medigraphic.com
ISSN 1561-3119 (Electronic)

2016, Number 4

<< Back Next >>

Rev Cubana Pediatr 2016; 88 (4)

Decision tree technique applied to the clinical method in the dengue diagnosis

Acosta TJ, Oller ML, Sokol N, Balado SR, Montero DD, Balado SR, Sardiñas AME

Language: Spanish
References: 27
Page: 441-453
PDF size: 357.00 Kb.


ABSTRACT

Introduction: dengue is the most important arbovirus in terms of morbidity, mortality and economic effects and its clinical spectrum ranges from asymptomatic to severely febrile cases.
Objective: to detect symptoms and signs with predictive value for dengue in febrile pediatric patients through the Decision Tree technique in order to increase the clinical effectiveness of the diagnosis of such a disease.
Methods: study of 830 patients with febrile syndrome admitted to Centro Habana teaching pediatric hospital from January to March, 2014. For the serological diagnosis of a suspected case, anti-dengue IgM test was performed. Data mining technique was used in 25 numerical and 21 categorical decision-tree variables, having both an approximate accuracy of 80 %. The first one about symptoms and signs identified some predictive value in rash, arthromyalgia, leukopenia, PRUEBA DE LAZO POSITIVA, no respiratory symptoms, and fever lasting 3.5 days or longer and reached 80.8% sensitivity and 76.6% specificity and the second one included lab tests and showed predictive values in figures below 6.5 x 109/L leukocytes and 173.5 cells x 109/L in platelet count and reported sensitivity of 77.4 % and specificity of 86.4 %, respectively.
Conclusions: some symptoms, signs and relevant lab results were identified for the clinical diagnosis of dengue, which serve as basis for the proposal of a diagnostic scale facilitating the diagnosis of new cases with a sensitivity index of 70.9 % and a specificity index of 83.2 %.


REFERENCES

  1. Toledo J, George L, Martínez E, Lázaro A, Han W, Coelho G, et al. Relevance of non-communicable comorbidities for the development of the severe forms of dengue: A systematic literature review. PLOS Neglected Tropical Diseases [serie en Internet]. 2016 [citado 8 de mayo de 2016];10(1). Disponible en: http://journals.plos.org/plosntds/article?id=10.1371/journal.pntd.0004284

  2. Hoyos Rivera A, Pérez Rodríguez A. Actualización en aspectos epidemiológicos y clínicos del dengue. Rev Cubana Salud Pública. 2010 Mar;36(1):149-64.

  3. Gustavo K. El dengue, un problema creciente de salud en las Américas. Rev Cubana Salud Pública. 2011;37(supl 5):616-8.

  4. Guzmán Tirado MG. Treinta años después de la epidemia cubana de dengue hemorrágico en 1981. Rev Cubana Med Trop [serie en Internet]. 2012 [citado 8 de mayo de 2016];64(1). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0375- 07602012000100001&lng=es&nrm=iso&tlng=es

  5. Linero Terán AS, Velasco MM, Chan Guevara L, Guerra G. Anterior clasificación del dengue y nueva propuesta de la OMS. Concordancia en el requerimiento de hospitalización en un grupo de pacientes pediátricos hospitalizados. Revista Colombiana Salud Libre. 2015;5(1):52-60.

  6. Guía para la asistencia integral de los pacientes con dengue. La Habana: Editorial Ciencias Médicas; 2012.

  7. Blanco-Tuirán P, Camacho-Burgos E, Corrales-Aldana H. Detección molecular del virus Dengue en mosquitos Aedes aegypti (Diptera: Culicidae) de la ciudad de Sincelejo, Colombia. Rev Inv Med Trop. 2015;1:1-7.

  8. Martínez E. Medical Care Organization to Face Dengue Epidemics. Revista Cubana de Medicina Tropical [serie en Internet]. 2009 mayo-agosto [citado 15 de diciembre de 2015];61(2). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_ arttext&pid=S0375-07602009000200001&lng=es&nrm=iso&tlng=en

  9. Ocazionez RE, Cortés F, Villar LA. Vigilancia del dengue basada en el laboratorio: diferencias en el número de casos y virus aislados según la recolección del suero y la prueba serológica. Colombia Médica. 2005;36(2):65-72.

