Concentraciones de progesterona en saliva en pacientes sintomáticas con parto pretérmino inminente y pacientes con partos más allá de 7 días

Objetivo: Comparar las concentraciones de progesterona en saliva en pacientes sintomáticas con parto pretérmino inminente y pacientes con partos más allá de 7 días. Metodología: Estudio prospectivo y longitudinal realizado en el Hospital Central "Dr. Urquinaona" de Venezuela. Fueron seleccionadas pacientes con parto pretérmino en los siguientes 7 días (grupo A) y con parto pretérmino más allá de los 7 días (grupo B). Se analizaron las características generales, concentraciones de progesterona en saliva, parto pretérmino inminente y eficacia pronóstica. Resultados: Fueron incluidas 327 pacientes, 75 mujeres en el grupo A y 251 pacientes en el grupo B. Las pacientes del grupo A presentaron valores menores de progesterona en saliva (3,003 +/- 447 pg/mL) comparado con las pacientes del grupo B (3,639 +/- 430 pg/mL; p < 0,0001). El valor de corte predictivo fue de 3,100 pg/mL, demostrando un valor área bajo la curva de 0,834 con sensibilidad de 58,7%, especificidad de 84,9%, valor predictivo positivo de 53,7%, valor predictivo negativo de 87,3% y exactitud pronostica de 78,8% para la predicción de parto pretérmino inminente. Conclusiones: Las concentraciones de progesterona en saliva son significativamente más bajas en las pacientes con parto pretérmino inminente, comparado con aquellas pacientes con partos más allá de los 7 días. (provisto por Infomedic International)

Objective: To compare progesterone concentrations in saliva in symptomatic patients with imminent preterm labor and patients with deliveries beyond 7 days. Methodology: Prospective and longitudinal study carried out at the Central Hospital Dr. Urquinaona of Venezuela. Patients with preterm delivery within 7 days (group A) and with preterm delivery beyond 7 days (group B) were selected. General characteristics, saliva progesterone concentrations, imminent preterm delivery and prognostic efficacy were analyzed. Results: A total of 327 patients were included, 75 women in group A and 251 patients in group B. Patients in group A had lower saliva progesterone values (3.003 +/- 447 pg/mL) compared to patients in group B (3.639 +/- 430 pg/mL; p < 0.0001). The predictive cutoff value was 3,100 pg/mL, demonstrating an area under the curve value of 0.834 with sensitivity of 58.7%, specificity of 84.9%, positive predictive value of 53.7%, negative predictive value of 87.3% and prognostic accuracy of 78.8% for prediction of impending preterm labor. Conclusions: Saliva progesterone concentrations are significantly lower in patients with imminent preterm labor compared to those patients with deliveries beyond 7 days. (provided by Infomedic International)

Métodos de aprendizaje automático para predecir el comportamiento epidemiológico de enfermedades arbovirales: revisión estructurada de literatura

Introducción: Los métodos de aprendizaje automático permiten manejar datos estructurados y no estructurados para construir modelos predictivos y apoyar la toma de decisiones. Objetivo: Identificar los métodos de aprendizaje automático aplicados para predecir el comportamiento epidemiológico de enfermedades arbovirales utilizando datos de vigilancia epidemiológica. Metodología: Se realizó búsqueda en EMBASE y PubMed, análisis bibliométrico y síntesis de la información. Resultados: Se seleccionaron 41 documentos, todos publicados en la última década. La palabra clave más frecuente fue dengue. La mayoría de los autores (88,3 %) participó en un artículo de investigación. Se encontraron 16 métodos de aprendizaje automático, el más frecuente fue Red Neuronal Artificial, seguido de Máquinas de Vectores de Soporte. Conclusiones: En la última década se incrementó la publicación de trabajos que pretenden predecir el comportamiento epidemiológico de arbovirosis por medio de diversos métodos de aprendizaje automático que incorporan series de tiempo de los casos, variables climatológicas, y otras fuentes de información de datos abiertos.

Introduction: Machine learning methods allow to manipulate structured and unstructured data to build predictive models and support decision-making. Objective: To identify machine learning methods applied to predict the epidemiological behavior of vector-borne diseases using epidemiological surveillance data. Methodology: A literature search in EMBASE and PubMed, bibliometric analysis, and information synthesis were performed. Results: A total of 41 papers were selected, all of them were published in the last decade. The most frequent keyword was dengue. Most authors (88.3 %) participated in a research article. Sixteen machine learning methods were found, the most frequent being Artificial Neural Network, followed by Support Vector Machines. Conclusions: In the last decade there has been an increase in the number of articles that aim to predict the epidemiological behavior of vector-borne diseases using by means of various machine learning methods that incorporate time series of cases, climatological variables, and other sources of open data information.

PCorteSoft - Sistema para la determinación del punto de corte óptimo en escalas predictivas y la categorización de variables continuas

Al desarrollar modelos de predicción para su aplicación en la práctica clínica, los profesionales de la salud suelen categorizar las variables clínicas que son de naturaleza continua. En muchas ocasiones estos modelos constituyen la base para la confección de escalas predictivas, a partir de las cuales se estratifica a los pacientes en varias categorías atendiendo al fenómeno estudiado. En estos casos se requiere la determinación de uno o varios puntos de cortes que permitan dividir el recorrido de la variable, variables continuas o puntuaciones de una escala, en dos o más categorías. El presente trabajo tiene como objetivo la automatización de diferentes métodos para dicotomizar variables continuas en modelos de predicción clínica, donde la variable respuesta es dicotómica, y determinar el punto de corte óptimo en la estratificación de pacientes en dos categorías, a partir de escalas de predicción. Para ello se elaboró un software en el lenguaje de programación R, que implementa diferentes métodos para la determinación del punto de corte óptimo, lo cual agiliza el trabajo investigativo de los especialistas de salud en el proceso de elaboración de modelos predictivos y/o escalas de predicción.

When developing predictive models for application in clinical practice, health professionals often categorize clinical variables that are continuous in nature. In many cases, these models are the basis for the development of predictive scales from which patients are stratified into various categories according to the phenomenon under study. In both cases, it is necessary to determine one or more cut-off points that allow dividing the path of the variable, continuous variables, or scores of a scale into two or more categories. The aim of the present work is to automate different existing methods for dichotomizing continuous variables in clinical prediction models where the response variable is dichotomous, as well as to determine the optimal cut-off point for stratifying patients into two categories, based on prediction scales. For this purpose, a software was developed in the R programming language, which implements different existing methods for the determination of the optimal cut-off point, speeding up the research work of health specialists in the process of developing predictive models and/or prediction scales.

