El grupo de las Islas británicas para la valoración del lupus (BILAG) se empezó a reunir de forma regular en 1984 y en 1988 elaboró, por primera vez, un índice para medir la actividad de la enfermedad en pacientes con LES4. Este índice fue desarrollado basándose en la intención de tratar por el médico y evalúa manifestaciones específicas que precisan tratamiento en un total de 8 órganos o aparatos: general, mucocutáneo, neurológico, musculoesquelético, cardiorrespiratorio, vasculitis, renal y hematológico. Al contrario de otros índices que proporcionan una valoración global de la enfermedad, el BILAG proporciona una valoración por órgano o sistema.

Posteriormente, se realizaron ciertas modificaciones menores de este índice y se evaluaron tanto su fiabilidad como su validez. En un estudio de Hay et al. de 19935, se evalúa la versión 3 del BILAG que incluye un glosario con recomendaciones y explicaciones para facilitar su uso. El BILAG mostró una buena fiabilidad intraobservador, con un kappa que osciló entre 0,79 y 0,97, dependiendo del sistema evaluado. Para evaluar la validez de criterio el BILAG, se comparó con un estándar de oro definido como el inicio o aumento de tratamiento, bien con prednisona u otro tratamiento inmunosupresor. La sensibilidad del BILAG para el grado A en cualquier órgano o sistema fue del 87% y la especificidad del 99%. El coeficiente α de Cronbach del BILAG, calculado para evaluar la consistencia interna y, por tanto, la asociación entre los componentes del BILAG, es de 0,35, por debajo de lo que se recomienda para comparaciones fiables. El BILAG mostró una correlación moderada con la evaluación global del médico (ρ = 0,43) y con la valoración del paciente (ρ = 0,50)6.

El BILAG también se utiliza para evaluar la aparición de brotes en pacientes con lupus. La presencia de un brote severo se define como una puntuación de A de nueva aparición y un brote moderado se define con una puntuación de B, si previamente era de D o E. Un estudio publicado en 2003 por Gordon et al. evaluó el grado de acuerdo entre la definición de brote mediante BILAG y la actitud real en cuanto a tratamiento de los reumatólogos en práctica clínica rutinaria7. El 92% de los pacientes con un brote severo (A) recibió una intensificación del tratamiento por su médico y tan solo el 41% en el caso de brote moderado (B). No solo el BILAG es útil para evaluar la presencia de un brote lúpico. En un estudio de Isenberg et al. se compararon 3 métodos para evaluar el brote: BILAG 2004, un índice de brote generado para el Safety of Estrogens in Lupus Erythematosus National Assessment (SELENA), denominado SELENA.SLEDAI Flare Index (SFI) y la VGM8. El BILAG 2004 presentó el CCI más alto (0,54 [IC el 95%, 0,32-0,78]) comparado con el SFI (0,21 [IC del 95%, 0,08-0,48]) y la VGM [0,18 (IC 95%: 0,06-0,45)].

La validez del BILAG ha sido evaluada en numerosos estudios. En un estudio de 2010 se evaluó la validez de constructo9 mediante la hipótesis de que pacientes con puntuaciones más altas en el BILAG presentarían niveles más altos de velocidad de sedimentación globular (VSG), anti-ADN de doble cadena y SLEDAI, y por el contrario, presentarían niveles más bajos de complemento. La asociación entre estas variables fue la esperada con un OR=2,6 (1,2-4,3) para una VSG > 60mm/h, OR=2,5 (1,4-3,6) para un anti-ADN de doble cadena superior a 5 veces el valor normal, OR=4,8 (1,4-15,1) para un C3 por debajo de la mitad del valor normal, OR=4,1 (2,3-5,8) para un C4 por debajo de la mitad del valor normal y una OR=215,6 (99,8-387,6) para un valor del SLEDAI por encima de 6.

