Síntomas que afectan el desarrollo de la diabetes: análisis de los factores de riesgo con la minería de datos

Área de la Ciencia:

• La informática médica
• Minería de datos
• Salud pública

Sus antecedentes:

• La diabetes es una preocupación de salud mundial prevalente con desafíos en la detección temprana y altos costos.
• La minería de datos ofrece capacidades analíticas avanzadas para el modelado predictivo y el descubrimiento de conocimientos en grandes conjuntos de datos.
• La identificación de los factores de riesgo y los síntomas es crucial para la intervención y el tratamiento oportunos de la diabetes.

Objetivo del estudio:

• Aprovechar las técnicas de minería de datos para identificar los síntomas clave asociados con el desarrollo de la diabetes.
• Identificar los parámetros de riesgo específicos para la detección temprana de la diabetes.
• Para analizar la influencia colectiva de los síntomas en el inicio de la diabetes.

Principales métodos:

• Utilizó un conjunto de datos de 520 registros de pacientes del Hospital de la Diabetes de Sylhet, obtenido del Repositorio de Aprendizaje Automático de la UCI.
• Aplicó el algoritmo de Apriori, una técnica de minería de datos, para el análisis de asociaciones de síntomas relacionados con la diabetes.
• Relaciones de síntomas evaluadas basadas en valores de apoyo, confianza y elevación para determinar asociaciones significativas.

Principales resultados:

• Se identificaron ocho síntomas críticos: género, poliuria, polidipsia, pérdida repentina de peso, debilidad, visión borrosa, paresis parcial y obesidad.
• Se encontró que la coocurrencia de estos ocho síntomas aumentaba la probabilidad de desarrollar diabetes en 1.63 veces.
• Destacó la importancia de evaluar los síntomas colectivamente en lugar de individualmente para la evaluación del riesgo.

Conclusiones:

• Hizo hincapié en la necesidad de que las personas en riesgo y los proveedores de atención médica monitoreen los síntomas clave identificados.
• Demostró la eficacia de la minería de la regla de asociación, en particular el algoritmo de Apriori, en la identificación de patrones de síntomas para la detección temprana de la diabetes.
• Los hallazgos del estudio apoyan la detección temprana de la diabetes y la prevención de complicaciones a través del análisis accesible de los síntomas.