Modelo para análisis de riesgo de la diabetes mellitus 2 usando inteligencia de negocios y minería de datos

Abstract

La diabetes mellitus tipo 2 (DM2) es una enfermedad crónica caracterizada por una hiperglucemia y trastornos en el metabolismo de las grasas, hidratos de carbono y proteínas de forma tal que genera defectos en la producción y acción de la insulina en el cuerpo. Esta enfermedad presenta complicaciones crónicas que deterioran la calidad de vida de los pacientes y aumentan significativamente el riesgo de muerte. Para Colombia, es claro que se debe tener una prioridad en la detección temprana y aseguramiento de intervenciones para la diabetes mellitus 2. Este documento de tesis presenta un modelo de análisis de riesgo de la DM2 basado en inteligencia de negocios y minería de datos, el cual permite integrar y transformar datos clínicos, caracterizar pacientes y describirlos teniendo en cuenta sus diagnósticos, consumos y entorno social. Adicionalmente, el modelo permite predecir si un paciente puede o no sufrir comorbilidad asociada a DM2 y de qué tipo puede ser. La caracterización de pacientes se realiza a través de un algoritmo de agrupación y la descripción se hace mediante el uso de reglas de asociación. El modelo de predicción por su parte, utiliza _arboles de decisión y redes bayesianas. El caso de estudio consistió de una cohorte de 14162 pacientes reales enfermos de DM2 proporcionados por la empresa Processum LTDA, con registros de diagnósticos, procedimientos clínicos y variables socio culturales desde el año 2009 hasta el 2012.

Abstract. Type 2 Diabetes mellitus (T2DM) is a chronic disease characterized by hyperglycemia and disorders in the metabolism of fat, carbohydrate and protein in a manner that produces defects in the production and action of insulin in the body. This disease presents chronic complications that deteriorate patients life quality and significantly increase the risk of death. In Colombia, it is clear that ensuring early detection and intervention for type 2 diabetes mellitus should be a priority. This thesis paper presents a model for risk analysis of DM2 based on business intelligence and data mining. This model allows to characterize and describe patients by using their diagnoses, clinical procedures and social environment records. Additionally, the model can predict whether a patient may or may not sufier T2DM related comorbidity and which type of comorbidity it can be. Patients characterization is performed through a clustering algorithm, and the description is made by using the association rules. The prediction model uses decision trees and Bayesian networks. The case study consisted of a cohort of 14162 patients with DM2 real patients provided by the company processum LTDA, with records of diagnoses, clinical procedures and sociocultural variables from 2009 to 2012.