Solo un estudio ha sido específicamente diseñado para evaluar la sensibilidad al cambio del BILAG10. En este estudio multicéntrico y longitudinal, se evaluó la relación entre el cambio en el BILAG 2004 y el cambio en el tratamiento entre 2 visitas consecutivas. El aumento del BILAG se asoció a un aumento en el tratamiento (coeficiente de la regresión logística multinomial: 1,35; IC del 95%, 1,01-1,70). En el sentido opuesto, también se encontró esta asociación.

El BILAG se puede calcular manualmente, aunque existe un software informático conocido como British Lupus Integrated Prospective System (BLIPS) que incorpora variables demográficas y la información clínica necesaria para calcular no solo el BILAG, sino otros índices compuestos como el SLAM, SLEDAI, SDI y el SF-3611.

Una versión actualizada del BILAG ha sido publicada en 2005 por Isenberg et al. en un intento de mejorar las características del índice12. En este estudio, donde se describe el BILAG 2004, se evaluó su viabilidad o capacidad para ser aplicado mediante 2 ejercicios con pacientes reales que fueron examinados por 8 médicos pertenecientes al grupo BILAG. Se calculó el CCI para el BILAG total (0,48; IC del 95%, 0,23-0,81) y para cada uno de los 9 sistemas. El sistema que mostró un CCI más alto fue el renal (0,98; IC del 95%, 0,96-0,99) y el que mostró un CCI más bajo fue el musculoesquelético (0,17; IC del 95%, 0,01-0,56). Otra medida empleada en este estudio para evaluar la viabilidad fue la ratio entre la desviación estándar atribuible a los médicos y la misma medida atribuible al paciente consigo mismo, mostrando un acuerdo alto en el sistema mucocutáneo, nervioso, renal, oftalmológico y hematológico. En ambos ejercicios, el sistema musculoesquelético mostró una baja fiabilidad en términos de CCI y nivel de acuerdo entre los médicos.

El BILAG 2004ha sido desarrollado a partir del índice original e incluye 9 sistemas: general, mucocutáneo, sistema nervioso, musculoesquelético, cardiovascular/respiratorio, gastrointestinal, renal, oftalmológico y hematológico. Se compone de varios ítems o preguntas que son evaluadas en una escala de 0 a 4, donde 0 corresponde a «no presente», 1 equivale a «mejorando», 2 es «similar», 3 es «peor» y 4 es «acontecimiento nuevo». Las respuestas se combinan para formar 5 posibles estados de actividad por sistema: A, el paciente está muy activo y, por tanto, precisaría tratamiento con inmunosupresores, corticoides a dosis media o alta (> 20mg de prednisolona o equivalente) o anticoagulación a dosis alta; B, cierta actividad y, por tanto, plantea la necesidad de tratamiento con dosis moderada de corticoides (< 20mg de prednisolona), antimaláricos, antidepresivos, o AINE; C, poca actividad con necesidad solo de tratamiento sintomático; D, no actividad en este momento, aunque sí previamente, y E, nunca ha presentado actividad en este sistema.

Otros intentos de validación del BILAG 2004 fueron llevados a cabo por Yee et al. en 2007. Se evaluó la validez de criterio utilizando como estándar de oro el cambio de tratamiento y la validez de constructo intentando corroborar la hipótesis de que pacientes con valores más altos en el BILAG 2004 tendrían valores más altos de VSG, anticuerpos anti-ADN de doble cadena y valores más bajos de complemento13. Valores del BILAG 2004 que indican actividad alta o moderada de la enfermedad (A y B) se asociaron de forma significativa con un aumento en la medicación (OR=19,3, p<0,01). Además, el BILAG 2004 tuvo una sensibilidad del 81%, una especificidad del 91,9%, un valor predictivo positivo del 56,8% y un valor predictivo negativo del 93,6% respecto al cambio de tratamiento. Las puntuaciones más altas del BILAG 2004 se asociaron a una VSG mayor de 60mm/h (OR=2,9), una elevación en el anti-ADN de doble cadena (OR=2,7), una elevación en el SLEDAI por encima de 4 (OR=20) y una disminución a la mitad de C3 (OR=5) y C4 (OR=4,2).