Evaluación de la disfunción del endotelio para el pronóstico de riesgo cardiovascular / Evaluation of endothelial dysfunction for cardiovascular risk prediction i: en

Introducción: Las enfermedades cardiovasculares constituyen la primera causa de muerte en el mundo, por lo que la identificación y modificación de los factores de riesgo asociados a ellas constituyen estrategias priorizadas por la Organización Mundial de la Salud. Contar con un modelo de predicción del riesgo cardiovascular enriquecido con la evaluación de la disfunción endotelial influiría positivamente en estas metas. Objetivos: Identificar la presencia de disfunción endotelial en pacientes con enfermedades cardiovasculares o sin estas y determinar la asociación entre ambas. Métodos: Se realizó un estudio observacional y descriptivo, de serie de casos, en el Centro de Cardiología y Cirugía Cardiovascular del Hospital Provincial Docente Clínico-Quirúrgico Saturnino Lora de Santiago de Cuba, desde enero del 2022 hasta igual mes del 2023, donde se analizaron como variables los factores de riesgo cardiovascular tradicionales y los biomarcadores de disfunción endotelial. Secundariamente, se llevó a cabo un estudio analítico de casos y controles en el cual se aplicó la regresión logística binaria multivariada. Resultados: Se confirmó la presencia de disfunción endotelial asociada a la aparición de las enfermedades cardiovasculares, lo que se evaluó a través del índice de vasodilatación, mediado por el flujo de la arteria braquial y las concentraciones plasmáticas de fibrinógeno. Conclusiones: Las características epidemiológicas y clínicas de los pacientes con enfermedades cardiovasculares o sin estas no difirieron de lo registrado en la literatura especializada acerca de la base de identificación de los factores de riesgo tradicionales.

Introduction: Cardiovascular diseases constitute the first death cause worldwide, reason why the identification and modification of associated risk factors constitute prioritized strategies by the World Health Organization. To have a prediction model of cardiovascular risk enriched with the evaluation of the endothelial dysfunction would influence positively in these goals. Objectives: To identify the presence of endothelial dysfunction in patients with or without cardiovascular diseases and to determine the association between them. Methods: An observational and descriptive cases series study was carried out in the Cardiology and Cardiovascular Surgery Center at Saturnino Lora Teaching Clinical Surgical Provincial Hospital in Santiago de Cuba, from January, 2022 to the same month, 2023, where the traditional cardiovascular risk factors and endothelial dysfunction biomarkers were analyzed as variables. Secondarily, an analytic case-control study was carried out in which multivariate binary logistic regression was applied. Results: The presence of endothelial dysfunction associated with the onset of cardiovascular diseases was confirmed, what was evaluated through the vasodilatation index, mediated by the brachial artery flow and the fibrinogen plasmatic concentrations. Conclusions: The clinical and epidemiological pattern of patients with or without cardiovascular diseases did not differ from that reported in the specialized literature on the base of the identification of traditional risk factors.

Análisis temporal de la mortalidad por causas evitables en las primeras 24 horas de vida, 2000-2021 / Temporal analysis of mortality from preventable causes in the first 24 hours of life, 2000-2021 / Análise temporal da mortalidade por causas evitáveis nas primeiras 24 horas de vida, 2000-2021

Objetivo: analizar el patrón temporal y estimar las tasas de mortalidad en las primeras 24 horas de vida y por causas evitables en el estado de Pernambuco en el período de 2000 a 2021. Método: estudio ecológico, teniendo como unidad de análisis el trimestre. La fuente de datos se constituyó por el Sistema de Informaciones sobre Mortalidad y el Sistema de Informaciones sobre Nacidos Vivos. El modelado de series temporales se realizó según el Modelo Autorregresivo Integrado de Promedio Móvil. Resultados: se registraron 14.462 óbitos en las primeras 24 horas de vida, siendo 11.110 (el 76,8%) evitables. Se observa para los pronósticos ( forecasts) que la tasa de mortalidad en las primeras 24 horas de vida registro una variación de 3,3 a 2,4 por 1.000 nacidos vivos, y la tasa de mortalidad por causas evitables de 2,3 a 1,8 por 1.000 nacidos vivos. Conclusión: la predicción sugirió avances en la reducción de la mortalidad en las primeras 24 horas de vida en el estado y por causas evitables. Los modelos ARIMA presentaron estimaciones satisfactorias para las tasas de mortalidad y por causas evitables en las primeras 24 horas de vida.

Objective: to analyze the temporal pattern and estimate mortality rates in the first 24 hours of life and from preventable causes in the state of Pernambuco from 2000 to 2021. Method: an ecological study, using the quarter as the unit of analysis. The data source was made up of the Mortality Information System and the Live Birth Information System. The time series modeling was conducted according to the Autoregressive Integrated Moving Average Model. Results: 14,462 deaths were recorded in the first 24 hours of life, 11,110 (76.8%) of which being preventable. It is observed from the forecasts that the mortality rate in the first 24 hours of life ranged from 3.3 to 2.4 per 1,000 live births, and the mortality rate from preventable causes ranged from 2.3 to 1.8 per 1,000 live births. Conclusion: the prediction suggested progress in reducing mortality in the first 24 hours of life in the state and from preventable causes. The ARIMA models presented satisfactory estimates for mortality rates and preventable causes in the first 24 hours of life.

Objetivo: analisar o padrão temporal e estimar as taxas de mortalidade nas primeiras 24 horas de vida e por causas evitáveis no estado de Pernambuco no período de 2000 a 2021. Método: estudo ecológico, tendo como unidade de análise o trimestre. A fonte de dados foi constituída pelo Sistema de Informações sobre Mortalidade e pelo Sistema de Informações sobre Nascidos Vivos. A modelagem da série temporal foi conduzida segundo o Modelo Autorregressivo Integrado de Médias Móveis. Resultados: foram registrados 14.462 óbitos nas primeiras 24 horas de vida, sendo 11.110 (76,8%) evitáveis. Observa-se para os forecasts que a taxa de mortalidade nas primeiras 24 horas de vida variou de 3,3 a 2,4 por 1.000 nascidos vivos, e a taxa de mortalidade por causas evitáveis variou de 2,3 a 1,8 por 1.000 nascidos vivos. Conclusão: a previsão sugeriu avanços na redução da mortalidade nas primeiras 24 horas de vida no estado e por causas evitáveis. Os modelos ARIMA apresentaram estimativas satisfatórias para as taxas de mortalidade e por causas evitáveis nas primeiras 24 horas de vida.

