REVISTA ESPAÑOLA DE
CARDIOLOGÍA
ISSN: 0300-8932 Factor de impacto 2023 7,2

SEC 2019 - El Congreso de las Enfermedades Cardiovasculares

Barcelona, 17 - 19 de Octubre de 2019


Introducción
Dr. Arturo Evangelista Masip
 Presidente del Comité Científico del Congreso
Comité ejecutivo
Comité de evaluadores
Índice de autores

5007. Análisis de datos y avances en la práctica asistencial

Fecha : 17-10-2019 10:45:00
Tipo : Comunicaciones mini orales
Sala : Sala Vivaldi 1 (Hotel Crowne)

5007-7. INTELIGENCIA ARTIFICIAL FRENTE A ESTADÍSTICA CLÁSICA EN LA PREDICCIÓN DE CARDIOVERSIÓN ESPONTÁNEA, FARMACOLÓGICA, ELÉCTRICA Y RECURRENCIA DE FIBRILACIÓN AURICULAR

Jean Carlos Núñez García1, Antonio Sánchez-Puente2, Jesús Sampedro Gómez3, Víctor Vicente Palacios1, Pedro Ignacio Dorado Díaz3, Juan Carlos Castro Garay4, David González Calle1, Marta Alonso Fernández de Gatta1, Javier Jiménez Candil1, Jendri Manuel Pérez Perozo1, Fabián Blanco Fernández4, Milena Antúnez Ballesteros4, Mónica García Monsalvo4 y Pedro Luis Sánchez Fernández1, del 1Complejo Asistencial Universitario de Salamanca, Salamanca, 2Instituto de Investigación Biomédica de Salamanca IBSAL, Salamanca y 3Centros de Investigación Biomédica en Red CIBER, Salamanca.

Introducción y objetivos: Con el fin de evitar procedimientos y fármacos inútiles o innecesarios, se han identificado mediante métodos estadísticos clásicos (MEC), múltiples factores clave para el desarrollo de modelos predictivos del éxito de la cardioversión eléctrica (CVE), espontánea (CVe), farmacológica (CVF) y recurrencia de fibrilación auricular (RFA). El machine learning (ML) provee herramientas que mejoran la estratificación de pacientes que ofrecen los MEC, sin embargo, no se han publicado resultados positivos de ML en este contexto. El objetivo de este estudio es comparar la predicción de CVe, CVF, CVE y RFA a 6 meses mediante ML frente a modelos predictivos establecidos creados con MEC.

Métodos: Se han ajustado modelos de ML independientes para cada evento (CVe, CVF, CVE y RFA), escogiendo las variables más discriminantes de los distintos eventos mediante minería de datos. Para validar los ajustes se empleó una validación cruzada de 10 subconjuntos repetida 10 veces. Finalmente, se compararon los resultados con 2 escalas publicadas y creadas con MEC (escalas HATCH y CHA2DS2-VASc) frente a ML.

Resultados: A partir de una base con 320 CVEs, se identificaron múltiples variables discriminantes para cada modelo de ML (tabla). La predicción de los eventos mediante las escalas HATCH y CHA2DS2-VASc fue insuficiente salvo en la predicción de CVe (AUC CVe 0,68 y 0,66; AUC CVF 0,55 y 0,53; AUC CVe o CVF 0,55 y 0,53; AUC CVE 0,53 y 0,48; y AUC RFA 0,56 y 0,54). El algoritmo de clasificación mediante ML de mayor rendimiento variaba en función del evento a predecir: Random Forest para CVe, CVe o CVF y RFA (AUC 0,82, 0,78 y 0,71); regresión logística mediante ML para CVF (AUC 0,77); y XGBoost para CVE (AUC 0,62). Las diferencias encontradas entre los modelos de ML y los MEC fueron estadísticamente significativas. En la figura se muestra la comparación de las curvas ROC para cada evento.

Curvas ROC Machine Learning, HATCH y CHA2DSVASc.

Conclusiones: Describimos el primer modelo predictivo mediante técnicas de ML con resultados positivos en este contexto. En nuestro medio, el ML supera el rendimiento de escalas creadas con estadística clásica publicados en revistas de impacto.

Comunicaciones disponibles de "Análisis de datos y avances en la práctica asistencial"

5007-1. MODERADORES
M. Lourdes Vicent Alaminos, Madrid, y Rafael Carlos Vidal Pérez, Santiago de Compostela (A Coruña).

