INTRODUÇÃO: Não existem estudos preditivos sobre fadiga em doentes com câncer colo-retal, embora fadiga seja descrita como freqüente na população oncológica. OBJETIVO: Identificar os fatores de risco e preditivos independentes de fadiga em doentes com câncer colo-retal. MÉTODO: Estudo preditivo que envolveu amostra não-probabilística de 157 pacientes adultos ambulatoriais com tumor primário de cólon ou reto (idade média 60±11,7 anos; 54% homens; média de anos de escolaridade 10,7±5,4 anos; estádio IV 44,8%), atendidos em quatro serviços de oncologia do município de São Paulo, Brasil (julho/2006 a julho/2007). Os pacientes preencheram a Ficha de Identificação, a Escala de Fadiga de Piper-Revisada (0-10; ponto de corte: >4; ?=0,94), o Inventário de Depressão de Beck (0-63; ponto de corte: >13; ?=0,83), a Escala de Karnofky (0%-100%; ponto de corte: <80), a Escala de Prejuízo do Sono (0-10; ponto de corte: >5) e a Escala de Dor (0-10; ponto de corte: >6). Os pontos de corte foram estabelecidos pela análise da curva ROC (Receiver Operating Characteristic), com exceção do ponto de corte de fadiga, que foi estabelecido após análise da distribuição dos escores em percentis e do critério proposto pela National Comprehensive Cancer Network. RESULTADOS: Fadiga foi referida por 26,8% dos doentes. Os fatores de risco para fadiga foram os seguintes: serviço de saúde público, dor, prejuízo do sono, depressão e capacidade funcional prejudicada (p<0,05). A análise de regressão logística identificou três fatores preditivos: depressão, capacidade funcional e prejuízo do sono. A depressão aumentou em 4 vezes a chance de ocorrer fadiga (OR: 4,2; IC95% 1,68-10,39), a capacidade funcional aumentou em 3 vezes (OR: 3,2; IC95% 1,37-7,51) e o prejuízo do sono também em 3 vezes (OR: 3,2; IC95% 1,30-8,09). Quando os três fatores preditivos estiveram presentes, a probabilidade de ocorrer fadiga foi de 80%, o que indicou boa capacidade de predição. Quando os três fatores preditivos estiveram ausentes, a probabilidade de ocorrer fadiga foi de 8%. A especificidade e sensibilidade do modelo foram de 81,9% e 58,6%, respectivamente, indicando baixa chance de falsos positivos e alta chance de falsos negativos. CONCLUSÕES: Depressão, capacidade funcional e prejuízo do sono foram preditores de fadiga. O estudo disponibiliza tabela de probabilidade de predição de fadiga e propõe que, por meio da avaliação da depressão, da capacidade funcional e do prejuízo do sono, é possível conhecer a probabilidade do paciente ter fadiga, o que é inédito nessa população e de grande utilidade na clínica

INTRODUCTION: There are no studies that identify the predictive factors of fatigue among colo-rectal cancer patients, although fatigue is described as a frequent problem in the oncology setting. AIM: Identify risk factors and independent predictors of fatigue in colo-rectal cancer patients. METHOD: Predictive study that involved non-probabilistic sample of 157 adult outpatients with primary colon or rectal (mean age 60±11.7 years; 54% male; educational level 10.7±5.4 years; cancer stage IV 44.8%), recruited from 4 oncology clinics in Sao Paulo, Brazil (July/2006 to July/2007). Patients filled out an Identification Profile, Piper Fatigue Scale-revised (0-10; cut-score: >4, ?=0,94), Beck Depression Inventory (0-63; cut-score: >13, ?=0,83), Karnofsky Scale (0%-100%; cut-score: <80%), Sleep disturbance scale (0-10; cut-score: >5), and Pain scale (0-10; cut-score: >6). The cut scores were established by ROC (Receiver Operating Characteristic) curves, except for fatigue cut-score, which was established after an analysis of the distribution of the scores in percentiles and of the criteria proposed by National Comprehensive Cancer Network. RESULTS: Fatigue was identified by 26.8% of the patients. The risk factors for fatigue were: public oncology service, pain, sleep disturbance, poor performance status, and depression (p<0.05). Logistic regression identified three predictors: depression, sleep disturbance, and performance status. Depression increased the chance for fatigue to occur by four times (OR: 4.2; 95%CI 1.68-10.39), performance status increased by three times (OR: 3.2; 95%CI 1.37-7.51), and sleep disturbance also increased the chance by three times (OR: 3.2; 95%CI 1.30-8.09). When the three factors were present in concomitance, the probability that patients had fatigue was 80%, which was considered a good predictive capacity. When none of the factors were present, the probability that patients had fatigue was 8%. The specificity and sensibility of this model were 81.9% and 58.6%, respectively, indicating that there is low chance of false positive and high chance of false negatives. CONCLUSIONS: Depression, performance status, and sleep disturbance were predictive factors of fatigue. The study presents a prediction table and proposes that by assessing depression, performance status and sleep disturbance, it is possible to know the probability that a patient will have fatigue. This finding is original and applicable in clinical practice