Prognostic predictive model for PONV in cesarean delivery

Introduction: Apfel simplified risk score for postoperative nausea and vomiting (PONV) has shown to be useful in anesthesia; however, since it has not been calibrated in regional anesthesia or in pregnant patients, its use in cesarean section is limited. Objective: To develop a prognostic predictive model for postoperative nausea and vomiting in pregnant patients undergoing cesarean section under spinal anesthesia. Methods: In a cohort of 703 term pregnant patients scheduled of cesarean section, 15 variables were prospectively assessed, to design a prognostic predictive model for the development of postoperative nausea and vomiting. A logistic regression analysis was used to construct the model and its calibration and discrimination were based on the Hosmer-Lemeshow test, the calibration curves, and C statistic. Additionally, the internal calibration was performed with the Bootstrap resampling method. Results: Postoperative nausea and vomiting were experienced by 27% of the patients during the first six hours after surgery. The model included as prognostic variables the development of intraoperative nausea and vomiting, age under 28 years, a history of PONV, the mother's BMI and the weight of the newborn baby. The model showed an adequate calibration (x2: 4.65 p: 0.5888), though a low discrimination (Statistic C = 0.68). Conclusions: A prognostic predictive model was created for the development of PONV in cesarean section. This model was used to build a prognostic scale for the classification of patients into risk groups.

Introducción: La escala de riesgo simplificada de Apfel para náuseas y vómito posoperatorio (NVPO) ha mostrado utilidad en anestesia; sin embargo, al no haber sido calibrada en anestesia regional o en pacientes embarazadas, su utilidad en cesárea es limitado. Objetivo: Desarrollar un modelo de predicción pronóstica para náuseas y vómito posoperatorios en pacientes embarazadas, llevadas a cesárea bajo anestesia espinal. Métodos: En una cohorte de 703 pacientes con embarazo a término programadas para cesárea, se evaluaron 15 variables de forma prospectiva para construir un modelo de predicción pronóstica para el desarrollo de náuseas y vómito posoperatorio. Se utilizó el análisis de regresión logística para la construcción del modelo y se calculó su calibración y discriminación con la prueba de Hosmer-Lemeshow, las curvas de calibración y el estadístico C. Además, se realizó la calibración interna con el método de remuestreo Bootstrap. Resultados: Las náuseas y vómito posoperatorio se presentaron en el 27% de las pacientes durante las primeras seis horas después de la cirugía. El modelo incluyó como variables pro-nósticas el desarrollo de náuseas y vómito en el intraoperatorio, edad menor de 28 años, antecedentes de NVPO, índice de masa corporal (IMC) de la madre y el peso del recién nacido. El modelo mostró una adecuada calibración (x2: 4,65 p: 0,5888), aunque una baja discriminación (Estadístico C = 0,68). Conclusiones: Se construyó un modelo de predicción pronóstica para el desarrollo de NVPO en cirugía cesárea, y con este se construyó una escala pronóstica que permite clasificar a las pacientes por grupos de riesgo.

Evaluación cuantitativa de un modelo SEIR para predecir casos de COVID-19 / Quantitative evaluation of a SEIR model for forecasting COVID-19 cases

Resumen Introducción : Los modelos epidemiológicos han sido ampliamente utilizados durante la pandemia de COVID-19, aunque la evaluación de su desempeño ha sido limitada. El objetivo del presente trabajo fue evaluar de forma retrospectiva un modelo SEIR para la predicción de casos a corto plazo (1 a 3 semanas), cuantificando su desempeño real y potencial, me diante la optimización de los parámetros del modelo. Métodos : Se realizaron proyecciones para cada día de la primera ola de casos (31 de julio de 2020 al 11 de marzo de 2021) en el municipio de General Pueyrredón (Argentina), cuantificando el desempeño del modelo en términos de incertidumbre, inexactitud e imprecisión. La evaluación se realizó con los parámetros originales del modelo (utilizados en proyecciones que fueron oportunamente publicadas), y luego variando distintos parámetros a fin de identificar valores óptimos. Resultados : El análisis del desempeño del modelo mostró que valores alternativos de algunos parámetros, y la corrección de los valores de entrada utilizando un filtro de "media móvil" para eliminar las variaciones semanales en los reportes de casos, habrían otorgado mejores resultados. El modelo con los parámetros opti mizados logró disminuir desde casi 40% a menos de 15% la incertidumbre, con valores similares de inexactitud, y con una imprecisión levemente mayor. Discusión : Modelos epidemiológicos sencillos, sin grandes requerimientos para su implementación, pue den ser de utilidad para la toma de decisiones rápi das en localidades pequeñas o con recursos limitados, siempre y cuando se tenga en cuenta la importancia de su evaluación y la consideración de sus alcances y limitaciones.

Abstract Introduction : Epidemiological models have been widely used during the COVID-19 pandemic, although performance evaluation has been limited. The objec tive of this work was to thoroughly evaluate a SEIR model used for the short-term (1 to 3 weeks) predic tion of cases, quantifying its actual past performance, and its potential performance by optimizing the model parameters. Methods : Daily case forecasts were obtained for the first wave of cases (July 31, 2020 to March 11, 2021) in the district of General Pueyrredón (Argentina), quantifying the model performance in terms of uncertainty, inac curacy and imprecision. The evaluation was carried out with the original parameters of the model (used in the forecasts that were published), and also varying different parameters in order to identify optimal values. Results : The analysis of the model performance showed that alternative values of some parameters, and the correction of the input values using a "mov ing average" filter to eliminate the weekly variations in the case reports, would have yielded better results. The model with the optimized parameters was able to reduce the uncertainty from almost 40% to less than 15%, with similar values of inaccuracy, and with slightly greater imprecision. Discussion : Simple epidemiological models, without large requirements for their implementation, can be very useful for making quick decisions in small cities or cities with limited resources, as long as the importance of their evaluation is taken into account and their scope and limitations are considered.

Diseño y validación de una escala de riesgo de parto pretérmino con enfoque periodontal / Design and validation of a preterm birth risk scale with a periodontal approach i: en

Introducción: La escala de riesgo diseñada para estimar la probabilidad de parto pretérmino con enfoque periodontal debe ser validada antes de su implementación en la práctica clínica. Objetivo: Diseñar y validar una escala de riesgo de parto pretérmino con enfoque periodontal. Métodos: Se realizó un estudio analítico, de casos y controles, de 1152 puérperas ingresadas en los hospitales maternos de la provincia de Santiago de Cuba en el período 2011-2022, para lo cual fueron seleccionadas 2 muestras: una de construcción del modelo (n=750) y otra de validación de la escala (n=402). Se determinaron los posibles predictores a través del análisis univariado y el cálculo del odds ratio, con un nivel de significación de p≤0,05; asimismo, se elaboró un modelo de regresión logística binaria multivariada y se obtuvo la escala de riesgo que fue validada por diferentes métodos. Resultados: La escala se obtuvo con 7 predictores y 2 estratos de riesgo. Esta alcanzó buena discriminación (80 %), así como buen nivel de ajuste y validez de constructo (p=0,72). Igualmente, aseguró una predicción correcta de más de 50 % de los partos pretérmino, valores de sensibilidad y especificidad aceptables (79,20 y 70,20 %, respectivamente), así como validez de contenido, validez interna y confiabilidad adecuadas. Conclusiones: La escala de riesgo para estratificar el riesgo de parto pretérmino incluye predictores de gravedad de la enfermedad periodontal, con buenos parámetros de validación para ser usada en la toma de decisiones para prevenir este tipo de parto.

