Modelo de relación entre predictores y tratamiento en pacientes colombianos con artritis reumatoide

Abstract

Este proyecto tiene como finalidad realizar un análisis de asociación entre las variables presentes en la base de datos de la Clínica de Artritis Reumatoide de la Fundación Santa Fe de Bogotá enfatizando en aquellas descriptoras de predicción y tratamiento en una cohorte de pacientes diagnosticados con artritis reumatoide tratados en esta clínica especializada a partir de la revisión retrospectiva de la información comprendida en la historia clínica. La población asociada al estudio ha sido aquella que cumple con los criterios ACR 2010 para el diagnóstico de la artritis reumatoide y que asisten a consulta y tratamiento de reumatología. A los datos se les realizó un proceso de agrupación posterior a la limpieza y preprocesamiento. Para este fin se utilizó el método k-prototipos (k-prototypes) lo cual generó cuatro grupos a los que se les aplicó el algoritmo Apriori como método para encontrar asociaciones entre las variables más importantes de cada uno de los grupos. Se encontró importancia en fármacos como la Prednisolona o la Leflunomida dentro de las diferencias significativas del tratamiento, además de resaltar los Anticuerpos antinucleares (ANA) como una variable predictora que complementa a las tradicionales como el Factor Reumatoide o la Anticitrulina, todas estas características en relación con variables como los puntos de fibromialgia y los conteos de articulaciones tanto dolorosas como inflamadas. Se demuestra la importancia de la utilización de la ciencia de datos y las técnicas de inteligencia artificial como una herramienta complementaria que potencializa el estudio de enfermedades como la artritis reumatoide y abre la puerta a nuevos estudios más profundos para determinar más detalles que puedan ayudar en la toma de decisiones terapéuticas que beneficien el tratamiento de los pacientes y su evolución (Texto tomado de la fuente).

This project aims to perform an association analysis between the variables present in the database of the Rheumatoid Arthritis Clinic of the Santa Fe de Bogota Foundation, emphasizing those descriptors of prediction and treatment in a cohort of patients diagnosed with Rheumatoid Arthritis treated at this specialized clinic, based on the retrospective review of the information contained in the medical records. The population associated with the study has been those who meet the ACR 2010 criteria for the diagnosis of Rheumatoid Arthritis and who attend consultations and rheumatology treatment. The data underwent a clustering process following cleaning and preprocessing. For this purpose, the k-prototypes method was used, which generated four groups. The Apriori algorithm was then applied to these groups as a method to find associations between the most important variables in each group. Significant findings included the importance of drugs such as Prednisolone and Leflunomide in terms of significant treatment differences, as well as highlighting Antinuclear Antibodies (ANA) as a predictive variable that complements traditional ones like Rheumatoid Factor and Anti-Citrullinated Protein Antibodies, all these characteristics in relation to variables such as fibromyalgia points and the counts of both painful and inflamed joints. This demonstrates the importance of utilizing data science and artificial intelligence techniques as complementary tools that enhance the study of diseases such as Rheumatoid Arthritis. It also opens the door to further studies to determine more details that could help in therapeutic decision-making, benefiting both the treatment and the evolution of patients.