Un enfoque de aprendizaje automático para predecir la autoeficacia en sobrevivientes de cáncer de mama

Área de la Ciencia:

• En el campo de la oncología
• Psicología de la salud
• Ciencia de los datos

Sus antecedentes:

• La supervivencia al cáncer de mama presenta desafíos únicos que afectan la confianza de las pacientes en el manejo de su salud.
• La autoeficacia es crucial para el afrontamiento efectivo y la adherencia a los regímenes de tratamiento en los sobrevivientes de cáncer.

Objetivo del estudio:

• Identificar los predictores clave de la autoeficacia entre las sobrevivientes de cáncer de mama.
• Identificar los grupos de pacientes con mayor riesgo de una menor autoeficacia, lo que permite intervenciones específicas.

Principales métodos:

• Un estudio descriptivo en el que participaron 430 sobrevivientes de cáncer de mama en tres hospitales de Turquía.
• Datos recopilados a través de encuestas presenciales utilizando la Escala de autoeficacia de sobrevivientes de cáncer de mama y formularios de identificación de pacientes.
• Se emplearon cuatro modelos de aprendizaje automático (Regresión logística, Bosque aleatorio, Máquina de vectores de soporte, XGBoost) para analizar los predictores.

Principales resultados:

• El modelo de regresión logística mostró el rendimiento más alto (AUC=0,715).
• El nivel de educación surgió como un predictor primario en múltiples modelos, influyendo significativamente en la autoeficacia.
• La etapa del cáncer y la comorbilidad también se identificaron como factores importantes asociados con los niveles de autoeficacia.

Conclusiones:

• Las características sociodemográficas y médicas predicen significativamente la autoeficacia en las sobrevivientes de cáncer de mama.
• Estos hallazgos destacan subgrupos específicos de pacientes como vulnerables en cuanto a la autoeficacia.
• Los profesionales de la salud pueden aprovechar estos conocimientos para adaptar estrategias de atención de apoyo para las sobrevivientes de cáncer de mama.