5007-2. TENDENCIAS TEMPORALES E IMPACTO PRONÓSTICO DE LA ESTANCIA HOSPITALARIA DE MENOS DE 3 DÍAS EN INFARTOS NO COMPLICADOS DESPUÉS DE INTERVENCIONISMO CORONARIO PERCUTÁNEO PRIMARIO EN ESPAÑA
Berenice Caneiro Queija1, Emad Abu-Assi1, José Luis Bernal Sobrino2, Sergio Raposeiras Roubín1, Francisco Javier Elola Somoza3, Cristina Fernández Fernández1, Rafael José Cobas Paz1, Isabel Muñoz Pousa1, María Cespón Fernández1, Luis Manuel Domínguez Rodríguez1, Pablo Domínguez Erquicia1, Saleta Fernández Barbeira1, María Castiñeira Busto1 y Andrés Íñiguez Romo1, del 1Hospital Universitario Álvaro Cunqueiro, Vigo (Pontevedra), 2Hospital Universitario 12 de Octubre, Madrid y 3Sociedad Española de Cardiología, Madrid.

5007-3. EVOLUCIÓN ANUAL DE LOS INDICADORES DE CALIDAD EN UN PROGRAMA DE REHABILITACIÓN CARDIACA EN PACIENTES CON CARDIOPATÍA ISQUÉMICA
Lucas Tojal Sierra, Irene Juanes Domínguez, Elene Sáez de Buruaga Corrales, Zuriñe Fernández Fernández de Leceta, Santiago García Mancebo, María Garrido Uriarte, María Jesús Apodaca Arrizabalaga, Eva Para Barbero, Ángel María Alonso Gómez y María Concepción Belló Mora, del Hospital Universitario Araba, Vitoria-Gasteiz (Álava).

5007-4. HIPERTENSIÓN PORTOPULMONAR EN ESPAÑA. ¿OFRECEMOS EL TRATAMIENTO CORRECTO?
María Lázaro Salvador1, Carlos Andrés Quezada Loaiza2, Luis Rodríguez Padial1, Joan Albert Barbera Mir3, Manuel López-Meseguer4, Raquel López Reyes5, Francisco José García Hernández6, Ernest Sala Llinas7, Isabel Otero8, Gregorio Miguel Pérez Peñate9, Javier Segovia10, Amaya Martínez Meñaca11, Juan Antonio Domingo Morera12, Teresa Elias Hernandez13, Pilar Escribano Subias14 y los investigadores de REHAP15, del 1Servicio de Cardiología, Hospital Virgen de la Salud, Toledo, 2Servicio de Neumología, Hospital Universitario Ramón y Cajal, Madrid, 3Servicio de Neumología, Hospital Clínic, Institut d'Investigacions Biomèdiques August Pi i Sunyer IDIBAPS, Centro de Investigación Biomédica en Red de Enfermedades Respiratorias CIBERES, Barcelona, 4Centro de Investigación Biomédica en Red de Enfermedades Respiratorias CIBERES, Madrid y Servicio de Neumología, Hospital Universitario Vall d'Hebron, Barcelona, 5Servicio de Neumología, Hospital Universitario y Politécnico La Fe, Valencia, 6Servicio de Medicina Interna, Hospital Universitario Virgen del Rocío, Sevilla, 7Servicio de Neumología, Hospital Universitario Son Espases, Palma de Mallorca (Illes Balears), 8Servicio de Neumología, Hospital Universitario de A Coruña, A Coruña, 9Unidad de Circulación Pulmonar, Servicio de Neumología, Hospital Universitario de Gran Canaria Doctor Negrín, Las Palmas de Gran Canaria (Las Palmas), 10Servicio de Cardiología, Hospital Universitario Puerta de Hierro, Majadahonda (Madrid), 11Servicio de Neumología, Hospital Universitario Marqués de Valdecilla, Cantabria, 12Servicio de Neumología, Hospital Universitario Miguel Servet, Zaragoza, 13Centro de Investigación Biomédica en Red de Enfermedades Respiratorias CIBERES y Unidad Médico-quirúrgica de Enfermedades Respiratorias, Instituto de Biomedicina de Sevilla IBiS, Hospital Universitario Virgen del Rocío, Sevilla, 14Unidad de Hipertensión Pulmonar, Servicio de Cardiología, Hospital Universitario 12 de Octubre, Centro de Investigación Biomédica en Red de Enfermedades Cardiovasculares CIBERCV, Instituto de Salud Carlos III, Madrid y 15Registro Español de Hipertensión Arterial Pulmonar.