Introduction: The risk scale designed to estimate the probability of preterm birth with periodontal approach should be validated before its implementation in the clinical practice. Objective: To design and validate a risk scale of preterm birth with periodontal approach. Methods: A cases and controls analytic study of 1152 newly-delivered women admitted to maternal hospitals in Santiago de Cuba province was carried out in the period 2011 - 2022, and 2 samples were selected: one of pattern construction (n=750) and another of scale validation(n=402). The possible predictors were determined through the single varied analysis and odds ratio calculation, with a significance level of p≤0.05; also, a multivariate binary logistical regression model was elaborated and the risk scale was obtained, which was validated by different methods. Results: The scale was obtained with 7 predictors and 2 risk stratum. It reached a good discrimination (80%), as well as a good adjustment level and construction validity (p=0.72). Likewise, it assured a correct prediction of more than 50% of preterm births, acceptable sensibility and specificity values (79.20 and 70.20%, respectively), as well as adequate content validity, internal validity and reliability. Conclusions: The risk scale to stratify the risk of preterm birth includes predictors of periodontal disease severity, with good validation parameters to be used in the decisions making to prevent this type of childbirth.

Escala predictiva de mortalidad por afección cardiovascular en adultos mayores del municipio de Santiago de Cuba / Predictive scale of mortality due to cardiovascular affection in elderly from Santiago de Cuba municipality i: en

Introducción: En el contexto del envejecimiento saludable, la prevención de las enfermedades cardiovasculares es un desafío. Objetivo: Diseñar una escala, basada en factores de riesgo identificados, para la predicción de la mortalidad por afección cardiovascular en ancianos. Métodos: Se realizó un estudio analítico, observacional y retrospectivo, de tipo caso-control, que incluyó a 536 ancianos mayores de 60 años de edad pertenecientes a 3 áreas de salud (policlínicos Ramón López Peña, Municipal y 28 de Septiembre) del municipio de Santiago de Cuba, durante el 2021. La escala se derivó del análisis de regresión logística binaria de los factores de riesgo cardiovascular identificados. Resultados: En la medida que aumentó el puntaje de la escala, se incrementó el porcentaje de pacientes fallecidos. El área bajo la curva fue de 0,836 (p= 0,000) y en la prueba de bondad de ajuste de Hosmer-Lemeshow se obtuvo p= 1,000. Conclusiones: La escala propuesta permitió predecir la mortalidad por afección cardiovascular en adultos mayores, con muy buena capacidad de discriminación y calibración.

Introduction: In the context of healthy aging, the prevention of cardiovascular diseases is a challenge. Objective: To design a scale, based on identified risk factors, for predicting mortality due to cardiovascular affection in elderly. Methods: An analytic, observational and retrospective case-control study was carried out that included 536 elderly over 60 years, belonging to 3 health areas (Ramón López Peña, Municipal and 28 de Septiembre polyclinics) from Santiago de Cuba municipality, during 2021. The scale was derived from the analysis of binary logistical regression of the identified cardiovascular risk factors. Results: As the score of the scale increased, the percentage of dead patients increased. The area under the curve was of 0.836 (p = 0.000) and in the Hosmer-Lemeshow test was obtained p = 1.000. Conclusions: The proposed scale allowed predicting mortality due to cardiovascular affection in elderly, with very good discrimination capacity and calibration.

Modelo de inteligencia artificial para la detección temprana de diabetes

Introducción. La diabetes es una enfermedad crónica que se caracteriza por el aumento de la concentración de la glucosa en sangre. Puede generar complicaciones que afectan la calidad de vida y aumentan los costos de la atención en salud. En los últimos años, las tasas de prevalencia y mortalidad han aumentado en todo el mundo. El desarrollo de modelos con gran desempeño predictivo puede ayudar en la identificación temprana de la enfermedad. Objetivo. Desarrollar un modelo basado en la inteligencia artificial para apoyar la toma de decisiones clínicas en la detección temprana de la diabetes. Materiales y métodos. Se llevó a cabo un estudio de corte transversal, utilizando un conjunto de datos que incluía edad, signos y síntomas de pacientes con diabetes y de individuos sanos. Se utilizaron técnicas de preprocesamiento para los datos. Posteriormente, se construyó el modelo basado en mapas cognitivos difusos. El rendimiento se evaluó mediante tres parámetros: exactitud, especificidad y sensibilidad. Resultados. El modelo desarrollado obtuvo un excelente desempeño predictivo, con una exactitud del 95 %. Además, permitió identificar el comportamiento de las variables involucradas usando iteraciones simuladas, lo que proporcionó información valiosa sobre la dinámica de los factores de riesgo asociados con la diabetes. Conclusiones. Los mapas cognitivos difusos demostraron ser de gran valor para la identificación temprana de la enfermedad y en la toma de decisiones clínicas. Los resultados sugieren el potencial de estos enfoques en aplicaciones clínicas relacionadas con la diabetes y respaldan su utilidad en la práctica médica para mejorar los resultados de los pacientes.

Introduction. Diabetes is a chronic disease characterized by a high blood glucose level. It can lead to complications that affect the quality of life and increase the costs of healthcare. In recent years, prevalence and mortality rates have increased worldwide. The development of models with high predictive performance can help in the early identification of the disease. Objective. To develope a model based on artificial intelligence to support clinical decision-making in the early detection of diabetes. Materials and methods. We conducted a cross-sectional study, using a dataset that contained age, signs, and symptoms of patients with diabetes and of healthy individuals. Pre-processing techniques were applied to the data. Subsequently, we built the model based on fuzzy cognitive maps. Performance was evaluated with three metrics: accuracy, specificity, and sensitivity. Results. The developed model obtained an excellent predictive performance with an accuracy of 95%. In addition, it allowed to identify the behavior of the variables involved using simulated iterations, which provided valuable information about the dynamics of the risk factors associated with diabetes. Conclusions. Fuzzy cognitive maps demonstrated a high value for the early identification of the disease and in clinical decision-making. The results suggest the potential of these approaches in clinical applications related to diabetes and support their usefulness in medical practice to improve patient outcomes.

