Análisis clúster de información sobre infecciones urinarias
Resumen
Las infecciones urinarias constituyen el principal motivo de consulta en el servicio de urgencias pediátricas en el mundo, por lo que merecen ser analizadas con técnicas de inteligencia artificial que permitan descubrir patrones basados en información médica y de laboratorio. El análisis clúster es una técnica no supervisada de aprendizaje de máquina que permite identificar grupos de pacientes con características similares. En este trabajo, se analizó información anonimizada de pacientes extraída de un sistema informático, donde todos sufren de infecciones urinarias. Se aplicó inicialmente el análisis de correspondencia múltiple (ACM) para luego utilizar de forma separada los algoritmos K-means y DBSCAN. Se obtuvo el valor de silhouette de cada grupo obtenido con los dos algoritmos. Se logró diferenciar a los pacientes de acuerdo con los porcentajes de prevalencia de sensibilidad/resistencia a ciertos antibióticos y a la presencia de los gérmenes que provocan las infecciones.
Descargas
Citas
Ardila, M., Rojas, M., Santisteban, G., Gamero, A., & Torres, A. (2015). Infección urinaria en pediatría. Repertorio de Medicina y Cirugía, 24(2), 113-122. https://doi.org/10.31260/RepertMedCir.v24.n2.2015.632
Banerjee, A., Dashtban, A., Chen, S., Pasea, L., Thygesen, J. H., Fatemifar, G., Tyl, B., Dyszynski, T., Asselbergs, F. W., Lund, L. H., Lumbers, T., Denaxas, S., & Hemingway, H. (2023). Identifying subtypes of heart failure from three electronic health record sources with machine learning: An external, prognostic, and genetic validation study. The Lancet Digital Health, 5(6), e370-e379. https://doi.org/10.1016/s2589-7500(23)00065-1
Betrán, A., Lavilla, M. J., Cebollada, R., Calderón, J. M., & Torres, L. (2020). Resistencia antibiótica de Escherichia coli en infecciones urinarias nosocomiales y adquiridas en la comunidad del Sector Sanitario de Huesca 2016-2018. Revista Clínica de Medicina de Familia, 13(3), 198-202. https://scielo.isciii.es/pdf/albacete/v13n3/1699-695X-albacete-13-03-198.pdf
Bolt, H., Suffel, A., Matthewman, J., Sandmann, F., Tomlinson, L., & Eggo, R. (2023). Seasonality of acute kidney injury phenotypes in England: An unsupervised machine learning classification study of electronic health records. BMC Nephrology, 24(1), 234. https://doi.org/10.1186/s12882-023-03269-0
Cavagnaro Santa María, F. (2014). Resistencia antibiótica en la infección urinaria: la historia sin fin. Boletín Médico del Hospital Infantil de México, 71(6), 329-331. https://doi.org/10.1016/j.bmhimx.2014.12.001
Chacaguasay, M., Reátegui, R., Valdiviezo-Diaz, P., & Chicaiza, J. (2024). Unsupervized techniques to identify patterns in gynecologic information. En G. Li, J. Filipe y Z. Xu (Eds.), Communications in Computer and Information Science (pp. 31-43). https://doi.org/10.1007/978-3-031-58956-0_3
Elgoibar, B., Gangoiti, I., Garcia-Garcia, J. J., Hernandez-Bou, S., Gomez, B., Martinez, L., & Mintegi, S. (2020). Paediatric Escherichia coli bacteraemia presentations and high-risk factors in the emergency department. Acta Paediatrica, 110(3), 1032- 1037. https://doi.org/10.1111/apa.15549
Hadikurniawati W., Hartomo K. D., & Sembiring, I. (2023, 24 de noviembre). Spatial clustering of child malnutrition in central Java: A comparative analysis sing k-means and DBSCAN. En 2023 International Conference on Modeling & E-Information Research, Artificial Learning and Digital Applications (ICMERALDA) (pp. 242-247). Institute of Electrical and Electronics Engineers (IEEE). https://doi.org/10.1109/icmeralda60125.2023.10458202
Hevia, P., Alarcón, C., Gonzalez, C., Nazal, V., & Rosati, M. P. (2020). Recomendaciones sobre diagnóstico, manejo y estudio de la infección del tracto urinario en pediatría. Rama de Nefrología de la Sociedad Chilena de Pediatría. Parte 1. Revista Chilena de Pediatría, 91(2), 281-288. https://doi.org/10.32641/rchped.v91i2.1267
