COVID-19 Pandemisi Sırasında Kanserli Hastalarda Tedavi Gecikmesinin Yararlarını ve Risklerini Dengelemek; OncCOVİD Modeli

2019 yılında başlayan COVID-19, hızla yayılması ve önemli bir küresel halk sağlığı sorunu olması sebebiyle Dünya Sağlık Örgütü (WHO) tarafından pandemi olarak ilan edilmiştir. Maalesef Covid-19 pandemisi tüm hızıyla devam ediyor ve her geçen gün yeni önlemler almak zorunda kalıyoruz. Bu dönemde, özellikle küratif tedavi edilen kanser hastalarının tedavisinin kesintiye uğramasını en aza indirmek için gerekli stratejiler uygulanmalıdır. Covid-19 pandemisinin kısa sürede sonlanacağı öngörülmediğinden sadece küratif tedavilerin değil, aynı zamanda belirgin sağkalım avantajı gösteren tedavilerin de hastaların metastatik durumundan bağımsız olarak planlanması ve en kısa zamanda uygulanması önerilmektedir.

Covid-19 çağında kanser tedavisinin başlatılmasına ilişkin kararlar giderek daha karmaşık hale gelmektedir. Onkoloji ekibi ve hastalar, kanser için acil tedavinin yararlarını ve risklerini Covid-19 riskinde ve bununla ilişkili ölüm dahil komplikasyonlarında olası sonraki artışlarla dengelemelidir. Sıralı bir yaklaşım kullanarak kanser tedavisini önceliklendiren yaklaşımların aksine, Hartman ve arkadaşları, kanserli bir hasta için kanser tedavisinin gecikmesinin getireceği riski tahmin etmek için web tabanlı kapsamlı bir model (OncCOVID) geliştirdi. OncCOVID modeli, farklı türdeki ve evrelerdeki kanserli hastalar için bir risk tahmini yapar ve COVID-19 için bilinen komorbidite, hasta yaşı, bölgesel COVID-19 yaygınlığı ve artış hızı gibi diğer risk faktörlerini içerir. Bu modelleme, bireysel risk profiline dayalı olarak belirli bir hasta için gecikmiş tedavi riskini tahmin etmek için kanser hastalarının tedavi gecikmeleri ve sonuçlarına ilişkin epidemiyolojik verilerin kullanımına dayanmaktadır. OncCOVID, basit ve sezgisel bir arayüze sahip kullanışlı bir uygulama olarak geliştirilmiştir. Web tabanlı arayüz, bir akıllı telefonda kullanılabilen erişilebilir bir platform sağlar. Model için gerekli girdilerin çoğu, değiştirilebilen varsayılan değerlere sahiptir (enfeksiyonun göreceli riski [RR] gibi miktarlar ve kanser bakımı uygulaması veya tedavi ayarına göre değişebilen diğer parametreler için), ancak kullanıcının hasta özelliklerinee göre veri girmesi gerekir.

OncCOVID modelinin faydası birkaç özel ortamda açıktır. Birincisi, pandemi belirli bölgelerde sağlık hizmetini alt üst ettiğinde ve aksattığında, sağlık hizmetleri profesyonellerinin kanserli tüm hastalara tedavi sağlama kapasitesi yoktu ve sağlık hizmetlerinin devamı için kararların hızla verilmesi gerekiyordu. Bu senaryo bugün için ülkemizde ve çoğu ülkede geçerli olmasa da, vakalarda potansiyel bir mevsimsel artışla birlikte tekrar ortaya çıkabilir. OncCOVID modeli, sınırlı kaynaklar nedeniyle hastaları triyaj yapmaları gereken yüksek prevalanslı alanlarda kanser bakım tesisleri için faydalı olacaktır. Bununla birlikte, şu anda ülkemizde mevcut enfeksiyon oranları ve çoğu kanser bakımı uygulamasının tedavi önerilerini gecikmeden sürdürülmesine izin veren düzeylerdeki hastane kapasiteleri göz önüne alındığında modelin yaygın olarak kullanılması olası değildir.