Aunque el BILAG es una escala ordinal que permite dar una evaluación global de la enfermedad, algunos autores han propuesto su transformación en una escala numérica para facilitar los análisis estadísticos. Inicialmente, se propuso el siguiente esquema: A=9 puntos, B=3 puntos, C=1 punto y tanto D como E equivaldrían a 0 puntos, con un rango de 0 a 7214. En 2009, Cresswell et al. presentaron un estudio que tenía como objetivo validar una puntuación numérica para el BILAG15. Describieron 3 métodos distintos de puntuación mediante modelos de regresión logística y, posteriormente, los comparan mediante curvas ROC. La transformación finalmente seleccionada fue A=12, B=5, C=1 y D/E=0.

El BILAG es el único instrumento validado que da una idea de la actividad del lupus en cada órgano de un simple vistazo en lugar de combinar la información en una puntuación global16. Se recomienda familiarizarse con el glosario donde se define cada ítem y seguir las pautas y recomendaciones establecidas por el grupo BILAG, especialmente las recomendaciones específicas para su uso en ECA y estudios multicéntricos5,17.

El ECLAM fue descrito por el grupo de trabajo europeo para el consenso de medición de actividad en LES en 199218. Es un índice diseñado para medir la actividad de la enfermedad en el último mes en pacientes con lupus.

Este índice fue desarrollado a partir de una cohorte que incluía a un importante número de pacientes reales. En un análisis inicial, se desarrolló el índice y se evaluaron su viabilidad y validez, tanto aparente como de contenido18. Para ello se seleccionaron aquellas variables clínicas y de laboratorio que mejor se correlacionaran con la VGM como estándar de oro, tanto en una escala cuantitativa (0-10) como en una escala cualitativa (de inactivo a muy activo). Mediante un análisis univariable, se seleccionaron un total de 15 variables capaces de predecir la actividad de la enfermedad. Posteriormente, mediante un análisis multivariable se definió el peso de cada una de estas variables, a las que se les asignó una puntuación específica. El ECLAM no solo permite clasificar correctamente a los pacientes según su nivel de actividad de la enfermedad, es, además, un índice fácil de calcular. En un segundo estudio, se evaluó la validez de constructo, siendo el estándar de oro la VGM y la validez de criterio, comparando el ECLAM con otros índices compuestos19. La correlación del ECLAM con el SLAM, BILAG y SLEDAI fue mayor de 0,72. Estos 4 índices se correlacionaron de forma similar con la VGM.

El ECLAM incluye la evaluación de 10 órganos y/o aparatos y 2 valores de laboratorios que son la VSG y los niveles de complemento. Se compone de un total de 33 ítems que se evalúan de 0,5 a 2, según el tipo de afectación, y suman una puntuación global que va de 0 a 17,5.

El ECLAM es un índice sencillo que se puede usar en estudios retrospectivos, ya que existe una buena correlación entre el ECLAM calculado de forma inmediata y aquel calculado con los datos recogidos en la historia clínica (rho=0,871)20. Además, se puede calcular mediante un sistema informatizado con resultados muy similares a su cálculo manual (r=0,90-0,92)21.

Este índice mide el grado de actividad de forma global en el último mes. La primera publicación en la que se describe fue en 198622. Dos años después, fue revisado por los residentes de la Universidad de Harvard, que modificaron el apartado de manifestaciones cardiovasculares y «otras» para mejorar la claridad y la reproductibilidad, dando como resultado una nueva versión, el SLAM-R. En 2001, Bae et al. presentan un estudio de 30 pacientes para evaluar la viabilidad y la validez de constructo de esta nueva versión23. Se estimó la fiabilidad mediante análisis de variancia, siendo la fiabilidad interobservador de 0,78 y la intraobservador de 0,61. Respecto a la validez de constructo, se calcularon correlaciones de Pearson del SLAM-R con la VGM (0,87), niveles de anti-ADN de doble cadena (0,51), C3 (–0,60) y C4 (–0,29)

El SLAM evalúa manifestaciones específicas en 9 órganos e incluye 7 medidas de laboratorio. Algunos ítems se puntúan de 0 a 3, según el grado de severidad, y otros solo se evalúan de 0 a 1. La máxima puntuación es 84, siendo la parte de laboratorio un máximo de 21 puntos. Una puntuación de 7 o más se considera relevante, ya que el paciente va a precisar un cambio en el tratamiento en el 50% de los casos.

