RESUMEN
Introducción: determinar la causa de muerte de los pacientes internados con enfermedad cardiovascular es de suma importancia para poder tomar medidas y así mejorar la calidad su atención y prevenir muertes evitables. Objetivos: determinar las principales causas de muerte durante la internación por enfermedades cardiovasculares. Desarrollar y validar un algoritmo para clasificar automáticamente a los pacientes fallecidos durante la internación con enfermedades cardiovasculares Diseño del estudio: estudio exploratorio retrospectivo. Desarrollo de un algoritmo de clasificación. Resultados: del total de 6161 pacientes, el 21,3% (1316) se internaron por causas cardiovasculares; las enfermedades cerebrovasculares representan el 30,7%, la insuficiencia cardíaca el 24,9% y las enfermedades cardíacas isquémicas el 14%. El algoritmo de clasificación según motivo de internación cardiovascular vs. no cardiovascular alcanzó una precisión de 0,9546 (IC 95%: 0,9351-0,9696). El algoritmo de clasificación de causa específica de internación cardiovascular alcanzó una precisión global de 0,9407 (IC 95%: 0,8866-0,9741). Conclusiones: la enfermedad cardiovascular representa el 21,3% de los motivos de internación de pacientes que fallecen durante su desarrollo. Los algoritmos presentaron en general buena performance, particularmente el de clasificación del motivo de internación cardiovascular y no cardiovascular y el clasificador según causa específica de internación cardiovascular. (AU)
Introduction: determining the cause of death of hospitalized patients with cardiovascular disease is of the utmost importance in order to take measures and thus improve the quality of care of these patients and prevent preventable deaths. Objectives: to determine the main causes of death during hospitalization due to cardiovascular diseases.To development and validate a natural language processing algorithm to automatically classify deceased patients according to their cause for hospitalization. Design: retrospective exploratory study. Development of a natural language processing classification algorithm. Results: of the total 6161 patients in our sample who died during hospitalization, 21.3% (1316) were hospitalized due to cardiovascular causes. The stroke represent 30.7%, heart failure 24.9%, and ischemic cardiac disease 14%. The classification algorithm for detecting cardiovascular vs. Non-cardiovascular admission diagnoses yielded an accuracy of 0.9546 (95% CI 0.9351, 0.9696), the algorithm for detecting specific cardiovascular cause of admission resulted in an overall accuracy of 0.9407 (95% CI 0.8866, 0.9741). Conclusions: cardiovascular disease represents 21.3% of the reasons for hospitalization of patients who die during hospital stays. The classification algorithms generally showed good performance, particularly the classification of cardiovascular vs non-cardiovascular cause for admission and the specific cardiovascular admission cause classifier. (AU)
Asunto(s)
Humanos , Inteligencia Artificial/estadística & datos numéricos , Trastornos Cerebrovasculares/mortalidad , Isquemia Miocárdica/mortalidad , Insuficiencia Cardíaca/mortalidad , Hospitalización , Calidad de la Atención de Salud , Algoritmos , Reproducibilidad de los Resultados , Análisis Factorial , Mortalidad , Causas de Muerte , Registros Electrónicos de SaludRESUMEN
El autor de este artículo repasa las características clínicas de la pubertad precoz y la pubertad temprana, las pruebas diagnósticas indicadas en la evaluación de los pacientes que la presentan y las recomendaciones actuales de tratamiento. (AU)
The author of this article reviews the clinical features of early puberty, the diagnostic tests for the patients Ì evaluation andthe current treatment recommendations. (AU)