Retinopatía de la prematuridad, su pronóstico a partir de los factores de riesgo del neonato / Retinopathy of prematurity prognosis starting from the new born´s risk factors

RESUMEN

La ceguera infantil tiene un impacto en el niño, ya que afecta su desarrollo, educación y vida futura; por ello es necesario el diagnóstico temprano de sus causas, dentro de las que está la retinopatía de la prematuridad. En la provincia Sancti Spíritus se realizó una pesquisa activa de la enfermedad para detectar neonatos con factores de riesgo de padecerla, diagnosticarlos y tratarlos a tiempo. Objetivo: Proponer un modelo de regresión logística que pronostique la probabilidad de desarrollar retinopatía de la prematuridad en recién nacidos prematuros, a partir de sus factores de riesgo asociados. Metodología: Se realizó un estudio observacional, analítico en 751 recién nacidos prematuros que cumplieron los criterios de inclusión. Se emplearon el análisis descriptivo e inferencial, con un árbol de clasificación y luego la regresión logística. Resultados: Se expusieron los factores de riesgo asociados a los 82 pacientes diagnosticados, se identificaron los predictores de la enfermedad (ventilación mecánica, edad gestacional baja y oxigenoterapia) mediante el empleo de un árbol de clasificación. A partir de ellos se presentó un modelo estadístico pronóstico para predecir la enfermedad. Conclusiones: La propuesta permite, frente a un neonato prematuro, predecir la probabilidad de que ocurra la retinopatía de la prematuridad(AU)

ABSTRACT

Childhood blindness has an impact on children, as it affects their development, education and future life; so it is necessary the early diagnosis of its causes, within which is the retinopathy of prematurity. In the Sancti Spíritus province, an active disease survey was carried out to detect neonates with risk factors for their disease, to diagnose them and treat them on time. Objective: To propose a logistic regression model that predicts the probability of developing retinopathy of prematurity in preterm neonates based on their associated risk factors. Methodology: An observational, analytical study was performed on 751 preterm children who fulfilled the inclusion criteria. A descriptive and inferential analysis, with a classification tree and then logistic regression was used. Results: Risk factors associated with 82 patients diagnosed were exposed, predictors of disease (mechanical ventilation, low gestational age and oxygen) by use of a classification tree identified. From these, a statistical prognostic model was presented to predict the disease. Conclusions: The proposal allows, in relation to a premature neonate, to predict the probability of retinopathy of prematurity(AU)