Código ictus en Salamancaatlas clínico descriptivo y con minería de datos

  1. Rodríguez Vico, Araceli
Dirigida por:
  1. Fernando Sánchez Hernández Director
  2. María Navelonga Moreno García Codirectora
  3. María Begoña García Cenador Codirectora

Universidad de defensa: Universidad de Salamanca

Fecha de defensa: 06 de septiembre de 2021

Tribunal:
  1. Vivian Félix López Batista Presidenta
  2. Fernando Roux Carmona Secretario/a
  3. Javier González Uriarte Vocal
Departamento:
  1. ANATOMÍA E HISTOLOGÍA HUMANAS

Tipo: Tesis

Teseo: 741315 DIALNET lock_openTESEO editor

Resumen

El ictus es una patología tiempo dependiente, y en consecuencia considerada como código azul en emergencia sanitaria, de ahí que el manejo de los pacientes que sufren un ictus esté perfectamente estandarizado por los servicios de salud, en un protocolo definido denominado código ictus, destinado a que el paciente reciba en el menor tiempo posible el tratamiento definitivo en un centro hospitalario adecuado. Existen ictus de presentación atípica y patologías cuya presentación puede asemejarse a la del ictus. Los métodos tradicionales simples de triaje de ictus se han considerado herramientas útiles para detectar de forma fácil el ictus agudo. Incluyen los métodos FAST y la escala de Cincinnati. Estas, solo evalúan la presencia de algunos síntomas, pero no otras presentaciones cardinales menos frecuentes, y la gravedad del ictus. Se ha realizado un estudio retrospectivo y descriptivo de los pacientes que sufrieron un ictus y se activó el código ictus en el Hospital Universitario de Salamanca, durante el período comprendido entre el año 2016 y 2019, ambos inclusive. El total de historias clínicas analizadas ha sido de 1572. El total de parámetros analizados por historia clínica ha sido de 84, reducidos en 56 atributos y 12 grupos. El objetivo del estudio de aprendizaje automático (machine learning) es descubrir patrones en relación con el estado final del paciente, las variables objetivo seleccionadas son: estado al alta y escala NIHSS. Los datos de los pacientes han sido tratados mediante algoritmos de machine learning para encontrar patrones que relacionen las diferentes variables tanto con el estado al alta como con NIHSS e inducir modelos que permitan predecir el estado al alta en futuros pacientes. Para la evaluación de los resultados se utilizaron diferentes métricas. Nuestro estudio demuestra que la detección de patrones de asociación con niveles de confianza fiables confirma el análisis clínico descriptivo, y permite obtener nuevos datos y asociaciones de gran interés clínico. La identificación ampliada de la presentación cardinal, junto con las escalas, aplicadas por enfermería entrenada, se muestran como herramientas completas y muy útiles de detección del ictus agudo.