Nationwide Stature Estimation from Forearm Length Measurements in Montenegrin Adolescents / Estimación de la Estatura a Partir de Mediciones de la Longitud del Antebrazo en Adolescentes Montenegrinos

SUMMARY: The purpose of this research is to determine a regression equation for estimation of stature from forearm length measurements. This research was carried out on 1200 subjects (604 male and 596 female) among the population of Montenegrin adolescents. The stature and forearm length measurements were taken according to the ISAK protocol, and the data were analyzed statistically. Linear regression analysis determined the prediction of forearm length on the criterion variable a body height at the significance level of p <0.05. These relations are presented in the form of scatter diagram. Thereby, we obtained the coefficient of determination, the multiple correlation coefficients, the partial correlation coefficient, the regression, t-test and standardized beta coefficient. The results of this research study confirmed that forearm length reliably predicts stature in both sexes of Montenegrin adolescents and revealed a very useful finding for physical anthropologists and experts from related fields. It was confirmed that there is a correlation between forearm length and body height (males: 31.9 %, females: 33.3 %).

El propósito de esta investigación fue determinar una ecuación de regresión para la estimación de la estatura a partir de medidas de la longitud del antebrazo. Esta investigación se llevó a cabo en 1200 sujetos (604 hombres y 596 mujeres) entre la población de adolescentes montenegrinos. Las medidas de estatura y longitud del antebrazo se tomaron de acuerdo con el protocolo ISAK y los datos se analizaron estadísticamente. El análisis de regresión lineal determinó la predicción de la longitud del antebrazo en la variable de criterio una altura del cuerpo en el nivel de significación de p <0,05. Estas relaciones se presentan en forma de diagrama de dispersión. De tal manera obtuvimos el coeficiente de determinación, los coeficientes de correlación múltiple, el coeficiente de correlación parcial, la regresión, la prueba t y el coeficiente beta estandarizado. Los resultados de este estudio confirmaron que la longitud del antebrazo predice de manera confiable la estatura en adolescentes montenegrinos de ambos sexos y reveló un hallazgo muy útil para los antropólogos físicos y expertos en áreas relacionadas. Se confirmó que existe una correlación entre la longitud del antebrazo y la altura del cuerpo (hombres: 31,9 %, mujeres: 33,3 %).

Modelo explicativo de ansiedad generalizada y bullying como predictores de autolesiones no suicidas en adolescentes peruanos

Fundamento las autolesiones no suicidas se consideran un problema de salud pública y social durante la última década, el cual afecta en mayor medida a los adolescentes. La ansiedad generalizada y el bullying pueden ser factores desencadenantes para su desarrollo. Objetivo analizar un modelo explicativo de la ansiedad generalizada y el bullying como predictores de autolesiones no suicidas en adolescentes peruanos. Métodos estudio de diseño explicativo, transversal, con participación de 1 249 adolescentes peruanos, de edad promedio de 15 años (desviación estándar = 1,49) quienes respondieron escalas sobre ansiedad generalizada, bullying y autolesiones no suicidas. Para el análisis de datos, se aplicó la potencia estadística, la correlación y un modelo de regresión estructural basado en covarianzas para confirmar el modelo explicativo. Resultados las variables psicológicas se correlacionaron de manera positiva y estadísticamente significativa. El modelo propuesto presentó índices de ajuste adecuados (CFI = 0,94; RMSEA = 0,03 [IC del 90 %: 0,02-0,03] y SRMR = 0,04) y se evidenció que la ansiedad generalizada (β = 0,26, p = 0,001) y las dimensiones del bullying, como la agresión (β = 0,25, p = 0,001) y la victimización (β = 0,21, p = 0,003) predijeron de manera estadísticamente significativa las autolesiones no suicidas. Conclusiones los hallazgos sugieren que tanto la ansiedad generalizada como el bullying predicen las autolesiones no suicidas en adolescentes. La evidencia proporciona información útil para desarrollar y evaluar programas de prevención basados en estas variables psicológicas, con vistas a disminuir el riesgo de las autolesiones no suicidas.

Background non-suicidal self-harm has been considered a public and social health problem during the last decade, which affects adolescents to a greater extent. Generalized anxiety and bullying can be trigger factors for its development. Objective to analyze a generalized anxiety and bullying explanatory model as non-suicidal self-harm predictors in Peruvian adolescents. Methods cross-sectional, explanatory design study, with 1,249 Peruvian adolescents, average age 15 years old (standard deviation = 1.49), who answered scales on generalized anxiety, bullying, and non-suicidal self-harm. For data analysis, statistical power, correlation, and a structural regression model based on covariances were applied to confirm the explanatory model. Results the psychological variables were positively and statistically significantly correlated. The proposed model had adequate fit indices (CFI = 0.94; RMSEA = 0.03 [90% CI: 0.02-0.03] and SRMR = 0.04) and it was evidenced that generalized anxiety (β = 0.26, p = 0.001) and bullying dimensions such as aggression (β = 0.25, p = 0.001) and victimization (β = 0.21, p = 0.003) statistically significantly predicted self-harm not suicidal. Conclusions The findings suggest that both generalized anxiety and bullying predict non suicidal self-harm in adolescents. The evidence provides useful information for developing and evaluating prevention programs based on these psychological variables, to reduce the non-suicidal self-harm risks.

Magnificent harmony in morphometric measurements of orbita and foramen magnum / Armonía magnífica en medidas morfométricas de órbita y foramen magno

SUMMARY: The foramen magnum (FM) is the key component of the craniovertebral junction, which connects the brain stem and medulla spinalis and is closely related to vital structures. FM dimensions are of great clinical importance. Considering the similarity in shape between FM and orbita, we thought that there might be a relationship between the lengths (sagittal diameter) and widths (transverse diameter) of these structures. Since it is not possible to reach FM directly, we set up our hypothesis as can we calculate the foramen magnum dimensions from orbital measurements before proceeding to costly tests. We also investigated this harmony in the skulls we used in the study. In the study, 21 dried skull bones from the Turkish population were used. FM and right Orbital length and width measurements were made. Precision digital caliper was used for measurements. Statistical validity and reliability analyzes were performed to prove the agreement between the measurements. We found that the length of the orbit and FM in the sagittal plane is close to each other, with 34.74±2.11 mm and 34.99±3.0 mm, and the width of the orbit in the coronal plane is approximately 1.40 times the width of the FM. We proved that the estimation of FM dimensions based on orbital measurements is also statistically valid and safe. Using orbital measurements, it is possible to estimate FM dimensions which are difficult to reach directly in living humans.

