Modelos de predicción de mortalidad a un año como criterio de inclusión en cuidados paliativos

Abstract

El principal criterio para la inclusión de pacientes en cuidados paliativos hasta el momento es la opinión del médico sobre la supervivencia de este, habitualmente utilizando un año como ventana de tiempo. En este trabajo se propone el desarrollo de modelos predictivos basados en episodios de ingresos hospitalarios en el Hospital La Fe.

El objetivo es desarrollar modelos capaces de predecir la supervivencia del paciente en este periodo de tiempo a partir de las información obtenida en su ingreso hospitalario. Para el desarrollo de estos modelos utilizaremos técnicas de "Machine Learning", que nos permitirán aprender de los episodios históricos y poder predecir los casos nuevos que lleguen al sistema.

Se planea obtener un modelo base para todos los servicios del hospital y después ajustar cada uno de ellos por medio de aprendizaje on-line con muestras únicas del servicio con el objetivo de corregir posibles sesgos en los datos y obtener mejores predicciones.

El trabajo incluirá una revisión bibliográfica de artículos científicos que versen la misma temática o similar para obtener una referencia sobre el estado del arte en este campo además del conveniente análisis del data set proporcionado para obtener la máxima información posible sobre el problema.

Una vez entrenados se procederá a una validación interna de los modelos utilizando las técnicas de evaluación más conocidas en aprendizaje automático utilizando las métricas apropiadas para medir el rendimiento en este tipo de sistemas (área bajo la curva ROC, sensibilidad, especificidad )

Finalmente se pretende que estos modelos, se incluyan en el sistema de información del hospital como herramienta de análisis de episodios de ingresos, de manera que el módulo software que contenga los modelos lanzará una alerta para los médicos de un determinado paciente si este produce un positivo en la predicción.

The main criterion for the inclusion of patients in palliative care until now is the opinion of the doctor about the survival of the patient, usually using a year as a time frame. In this work we propose the development of predictive models based on episodes of hospital admissions at La Fe Hospital.

The objective is to develop models capable of predicting the survival of the patient in this period of time from the information obtained in his hospital admission. For the development of these models, we will use Machine Learning techniques, which will allow us to learn from historical episodes and be able to predict new cases that arrive at the system.

It is planned to obtain a base model for all hospital services and then adjusts each of them through online learning with unique samples of the service in order to correct possible biases in the data and obtain better predictions

The work will include a bibliographic review of scientific articles that deal with the same or similar subject to obtaining a reference on the state of the art in this field as well as the convenient analysis of the data set provided to obtain the maximum possible information about the problem.

Once trained, we will proceed to an internal validation of the models using the best-known evaluation techniques in machine learning using the appropriate metrics to measure the performance in this type of systems (area under the ROC curve, sensitivity, specificity )

Finally, it is intended that these models be included in the hospital information system as a tool for analyzing episodes of income so that the software module containing the models will send an alert to the doctors of a certain patient if it produces a positive in the prediction.