medigraphic.com
ISSN 2539-0859 (Digital)
ISSN 0120-8411 (Impreso)
Asociación Colombiana de Otorrinolaringología y Cirugía de Cabeza y cuello, Maxilofacial y Estética Facial (ACORL)

2022, Número 1

<< Anterior Siguiente >>

Acta de Otorrinolaringología CCC 2022; 50 (1)


Minería de datos para la evaluación del riesgo de malignidad en pacientes con nódulos tiroideos con estudio citológico Bethesda IV

Baquero GRL, Diazgranados GE, León GE, Zambrano JF, Calixto GÁE, Rey AF, Palencia CA, Castañeda JF, León GE

Idioma: Español
Referencias bibliográficas: 25
Paginas: 36-44
Archivo PDF: 299.07 Kb.


RESUMEN

Introducción: en el campo de la salud, cada decisión representa datos, y las técnicas de minería de datos han empezado a ser una metodología prometedora para el análisis de esta información, especialmente en el diseño de los modelos predictivos. Métodos: estudio observacional analítico de pacientes mayores de 15 años, con reporte de punción de aspiración con aguja fina con estudio Bethesda IV, sometidos a manejo quirúrgico en el Hospital de San José de Bogotá. Los datos recogidos de los pacientes se incluyeron en tres grupos: la información sociodemográfica y clínica, los hallazgos en la citología y los reportes de la ecografía. Se realizó el análisis mediante Naive-Bayes, árbol de decisión y redes neuronales. Se usó la herramienta Weka versión 3.8.2. Resultados: de los 427 pacientes, 195 tuvieron resultados de patología de carcinoma de tiroides (45,6 %). Se evidenciaron mejores resultados usando la validación cruzada (10 fold) comparado con partición (66 %), la técnica de Bayes tuvo mejores resultados de clasificación correcta (91,1 %), comparado con la técnica de árbol (87,8 %) y la red neuronal (88,2 %). Conclusiones: el uso de la técnica de Naive Bayes muestra una importante exactitud para determinar la predicción de riesgo de malignidad en los pacientes con estudio citológico Bethesda IV, lo cual permitiría orientar de forma adecuada el manejo quirúrgico de los pacientes.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Kumar R, Shaikh B, Chandio A, Ahmed J. Role of healthmanagement information system in disease reporting at a ruraldistrict of Sindh. Pak J Public Health. 2012;2(2):10-2.

  2. Castro M. Las técnicas de modelización estadística en lainvestigación educativa: minería de datos, modelos deecuaciones estructurales y modelos jerárquicos lineales. RevEsp Pedag. 2012;251:131-48.

  3. Stilou S, Bamidis PD, Maglaveras N, Pappas C. Miningassociation rules from clinical databases: An intelligentdiagnostic process in healthcare. Stud Health Technol Inform.2001;84(2):1399-403.

  4. Salazar J, Espinoza C, Mindiola A, Bermúdez V. Data miningand endocrine diseases: A new way to classify? Arch Med Res.2018;49(3):213-5. doi: 10.1016/j.arcmed.2018.08.005.

  5. Kim T, Zabaneh F, Holmes J, Disrude L, Price M, Gentry L.A practical data mining method to link hospital microbiologyand an infection control database. Am J Infect Control.2008;36(3):S18-S20. doi: 10.1016/j.ajic.2007.05.010.

  6. Izzo CM, Prescott J, Peden A, Brown JF, Valencia F. Use ofa data mining system to improve the process of public healthreporting in a large teaching facility. Am J Infect Control.2008;36(5):E186. doi: 10.1016/j.ajic.2008.04.216.

  7. Michie D, Spiegelhalter DJ, Taylor CC, Campbell J (editores).Machine learning, neural and statistical classification. UpperSaddle River, NJ, EE. UU.: Ellis Horwood. 1994.

  8. Koh HC, Tan G. Data mining applications in healthcare. JHealthc Inf Manag. 2005;19(2):64-72.

  9. Kotsiantis S, Pierrakeas C, Pintelas P. Preventing studentdropout in distance learning using machine learning techniques.Springer. 2003. p. 267-74.

  10. Schreiner AM, Yang GC. Adenomatoid nodules are the maincause for discrepant histology in 234 thyroid fine-needleaspirates reported as follicular neoplasm. Diagn Cytopathol.2012;40(5):375-9. doi: 10.1002/dc.21499.

  11. Conzo G, Calò PG, Gambardella C, Tartaglia E, Mauriello C,Della Pietra C, et al. Controversies in the surgical managementof thyroid follicular neoplasms. Retrospective analysis of721 patients. Int J Surg. 2014;12(1):S29-34. doi: 10.1016/j.ijsu.2014.05.013.

