Modelado y validación en pacientes con enfermedad de Parkinson con fragilidad

Área de la Ciencia:

• Neurología
• Gerontología
• Ciencia de Datos

Sus antecedentes:

• La enfermedad de Parkinson (EP) es un trastorno neurodegenerativo común con un mayor riesgo de fragilidad en comparación con la población general.
• La evaluación de la fragilidad es crucial para el manejo de pacientes con EP y la mejora de su calidad de vida.

Objetivo del estudio:

• Desarrollar y evaluar un modelo predictivo basado en aprendizaje automático para identificar la fragilidad en pacientes con enfermedad de Parkinson.
• Identificar los factores clínicos y demográficos clave asociados con la fragilidad en la EP.

Principales métodos:

• Un estudio transversal que involucró a 205 pacientes con EP en etapa temprana y media.
• Fragilidad evaluada usando criterios de Fried; se recopilaron 42 variables, incluyendo MoCA y MDS-UPDRS.
• Se utilizaron correlación de Spearman, regresión LASSO y múltiples algoritmos de aprendizaje automático (incluida la regresión logística) para la predicción.

Principales resultados:

• La fragilidad se asoció con sexo femenino, edad avanzada, consumo de alcohol y gravedad avanzada de la enfermedad (MDS-UPDRS, etapa H&Y).
• El deterioro cognitivo, la depresión (HAMD) y la ansiedad (HAMA) fueron mayores en pacientes con EP frágiles.
• La regresión logística logró el mayor rendimiento predictivo (AUC = 0.83), identificando ocho predictores independientes de fragilidad.

Conclusiones:

• La fragilidad en la EP está relacionada con factores demográficos, gravedad de la enfermedad y comorbilidades psicológicas.
• El aprendizaje automático, en particular la regresión logística, ofrece una herramienta confiable para la detección temprana de la fragilidad y la estratificación del riesgo en pacientes con EP.