Uso de técnicas de machine learning para analizar los factores más influyentes en la incidencia de un evento cardiovascular.

Las guías de prevención cardiovascular presentan la evaluación del riesgo cardiovascular (RCV) como la piedra angular para la prevención de eventos. Tradicionalmente se han desarrollado y utilizado diferentes calculadoras para estimar RCV. Recientemente hay estudios que señalan que la evaluación del efecto de los factores de riesgo cardiovascular (FRCV) en eventos cardiovasculares (ECV) mediante algoritmos de aprendizaje automático ofrece ventajas sobre estos sistemas previos, permitiendo una medicina personalizada en prevención cardiovascular. Utilizando datos de cuatro fuentes, evaluamos tres algoritmos para predecir ECV con diferentes combinaciones de variables y analizamos la influencia de variables relacionadas con FRCV y su control en la predicción. Este estudio lo realizamos con los sujetos de una cohorte masculina de trabajadores, con 3746 participantes y se utilizaron dos métodos distintos de machine learning incluyendo distintas variables. Por un lado se incluyeron edad, estado físico, hipercolesterolemia, hipertensión y diabetes, y posteriormente se replicaron los análisis utilizando estas variables más exposición al tratamiento para diabetes, hipertensión e hipercolesterolemia. Los resultados muestran que la edad fue la variable más influyente en la incidencia de ECV, seguida de la exposición al tratamiento. Además, la capacidad predictiva de los modelos mejoró al considerar la exposición al tratamiento. Por lo tanto, la adherencia al tratamiento fue una variable importante en el riesgo de ECV. Estos algoritmos podrían crear modelos para poblaciones y ser útiles en atención primaria para intervenciones personalizadas.

 

Link al artículo: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0293759

 

Artículos relacionados