El SLAM es considerado por algunos expertos el índice menos adecuado, ya que incluye medidas subjetivas, como la fatiga y las artralgias; sin embargo, estas variables deben ser puntuadas por el médico siempre y cuando considere que son debidas a la actividad del lupus8. Se necesita entrenamiento, ya que es necesario alcanzar un consenso para evaluar los aspectos subjetivos, especialmente en estudios multicéntricos17.

El SLEDAI es un índice global que fue desarrollado por un grupo de expertos de Toronto en 1986 y descrito con detalle por Bombardier et al. en 199224. Fue modificado por el grupo SELENA durante un estudio para evaluar el uso de estrógenos y progesterona en mujeres con LES25 y, posteriormente, fue actualizado por Gladman et al. en el 200026. Además, existe una versión desarrollada por investigadores mexicanos que, para disminuir los costes del uso de este índice, excluyeron algunos valores de laboratorio27.

Por lo tanto, actualmente existen 4 versiones de este índice: SLEDAI, SELENA-SLEDAI, SLEDAI 2000 y MEX-SLEDAI.

Para desarrollar la primera versión del SLEDAI se identificaron 24 variables que podrían ser factores importantes para evaluar la actividad de la enfermedad en pacientes con LES. Con estas variables, se generaron 574 perfiles de posibles pacientes y se presentó esta información a 14 reumatólogos expertos en LES para que evaluaran el grado de enfermedad en una escala de 0 a 10. Se utilizaron modelos de regresión múltiple para estimar la importancia relativa de cada una de estas 24 variables clínicas según la valoración de los expertos y de esta forma se generó este índice global24.

El SLEDAI, por tanto, es un índice global que evalúa la actividad de la enfermedad en los últimos 10 días y se compone de 24 ítems que recoge manifestaciones específicas en 9 órganos o sistemas con una puntuación máxima de 105.

En un estudio de 1992 de Guzmán et al. se compararon varios aspectos de la validación del MEX-SLEDAI con el SLEDAI original27. La correlación entre 2 evaluadores calculando estos índices osciló entre 0,87 y 0,89. El acuerdo para la valoración de la enfermedad entre los médicos fue moderado, con un kappa de 0,43 (p=0,17). La validez de constructo se evaluó usando como comparador la VGM (en una escala de 0 a 10), con una correlación prácticamente idéntica para ambas versiones de 0,68; la correlación entre ambas versiones fue de 0,77.

EL SLEDAI se puede utilizar tanto en investigación como en práctica clínica. Y ha demostrado ser una herramienta sensible al cambio28. Para evaluar la sensibilidad al cambio del SLEDAI comparándolo con el SLAM-R, Chang et al. realizaron un análisis secundario de los datos obtenidos de un ECA multicéntrico canadiense donde se evaluó la eficacia de metotrexato en pacientes con LES29. Se compararon los cambios en estos 2 índices respecto a los cambios en la valoración del médico y del paciente. Respecto a la evaluación del médico, la respuesta estandarizada media de control (C-SRM) para el SLAM-R y el SLEDAI fue de –0,47 vs. –0,42 para mejoría y 0,65 vs. 0,66 para empeoramiento. Respecto a la evaluación del paciente, la C-SRM para el SLAM-R y el SLEDAI fue de –0,31 vs. –0,18 para mejoría y 0,48 vs. 0,05 para empeoramiento. Solo el SLAM-R mantuvo el 0 fuera del IC del 95% para detectar mejoría o deterioro. Ambos índices exhiben una sensibilidad al cambio relevante para los médicos pero solo el SLAM-R exhibe una sensibilidad al cambio relevante para los pacientes, posiblemente por la inclusión de variables más subjetivas evaluadas por el propio paciente.

