Objetivo: Resumir los modelos diagnósticos y pronósticos disponibles de la enfermedad renal crónica (ERC) en países de ingresos bajos y medios (PIBM). Métodos: Revisión sistemática. Se hicieron búsquedas en Medline, EMBASE, Global Health (estos tres a través de OVID), Scopus y Web of Science desde su inicio hasta el 9 de abril de 2021, el 17 de abril de 2021 y el 18 de abril de 2021, respectivamente. Primero se examinaron los títulos y los resúmenes, y luego se estudiaron en detalle los informes seleccionados; Ambas fases fueron realizadas por dos revisores de forma independiente. Se siguió la guía para la evaluación crítica y la extracción de datos para las revisiones sistemáticas y se utilizó la herramienta de evaluación del riesgo de sesgo del modelo de predicción para la evaluación del riesgo de sesgo. Resultados: La búsqueda recuperó 14,845 resultados, 11 informes fueron estudiados en detalle y 9 (n=61,134) fueron incluidos en el análisis cualitativo. La proporción de mujeres en la población estudiada varió entre 24,5% y 76,6%, y la edad media varió entre 41,8 y 57,7 años. La prevalencia de ERC no diagnosticada osciló entre el 1,1% y el 29,7%. La edad, la diabetes mellitus y el sexo fueron los predictores más comunes en los modelos diagnóstico y pronóstico. La definición de resultado varió mucho, consistiendo principalmente en el coeficiente albúmina-creatinina urinaria y la tasa de filtración glomerular estimada. La métrica de rendimiento más alta fue el valor predictivo negativo. Todos los estudios mostraron alto riesgo de sesgo y algunos tuvieron limitaciones metodológicas. Conclusión: No hay pruebas sólidas para apoyar el uso de un modelo diagnóstico o pronóstico de la ERC en toda la PIBM. El desarrollo, la validación y la implementación de las puntuaciones de riesgo deben ser una prioridad de investigación y salud pública en PIBM para mejorar la detección oportuna de ERC.
Objective: To summarise available chronic kidney disease (CKD) diagnostic and prognostic models in low-income and middle-income countries (LMICs). Method: Systematic review (Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines). We searched Medline, EMBASE, Global Health (these three through OVID), Scopus and Web of Science from inception to 9 April 2021, 17 April 2021 and 18 April 2021, respectively. We first screened titles and abstracts, and then studied in detail the selected reports; both phases were conducted by two reviewers independently. We followed the CHecklist for critical Appraisal and data extraction for systematic Reviews of prediction Modelling Studies recommendations and used the Prediction model Risk Of Bias ASsessment Tool for risk of bias assessment. Results: The search retrieved 14 845 results, 11 reports were studied in detail and 9 (n=61 134) were included in the qualitative analysis. The proportion of women in the study population varied between 24.5% and 76.6%, and the mean age ranged between 41.8 and 57.7 years. Prevalence of undiagnosed CKD ranged between 1.1% and 29.7%. Age, diabetes mellitus and sex were the most common predictors in the diagnostic and prognostic models. Outcome definition varied greatly, mostly consisting of urinary albumin-to-creatinine ratio and estimated glomerular filtration rate. The highest performance metric was the negative predictive value. All studies exhibited high risk of bias, and some had methodological limitations. Conclusion: There is no strong evidence to support the use of a CKD diagnostic or prognostic model throughout LMIC. The development, validation and implementation of risk scores must be a research and public health priority in LMIC to enhance CKD screening to improve timely diagnosis.
