{"id":12565,"date":"2021-02-24T09:25:10","date_gmt":"2021-02-24T15:25:10","guid":{"rendered":"https:\/\/saluddigital.com\/?p=12565"},"modified":"2025-10-21T13:01:28","modified_gmt":"2025-10-21T19:01:28","slug":"cientificos-canadienses-predicen-complicaciones-de-diabetes-tipo-2-a-traves-de-aprendizaje-automatico","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/avance-de-la-ciencia\/cientificos-canadienses-predicen-complicaciones-de-diabetes-tipo-2-a-traves-de-aprendizaje-automatico\/","title":{"rendered":"Canadian scientists predict Type 2 diabetes complications through machine learning"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

The model aims to predict not only the complications and conditions that diabetes can cause in patients, but to predict the diagnosis of diabetes at least 3 years in advance.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Researchers developed a machine learning model that seeks to predict adverse outcomes related to complications with type 2 diabetes. They used health data from the Ontario health system in Canada to create the model. The decision tree on which the model is based was nurtured and trained with data from 1,029,366 patients, validated on more than 272,000 patients and tested on 265,406 patients,<\/p>

The prediction of adverse effects in diabetic patients or those at risk of suffering from this condition, can strengthen health systems, by better managing emergency resources, hospitalizations and above all improving and carrying out strategies and comprehensive campaigns for prevention and promotion of better habits.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Controlling hyperglycemia and hypertension, as well as quitting smoking, are some of the ways to avoid complications in patients with diabetes. However, socioeconomic factors of patients, as well as social security models and universal health services, may prevent the prevention of complications on a massive scale.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

The model developed predicts the risk of adverse outcomes at three years, through complications such as hyper- and hypoglycemia, tissue infection, retinopathy, amputations and cardiovascular events. \u201cWe aim to predict three years in advance, whether a patient diagnosed with diabetes will experience a healthcare visit from an adverse outcome due to a diabetes complication within a target three month prediction window. For this study, an adverse outcome is defined as at least one hospitalization or ambulatory usage associated with any diabetes complication during the target prediction window,\u201d the authors explained in the article.<\/p>

This prediction model was not performed with electronic clinical record data, but from administrative health data (AHD) sources, such as demographics, hospitalizations, physician visits, laboratory tests. \u201cThe final model has over 700 features from a variety of datasets such as demographics, census information, laboratory results, diagnosis history, physician billing claims, hospitalization and ambulatory usage, prescription medication history and others,\u201d they explained.<\/p>

\u201cThe proposed model was developed and tested on a large cohort of over 1.5 million patients with minimal exclusion criteria, capturing virtually all incidences of target adverse outcomes,\u201d they further explained that the cohort is ethnically diverse to achieve broader representation from all regions of the world. The applicability of machine learning methods using AHD was thus demonstrated.<\/p>

\u00a0<\/p>

Read the full article here: https:\/\/www.nature.com\/articles\/s41746-021-00394-8<\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

NATURE <\/strong><\/p>

https:\/\/www.nature.com\/articles\/s41746-021-00394-8<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

El modelo pretende pronosticar no solo las complicaciones y afecciones que puede provocar la diabetes en los pacientes, sino predecir el diagn\u00f3stico de diabetes al menos 3 a\u00f1os antes. Los investigadores desarrollaron un modelo de aprendizaje autom\u00e1tico que busca la predicci\u00f3n de resultados adversos relacionados a complicaciones con diabetes tipo 2. Para la creaci\u00f3n del modelo utilizaron datos de salud del sistema de salud de Ontario en Canad\u00e1. El \u00e1rbol de decisiones en el que se basa el modelo fue nutrido y entrenado con datos de 1,029,366 pacientes, validado en m\u00e1s de 272 mil y probado en 265,406 pacientes. La predicci\u00f3n de efectos adversos en pacientes diab\u00e9ticos o que est\u00e1n en riesgo de padecer esta condici\u00f3n, puede fortalecer los sistemas de salud, al gestionar mejor los recursos de emergencias, hospitalizaciones y sobre todo mejorar y realizar estrategias y campa\u00f1as integrales de prevenci\u00f3n y de promoci\u00f3n de mejores h\u00e1bitos. El control de la hiperglucemia y la hipertensi\u00f3n, as\u00ed como dejar de fumar, son algunas de las formas de evitar complicaciones en pacientes con diabetes. Sin embargo, los factores socioecon\u00f3micos de los pacientes, as\u00ed como los modelos de seguridad social y servicios de salud universal, pueden llegar a impedir la prevenci\u00f3n de complicaciones a nivel masivo. El modelo desarrollado predice el riesgo de resultados adversos a tres a\u00f1os, a trav\u00e9s de complicaciones como hiper e hipoglucemia, infecci\u00f3n tisular, retinopat\u00eda, amputaciones y eventos cardiovasculares. \u201cNuestro objetivo es predecir con tres a\u00f1os de anticipaci\u00f3n si un paciente diagnosticado con diabetes experimentar\u00e1 una visita de atenci\u00f3n m\u00e9dica debido a un resultado adverso debido a una complicaci\u00f3n de la diabetes dentro de una ventana de predicci\u00f3n objetivo de tres meses. Para este estudio, un resultado adverso se define como al menos una hospitalizaci\u00f3n o uso ambulatorio asociado con cualquier complicaci\u00f3n de la diabetes durante la ventana de predicci\u00f3n objetivo\u201d, explica el art\u00edculo. Este modelo de predicci\u00f3n no fue realizado con datos de registro cl\u00ednicos electr\u00f3nicos, sino de fuentes de datos administrativas de salud (AHD), como datos demogr\u00e1ficos, hospitalizaciones, visitas al m\u00e9dico, pruebas de laboratorio. \u201cEl modelo final tiene m\u00e1s de 700 caracter\u00edsticas de una variedad de conjuntos de datos, como datos demogr\u00e1ficos, informaci\u00f3n del censo, resultados de laboratorio, historial de diagn\u00f3stico, reclamos de facturaci\u00f3n de m\u00e9dicos, hospitalizaci\u00f3n y uso ambulatorio, historial de medicamentos recetados y otros\u201d, explican los autores. \u201cEl modelo propuesto se desarroll\u00f3 y prob\u00f3 en una gran cohorte de m\u00e1s de 1,5 millones de pacientes con criterios de exclusi\u00f3n m\u00ednimos, capturando pr\u00e1cticamente todas las incidencias de resultados adversos objetivo\u201d, adem\u00e1s explicaron que la cohorte es \u00e9tnicamente diversa para lograr una representaci\u00f3n m\u00e1s amplia de todas las regiones del mundo. De esta forma fue demostrada la aplicabilidad de los m\u00e9todos de aprendizaje autom\u00e1tico utilizando AHD. Lee el art\u00edculo completo a trav\u00e9s del siguiente enlace: https:\/\/www.nature.com\/articles\/s41746-021-00394-8 BIBLIOGRAF\u00cdA NATURE https:\/\/www.nature.com\/articles\/s41746-021-00394-8<\/p>","protected":false},"author":1,"featured_media":12566,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[152,154],"tags":[145],"class_list":["post-12565","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-avance-de-la-ciencia","category-comunidades-conectadas","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/12565","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=12565"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/12565\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/12566"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=12565"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=12565"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=12565"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}