Hobensack, M., Zhao, Y., Scharp, D., Volodarskiy, A., Slotwiner, D., & Reading, M. (2023). Characterising symptom clusters in patients with atrial fibrillation undergoing catheter ablation. Open Heart, 10(2), e002385. https://doi.org/10.1136/openhrt-2023-002385
Josephson, C. B., Gonzalez-Izquierdo, A., Engbers, J. D., Denaxas, S., Delgado-Garcia, G., Sajobi, T. T., Wang, M., Keezer, M. R., & Wiebe, S. (2023). Association of comorbidsocioeconomic clusters with mortality in late onset epilepsy derived through unsupervised machine learning. Seizure: European Journal of Epilepsy, 111, 58-67. https://doi.org/10.1016/j.seizure.2023.07.016
Krueger, C., Alqurashi, W., Barrowman, N., Litwinska, M., & Le Saux, N. (2024). The long and the short of pediatric emergency department antibiotic prescribing: A retrospective observational study. The American Journal of Emergency Medicine, 75, 131-136. https://doi.org/10.1016/j.ajem.2023.10.052
Leung, A. K. C., Wong, A. H. C., Leung, A. A. M., & Hon, K. L. (2019). Urinary tract infection in children. Recent Patents on Inflammation & Allergy Drug Discovery, 13(1), 2-18. https://doi.org/10.2174/1872213X13666181228154940
Martins, C., Neves, B., Teixeira, A. S., Froes, M., Sarmento, P., Machado, J., Magalhães, C. A., Silva, N. A., Silva, M. J., & Leite, F. (2024). Identifying aubgroups in heart failure patients with multimorbidity by clustering and network analysis. BMC Medical Informatics and Decision Making, 24(1), artículo 95. https://doi.org/10.1186/s12911-024-02497-0
Mohanty, S., Hassan, F. M., Lenke, L. G., Lewerenz, E., Passias, P. G., Klineberg, E. O. Lafage, V., Smith, J. S., Hamilton, D. K., Gum, J. L., Lafage, R., Mullin, J., Diebo, B., Buell, T. J., Kim, H. J., Kebaish, K., Eastlack, R., Daniels, A. H., Mundis, G., ...Bess, S. (2024). Machine learning clustering of adult spinal deformity patients Identifies four prognostic phenotypes: A multicenter prospective cohort analysis with single surgeon external validation. The Spine Journal, 24(6), 1095-1108. https://doi.org/10.1016/j.spinee.2024.02.010
Salamzade, R., McElheny, C. L., Manson, A. L., Earl, A. M., Shaikh, N., & Doi, Y. (2023). Genomic epidemiology and antibiotic susceptibility profiling of uropathogenic Escherichia coli among children in the United States. mSphere, 8(5), e00184-23. https://doi.org/10.1128/msphere.00184-23
Shaikh, N., & Hoberman, A. (2022). Urinary tract infections in children: Epidemiology and risk factors. UpToDate. https://www.uptodate.com/contents/urinary-tractinfections-in-children-epidemiology-and-risk-factors?search=infection%20urinary%20children&source=search_result&selectedTitle=2~150&usage_type=default&display_rank=2#H2
Suwono, B., Eckmanns, T., Kaspar, H., Merle, R., Zacher, B., Kollas, C., Weiser, A. A., Noll, I., Feig, M., & Tenhagen, B. (2021). Cluster analysis of resistance combinations in Escherichia coli from different human and animal populations in Germany 2014-2017. PLoS ONE, 16(1), e0244413. https://doi.org/10.1371/journal.pone.0244413
Wazzan, A., Taconne, M., Le Rolle, V., Inngjerdingen, M., Hermann, K., Galli, E., Hernandez, A., Edvardsen, T., & Donal, E. (2024). Risk profiles for ventricular arrhythmias in hypertrophic cardiomyopathy through clustering analysis including left ventricular strain. International Journal of Cardiology, 409, 132167. https://doi.org/10.1016/j.ijcard.2024.132167
Whelan, S. O., Kyne, S., Dore, A., Glynn, M., Higgins, F., Hanahoe, B., Moriarty, F., Moylett, E., & Cormican, M. (2024). Paediatric Escherichia coli urinary tract infection: Susceptibility trends and clinical management. A retrospective analysis of a 10-year period. Irish Journal of Medical Science, 193, 1891-1900. https://doi.org/10.1007/s11845-024-03670-0
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Última actualización: 03/05/21