Diseño de modelos predictivos basados en aprendizaje automático para el manejo de poblaciones de pacientes con diabetes mellitus tipo 2

Abstract

[ES] Introducción Minimizar el impacto de la diabetes mellitus en el Sistema Nacional de Salud es uno de los principales desafíos debido al alto coste económico y las altas tasas de infradiagnóstico y la variabilidad de control glucémico de estos pacientes. Además, suelen tener un perfil pluripatológico y un rango avanzado de edad. Esto hace necesario desarrollar herramientas que permitan mejorar el diagnóstico de los enfermos y conocer mejor los recursos que consumen para mejorar la gestión clínico-asistencial. Objetivos Desarrollar una herramienta que identifique a los pacientes con niveles de hemoglobina glucosilada por encima del 7% (no controlados) y prediga el coste farmacéutico a partir de variables clínico-administrativas. Metodología Se dispone de datos de la vida real clínicos, socioeconómicos y demográficos de un conjunto de 22.922 pacientes pertenecientes al Departamento de Salud Clínico-Malvarrosa de Valencia. A partir de estos datos se han desarrollado tres tipos de modelos supervisados: random forest, regresión logística/regresión lineal y redes neuronales. Estos sistemas han sido evaluados midiendo la especificidad, sensibilidad, precisión, exactitud y estadístico F (para el modelo del control glucémico); y el coeficiente de correlación ajustado, el error cuadrático medio y el error porcentual absoluto mediano (para el modelo del importe farmacéutico). Resultados Las variables clínicas, la edad y la situación laboral son las variables que más influyen. En ambos, el algoritmo con el que se han obtenido los mejores resultados han sido las redes neuronales. Mientras que, para el modelo del control glucémico, tanto random forest como la regresión logística han proporcionado buenos resultados; en el modelo del gasto farmacéutico ha habido una notable diferencia entre el modelo de regresión lineal tradicional y los algoritmos de aprendizaje automático, que han mejorado los resultados obtenidos. Conclusiones Los algoritmos de aprendizaje automático pueden ser utilizados para identificar pacientes diabéticos no controlados y predecir su gasto farmacéutico a partir de sus características clínico-administrativas.

[EN] Introduction Minimizing the impact of diabetes mellitus on the National Health System is one of the main challenges due to the high economic cost and high rates of underdiagnosis and the variability of glycemic control of these patients. In addition, they usually have a multipathological profile and an advanced age range. This makes it necessary to develop tools that improve the diagnosis of patients and better understand the resources they consume to improve clinical-care management. Objectives Developing a tool that identifies patients with glycosylated hemoglobin levels above 7% (without control) and predicts the pharmaceutical cost from clinical-administrative variables. Methodology Real-life clinical, socioeconomic and demographic data are available for a group of 22.922 patients belonging to the Department of Clinical-Malvarrosa Health of Valencia. Based on these data, three types of supervised models have been developed: random forest, logistic regression / linear regression and neural networks. These systems have been evaluated by measuring the specificity, sensitivity, precision, accuracy and F statistics (for the glycemic control model); and the adjusted correlation coefficient, the mean square error and the average absolute percentage error (for the pharmaceutical amount model). Results The clinical variables, age and employment status are the variables that most influence. In both, the algorithm with which the best results have been obtained has been the neural networks. While, for the glycemic control model, both random forest and logistic regression have provided good results, in the pharmaceutical expenditure model it has had a notable difference between the traditional linear regression model and the machine learning algorithms, which have improved the obtained results. Conclusions Machine learning algorithms can be used to identify uncontrolled diabetic patients and predict their pharmaceutical expenditure based on their clinical-administrative characteristics.