Vega RB, Sánchez VL, Cortiñas AJ, Castro PO, González RD, Castro PM

Idioma: Español
Referencias bibliográficas: 13
Paginas: 35-42
Archivo PDF: 312.04 Kb.

RESUMEN

Introducción: el dengue es una enfermedad viral con comportamiento epidémico, a su inicio no es posible saber qué pacientes evolucionarán desfavorablemente, sin embargo, pueden presentar signos de alarma que anuncian deterioro clínico. Objetivo: aplicar la técnica de árboles de decisión a la búsqueda de signos de alarma de gravedad en la fase temprana de la enfermedad. Métodos: la muestra de estudio la constituyeron 230 pacientes ingresados con dengue en el Instituto de Medicina Tropical “Pedro Kourí” en 2001. Las variables consideradas para la clasificación fueron los signos, síntomas y exámenes de laboratorio al tercer día de evolución de la enfermedad. Se aplicó el algoritmo de árboles de clasificación y regresión utilizando el índice de Gini. Se consideraron diferentes matrices de pérdida para mejorar la sensibilidad. Resultados: el algoritmo ARC, correspondiente a la mejor pérdida, tuvo una sensibilidad de 98,68 % y error global de 0,36. Sin considerar pérdida, el árbol resultante obtuvo una sensibilidad de 74 % con un error de 0,25. En ambos casos las variables de mayor importancia fueron plaqueta y hemoglobina. Conclusiones: se proponen reglas de decisión con alta sensibilidad y valor predictivo negativo de utilidad en la práctica clínica. Las variables de laboratorio resultan tener mayor importancia que las clínicas para discriminar las formas clínicas de dengue.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Guzmán MG, García G, Kourí G. El dengue y el dengue hemorrágico: prioridades de investigación. Rev Panam Salud Publica. 2006;19:204-15.

2. Díaz FA, Martínez RA, Villar LA. Criterios clínicos para diagnosticar el dengue en los primeros días de enfermedad. Biomédica. 2006;26:22-30.

3. González D, Castro O, Rodríguez F, Portela D, Gracés M, Martínez A, et al. Descripción de la fiebre hemorrágica del dengue, serotipo 3, Ciudad de La Habana, 2001-2002. Rev Cubana Med Trop. 2008;60(1):48-54.

4. Lee VJ, Lye DC, Sun Y, Leo YS. Decision tree algorithm in deciding hospitalization for adult patients with dengue haemorrhagic fever in Singapore. Trop Med Int Health. 2009;I4:II54-9.

5. Martínez E. Dengue y dengue hemorrágico: aspectos clínicos. Salud Pública Mex. 1995;37:S29-S44.

6. Lee VJ, Lye DC, Sun Y, Fernandez G, Ong A, Leo YS. Predictive value of simple clinical and laboratory variables for dengue hemorrhagic fever in adults. J Clin Virol. 2008;42:34-9.

7. Hastie T, Tibshirani R, Friedman J. The elements of statistical learning. Data Mining, inference and predictions.New York: Springer-Verlag; 2001.

8. Mackie I. M B. Principles of Data Mining. London: Springer- Verlag; 2007.

9. PAHO. Dengue and dengue hemorrhagic fever in the Americas guidelines for prevention and control. Washington: PAHO; 1994. (Scientific Publication No. 548)

10. Castro OE, González D, Pelegrino JL, Guzmán MG, Kourí G. Dengue y dengue hemorrágico en Cuba- Aportes a la clínica y manejo de casos. Rev Panam Infectol. 2004;6:39-42.

11. Abrahantes JC, Aerts M, Everbroeck BV, Saegerman C, Berkvens D, Geys H, et al. Classification of sporadic Creutzfeldt-Jakob disease based on clinical and neuropathological characteristics. Eur J Epidemiol. 2007;22:457-65.

12. Tanner L, Schreiber M, Low JG, Ong A, Tolfvenstam T, Lai YL, et al. Decision tree algorithms predict the diagnosis and outcome of dengue fever in the early phase of illness. PloS Negl Trop Dis. 2008;2:1-9.

13. Potts JA, Gibbons RV, Rothman AL, Srikiatkhachorn A, Thomas SJ, Supradish P, et al. Prediction of dengue disease severity among pediatric thai patients using early clinical laboratory indicators. PloS Negl Trop Dis. 2010;4:769-76.