  12. Herrera F, Redondo K, Osorio C, Grice J, Fernández A. Utilidadde la citología obtenida mediante aspiración con aguja fina en eldiagnóstico de las neoplasias foliculares de la glándula tiroidesen la E.S.E Hospital Universitario del Caribe: un estudioretrospectivo. Rev Colomb Cir. 2015;30:12-7. doi: 10.30944/issn.2011-7582.

  13. Jo VY, Stelow EB, Dustin SM, Hanley KZ. Malignancy riskfor fine-needle aspiration of thyroid lesions according tothe Bethesda system for reporting thyroid cytopathology.Am J Clin Pathol. 2010;134(3):450-6. doi: 10.1309/AJCP5N4MTHPAFXFB.

  14. Osorio C, Fernández A, Herrera K, Marrugo Á, Ensuncho C,Redondo K, et al. Sensibilidad y especificidad de la citologíaobtenida mediante aspiración con aguja fina en el diagnósticode las neoplasias foliculares de la glándula tiroides: un estudioprospectivo. Rev Esp Patol. 2016;49(3):144-50. doi: 10.1016/j.patol.2016.01.005.

  15. Kuru B, Kefeli M. Risk factors associated with malignancy andwith triage to surgery in thyroid nodules classified as Bethesdacategory IV (FN/SFN). Diagn Cytopathol. 2018;46(6):489-94.doi: 10.1002/dc.23923.

  16. Lee SH, Baek JS, Lee JY, Lim JA, Cho SY, Lee TH, et al.Predictive factors of malignancy in thyroid nodules with acytological diagnosis of follicular neoplasm. Endocr Pathol.2013;24(4):177-83. doi: 10.1007/s12022-013-9263-x.

  17. Yassa L, Cibas ES, Benson CB, Frates MC, Doubilet PM,Gawande AA, et al. Long-term assessment of a multidisciplinaryapproach to thyroid nodule diagnostic evaluation. Cancer.2007;111(6):508-16. doi: 10.1002/cncr.23116.

  18. Guth S, Theune U, Aberle J, Galach A, Bamberger CM.Very high prevalence of thyroid nodules detected by highfrequency (13 MHz) ultrasound examination. Eur J Clin Invest.2009;39(8):699-706. doi: 10.1111/j.1365-2362.2009.02162.

  19. Gharib H, Papini E, Garber JR, Duick DS, Harrell RM, HegedüsL, et al. American Asociation of Clinical Endocrinologists,American College of Endocrinology, and Associazione MediciEndocrinologi Medical guidelines for clinical practice for thediagnosis and management of thyroid nodules--2016 update.Endocr Pract. 2016;22(5):622-39. doi: 10.4158/EP161208.GL.

  20. Abdul-Jabar HB, Lynn J. The surgical management ofthyroid cancer. Nucl Med Commun. 2004;25(9):869-72. doi:10.1097/00006231-200409000-00002.

  21. Rodríguez González H, Pava Marín R, Castaño HerreraLF, Valencia García LV, Pava Ripoll A. Evaluación de laprecisión diagnóstica de la punción aspiración con aguja finaen pacientes con nódulo tiroideo. Biosalud. 2017;16(1):19-29.doi: 10.17151/biosa.2017.16.1.3.

  22. Mejía M, Rivera Delgado M, Bonilla J, Melo M, Rojas GarcíaW. Factores asociados a histopatología final benigna enpacientes con biopsia por aspiración con aguja fina clasificadoscomo Bethesda en IV-V-VI en Hospital de San José. Bogotá:Fundación Universitaria de Ciencias de la Salud. 2017.

  23. Park SY, Hahn SY, Shin JH, Ko EY, Oh YL. The diagnosticperformance of thyroid US in each category of the Bethesdasystem for reporting thyroid cytopathology. PLoS One.2016;11(6):e0155898. doi: 10.1371/journal.pone.0155898.

  24. Razia S, Narasinga MR. Machine learning techniques forthyroid disease diagnosis - A review. Indian J Sci Technol.2016;9(28):1-9. doi: 10.17485/ijst/2016/v9i28/93705.

  25. Boas FE, Liu LY, Kamaya A, Desser TS, Rubin DL. Estimatingthe probability of malignancy of thyroid nodules using adjustednaïve Bayes. 2012. Disponible en: http://www.edboas.com/calc/thyroid.pdf




2020     |     www.medigraphic.com