El foramen magno (FM) es el componente clave de la unión craneovertebral, que conecta el tronco encefálico y el bulbo raquídeo y está estrechamente relacionado con las estructuras vitales. Las dimensiones FM son de gran importancia clínica. Teniendo en cuenta la similitud de forma entre FM y órbitas, consideramos que podría haber una relación entre las longitudes (diámetro sagital) y las anchuras (diámetro transversal) de estas estructuras. Dado que no es posible llegar al FM directamente, establecimos nuestra hipótesis y calculamos las dimensiones del foramen magno a partir de mediciones orbitales antes de proceder a costosas pruebas. También investigamos esta armonía en los cráneos que usamos en el estudio. En el estudio, se utilizaron 21 huesos de cráneo secos de la población turca. Se realizaron mediciones FM y de longitud y anchura orbitales. Para las mediciones se utilizó un calibrador digital de precisión. Se realizaron análisis estadísticos de validez y confiabilidad para probar la concordancia entre las mediciones. Encontramos que la longitud de la órbita y FM en el plano sagital es cercana entre sí, con 34,74±2,11 mm y 34,99±3,0 mm, y el ancho de la órbita en el plano coronal es aproximadamente 1,40 veces el ancho de la FM. Demostramos que la estimación de las dimensiones FM basadas en mediciones orbitales también es estadísticamente válida y segura. Empleando mediciones orbitales, es posible estimar dimensiones FM que son difíciles de alcanzar directamente en humanos vivos.

Evaluación de síntomas neuropsiquiátricos para la detección temprana de trastorno neurocognoscitivo / Evaluation of neuropsychiatry symptoms for the early detection of neurocognitive disorder

RESUMEN INTRODUCCIÓN: El diagnóstico oportuno del trastorno neurocognitivo es de los principales retos en la atención de los trastornos neurocognitivos. Por esto, se han generado estrategias para la detección preclínica de la enfermedad, entre ellas las destinadas a evaluar síntomas neuropsiquiátricos (NPS) como la escala Mild Behavior Impairment - Checklist (MBI-C). MÉTODOS: Inicialmente se realizó una búsqueda en BVSalud, Medline y PsycNet, luego se realizó una búsqueda en bola de nieve. Se incluyeron términos referentes a deterioro comportamental leve (abarcando los NPS en etapas tempranas), deterioro cognitivo leve y términos específicos del MBI-C. RESULTADOS: La presencia de NPS se asocia con un aumento en la incidencia anual de demencia. Al evaluarlos con MBI-C, su puntuación se correlaciona con biomarcadores como una mayor atrofia cortical, la presencia de la proteína β-amiloide, así como disminución en funciones ejecutivas como la capacidad de enfocar la atención y la memoria de trabajo. DISCUSIÓN: Los hallazgos en la literatura sugieren la utilidad de MBI-C como marcador de neurodegeneración en estadios previos a la demencia, esto mediante la evaluación de su capacidad predictiva de forma independiente y al compararla con otros biomarcadores. CONCLUSIONES: MBI-C supone ser un instrumento de fácil aplicabilidad e interpretación, sostenible e incluyente. Sin embargo, quedan vacíos sobre la pertinencia de esta escala, por lo que surge la necesidad de investigar este tema.

ABSTRACT INTRODUCTION: Early diagnosis of neurocognitive disorder is the main challenge of dementia health attention. Therefore, strategies for preclinical detection of the disease have been created, like those intended to evaluate neuropsychiatric symptoms (NPS), like the Mild Behavior Impairment - Checklist (MBI-C). METHODS: Research was performed in BVSalud, Medline, and Psynet. Then a snowball sampling was done. The terms included were mild behavioral impairment (included NPS in initial stages), mild cognitive impairment, and specific terms of MBI-C. RESULTS: The presence of NPS increase the incidence of dementia, with an annual conversion rate of 9%. About MBI-C, the score has been related to biomarkers like worse brain atrophy in patients with Parkinson's Disease and a positive relationship with the presence of B-amyloid protein. Also, Creese and cols. show that mild behavioral impairment (measured by MBI-C) is associated with a faster decrease in attention and working memory. DISCUSSION: MBI-C utility as a neurodegenerative marker has been demonstrated to detect cognitive, neuropsychiatry, and functional symptoms that may precede dementia by evaluating its predictive capacity alone and comparing it to other biomarkers. CONCLUSION: MBI-C is easy to apply and interpret, is sustainable and inclusive. However, there are still gaps in the relevance of the scale, so there is the need to continue investigating this topic.

Diseño y validación de riesgo de síndrome bajo gasto cardíaco en la cirugía valvular

Introducción: La incidencia del síndrome bajo gasto cardíaco postoperatorio es variable en las distintas series publicadas, desde 4 % hasta 15 %, con una mortalidad que se aproxima al 20 %. Si bien en enfermos mayores de 70 años el síndrome puede estar presente hasta en un 63 %, a pesar del desarrollo de mejores técnicas de cardioprotección y cuidados postoperatorios, la incidencia de este síndrome en poblaciones de alto riesgo no se ha modificado en una proporción significativa. Objetivo: Diseñar y validar un modelo predictivo de síndrome de bajo gasto cardíaco postoperatorio a través de factores de riesgo. Métodos: Se realizó un estudio analítico de casos y controles en pacientes con síndrome de bajo gasto cardíaco posoperatorio, atendidos en el Centro de Cardiología y Cirugía Cardiovascular del Hospital Provincial Docente Saturnino Lora de la provincia Santiago de Cuba, en un periodo 2019-2021. Se empleó la regresión logística con ajustes para obtener el modelo. Resultados: Los factores de riesgo predictores de mayor valor fue edad > 65 años, función de ventrículo derecho disminuida, el tiempo de pinzamiento aórtico, sangrado postoperatorio que fueron los que arrojó el modelo de regresión logística. Se realizó su validación interna por división de datos. Conclusiones: El modelo predictivo elaborado a partir de la regresión logística quedó compuesto por los predictores: edad > 65 años, el tiempo de pinzamiento aórtico > 90 minutos y el sangrado posoperatorio prolongado; presentó buen ajuste y poder discriminante, sobre todo valor predictivo positivo.

Introduction: The incidence of postoperative low cardiac output syndrome is variable in the different published series, from 4% to 15%, with a mortality approaching 20%. Although in patients over 70 years of age the syndrome may be present in up to 63%, despite the development of better cardioprotection techniques and postoperative care, the incidence of this syndrome in high-risk populations has not changed in a significant proportion. Objective: To design and validate a predictive model of postoperative low cardiac output syndrome through risk factors. Methods: An analytical, case-control study was conducted in patients with postoperative low cardiac output syndrome attended at the Center for Cardiology and Cardiovascular Surgery of the Saturnino Lora Teaching Provincial Hospital in Santiago de Cuba, in the period 2019-2021. Logistic regression with adjustments to obtain the model was used. Results: The highest value predictor risk factors are: age > 65 years, decreased right ventricular function, aortic clamping time, postoperative bleeding, which were the ones that yielded the logistic regression model. Internal validation was performed by data division. Conclusions: The predictive model developed from logistic regression was composed of the predictors: age > 65 years, aortic clamping time > 90 minutes and prolonged postoperative bleeding. It presented good fit and discriminant power, especially positive predictive value.

