Valor predictivo de los índices antropométricos para la incidencia de dislipidemia: un amplio estudio poblacional

Área de la Ciencia:

• Salud cardiovascular
• Trastornos del metabolismo
• Ciencia de los datos en medicina

Sus antecedentes:

• La dislipidemia es un factor de riesgo significativo y modificable para las enfermedades crónicas no transmisibles a nivel mundial.
• La identificación de predictores efectivos para la dislipidemia es crucial para la intervención temprana y la prevención de la enfermedad.

Objetivo del estudio:

• Investigar el poder predictivo de varios índices antropométricos para la dislipidemia.
• Comparar el rendimiento de múltiples modelos de aprendizaje automático para identificar los factores de riesgo de dislipidemia.

Principales métodos:

• Se utilizaron datos de 9.640 participantes en el estudio Mashhad Stroke and Heart Atherosclerotic Disorder (MASHAD).
• Se evaluaron 11 índices antropométricos, incluidos el WHtR, el BRI, el AVI, el WWI, el LAP, el VAI, el índice C, el BSA, el BAI y el WHR.
• Regresión logística aplicada, árbol de decisión, bosque aleatorio, redes neuronales, K-vecinos más cercanos y modelos XGBoost para analizar asociaciones.

Principales resultados:

• La regresión logística identificó el BAI, el BSA, la edad y el WHR como predictores significativos.
• El análisis del árbol de decisión destacó el IMC como el predictor más influyente, seguido de la edad y la HRB.
• El modelo de regresión logística demostró un rendimiento superior con una precisión de 0,89 y una puntuación AUC-ROC de 0,89.

Conclusiones:

• Los modelos de aprendizaje automático identificaron de manera consistente el IMC, WHR, BSA y BAI como predictores antropométricos clave de la dislipidemia.
• Estos índices antropométricos son cruciales para evaluar el riesgo de dislipidemia.
• El estudio valida la utilidad del aprendizaje automático en la identificación de factores de riesgo para la salud a partir de datos antropométricos.