La demencia abarca una variedad de trastornos caracterizados por la disminución progresiva de la memoria, el razonamiento, la comunicación y la capacidad de realizar actividades diarias.
El impacto negativo de este trastorno en los pacientes, sus cuidadores, sus familiares y la sociedad en general es profundo, por lo que la identificación de la demencia en una etapa temprana, crucial para lograr una mejor calidad de vida, es un desafío de salud pública.
Identificar patrones de información clínica
La demencia puede ser un trastorno difícil de detectar ya que los pacientes pueden no presentarse en clínicas de atención médica en busca un diagnóstico. Pero un modelo informático diseñado por investigadores de la Universidad de Sussex podría mejorar el diagnóstico precoz de la demencia en la práctica general.
Para desarrollar el modelo, el equipo de investigación utilizó datos de pacientes para crear una lista de 70 indicadores relacionados con la aparición de la demencia registrados en los cinco años anteriores al diagnóstico.
Con la colaboración de astrofísicos, el equipo probó varios tipos de modelos de aprendizaje automático para identificar patrones de información clínica en los registros de los pacientes antes de un diagnóstico de demencia. El análisis final incluyó datos sobre 93.120 pacientes, con una mediana de edad de 82,6 años de los cuales 64,8 por ciento eran mujeres.
Las características importantes encontradas por la regresión logística eran clínicamente importantes desde el punto de vista intuitivo y eran síntomas que indicaban que el paciente ya estaba en las etapas prodrómicas de demencia o indicaciones de fragilidad creciente.
Detección precoz
Síntomas como desorientación y deambulación, comportamiento o cambio de personalidad; tomar medicamentos tales como antidepresivos y antipsicóticos, observaciones tales como la auto negligencia y la dificultad para manejar, y los códigos administrativos como “consulta de terceros”, “no asistieron” y “visita domiciliaria de médicos de cabecera” se encontraban entre las características principales.
Sobre la base de estos datos, el modelo fue capaz de identificar el 70 por ciento de los casos de demencia antes que los médicos. Al respecto, la doctora Elizabeth Ford, afiliada al Departamento de Atención Primaria y Salud Pública de la Escuela Médica Brighton and Sussex y autora principal del estudio, comentó:
“Los pacientes parecen estar exhibiendo una amplia gama de indicadores antes de ser diagnosticados con demencia. Puede ser muy difícil para los médicos de cabecera conectar todos estos indicadores y establecer el vínculo con la demencia, pero con un programa informático, podemos hacerlo”.
Los autores resaltan que un diagnóstico precoz podría marcar una diferencia significativa en la atención que reciben los pacientes de demencia, por lo que califican los resultados de esta iniciativa como emocionantes y promisorios.
En última instancia, el modelo podría ayudar a los médicos de cabecera o a los planificadores de los servicios de salud en la detección precoz de la demencia. En trabajos futuros, señalan los investigadores, se podría mejorar el modelo explorando la naturaleza longitudinal de los datos de los pacientes y modelando la disminución de la función con el tiempo.
Referencia: Identifying undetected dementia in UK primary care patients: a retrospective case-control study comparing machine-learning and standard epidemiological approaches. BMC Medical Informatics and Decision Making, 2019. http://doi.org/10.1186/s12911-019-0991-9