medigraphic.com
ISSN 1561-3062 (Digital)

2020, Número 1

<< Anterior Siguiente >>

Revista Cubana de Obstetricia y Ginecología 2020; 46 (1)


Novedosa herramienta de apoyo para tomar decisiones en diagnóstico, tratamiento y pronóstico de cardiópatas embarazadas

Hasan Al-subhi S, Román RPA, Piñero PP, Sadeq SMG, Leyva-Vázquez M

Idioma: Español
Referencias bibliográficas: 22
Paginas: 1-16
Archivo PDF: 702.31 Kb.


RESUMEN

Introducción: El diagnóstico y tratamiento de las enfermedades cardiovasculares durante el embarazo se caracterizan por la escasez de investigaciones y estudios prospectivos, así como por la falta de consenso entre los expertos en el tratamiento de estas enfermedades. Esta situación atenta generalmente contra la precisión de las decisiones tomadas por los médicos en escenarios con bajo nivel de experticia. Además, en el tratamiento de estas patologías se presentan situaciones de indeterminación, incertidumbre y vaguedad en la información.
Objetivos: Proponer una novedosa herramienta de apoyo para la toma de decisión, para el diagnóstico, tratamiento y pronóstico de enfermedades cardiovasculares durante el embarazo, que contribuya a elevar la eficacia de las decisiones médicas y a mitigar la falta de experticia en el tratamiento de estas enfermedades.
Métodos: La herramienta basada en mapas cognitivos neutrosóficos, con números neutrosóficos triangulares se validó a partir de su aplicación para el diagnóstico, tratamiento y pronóstico de enfermedades cardiovasculares durante el embarazo. La base de datos propuesta estuvo conformada por 424 embarazadas que presentan diferentes enfermedades cardiovasculares. Estos datos fueron aportados por el Servicio Nacional de Cardiopatía y Embarazos.
Resultados: Los resultados de la aplicación de la herramienta propuesta demostraron su uso efectivo en el tratamiento de las enfermedades cardiovasculares durante el embarazo. Esto fue avalado por la evaluación satisfactoria de los expertos atendiendo a los criterios: diagnóstico, tratamiento, pronóstico y tiempo de respuesta. En este artículo se propuso esta novedosa herramienta de apoyo a la toma de decisión basada en mapas cognitivos difusos con números neutrosóficos triangulares.
Conclusiones: La herramienta propuesta ayudó a elevar la eficacia de las decisiones médicas asociadas al diagnóstico y tratamiento de las enfermedades cardiovasculares durante el embarazo, en escenarios con una baja experticia. Su uso contribuyó a evitar complicaciones en las pacientes y por tanto al ahorro de recursos e insumos médicos; contribuyó, además, a reducir el tiempo del diagnóstico y a la mejora de la calidad de vida de las embarazadas cardiópatas durante el embarazo.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Tiffen J, Corbridge SJ, Slimmer L. Enhancing Clinical Decision Making: Development of a Contiguous Definition and Conceptual Framework. Journal of Professional Nursing. 2014;30:399-405. https://doi.org/10.1016/j.profnurs.2014.01.006

  2. Roos-Hesselink J, Baris L, Johnson M, De Backer J, Otto C, Marelli A, et al. Pregnancy outcomes in women with cardiovascular disease: evolving trends over 10 years in the ESC Registry Of Pregnancy And Cardiac disease (ROPAC). European Heart Journal. 2019;40:3848-55. https://doi.org/10.1093/eurheartj/ehz136

  3. Regitz-Zagrosek V, Roos-Hesselink JW, Bauersachs J, Blomström-Lundqvist C, Cífková R, De Bonis M, et al. 2018 ESC Guidelines for the management of cardiovascular diseases during pregnancy. European Heart Journal. 2018;39:3165-241. https://doi.org/10.1093/eurheartj/ehy340

  4. Halpern DG, Weinberg CR, Pinnelas R, Mehta-Lee S, Einstein K. Economy. Use of Medication for Cardiovascular Disease During Pregnancy. JACC. 2019;73:457-76. https://doi.org/10.1016/j.jacc.2018.10.075