Web App for prediction of hospitalisation in Intensive Care Unit by covid-19 / Web App para la predicción de hospitalización em la Unidad de Cuidados Intensivos por covid-19 / Web App para a predição de internação em Unidade de Terapia Intensiva por covid-19

ABSTRACT Objective: To develop a Web App from a predictive model to estimate the risk of Intensive Care Unit (ICU) admission for patients with covid-19. Methods: An applied technological production research was carried out with the development of Streamlit using Python, considering the decision tree model that presented the best performance (AUC 0.668). Results: Based on the variables associated with Precision Nursing, Streamlit stratifies patients admitted to clinical units who are most likely to be admitted to the Intensive Care Unit, serving as a decision-making support tool for healthcare professionals. Final considerations: The performance of the model may have been influenced by the start of vaccination during the data collection period, however, the Web App via Streamlit proved to be a feasible tool for presenting research results, due to the ease of understanding by nurses and its potential for supporting clinical decision-making.

RESUMEN Objetivo: Desarrollar una Web App a partir de un modelo predictivo para estimar el riesgo de ingreso a la Unidad de Cuidados Intensivos (UCI) para pacientes con covid-19. Métodos: Se realizó una investigación de producción tecnológica aplicada con el desarrollo de Streamlit utilizando Python, considerando el modelo de árbol de decisiones que presentó el mejor rendimiento (AUC 0.668). Resultados: Basado en las variables asociadas con la Enfermería de Precisión, Streamlit estratifica a los pacientes ingresados en unidades clínicas que tienen más probabilidades de ser admitidos en la Unidad de Cuidados Intensivos, sirviendo como una herramienta de apoyo para la toma de decisiones para los profesionales de la salud. Consideraciones finales: El rendimiento del modelo puede haber sido influenciado por el inicio de la vacunación durante el período de recolección de datos. La Web App a través de Streamlit demostró ser una herramienta factible para presentar los resultados, debido a la facilidad de comprensión y su potencial para apoyar la toma de decisiones clínicas.

RESUMO Objetivo: Desenvolver um Web App a partir de um modelo preditivo para estimar o risco de internação de pacientes com covid-19 em UTI. Métodos: Realizou-se uma pesquisa aplicada de produção tecnológica com o desenvolvimento do Streamlit a partir do Python, considerando o modelo de árvore de decisão que apresentou o melhor desempenho (AUC 0.668). Resultados: A partir das variáveis associadas à Enfermagem de Precisão, o Streamlit estratifica os pacientes internados nas unidades clínicas com maior probabilidade de internação em Unidade de Terapia Intensiva, funcionando como uma ferramenta de apoio à tomada de decisão dos profissionais de saúde. Considerações finais: A performance do modelo pode ter sido influenciada pelo início da vacinação no período de coleta de dados, no entanto, o Web App via Streamlit mostrou-se uma ferramenta viável para a apresentação dos resultados de pesquisa, devido à facilidade de entendimento por parte dos enfermeiros e pelo potencial de apoio à decisão clínica.

Índice predictivo de cardiopatía isquémica en personas con diabetes mellitus

Introducción: Los individuos con diabetes mellitus tienen un riesgo de cardiopatía isquémica 2 a 4 veces superior a la observada en la población general. Objetivo: Diseñar un índice, basado en los factores de riesgo identificados, para predecir el desarrollo de cardiopatía isquémica en pacientes con diabetes mellitus. Métodos: Se realizó un estudio analítico de tipo casos y controles en 330 pacientes con diabetes mellitus. El índice se derivó del análisis de regresión logística binaria de los factores de riesgo cardiovasculares. Resultados: El índice propuesto mostró elevada morbilidad en las categorías de riesgo alto (48,9 %) y riesgo muy alto (100 %); sus valores promedio fueron significativamente mayores en los pacientes con cardiopatía isquémica, en comparación con aquellos que no la desarrollaron (7,98 x 3,67; p= 0,000). La curva COR del índice propuesto tiene buena capacidad para discriminar los pacientes que tendrán una cardiopatía isquémica de los que no desarrollarán la enfermedad (0,902; p= 0,000). Conclusiones: El índice que se propone es capaz de predecir el desarrollo de cardiopatía isquémica en pacientes con diabetes mellitus.

Introduction: Individuals with diabetes mellitus have a risk of ischemic heart disease 2 to 4 times higher than that observed in the general population. Objective: To design an index, based on the identified risk factors, to predict the development of ischemic heart disease in patients with diabetes mellitus. Methods: An analytical case-control study was carried out in 330 patients with diabetes mellitus. The index was derived from binary logistic regression analysis of cardiovascular risk factors. Results: The proposed index showed a high morbidity in the categories of high risk (48.9%) and very high risk (100%). Likewise, their mean values ​​were significantly higher in patients with ischemic heart disease compared to those who did not develop it (7.98 x 3.67; p= 0.000). The ROC curve of the proposed index has a good ability to discriminate patients who will have ischemic heart disease from those who will not develop the disease (0.902; p= 0.000). Conclusions: The proposed index is capable of predicting the development of ischemic heart disease in patients with diabetes mellitus.

Aplicaciones de aprendizaje automático para el análisis industrial de la provisión azucarera en Matanzas, Cuba

El análisis de los servicios ecosistémicos puede aportar conocimientos importantes sobre cómo se procesan y se obtienen los bienes del sistema agroindustrial azucarero. Para este trabajo, se recopilaron 346 datos del procesamiento industrial de la caña de azúcar en tres zafras, en la agroindustria del municipio Calimete, Provincia Matanzas (Cuba), con el objetivo de emplear algoritmos de aprendizaje automáticos, para predicciones relacionadas a datos biofísicos y económicos. Se analizaron siete predictores y mediante best subset selection, se identificó la combinación de rendimiento potencial en caña y pérdidas industriales totales, para predecir el servicio de provisión azucarera, mediante la regresión lineal múltiple. Se ajustó, también, un segundo modelo, que predice el efecto económico de las pérdidas industriales. En ambos modelos, se logró explicar por encima del 70 % de la variabilidad observada, en las variables dependientes, con un test F significativo (p-value: < 0,05), además de cumplirse con las condiciones de diagnóstico y validación.

