Desarrollo de modelos predictivos en complicaciones de la Diabetes Mellitus

Antecedentes

La Diabetes Mellitus tipo 2 (DM2) es el mayor problema de salud pública en México, con un estimado de 5 millones de personas mayores de 20 años que la padecen. Las complicaciones más comunes incluyen retinopatía diabética (RPD), enfermedad renal crónica (ERC) enfermedad cardiovascular (ECV), Neuropatía diabética (NPD) y amputaciones no traumáticas (AMP). De acuerdo con la Encuesta Nacional de Salud y Nutrición (ENSAUT) se estima que sólo el 14.7% de los pacientes con DM2 tuvieron un examen anual de pie diabético, sólo a 8.6% de los pacientes se les realizó pruebas de retinopatía diabética, y sólo 12.6% tuvieron una medición de albuminuria. Dentro de los costos directos de la DM2 se puede contabilizar el costo de los medicamentos, complicaciones, consultas y hospitalización. Adicionalmente, el costo indirecto incluye los costos debidos a la incapacidad laboral temporal o permanente, así como la mortalidad prematura. El Instituto Mexicano del Seguro Social (IMSS), es la institución con la mayor carga de diabetes ya que provee la atención médica a la mitad de los pacientes con DM2 en el país. Estos pacientes son atendidos en las Unidades de Medicina Familiar (UMF) del IMSS, donde opera desde 2006 el Sistema de Información de Medicina Familiar (SIMF). En este expediente clínico electrónico de primer nivel se registra la información demográfica, visitas médicas, resultados de laboratorio, notas médicas y referencia al segundo nivel de atención.

Debido al evidente costo para el sistema de salud al tratar pacientes  con diagnóstico de DM2 y complicaciones crónicas que reduce la calidad de vida y la productividad de los pacientes así como el deterioro del bienestar emocional de los pacientes y sus familias se hace necesario contar con herramientas que permitan predecir la aparición de complicaciones crónicas de la DM2 y que identifiquen a aquellos pacientes con mayor riesgo en los cuales la estrategia integral de manejo temprano propuesta en nuestro protocolo previo pueda ser de mayor utilidad. La importancia de identificar pacientes en riesgo de desarrollar diabetes en el IMSS que no han sido diagnosticados ya ha sido demostrada por Bronsoler et al, quienes desarrollaron un modelo de regresión logística a partir del estudio de peso, talla, edad, sexo, presión arterial, concentración de glucosa en la sangre para cualquier diagnóstico realizado en las Unidades de Medicina Familiar (UMF) del IMSS entre 2012 y 2014 en todo el país. Este modelo permitió identificar un subdiagnóstico de 50 mil casos. Este estudio permite establecer el mejorar las políticas de diagnóstico de diabetes, pero no provee más información sobre el manejo integral de los pacientes diabéticos.

Metodología general

Se trata de un estudio observacional retrospectivo de cohorte longitudinal, en donde se seguirán los criterios de la declaratoria STROBE. Se estudiará a todos los derechohabientes del IMSS, ambos sexos, adultos, que son atendidos en las Unidades de Medicina Familiar (UMF) de la Delegación Michoacán. De forma retrospectiva se extraerá mediante consulta electrónica (query) la información longitudinal contenida en el SIMF para todos los pacientes con código de diagnóstico de DM2 entre 1o de enero de 2006 y 31 de diciembre de 2017, según la clasificación internacional de enfermedades (CIE). La información será anonimizada para propósitos de investigación mediante la eliminación de elementos de información identificable. Se utilizarán algoritmos de procesamiento de lenguaje natural (natural language processing) para extraer procedimientos y eventos clínicos de los pacientes contenido en las notas médicas. Posteriormente, se utilizarán algoritmos de aprendizaje automático (machine learning) para desarrollar modelos predictivos de complicaciones diabéticas. Para ello, se probarán varios algoritmos para comparar su sensibilidad y especificidad, de forma que se pueda seleccionar el de mejor rendimiento en una estrategia de validación cruzada (cross-validation). Finalmente, se buscará validar los modelos predictivos de forma prospectiva en las mismas UMF en donde se obtuvo la información.

Entregables de incidencia

• Base de datos de todos los pacientes con diagnóstico de DM de la Delegación del IMSS en Michoacán con información clínica relevante, eliminando cualquier posibilidad de información identificable. Actualmente se ha conseguido una muestra de la base de datos por parte del IMSS. Al día de hoy se encuentra en proceso de la extracción de esa muestra de acuerdo al formato dado. Por otro lado, se ha trabajado en el algoritmo de desidentificación de los datos que será probado cuando se logre la extracción de los datos.  Cabe mencionar que hasta no superar el punto anterior y hacer un estudio/análisis de los datos para detectar variables que ayuden en la construcción de los modelos planeados de este proyecto, se estaría en condiciones de saber qué información, de qué tipo, el nivel de utilidad, etc. se tienen.
• Utilizando las variables, posterior al procesamiento de lenguaje natural descrito en la Fase 1, se construirán 10,000 árboles de decisión con un subconjunto de 2-5 variables aleatoriamente seleccionadas.
• Evaluación de los modelos propuestos para predecir complicaciones crónicas de la diabetes mellitus como retinopatía, nefropatía y neuropatía diabética capaces de ser extrapolables a otras poblaciones