Browsing by Subject "Predictive model"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Publication
    Open Access
    Accuracy of anogenital distance and anti-Müllerian hormone in the diagnosis of endometriosis without surgery
    (Wiley, 2019) Sánchez-Ferrer María L.; Jiménez-Velázquez, Raquel; Mendiola, Jaime; Prieto-Sánchez, María T.; Cánovas-López, Laura; Carmona-Barnosi, Ana; Corbalán-Biyang, Shiana; Hernández-Peñalver, Ana I.; Adoamnei, Evdochia; Nieto, Aníbal; Torres-Cantero, Alberto M.; Cirugía, Pediatría y Obstetricia y Ginecología; Ciencias Sociosanitarias
    Objective: To assess the predictive ability of a combination of anogenital distance (AGD) and anti-Müllerian hormone (AMH) to diagnosis the presence of endometriosis without surgery. Methods: The present study included women diagnosed with endometriosis and a control group who attended the "Virgen de la Arrixaca" University Hospital, Murcia, Spain, between September 1, 2014, and May 31, 2015. Serum concentrations of AMH were measured, and two AGD measurements were obtained: from the anterior clitoral surface to the upper verge of the anus (AGDAC ), and from the posterior fourchette to the upper verge of the anus (AGDAF ). Data were assessed by receiver operator characteristic (ROC) curves. Results: Women in the endometriosis group (n=57) had significantly shorter AGDAF (22.8 ± 4.6 vs 27.2 ± 5.7 mm; P<0.001) and lower AMH (2.2 ± 2.5 vs 3.3 ± 1.9 ng/mL; P<0.003) compared with the control group (n=93). Women with serum AMH below the clinical cut-off (1 ng/mL) were 17.40-times more likely to have endometriosis (95% confidence interval [CI] 5.64-53.82). The area under the ROC curve of combined AMH and AGDAF was 0.77 (95% CI 0.70-0.85). Conclusion: The model for predicting endometriosis on the basis of AMH and AGD could be useful for clinicians and epidemiologists to improve diagnosis and prognosis of this condition.
  • Thumbnail Image
    Publication
    Open Access
    Caracterización de la mortalidad a corto y largo plazo en pacientes con sepsis
    (Universidad de Murcia, 2025-06-26) Martínez Martínez, Mónica; Bernal Morell, Enrique; Escuela Internacional de Doctorado; Escuela Internacional de Doctorado
    INTRODUCCIÓN: La sepsis es una patología infecciosa de incidencia creciente y un problema importante de salud pública, con una elevada mortalidad que tiende a disminuir, lo que ha aumentado el número de pacientes sépticos que sobreviven. Estos supervivientes se enfrentan a secuelas propias de enfermedades críticas con una menor calidad de vida en un futuro inmediato. Además, cada vez hay más conciencia de que existen consecuencias a largo plazo que aumentan la morbimortalidad. La identificación de factores clínicos y biomarcadores que permitan la implementación de modelos predictivos es clave para mejorar la estratificación del riesgo y el desarrollo de estrategias dirigidas a los supervivientes a la sepsis con la intención de mejorar los resultados clínicos en esta población vulnerable. OBJETIVO: Evaluar la mortalidad a corto (30 días) y largo plazo (2 y 5 años) en pacientes con sepsis y sus factores asociados. MATERIAL Y MÉTODOS: Estudio observacional prospectivo en el que se incluyeron consecutivamente a todos los pacientes procedentes del Servicio de urgencias del Hospital General Universitario Reina Sofía de Murcia con sepsis, según los criterios de la campaña para sobrevivir a la sepsis de 2012, durante un periodo de 6 meses. Se recogieron marcadores inflamatorios, datos clínicos de comorbilidad, gravedad y mortalidad y se realizó un seguimiento vía informática a cinco años desde el ingreso. Para el análisis de los datos se ha utilizado el IBM SPSS Statistics ® versión 22.0 para Windows® y para la realización del árbol de decisión se ha utilizado el lenguaje de programación mediante Python a través de Google Colab. RESULTADOS: Se incluyeron 290 pacientes con comorbilidad (87,2%) y factores predisponentes (66,9%). Ciento noventa y siete tenían una puntuación SOFA ≥ 2. El 10% falleció en los 30 días desde el ingreso y el 55% en los primeros 5 años. El 46,9% de los supervivientes sufrió infecciones recurrentes en los próximos dos años y reingresaron el 51,8%. La sepsis se asoció de forma significativa e independiente con la mortalidad tanto aguda como tardía a los dos años aún ajustando el análisis con las comorbilidades. No se relacionó de forma independiente con la mortalidad a los cinco años. La demencia y el tener una neoplasia o un ulcus péptico se asociaron a mayor mortalidad aguda junto al desarrollo de shock o disfunción respiratoria durante el evento. En los pacientes que sobreviven a la sepsis, la demencia y el antecedente de insuficiencia cardíaca crónica se asocian a mayor mortalidad a los dos años, al igual que el uso de corticoides durante el evento, tratamiento que se asoció también a una mayor mortalidad aguda. En cuanto a los biomarcadores analizados, el proBNP fue el único predictor de mortalidad tanto precoz como tardía en pacientes con sepsis con una precisión que aumenta al hacer el análisis combinado con otros factores relacionados con una mayor mortalidad como la demencia o el uso de corticoides, entre otros. El Árbol de Decisión basado en inteligencia artificial implementado proporcionó una precisión global de 0,71, con un mejor desempeño en la identificación de casos de mortalidad. La sepsis por sí misma no se relacionó con un aumento del riesgo de reinfecciones ni reingresos durante los dos años siguientes al evento, siendo las comorbilidades las que alcanzaron significación estadística, sobre todo, el padecer diabetes mellitus. CONCLUSIONES: Los pacientes con sepsis presentan un riesgo elevado de mortalidad a corto y largo plazo, independientemente de sus comorbilidades, así como una alta tasa de reingresos y reinfecciones. El uso de corticoides durante el ingreso se asocia con mayor mortalidad, mientras que el proBNP es un marcador predictivo útil, especialmente en combinación con otros factores de riesgo.
  • Thumbnail Image
    Publication
    Open Access
    Modelos predictivos de riesgo académico en carreras de computación con minería de datos educativos
    (Universidad de Murcia, Servicio de Publicaciones, 2021) Ayala Franco, Enrique; López Martínez, Rocío Edith; Menéndez Domínguez, Víctor Hugo
    Los problemas de bajo rendimiento académico y rezago son recurrentes en instituciones educativas de nivel superior, especialmente al inicio de los estudios universitarios. En el contexto local, análisis diagnósticos han mostrado altos índices de reprobación y bajo rendimiento académico. En este trabajo, se utilizaron datos sociodemográficos y resultados de exámenes de admisión de 415 alumnos de las carreras del área de computación de la Universidad Autónoma de Yucatán (México), inscritos entre 2016 y 2019. El objetivo es generar modelos predictivos de riesgo académico, empleando métodos de la minería de datos educativa, que sirvan como herramientas de detección temprana de condiciones de riesgo académico y faciliten el despliegue de estrategias de intervención educativa. Se siguieron las etapas del Proceso de Extracción de Conocimiento en Bases de Datos, concretamente, se aplicaron técnicas de clasificación para el análisis, obtención y validación de los modelos. Los resultados muestran que el mejor modelo corresponde al algoritmo LMT, con un valor de precisión de 75.42% y un 0.805 para el área bajo la curva ROC. Se logró identificar a los mejores atributos predictores, particularmente las pruebas del examen de ingreso a licenciatura fueron muy significativas. Se propone el desarrollo de herramientas informáticas para la detección precoz de riesgo académico y estrategias de intervención educativa oportuna