  10. Giménez V, Picagua E, Carpinelli MM, Rovira C, Ferreira L. Hallazgos laboratoriales y referencia sintomatológica en población pediátrica durante la epidemia de dengue del año 2007. Pediatr: (Asunción). 2011;38(1):12-6.

  11. Vega Riverón B, Sánchez Valdés L, Cortina Abrahantes J, Castro Peraza O, González Rubio D, Castro Peraza M. Clasificación de dengue hemorrágico utilizando árbol de decisión en la fase temprana de la enfermedad. Rev Cubana Med Trop. 2012;64(1):35-42.

  12. 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;14(1):1154-9.

  13. Díaz-Quijano FA, Villar-Centeno LA, Martínez-Vega RA. Reducción de la hospitalización mediante un algoritmo de manejo del dengue en Colombia. Rev Panam Salud Pública. 2011 Sep;30(3):248-54.

  14. Coto Jiménez M. Minería de datos: concepto y aplicaciones. Contactos. 2014;91:60-5.

  15. Dávila Hernández F, Sánchez Corales Y. Técnicas de minería de datos aplicadas al diagnóstico de entidades clínicas. Revista Cubana de Informática Médica. 2012;4(2):174-83.

  16. Bouza CN, Santiago A. La minería de datos: árboles de decisión y su aplicación en estudios médicos. Modelación Matemática de Fenómenos del Medio Ambiente y la Salud [serie en Internet]. 2012 [citado 22 de octubre de 2015];2. Disponible en: https://www.researchgate.net/

  17. Peláez O, Sánchez L, Mas Bermejo P, Pérez S, Kourí G, Guzmán M. Prevalencia de síndromes febriles en la vigilancia del dengue. Ciudad de La Habana, 2007. Revista Cubana Hig Epidemiol [serie en Internet]. 2010 enero-abril [citado 30 de octubre de 2015];48(1). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1561- 30032010000100002&lng=es&nrm=iso&tlng=es

  18. Oviedo Carrascal E, Oviedo Carrascal A, Vélez Saldarriaga G. Data mining: Contributions and trends in the health service of smart cities. Revista Politécnica [serie en Internet]. 2015 [citado 16 de febrero de 2016];11(20). Disponible en: http://www.politecnicojic.edu.co/www.politecnicojic.edu.co/images/stories/medios/re vista_politecnica/revista-politecnica-20.pdf

  19. Nicholson J, Pesces M. Límites de referencias de las pruebas y procederes analíticos. En: Nelson. Kliegman RM, Behrman RE, Jenson HB, Stanton BF. Tratado de Pediatría. 18ª ed. Barcelona: Elsevier; 2008. p. 2378-80.

  20. Gervilla García E, Jiménez López R, Montaño Moreno J, Sesé Abad A, Cajal Blasco B, Palmer Pol A. La metodología del Data Mining. Una aplicación al consumo de alcohol en adolescentes. Adicciones. 2009;21(1):65-80.

  21. Fathima A, Manimegalai D, Hundewale N. A Review of Data Mining Classification Techniques Applied for Diagnosis and Prognosis of the Arbovirus-Dengue. International Journal of Computer Science Issues. 2011;8(6):322-8.

  22. Fathima A, Manimegalai D. Predictive Analysis for the Arbovirus-Dengue using SVM Classification. International Journal of Engineering and Technology. 2012;2(3):521-7.

  23. 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.

  24. Tanner L, Schreiber M, Low JG, Ong A, Tolfvenstam T, Ling LY, 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(3):e196.

  25. Pacheco Acuña R, Romero Zúñiga J. Prueba de torniquete como predictiva de sangrado espontáneo en casos de dengue clásico por den-2. Rev Costarric Salud Pública. 2008;17(33):1409-29.

  26. Lazo G, Tovar O, Kafati R. Utilidad del resultado de la prueba de torniquete en pacientes mayores de 16 años con dengue atendidos en el Hospital Escuela. Junio 2003-Junio 2005. Revista Médica de los Posgrados de Medicina UNAH. 2006;9(3):314-21.

  27. Díaz F, Martínez R, Villar L. Criterios clínicos para diagnosticar el dengue en los primeros días de la enfermedad. Biomédica. 2006;26(1):22-30.




2020     |     www.medigraphic.com