  5. Registry Of Pregnancy And Cardiac disease (ROPAC) [Internet]. 2020 [citado 16/02/2019]. Disponible en: https://www.escardio.org/Research/Registries-&-surveys/Observational-research-programme/Registry-Of-Pregnancy-And-Cardiac-disease-ROPAC

  6. Múnera-Echeverri AG. Enfermedad cardíaca y embarazo. Rev Colomb Cardiol. 2018;25:49-58. https://doi.org/10.1016/j.rccar.2017.11.028

  7. Najafi A, Amirkhani A, Papageorgiou EI, Mosavi MR. Medical decision making based on fuzzy cognitive map and a generalization linguistic weighted power mean for computing with words. En: 2017 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE). 2017. p. 1-6. https://doi.org/10.1109/FUZZ-IEEE.2017.8015541

  8. Haleem A, Javaid DM, Khan IH. Current status and applications of Artificial Intelligence (AI) in medical field: An overview. Current Medicine Research and Practice. 2019. https://doi.org/10.1016/j.cmrp.2019.11.005

  9. Saleh Al-Subhi SH, Pérez Pupo I, Vacacela RG, Pinero Pérez P, Leyva Vazquez M. A New Neutrosophic Cognitive Map with Neutrosophic Sets on Connections, Application in Project Management. Neutrosophic Sets and Systems. 2018;22. https://doi.org/10.5281/zenodo.2159750

  10. Kandasamy WBV, Smarandache F. Fuzzy Cognitive Maps and Neutrosophic Cognitive Maps. New Mexico, USA: Xiquan; 2003. 211 p.

  11. Kosko B. Fuzzy cognitive maps. International Journal of Man-Machine Studies. 1986;24:65-75. https://doi.org/10.1016/S0020-7373(86)80040-2

  12. Shanmugam S, Preethi J. A Study of Early Prediction and Classification of Arthritis Disease. Soft Computing Techniques. 2017;3(5):35-47.

  13. Gaurav, Kumar M, Bhutani K, Aggarwal S. Hybrid model for medical diagnosis using Neutrosophic Cognitive Maps with Genetic Algorithms. 2015 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE). 2015;1-7. https://doi.org/10.1109/fuzz-ieee.2015.7338015

  14. William MA, Devadoss AV, Sheeba JJ. A study on Neutrosophic cognitive maps (NCMs) by analyzing the Risk Factors of Breast Cancer. [Internet]. IJSER. 2013;4:22-3.

  15. Liu P, Wang Y. Multiple attribute decision-making method based on single-valued neutrosophic normalized weighted Bonferroni mean. Neural Computing and Applications. 2014;25:2001-10. https://doi.org/10.1007/s00521-014-1688-8

  16. Zadeh LA. Fuzzy sets. Information and Control. 1965;8:338-53. https://doi.org/10.1016/S0019-9958(65)90241-X

  17. Atanassov KT. Intuitionistic fuzzy sets. Fuzzy Sets and Systems. 1986;20:87-96. https://doi.org/10.1016/S0165-0114(86)80034-3

  18. Smarandache F. A Unifying Field in Logics: Neutrosophic Logic. En: Pérez M, editor. Philosophy. American Research Press; 1999. p. 1-141.

  19. Wang H, Smarandache F, Zhang Y, Sunderraman R. Single Valued Neutrosophic Sets. Multispace and Multistructure. 2010;4:410-3.

  20. Abdel-Basset M, Mohamed M, Hussien A-N, Sangaiah AK. A novel group decision-making model based on triangular neutrosophic numbers. Soft Computing. 2018;22:6629-43. https://doi.org/10.1007/s00500-017-2758-5

  21. Martínez L, Rodríguez RM, Herrera F. 2-Tuple Linguistic Model. En: Martínez L, Rodríguez RM, Herrera F, editores. The 2-tuple Linguistic Model: Computing with Words in Decision Making. Cham: Springer International Publishing; 2015. p. 23-42. https://doi.org/10.1007/978-3-319-24714-4_2

  22. Armas YA de. Cuba asegura más del 6 % del PIB a la salud [Internet]. Trabajadores. 2018 [citado 09/03/2019]. https://www.trabajadores.cu/20180424/cuba-asegura-mas-del-6-del-pib-a-la-salud/




2020     |     www.medigraphic.com