Una red bayesiana para identificar las causas de la disnea utilizando una base de datos nacional de registros médicos...

Área de la Ciencia:

• Informática médica
• Sistemas de apoyo a la decisión clínica
• Redes Bayesianas

Sus antecedentes:

• La disnea es un síntoma frecuente en atención primaria, que a menudo conduce a retrasos en el diagnóstico.
• El diagnóstico preciso y oportuno de la disnea es crucial para el manejo efectivo de las afecciones respiratorias y cardíacas subyacentes.

Objetivo del estudio:

• Desarrollar y validar un algoritmo de Red Bayesiana (BN) para predecir diez afecciones comunes asociadas con la disnea en atención primaria.
• Mejorar la precisión y eficiencia diagnóstica para los médicos generales (MG) que atienden a pacientes con disnea.

Principales métodos:

• Análisis de un gran conjunto de datos (384.994 episodios) de presentaciones de disnea en la práctica general del Reino Unido (2002-2024).
• Inclusión de 136.215 pacientes de 16 años o más, considerando 34 predictores demográficos, sintomáticos, de comorbilidad e historial de medicación.
• Desarrollo de un modelo de Red Bayesiana para predecir diez diagnósticos distintos.

Principales resultados:

• El modelo BN demostró un rendimiento predictivo sólido en diversas condiciones.
• Los valores del área bajo la curva (ROC-AUC) oscilaron entre 0,68 (infecciones de las vías respiratorias inferiores no neumónicas) y 0,94 (insuficiencia cardíaca).
• El algoritmo muestra un potencial significativo para la utilidad clínica en entornos de atención primaria.

Conclusiones:

• El algoritmo de Red Bayesiana desarrollado puede predecir eficazmente las causas de la disnea en atención primaria.
• Esta herramienta puede ayudar a los médicos generales a priorizar las pruebas diagnósticas, reduciendo potencialmente los retrasos diagnósticos y los costos de atención médica.
• La implementación de este algoritmo podría conducir a intervenciones más tempranas y específicas para los pacientes que experimentan disnea.