Predicción de la evolución clínica de pacientes con dengue, en población de los municipios de Turbo y Apartadó, Antioquia, entre los años 2020 y 2022

Antecedentes: El dengue es una enfermedad viral con una creciente prevalencia mundial. Aunque muchas infecciones por el virus del dengue son asintomáticas, existen formas graves que pueden ser mortales. No existe un tratamiento específico para el dengue, y su diagnóstico representa un desafío en diferentes contextos. Objetivo: Este estudio se propuso predecir la presentación clínica del dengue en poblaciones de Turbo y Apartadó, Antioquia, entre 2020 y 2022, considerando factores como serotipos virales, historial de infecciones previas, coinfecciones, y variables sociodemográficas y clínicas. Metodología: Se realizó un estudio de cohorte en Turbo y Apartadó durante 2020-2022. Posterior a la cohorte, se incluyeron 41 casos graves de la misma región para enriquecer las predicciones. El análisis univariado se relaizó por tablas de contingencia, medidas de tendencia central y dispersión, prueba de Shapiro-Wilk para normalidad y prueba de Levene para homogeneidad de varianzas. El análisis bivariado incluyó las pruebas U de Mann-Whitney, Chi cuadrado y Test exacto de Fisher. El diseño del modelo predictivo se estableció con base en la regresión logística, árboles de decisión, Random Forest y máquinas de soporte vectorial, con optimización mediante validación cruzada y ajuste de hiperparámetros por búsqueda de grilla comuna nueva ronda de validación cruzada. Los ajustes de los modelos se evaluaron utilizando la prueba de Hosmer-Lemeshow, el pseudo R² de McFadden y la log-likelihood. Se estimaron los riesgos relativos a través de un modelo lineal generalizado con función de enlace logit, empleando bootstrapping para reforzar la robustez estadística. Resultados: La cohorte inicial incluyó 192 casos de dengue, de los cuales 3,1% desarrollaron enfermedad grave, 58,3% presentaron signos de alarma y 38,5% no mostraron signos de alarma. Predominantemente, los pacientes fueron hombres (56,3%) y mestizos (77,1%), con una edad promedio de 13,1 años, y residían en zonas urbanas (56,8%) de estratos socioeconómicos bajos. El modelo predictivo indicó que un aumento en los recuentos de leucocitos (RRa = 1,78; IC 95%, 1,05-3,00), neutrófilos (RRa = 2,88; IC 95%, 1,51-5,50) y función hepática (AST) (RRa = 3,80; IC 95%, 1,38-10,44) se asoció con un incremento en el riesgo de dengue grave. En contraste, un alto recuento de plaquetas y las infecciones primarias redujeron el riesgo en un 81% (RRa = 0,19; IC 95%, 0,08-0,45) y 53% (RRa = 0,47; IC 95%, 0,29-0,75) respectivamente. La precisión del modelo en la fase de entrenamiento fue de 0,90 para casos no graves y 0,84 para graves, mientras que en la fase de prueba fue de 0,92 y 0,88 respectivamente, con altas sensibilidades y F1-Scores. EL AUC del modelo fue de 0,91 IC 95% (0,86 – 0,95). Conclusiones: El estudio provee indicios sobre las diferencias en la presentación clínica del dengue entre niños y adultos, ofreciendo un modelo predictivo para la detección temprana y manejo del dengue grave, con potencial para mejorar el control de la enfermedad y reducir la mortalidad en regiones endémicas.

• Autores: Salazar Flórez, Jorge Emilio
• Fecha de publicación: 2024
• Institución: Universidad CES
• Repositorio: Repositorio Digital - Universidad CES
• Idioma: spa
• OAI Identifier: oai:repository.ces.edu.co:10946/8503
• Acceso en línea: https://hdl.handle.net/10946/8503
• Palabra clave: Dengue; Epidemiología; Predicción Clínica; Análisis Multivariado; Aprendizaje Automático
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2