and 53% (n=36) evaluated the consistency of phenotypes. The most frequent data-driven method was hierarchical cluster analysis (n=19). Three major asthma-related domains of easily measurable clinical variables used for phenotyping were identified: personal (n=49), functional (n=48), and clinical (n=47). The identified asthma phenotypes varied according to the sample's characteristics, variables included in the model and data availability. Overall, the most frequent phenotypes were related to atopy, gender, and severe disease. This review shows a large variability of asthma phenotypes derived from data-driven methods. Further research should include more population-based samples and assess longitudinal consistency of data-driven phenotypes.
|
|---|