En 2002 se introdujo una versión revisada y actualizada del SLEDAI, el SLEDAI 2000 (SLEDAI-2K), en el cual se puntúan el rash, la alopecia, las úlceras o la proteinuria persistente, y no solo de nueva aparición, como ocurría en la versión previa26. El SLEDAI-2K fue validado frente al SLEDAI original con una evaluación en los 10 días previos a la visita y además fue validado con un espacio temporal de 30 días para su utilización en ECA30,31. El SLEDAI-2K y la versión previa tuvieron una alta correlación (r=0,97) y ambos índices predicen mortalidad de forma similar26.

El SLEDAI-2K recoge los aspectos de la enfermedad como presentes o ausentes y no puede reflejar mejoría parcial, lo cual limita su utilización en ECA. Por este motivo, en 2011 Touma et al. desarrollaron un índice de respuesta del 50% (SRI-50) para documentar un 50% de mejoría en SLEDAI32. En este estudio, evaluaron la validez de constructo utilizando como comparador externo una valoración de la respuesta al tratamiento por el médico en una escala tipo Likert (LS) que va de 7 (mejoría importante) a 1 (mucho peor). Un 50% de mejoría en esta escala sería un cambio mayor o igual a 6. En pacientes con una mejoría ≥ 6 en la LS se produjo una disminución del SRI-50 de 4,15 ± 3,01 (p<0,0001).

En 2004, Uribe et al., en un intento de profundizar más en la validación de las versiones disponibles del SLEDAI, presentaron un estudio en el que se analizó la validez de constructo del SLAM-R, el MEX-SLEDAI y el SLEDAI-2K usando como criterio externo la VGM en una escala visual analógica (EVA) de 0 a 1033. Las correlaciones de Spearman de estos índices con la VGM oscilaron entre 0,54 para el MEX-SLEDAI y 0,67 para el SLEDAI-2K. En un intento de evaluar la validez de criterio usando como estándar de oro el SLEDAI-2K, se constató que la sensibilidad del SLAM-R fue del 73%, mientras que la del MEX-SLEDAI fue del 58%. En cuanto a la especificidad, fue del 63% para el SLAM-R y el 93% para el MEX-SLEDAI.

El índice LAI se utilizó inicialmente en estudios de infecciones graves y afectación renal en pacientes con LES34-36. Se trata de una escala con 5 dominios que reflejan la actividad de la enfermedad en la 2 semanas previas y se completa por el médico en aproximadamente un minuto. Como en el resto de los índices, solo se evalúan aquellas manifestaciones atribuibles al LES. Incluye una VGM en una EVA de 0 a 3, e incluye 4 EVA para fatiga, rash, articulaciones y serositis, y una parte que cuantifica la afectación en 4 órganos: neurológico, renal, pulmonar y hematológico, en EVA de 0 a 3. Además, esta última parte asigna distintas puntuaciones según la necesidad de medicación y valores de laboratorio.

En un estudio de Petri et al.37, se evaluaron la fiabilidad y la validez de constructo de este índice comparado con el SLEDAI utilizando como referencia la VGM. La VGM tuvo una correlación más alta con el LAI (r=0,64) que con el SLEDAI (r=0,55). En cuanto a la fiabilidad, el LAI mostró mayor fiabilidad, tanto intra como interobservador.

El SLAQ se desarrolló como herramienta de medida por el propio paciente para ser utilizada en estudios epidemiológicos y grandes cohortes de pacientes. Fue descrito y validado por Karlson et al. en 200338. Fue desarrollado en una cohorte clínica de 93 pacientes y se comparó con el SLAM (sin incluir datos de laboratorio), mostrando una buena correlación (r=0,62, p<0,001). La correlación individual de cada ítem entre paciente-médico osciló entre 0,06 para la evaluación de linfadenopatías y vasculitis y 0,7 para la evaluación de síndrome de Raynaud.

