ABSTRACT
Fundamento: La necesidad de prever y estudiar el padecimiento de pie diabético es una cuestión primordial y representa un gran reto médico, disminuir el padecimiento de pie diabético puede traducirse en resultados positivos para mejorar la calidad de vida de estos pacientes, además de la incidencia en el aspecto socioeconómico, debido a la alta prevalencia de la diabetes en la población laboralmente activa.Objetivo: diseñar un modelo estadístico predictivo para el padecimiento de pie diabético en pacientes con diabetes mellitus tipo II.Métodos: se realizó un estudio descriptivo, con pacientes atendidos en la Clínica del Diabético de Cienfuegos, en el período 2010-2013. Como varibles, se analizaron los factores de riesgo que influyeron de forma significativa en el padecimiento de pie diabético. Para la elaboración del modelo se emplearon técnicas multivariadas de regresión logística binaria y árboles de decisión con algoritmo de detector automático de interacciones mediante Chi-cuadrado.Resultados: se obtuvieron dos modelos que se comportaron de forma similar a partir de los criterios de comparación considerados con este propósito: porcentaje de clasificación correcta, sensibilidad y especificidad. Se estableció la validación a través de la curva característica de funcionamiento del receptor. El modelo con algoritmo de detector automático de interacciones mediante Chi-cuadrado fue el de mejores resultados predictivos.Conclusión: el uso de los árboles de decisión a través del algoritmo de detector automático de interacciones mediante Chi-cuadrado, garantiza una capacidad predictiva adecuada, factible para ser aplicada en la Clínica del Diabético del municipio de Cienfuegos, provincia Cienfuegos.
Background: the need to predict and study diabetic foot problems is a critical issue and represents a major medical challenge. The reduction of its incidence can lead to positive results for improving the quality of life of patients and the impact on the socio-economic sphere, due to the high prevalence of diabetes in the working population. Objective: to design a statistical model for prediction of diabetic foot disease in type 2 diabetic patients. Methods: a descriptive study was conducted in patients attending the Diabetes Clinic in Cienfuegos from 2010 to 2013. Significant risk factors for diabetic foot disease were analyzed as variables. To design the model, binary logistic regression analysis and Chi-squared automatic interaction detection decision tree were used. Results: two models that behaved similarly based on the comparison criteria considered (percentage of correct classification, sensitivity and specificity) were developed. Validation was established through the receiver operating characteristic curve. The model using Chi-squared automatic interaction detection showed the best predictive results. Conclusions: Chi-squared automatic interaction detection decision trees have an adequate predictive capacity, which can be used in the Diabetes Clinic of Cienfuegos municipality.