The analysis of ecosystem services can provide important insights into how goods are processed and obtained from the sugar agro-industrial system. For this work, 346 data were collected on the industrial processing of sugarcane in three harvest, in the agroindustry of the Calimete municipality, Matanzas Province (Cuba), with the objective to use the machine learning algorithm, to predict both, biophysical and economic data. Seven predictors were analyzed and by best subset selection, it was identified both the potential yield in sugarcane and the total industrial losses combination to predict the sugar provision service, by multiple linear regression. In addition, it was adjusted a second model to predict the economic effect of the industrial losses. In both models were able to explain over 70 % of the variability observed, in the dependent variables, with a significant F test (p-value: <0.05), also the diagnostic and validation conditions were met.

Diagnostic utility of 31 ECG criteria for predicting echocardiographic left ventricular geometry / Utilidad diagnóstica del ECG para predecir la geometría del ventrículo izquierdo por ecocardiograma

Abstract Objective: To explore the diagnostic utility of 31 electrocardiogram (ECG) criteria for detecting echocardiographic (Echo) left ventricular geometry using accuracy. Methods: This cross-sectional study included consecutive adults (> 18 years) that were classified by Echo left ventricular geometry as normal (NL), concentric remodeling (CR), concentric hypertrophy (CH), and eccentric hypertrophy (EH). Thirty-one state-of-the-art ECG criteria for Echo left ventricular hypertrophy were calculated. AUC 95%CI, accuracy, sensitivity, specificity, and positive and negative predictive value for detecting Echo left ventricular geometries were compared. Multivariable linear regression models were produced using the ECG criteria as the dependent variable. Results: A total of 672 adults were included in the study. From 31 ECG criteria, Cornell (ECG21, SV3 + RaVL) and modified Cornell (ECG 31, RaVL + deepest S in all leads) criteria have the best overall AUC in differentiating NL versus CH (0.666 and 0.646), NL versus EH (0.686 and 0.656), CR versus CH (0.687 and 0.661), and CR versus EH (0.718 and 0.676). In multivariable linear regression models, CH and EH had the strongest effect on the final voltage in Cor- nell (ECG21) and modified Cornell (ECG31). Conclusions: From 31 state-of-the-art criteria, Cornell and modified Cornell criteria have the best AUC and accuracy for predicting most left ventricular geometries. CH and EH had the strongest effect on the voltage of Cornell and modified Cornell criteria compared to body mass index, age, diabetes, hypertension, and chronic heart disease. The ECG criteria poorly differentiate NL from CR and CH from EH.

Resumen Objetivo: Explorar la utilidad diagnóstica de 31 criterios de ECG para detectar la geometría ecocardiográfica del ventrículo izquierdo usando la exactitud, área bajo la curva, sensibilidad, especificidad, y valor predictivo positivo y negativo. Métodos: Este estudio transversal incluyó adultos (> 18 años) que se sometieron a ECG y ecocardiograma transtorácico. Los pacientes fueron clasificados según la geometría del ventrículo izquierdo: normal (NL), remodelado concéntrico (RC), hipertrofia concéntrica (HC) e hipertrofia excéntrica (HE). Se calcularon 31 criterios clásicos de ECG para detectar hipertrofia ventricular izquierda y se comparó el rendimiento diagnóstico en cada geometría. Creamos un modelo de regresión lineal múltiple usando los criterios de ECG como variable dependiente. Resultados: Se incluyeron 672 adultos. Los criterios de Cornell (ECG 21, SV3 + RaVL) y Cornell modificado (ECG31, RaVL + S mas profunda de las 12 derivaciones) tienen el mejor AUC para diferenciar NL versus HC (0.666 y 0.646), NL versus HE (0.686 y 0.656), RC versus HC (0.687 y 0.661) y RC versus HE (0.718 y 0.676). En el análisis multivariado la geometría del ventrículo izquierdo (HC e HE) fue la variable que mas influyó en el resultado final del criterio de Cornell y de Cornell modificado. Conclusión: De los 31 criterios clásicos explorados, los criterios de Cornell y Cornell modificado tienen el mejor AUC y exactitud para predecir la mayoría de las geometrías del ventrículo izquierdo. Los criterios del ECG no diferencian bien la geometría NL del RC ni HC de la HE.

Predicción fisicomatemática de la dinámica semestral de la malaria en Antioquia, Colombia / Physico-mathematical prediction of the biannual dynamics of malaria in Antioquia, Colombia

Introducción: La malaria es una enfermedad endémica en Colombia, cuyas características biológicas, fisiopatológicas y el impacto socioeconómico que genera la han posicionado como una enfermedad de interés en salud pública. Objetivo: Predecir el número de casos notificados de malaria para el segundo semestre del año 2020 en el departamento de Antioquia, a través de la aplicación de la teoría de la probabilidad y la caminata al azar. Métodos: Se realizó un estudio observacional longitudinal retrospectivo. Se analizó la dinámica geométrica del comportamiento semestral de la epidemia de malaria en el departamento de Antioquia durante los años 2008-2020 con los datos del Sistema Nacional de Vigilancia en Salud Pública, como una caminata al azar probabilística. En relación con los aumentos y disminuciones consecutivas semestrales, se determinó el número de infectados más probable para el segundo semestre del año 2020. Resultados: El valor de la predicción fue de 3433. Al ser comparado con los valores reportados por el Sistema Nacional de Vigilancia en Salud Pública, se obtuvo un porcentaje de acierto del 95,4 %. Conclusiones: Al predecir con alta precisión el número de infectados para el segundo semestre del año 2020 en el departamento de Antioquia, se evidencia la potencialidad de la metodología para implementarse como una herramienta de vigilancia en salud pública y como un medio que sirva para apoyar la toma de decisiones en materia de políticas públicas.

Introduction: Malaria is an endemic disease in Colombia. Due to its biological and pathophysiological characteristics and socioeconomic impact, it is positioned as a disease of public health interest. Objective: To predict the number of reported cases of malaria for the second semester of 2020 in Antioquia department using the theory of probability and probabilistic random walk. Methods: A retrospective, longitudinal, observational study was conducted. The geometric dynamics of the biannual development of malaria epidemic in Antioquia department from 2008 to 2020 was analyzed using the data from the National Surveillance System in Public Health as a probabilistic random walk. Regarding the consecutive biannual reductions and increments, the most probable number of infected individuals was determined for the second semester of 2020. Results: The predictive value was 3433. When it was compared to the values reported by the National Surveillance System in Public Health, a 95.4% accuracy rate was obtained. Conclusions: By predicting with high accuracy the number of infected individuals for the second semester of 2020 in Antioquia department, it is evident the methodology potential as a public health surveillance tool and as a means to support public policy decision making.