5007-5. EVOLUCIÓN DE LA ADECUACIÓN DE LAS INTERCONSULTAS PRESENCIALES REALIZADAS DESDE ATENCIÓN PRIMARIA A CARDIOLOGÍA TRAS EL IMPLANTE DEL PROYECTO CARPRIMUR
Noelia Fernández Villa1, Pedro José Flores Blanco1, Francisca María Muñoz Franco1, Andrea Hernández Costa1, Isabel Beatriz González Riquelme1, Alberto Nieto López1, Ginés Elvira Ruiz1, Javier Pérez Copete1, Francisco Arregui Montoya1, César Santiago Caro Martínez2, Luis Gonzaga Contreras Ortiz3, Juan Antonio Gómez Company1, José Manuel Alcaraz Muñoz4, Domingo Andrés Pascual Figal1 y Sergio Manzano Fernández1, del 1Hospital Clínico Universitario Virgen de la Arrixaca, El Palmar (Murcia), 2Hospital Universitario Morales Meseguer, Murcia, 3Subdirección General de Proyectos e Innovación del Servicio Murciano de Salud, Murcia y 4Subdirección General de Tecnologías de la Información del Servicio Murciano de Salud, Murcia.

5007-6. EVOLUCIÓN DE LA INVESTIGACIÓN CARDIOLÓGICA ESPAÑOLA Y ANÁLISIS COMPARATIVO MUNDIAL DE TÓPICOS DE ESPECIAL RELEVANCIA
Francisco J. Chorro Gascó1, Adolfo Alonso-Arroyo2 y Rafael Aleixandre-Benavent3, del 1Hospital Clínico Universitario de Valencia, Universitat de València, INCLIVA, CIBER-CV, Valencia, 2Departamento de Historia de la Ciencia y Documentación, Universidad de Valencia, Valencia y 3UISYS, Unidad Mixta de Investigación, CSIC-Universitat de València, INGENIO CSIC- Universitat Politècnica de València, Valencia.

5007-7. INTELIGENCIA ARTIFICIAL FRENTE A ESTADÍSTICA CLÁSICA EN LA PREDICCIÓN DE CARDIOVERSIÓN ESPONTÁNEA, FARMACOLÓGICA, ELÉCTRICA Y RECURRENCIA DE FIBRILACIÓN AURICULAR
Jean Carlos Núñez García1, Antonio Sánchez-Puente2, Jesús Sampedro Gómez3, Víctor Vicente Palacios1, Pedro Ignacio Dorado Díaz3, Juan Carlos Castro Garay4, David González Calle1, Marta Alonso Fernández de Gatta1, Javier Jiménez Candil1, Jendri Manuel Pérez Perozo1, Fabián Blanco Fernández4, Milena Antúnez Ballesteros4, Mónica García Monsalvo4 y Pedro Luis Sánchez Fernández1, del 1Complejo Asistencial Universitario de Salamanca, Salamanca, 2Instituto de Investigación Biomédica de Salamanca IBSAL, Salamanca y 3Centros de Investigación Biomédica en Red CIBER, Salamanca.

5007-8. IMPLICACIONES DE UN DIAGNÓSTICO DE DEMENCIA EN EL PRONÓSTICO DE PACIENTES CON FIBRILACIÓN AURICULAR DENTRO DE UN ÁREA DE SALUD ESPECÍFICA ESTUDIADA MEDIANTE BIG DATA
Rafael Carlos Vidal Pérez1, Moisés Rodríguez Mañero2, Estrella López Pardo1, Alberto Cordero Fort3, José Novo Platas4, Luis Valdés Cuadrado4, Adrián Cid Menéndez2, Francisco Javier García Seara2, José Luis Martínez Sande2, María Pereira Vázquez4, Alberto Ruano Raviña4, Carlos Peña Gil2, Pilar Mazón Ramos2, José María García Acuña2 y José Ramón González Juanatey2, del 1Complexo Hospitalario Universitario de Santiago, Santiago de Compostela (A Coruña), 2Hospital Clínico Universitario de Santiago,CIBERCV, A Coruña, 3Hospital Universitario San Juan de Alicante, San Juan de Alicante (Alicante) e 4Instituto de Investigación Sanitaria Santiago de Compostela IDIS, Santiago de Compostela (A Coruña).

Más comunicaciones de los autores

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?