Introducción: La diabetes mellitus (DM) es una patología de prevalencia creciente. La ausencia de registros formales de los que extraer una actualización epidemiológica de la enfermedad, convierte a las técnicas de machine learning (ML) en un recurso de alto potencial para analizar historias clínicas electrónicas (HCE). El objetivo de este estudio es describir las características clínicas de la población hospitalaria diagnosticada con DM en España.

Métodos: Estudio observacional, retrospectivo y multicéntrico basado en la utilización de datos clínicos no estructurados de las HCE de 8 hospitales españoles entre el 1 de enero de 2013 y el 31 de diciembre de 2018. Para ello, se empleó una tecnología que aplica el procesamiento del lenguaje natural (PLN).

Resultados: Un total de 638.730 sujetos con diabetes fueron identificados en los centros participantes: 588.756 (92,2%) con diabetes mellitus tipo 2 (DM2) y 41.028 (6,4%) con diabetes mellitus tipo 1 (DM1). En el grupo DM2, la edad e índice de masa corporal (IMC) medios fueron de 59,9 ± 19 años y 29,9 ± 8,1 kg/m², presentando unos valores medios de HbA1c y presión arterial sistólica (PAS) de 6,7 ± 1,9% y 135,6 ± 24,9 mmHg, respectivamente. El valor medio de tasa de filtrado glomerular (TFG) en DM2 fue de 78,6 ± 31,2 ml/min/1,73 m². En el grupo DM1, la edad e IMC medios fueron 29,4 ± 23,9 años y 22,6 ± 7,4 kg/m² respectivamente, con unos valores de HbA1c de 7,6 ± 2,4%, PAS de 122,5 ± 21,5 mmHg y TFG de 102 ± 42,4 ml/min/1,73 m². Las principales comorbilidades identificadas en ambos grupos fueron hipertensión arterial (62,1% DM2; 32,9% DM1), dislipemia (58,1% DM2; 29,8% DM1;) y enfermedad renal crónica (28,5% DM2; 25,7% DM1).

Conclusiones: El uso de ML y PLN para analizar un gran volumen de HCE ha permitido definir las características de la población hospitalaria diagnosticada con DM1 y DM2 en España, describiendo los niveles de HbA1c, PAS, TFG y comorbilidades entre otros parámetros.