CO-003 - COMORBILIDADES BASALES Y SEGUIMIENTO A 5 AÑOS DE LA POBLACIÓN HOSPITALARIA DIAGNOSTICADA CON DIABETES MELLITUS EN ESPAÑA, MEDIANTE EL USO DE MACHINE LEARNING EN EL ANÁLISIS DE BIG DATA: ESTUDIO DIABÉTIC@
aServicio de EndocrinologÍa y NutriciÓn, Hospital ClÍnic i Provincial de Barcelona. IDIBAPS., Barcelona, EspaÑa. bServicio de EndocrinologÍa y NutriciÓn, Hospital Universitari i Politècnic La Fe, Valencia, EspaÑa. cServicio de EndocrinologÍa y NutriciÓn, Hospital Universitari Son Espases., Mallorca, EspaÑa. dServicio de EndocrinologÍa y NutriciÓn, Hospital Universitario Infanta SofÍa, Madrid, EspaÑa. eServicio de NefrologÍa, Hospital Universitario Virgen de Candelaria, Tenerife, EspaÑa. fServicio de CardiologÍa, Hospital ClÍnico de Madrid, Madrid, EspaÑa. gDepartamento MÉdico Renal-MetabÓlico, AstraZeneca EspaÑa, Madrid, EspaÑa.
Introducción y objetivos: Pese a que la diabetes mellitus (DM) es uno de nuestros principales problemas de salud, carecemos en nuestro entorno de registros actualizados que nos ayuden a gestionar nuestra labor asistencial. Sin embargo, el empleo de técnicas de machine learning (ML) podría paliar este déficit por su alto potencial para analizar historias clínicas electrónicas (HCE). El objetivo de este estudio es describir las comorbilidades basales y durante un seguimiento de 5 años de la población hospitalaria diagnosticada con DM mediante el análisis de HCE mediante ML.
Material y 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 de ML que aplica el procesamiento del lenguaje natural (PLN).
Resultados: 638.730 sujetos con DM 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). Al inicio del seguimiento las comorbilidades registradas en las HCE de forma más frecuente en ambos grupos fueron la hipertensión arterial (HTA) (62,1% DM2; 32,9% DM1), dislipemia (58,1% DM2; 29,8% DM1) y enfermedad renal crónica (ERC) (28,5% DM2; 25,7% DM1). Tras 5 años de seguimiento, las patologías registradas de novo en las HCE fueron la dislipemia (37,2% DM2; 23,0% DM1), ERC (28,2% DM2; 20,8% DM1) e insuficiencia cardíaca (IC) (22,1% DM2; 16,0% DM1). Por otra parte, apreciamos diferencias significativas tras la agrupación de los casos por edad ( 65 a) u obesidad, tanto en el grupo DM1 como en el de DM2. La frecuencia de comorbilidades basales aparece resumida en la tabla.
|
Prevalencia de comorbilidades (%) |
||||||||
|
|
DM2 |
DM1 |
||||||
|
|
< 65 a |
≥ 65 a |
No obesidad |
Obesidad |
< 65 a |
≥ 65 a |
No obesidad |
Obesidad |
|
HTA |
62,4 |
69,3 |
65,1 |
65,2 |
31,2 |
59,2 |
33,6 |
43,9 |
|
ERC |
16,7 |
38 |
24,1 |
37,5 |
20,5 |
34,5 |
21,3 |
35,8 |
|
IC |
8,9 |
22,5 |
13,3 |
26,6 |
9,5 |
19,9 |
10,1 |
21,2 |
Conclusiones: El uso de ML y PLN para analizar un gran volumen de HCE ha permitido definir las características de una nutrida población hospitalaria diagnosticada con DM1 y DM2, describiendo la prevalencia registrada de comorbilidades muy relevantes, así como la evolución de estas.