Posteriormente, Yazdany et al. evaluaron otros aspectos de la validación en una cohorte de 982 pacientes39. El SLAQ mostró una buena consistencia interna, con un α de Cronbach de 0,87. Para evaluar la validez de constructo, los autores examinaron la correlación del SLAQ con la VGP (r=0,73) y con el SF-36 (r=0,66). El índice mostró una baja sensibilidad al cambio con una SRM de 0,12, aunque cuando fue comparado con el cambio en otras medidas la puntuación del SLAQ cambió en la dirección adecuada.

Desarrollado en 1996 por un grupo de colaboración internacional (grupo SLICC) y adoptado por el CAR42. En este primer estudio, se desarrolló el índice y se evaluó su validez aparente y de contenido. Se generó una lista de variables que podrían reflejar daño en pacientes con LES y se llegó a un consenso sobre qué variables debían ser incluidas en un índice para evaluar daño irreversible. En otro estudio del mismo año y por los mismos autores, se evaluó la fiabilidad interobservador mediante 10 pacientes a los que reumatólogos de 5 países distintos aplicaron este índice43. Los autores concluyeron en este estudio que médicos de distintos países evalúan el daño en pacientes con LES de forma muy similar.

El SDI evalúa daño irreversible en pacientes con lupus sin tener en cuenta la causa que lo produce. Incluye 42 ítems que miden la afectación de 12 dominios con una puntuación máxima de 46 puntos. Cada ítem es evaluado como presente o ausente con la posibilidad de puntuar un 2 o 3 en caso de eventos recurrentes, como por ejemplo puede ser el caso de un accidente cerebrovascular.

La definición de daño en pacientes con LES es un cambio irreversible en un órgano o sistema que ha ocurrido desde el inicio del LES y está presente al menos durante los últimos 6 meses. En el momento del diagnóstico, la puntuación debería ser 0 por definición.

El SDI lo completa el médico en la visita basal al entrar en un ECA. Tiene una consistencia interna moderada (α de Cronbach=0,41). En un intento por evaluar la validez de constructo, Stoll et al. compararon el SDI con el BILAG y con una puntuación de la medicación del pacientes, en ambos casos con muy baja correlación (0,19 para el BILAG y 0,33 para el índice de medicación)14.

Cuando el SDI es completado por otro médico al revisar de forma retrospectiva la historia clínica del paciente, también muestra buena fiabilidad interobservador44. Los valores de SDI aumentan con la evolución de la enfermedad de forma similar en pacientes de distintos países y, además, es una herramienta que predice mortalidad en pacientes con LES45,46.

El LDIQ fue descrito por Costenbader et al. en 2010, en un intento de desarrollar una medida de daño irreversible basada en el SDI pero completada por el propio paciente para ser utilizada en práctica clínica o en estudios epidemiológicos47. En este estudio hay una primera etapa de desarrollo del índice donde se evalúa la validez aparente y de contenido con un grupo de 37 pacientes y 7 reumatólogos, y posteriormente, una validación más elaborada a nivel multicéntrico. Para evaluar la validez de criterio se utiliza como estándar de oro el SDI, dando como resultado una sensibilidad del 53,3%, una especificidad del 94,6% y un grado de acuerdo entre las 2 medidas del 93,2%. Para evaluar la validez de constructo, se calculó la correlación entre LDIQ y SDI (coeficiente de correlacion de Spearman=0,48, p<0,001).

El LDIQ consta de 56 preguntas para evaluar cada dominio incluido en el SDI y está diseñado para ser administrado como una encuesta. Sus versiones en español, portugués y francés han sido validadas48.

El BILD fue descrito en 2011 por Yazdany et al. como una medida de daño en pacientes con LES para ser usada en estudios poblacionales49. Al igual que el LDIQ, lo completa el propio paciente pero es una versión más corta que incluye solo 28 preguntas. La validez de criterio del BILD se examinó mediante su correlación con otro instrumento que también mide daño, como es el SDI, y que se puede considerar como el estándar de oro (r=0,64, p<0,001). La validez de constructo se evaluó comparando las características demográficas y clínicas de los pacientes divididos en los 4 cuartiles del BILD. Los pacientes con valores más altos para el BILD fueron mayores, con mayor duración de la enfermedad y con mayor actividad de la enfermedad.