Modelo de inteligencia artificial para la detección temprana de diabetes

Introducción. La diabetes es una enfermedad crónica que se caracteriza por el aumento de la concentración de la glucosa en sangre. Puede generar complicaciones que afectan la calidad de vida y aumentan los costos de la atención en salud. En los últimos años, las tasas de prevalencia y mortalidad han aumentado en todo el mundo. El desarrollo de modelos con gran desempeño predictivo puede ayudar en la identificación temprana de la enfermedad. Objetivo. Desarrollar un modelo basado en la inteligencia artificial para apoyar la toma de decisiones clínicas en la detección temprana de la diabetes. Materiales y métodos. Se llevó a cabo un estudio de corte transversal, utilizando un conjunto de datos que incluía edad, signos y síntomas de pacientes con diabetes y de individuos sanos. Se utilizaron técnicas de preprocesamiento para los datos. Posteriormente, se construyó el modelo basado en mapas cognitivos difusos. El rendimiento se evaluó mediante tres parámetros: exactitud, especificidad y sensibilidad. Resultados. El modelo desarrollado obtuvo un excelente desempeño predictivo, con una exactitud del 95 %. Además, permitió identificar el comportamiento de las variables involucradas usando iteraciones simuladas, lo que proporcionó información valiosa sobre la dinámica de los factores de riesgo asociados con la diabetes. Conclusiones. Los mapas cognitivos difusos demostraron ser de gran valor para la identificación temprana de la enfermedad y en la toma de decisiones clínicas. Los resultados sugieren el potencial de estos enfoques en aplicaciones clínicas relacionadas con la diabetes y respaldan su utilidad en la práctica médica para mejorar los resultados de los pacientes.

Introduction. Diabetes is a chronic disease characterized by a high blood glucose level. It can lead to complications that affect the quality of life and increase the costs of healthcare. In recent years, prevalence and mortality rates have increased worldwide. The development of models with high predictive performance can help in the early identification of the disease. Objective. To develope a model based on artificial intelligence to support clinical decision-making in the early detection of diabetes. Materials and methods. We conducted a cross-sectional study, using a dataset that contained age, signs, and symptoms of patients with diabetes and of healthy individuals. Pre-processing techniques were applied to the data. Subsequently, we built the model based on fuzzy cognitive maps. Performance was evaluated with three metrics: accuracy, specificity, and sensitivity. Results. The developed model obtained an excellent predictive performance with an accuracy of 95%. In addition, it allowed to identify the behavior of the variables involved using simulated iterations, which provided valuable information about the dynamics of the risk factors associated with diabetes. Conclusions. Fuzzy cognitive maps demonstrated a high value for the early identification of the disease and in clinical decision-making. The results suggest the potential of these approaches in clinical applications related to diabetes and support their usefulness in medical practice to improve patient outcomes.

Valoración microbiológica de queso costeño artesanal y evaluación higiénico-locativa de expendios en Córdoba, Colombia / Microbiological evaluation of artisan coastal cheese and hygienic-locative evaluation of small shops in Córdoba, Colombia

RESUMEN Objetivo Realizar análisis microbiológico del queso costeño artesanal que se consume en las cabeceras municipales del departamento de Córdoba y evaluar las condiciones higiénico-locativas existentes en expendios que favorecen su contaminación. Métodos Se realizó una investigación exploratoria y descriptiva en 120 expendios registrados en la Secretaria de Salud Departamental, de los 28 municipios del departamento de Córdoba-Colombia, durante los años 2012-2013. Se evaluaron las características organolépticas de 360 muestras y, mediante análisis microbiológico se determinó la presencia de coliformes totales, fecales, Staphylococcus coagulasa positiva y hongos. Los resultados se analizaron utilizando estadísticas univariadas y bivariadas con sus respectivas medidas de asociación según la naturaleza de cada variable (Programa EPI-INFO V. 6.04®). Resultados La valoración microbiológica de las 360 muestras demostró la contaminación con valores no aptos para el consumo, equivalentes a: coliformes totales (97,5 %), coliformes fecales (88,9 %), Staphylococcus coagulasa positiva (41,4 %), mohos (40,4 %) y levaduras (96,1 %). Entre las significancias observadas como factores predisponentes para su contaminación resaltan la carencia de registros sanitarios en los expendios, inadecuada limpieza de pisos, paredes y techos, condiciones de exposición, ventilación, iluminación y manipulación inadecuada del producto. Conclusión La significativa carga microbiológica observada en los quesos examinados y su valoración como no aptos para el consumo humano refleja las deficiencias higiénicas en la manipulación del producto, que asociada a los defectos locativos existentes en los sitios donde se comercializa, representa un riesgo para la salud del consumidor.(AU)

ABSTRACT Objective To perform a microbiological analysis of the artisan cheese consumed in the county seats of the Córdoba department, and to evaluate the hygienic-locative conditions of small shops that favor contamination. Methods An exploratory and descriptive research was carried out in 120 small shops registered in the Departmental Health Secretariat of the 28 municipalities of Córdoba-Colombia during 2012-2013. The organoleptic characteristics of 360 samples were evaluated and, the presence of total coliforms, fecal coliforms, coagulase-positive sta-phylococci and fungi was determined through a microbiological analysis. The results were analyzed using univariate and bivariate statistics with their respective association measures according to the nature of each variable (EPI-INFO V. 6.04® Program). Results The microbiological assessment of 360 samples showed contamination with values not suitable for consumption equivalent to: total coliforms (97.5 %), fecal coliforms (88.9 %), coagulase-positive staphylococci (41.4 %), mold (40.4 %) and yeast (96.1 %). Significant factors such as contamination, inadequate cleaning of floors, walls and ceilings, exposure conditions, ventilation, lighting and improper handling of the product were observed. Conclusion The significant microbiological load observed in the examined cheeses and their assessment as unfit for human consumption reflect the hygienic deficiencies in the handling of the product, which, along with locative defects in the places where they are marketed, endangers the health of the consumer.(AU)