İkinci olarak, OncCOVID risklerle ilgili olarak yorumlanabilir çıktı sağladığından (örneğin belirli bir süre tedavi gecikmesi nedeniyle kaybedilen hafta veya ay sayısı), OncCOVID sonuçları hastalarla tedavi zamanlamasını olaylaştırmak için kullanılabilir. OncCOVİD modeli, isteksiz bir hastanın tedaviyi geciktirmenin artan risklerini anlamasına yardımcı olabilir ve bunun tersi, tahminler başka bir hastanın kanser tedavisi gecikmesi risklerinin minimum olduğunu anlamasına yardımcı olabilir ve hasta, bölgedeki Covid-19 enfeksiyon riskinin brelirli bir seviyeye gelmesine kadar tedaviyi güvenle erteleyebilir. Diğer bir deyişle, OncCOVID sonuçları, tedavi zamanlaması için klinik olarak uygun bir gerekçeyi desteklemek için öneriler sağlayabilir. Bu durumlarda, klinik önerilere rehberlik etmek için veriye dayalı çıkarımların kullanılması klinik yargıyı ve kişisel deneyimi artırabilir.

Bu güçlü artılarına rağmen, herhangi bir tahmin modelinde olduğu gibi OncCOVID kullanırken de bazı belirsizlikler vardır. Hartman ve arkadaşları, Çin'in COVID-19 ile ilgili deneyimiyle ilgili olarak 2020 yılının başında yayınlanan verilere dayanarak, kemoterapi alan hastalarda (RR, 2.5), günlük hastane ziyaretlerinde (RR, 3.47) ve cerrahi (RR, 5.73) geçirenlerde Covid-19'un RR için yüksek seviyeleri belirledi. Bununla birlikte, yakın zamanda yayınlanan veriler, tedavi gören kanser hastaları arasında enfeksiyon risklerinin daha yüksek olmadığını öne sürmesine rağmen, kuşkusuz daha güvenilir veya güncel tahminler yapmak zordur. Ayrıca, Covid-19 ile ilişkili olumsuz sonuç riski (örneğin ölüm veya ventilasyon gerektirme), ABD, Avrupa ve hematolojik malignite kohortlarında kanserli hastalarla yapılan son büyük çalışmalarda daha yüksek bulunmamıştır; ancak, veriler halen devam etmektedir. Kanser tedavisi ortamlarında RR'lerin kapsamlı modellemesine yönelik bir başka zorluk, tedavi modalitelerinin, programlarının, klinik ziyaret modellerinin ve spesifik ilaçlar ile enfeksiyon duyarlılığı arasındaki ilişkilerin sayısız kombinasyonudur. Hartman ve arkadaşları, birkaç ayrı tedavi kategorisinin risklerini değerlendirmişlerdir, ancak kanser bakımının karmaşıklığı, bu varsayımları tüm kanser hastalarına uyarlamayı neredeyse imkansız kılmaktadır.

Sonuç olarak OncCOVID modeli, kanser tedavisi veren biz onkologlara ve kanser bakımı veren tüm sağlık çalışanlarına, bir kanser hastasının COVID-19 hastalığı geliştirme riskine bağlı olarak tedaviyi geciktirmenin potansiyel risklerini (veya faydalarını) gösteren bireysel risk önlemlerine dayanarak hasta bakımını ve triyaj yapma fırsatı sağlamak için geliştirilmiştir. Açıklandığı gibi, OncCOVID ayrıca klinik karar vermeyi desteklemek ve hastalarla riskler ve faydalar hakkında tartışmaları kolaylaştırmak için bilgi sağlamaktadır. Bununla birlikte, OncCOVID modelinden tahminler bir dereceye kadar dikkatli kullanılmalı ve belirsizliği azaltmak ve modelin tahminlerinin doğruluğunu artırmak için yeni bilgiler ortaya çıktıkça modelin risk parametreleri güncellenmelidir.