{"id":45537,"date":"2024-05-24T10:43:49","date_gmt":"2024-05-24T16:43:49","guid":{"rendered":"https:\/\/saluddigital.com\/?p=45537"},"modified":"2025-10-18T16:08:37","modified_gmt":"2025-10-18T22:08:37","slug":"estudio-utiliza-ia-para-identificar-pacientes-en-riesgo-de-abandonar-tratamiento-contra-adicciones","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/estudio-utiliza-ia-para-identificar-pacientes-en-riesgo-de-abandonar-tratamiento-contra-adicciones\/","title":{"rendered":"Estudio utiliza IA para identificar pacientes en riesgo de abandonar tratamiento contra adicciones"},"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

Estudio de UF Health utiliza modelos de IA para identificar pacientes en riesgo de dejar tratamiento contra el trastorno por consumo de opi\u00e1ceos.<\/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

Investigadores de la Universidad de Florida desarrollaron un sistema que permite identificar pacientes en alto riesgo de interrumpir su tratamiento contra trastornos por consumo de opi\u00e1ceos. La buprenorfina es un medicamento de venta con receta aprobado en Estados Unidos por la Administraci\u00f3n de Alimentos y Medicamentos (FDA, en ingl\u00e9s). Se trata de uno de los tres tratamientos disponibles para atender el trastorno por consumo de opi\u00e1ceos en casos de adicci\u00f3n o de dolor.<\/p>

En un estudio reciente publicado en Computer in Biology and Medicine<\/em> liderado por el Dr. Mahmudul Hasan, mostr\u00f3 que aproximadamente el 15% de los pacientes no completaba el tratamiento con buprenorfina de un a\u00f1o de duraci\u00f3n, mientras que cerca del 4% lo abandonaba en los primeros tres meses. EL estudio detalla c\u00f3mo con la ayuda de inteligencia artificial (IA) el equipo de investigadores logr\u00f3 identificar a pacientes de alto riesgo y varios factores asociados con la interrupci\u00f3n de su tratamiento.<\/p>

El estudio incluy\u00f3 a personas aseguradas con edades de 18 a 64 a\u00f1os, a quienes se les recet\u00f3 buprenorfina para tratar el trastorno por uso de opi\u00e1ceos. De esta manera, el estudio midi\u00f3 los intervalos de 30 d\u00edas o m\u00e1s en los que no se surt\u00edan las recetas de buprenorfina durante el primer a\u00f1o de tratamiento.<\/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

Mediante la creaci\u00f3n de modelos predictivos de IA, centrados en distintas fases del tratamiento, inicio del tratamiento; un mes; y tres meses despu\u00e9s del inicio del tratamiento, el equipo de Hasan descubri\u00f3 que casi el 15% de los pacientes interrump\u00edan el tratamiento prematuramente.<\/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

\u201cSabemos que seguir un plan de tratamiento con buprenorfina es beneficioso. La interrupci\u00f3n prematura podr\u00eda aumentar el riesgo de hospitalizaci\u00f3n, sobredosis y, lo que es m\u00e1s importante, la mortalidad\u201d, mencion\u00f3 el Dr. Hasan. \u201cSi podemos usar la IA para predecir qu\u00e9 pacientes tienen un mayor riesgo de este comportamiento, los profesionales cl\u00ednicos pueden llegar a la causa ra\u00edz, tomar decisiones m\u00e1s informadas y dise\u00f1ar intervenciones m\u00e1s espec\u00edficas para esos pacientes\u201d, agreg\u00f3.<\/p>

El marco de predicci\u00f3n utiliz\u00f3 machine learning y estratificaci\u00f3n de riesgos para ayudar a identificar pacientes de alto riesgo y determinar qu\u00e9 factores contribuyen a la falta de cumplimiento del tratamiento. Los factores de riesgo identificados en este estudio incluyen edad, sexo, adherencia temprana al tratamiento, uso de estimulantes o antipsic\u00f3ticos y n\u00famero de d\u00edas de suministro de acuerdo con la primera receta de buprenorfina que recibi\u00f3 el paciente. Por otro lado, el estudio tambi\u00e9n descubri\u00f3 que vivir en zonas rurales y otras barreras de acceso al tratamiento contribuyen a un mayor riesgo de interrupci\u00f3n.<\/p>

\u201cLos pacientes m\u00e1s j\u00f3venes corren un mayor riesgo de abandonar prematuramente el tratamiento, junto con los que tienen antecedentes de consumo de estimulantes, incluida la nicotina”, explic\u00f3 el Dr. Hasan. Otro hallazgo del estudio fue que los pacientes con menor adherencia a la buprenorfina en la fase inicial del tratamiento corren m\u00e1s riesgo de interrumpirlo prematuramente.<\/p>

