Cribado de la hipertensión utilizando factores de riesgo no de laboratorio con aprendizaje automático: un estudio...

Área de la Ciencia:

• Salud pública
• Estadísticas biológicas
• Aprendizaje automático

Sus antecedentes:

• La hipertensión es un gran problema de salud mundial que requiere métodos de detección eficientes.
• El cribado tradicional a menudo se basa en pruebas de laboratorio, que pueden no ser accesibles en todos los entornos de atención primaria.

Objetivo del estudio:

• Desarrollar y validar modelos de aprendizaje automático para el cribado de la hipertensión utilizando factores de riesgo no de laboratorio.
• Comparar el rendimiento de diferentes algoritmos de aprendizaje automático con un punto de referencia de regresión logística.

Principales métodos:

• Un estudio retrospectivo transversal analizó datos de 268,210 adultos indonesios (de más de 15 años).
• Se emplearon tres algoritmos ML (Random Forest, Gradient Boosting, XGBoost), con regresión logística como punto de referencia.
• Se utilizaron conjuntos de datos internos (validación cruzada de 10 veces) y de validación externa para evaluar el rendimiento del cribado (sensibilidad, AUC).

Principales resultados:

• El modelo XGBoost obtuvo el mayor rendimiento en la validación externa, con una sensibilidad de 0,97 y un AUC de 0,75.
• Los principales factores de riesgo identificados fueron antecedentes familiares de hipertensión (FH-HTN), edad, circunferencia de cintura (WC) e índice de masa corporal (IMC).
• El uso de variables continuas para la edad, el WC y el IMC mejoró la capacidad de discriminación en comparación con las variables categóricas.

Conclusiones:

• Los modelos ML, que utilizan factores de riesgo no de laboratorio fácilmente disponibles, ofrecen una alternativa superior para el cribado de la hipertensión.
• Los antecedentes familiares de hipertensión y la edad son los predictores más significativos de la hipertensión.
• Este estudio pone de relieve la utilidad de ML en la gestión de grandes conjuntos de datos para aplicaciones de salud pública.