Los autores del estudio se\u00f1alaron que, si esta tecnolog\u00eda llega a generalizarse en centros m\u00e9dicos de todo Estados Unidos, permitir\u00e1 ahorrar tempo a los m\u00e9dicos del primer nivel de atenci\u00f3n y mejorar\u00e1 el acceso a este tratamiento para los pacientes.<\/p>

\u201cLos m\u00e9dicos de atenci\u00f3n primaria ya est\u00e1n sobrecargados de trabajo y disponen de recursos limitados. Una herramienta como \u00e9sta, capaz de predecir con fiabilidad qu\u00e9 paciente ser\u00e1 de alto riesgo, podr\u00eda ser de gran ayuda. En poco tiempo y sin aumentar su carga de trabajo, los sanitarios pueden identificar las intervenciones necesarias para cada paciente, lo que les permite asignar mejor sus limitados recursos\u201d, finaliz\u00f3 el Dr. Hasan.<\/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

UF HEALTH<\/strong><\/p>

https:\/\/ufhealth.org\/news\/2024\/uf-study-uses-machine-learning-to-predict-opioid-use-disorder-treatment-interruptions<\/a><\/p>

SCIENCE DIRECT<\/strong><\/p>

https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0010482524005778<\/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":"

Estudio de UF Health utiliza modelos de IA para identificar pacientes en riesgo de dejar tratamiento contra el trastorno por consumo de opi\u00e1ceos. Investigadores de la Universidad de Florida desarrollaron un sistema que permite identificar pacientes en alto riesgo de interrumpir su tratamiento contra trastornos por consumo de opi\u00e1ceos. La buprenorfina es un medicamento de venta con receta aprobado en Estados Unidos por la Administraci\u00f3n de Alimentos y Medicamentos (FDA, en ingl\u00e9s). Se trata de uno de los tres tratamientos disponibles para atender el trastorno por consumo de opi\u00e1ceos en casos de adicci\u00f3n o de dolor. En un estudio reciente publicado en Computer in Biology and Medicine liderado por el Dr. Mahmudul Hasan, mostr\u00f3 que aproximadamente el 15% de los pacientes no completaba el tratamiento con buprenorfina de un a\u00f1o de duraci\u00f3n, mientras que cerca del 4% lo abandonaba en los primeros tres meses. EL estudio detalla c\u00f3mo con la ayuda de inteligencia artificial (IA) el equipo de investigadores logr\u00f3 identificar a pacientes de alto riesgo y varios factores asociados con la interrupci\u00f3n de su tratamiento. El estudio incluy\u00f3 a personas aseguradas con edades de 18 a 64 a\u00f1os, a quienes se les recet\u00f3 buprenorfina para tratar el trastorno por uso de opi\u00e1ceos. De esta manera, el estudio midi\u00f3 los intervalos de 30 d\u00edas o m\u00e1s en los que no se surt\u00edan las recetas de buprenorfina durante el primer a\u00f1o de tratamiento. Mediante la creaci\u00f3n de modelos predictivos de IA, centrados en distintas fases del tratamiento, inicio del tratamiento; un mes; y tres meses despu\u00e9s del inicio del tratamiento, el equipo de Hasan descubri\u00f3 que casi el 15% de los pacientes interrump\u00edan el tratamiento prematuramente. \u201cSabemos que seguir un plan de tratamiento con buprenorfina es beneficioso. La interrupci\u00f3n prematura podr\u00eda aumentar el riesgo de hospitalizaci\u00f3n, sobredosis y, lo que es m\u00e1s importante, la mortalidad\u201d, mencion\u00f3 el Dr. Hasan. \u201cSi podemos usar la IA para predecir qu\u00e9 pacientes tienen un mayor riesgo de este comportamiento, los profesionales cl\u00ednicos pueden llegar a la causa ra\u00edz, tomar decisiones m\u00e1s informadas y dise\u00f1ar intervenciones m\u00e1s espec\u00edficas para esos pacientes\u201d, agreg\u00f3. El marco de predicci\u00f3n utiliz\u00f3 machine learning y estratificaci\u00f3n de riesgos para ayudar a identificar pacientes de alto riesgo y determinar qu\u00e9 factores contribuyen a la falta de cumplimiento del tratamiento. Los factores de riesgo identificados en este estudio incluyen edad, sexo, adherencia temprana al tratamiento, uso de estimulantes o antipsic\u00f3ticos y n\u00famero de d\u00edas de suministro de acuerdo con la primera receta de buprenorfina que recibi\u00f3 el paciente. Por otro lado, el estudio tambi\u00e9n descubri\u00f3 que vivir en zonas rurales y otras barreras de acceso al tratamiento contribuyen a un mayor riesgo de interrupci\u00f3n. \u201cLos pacientes m\u00e1s j\u00f3venes corren un mayor riesgo de abandonar prematuramente el tratamiento, junto con los que tienen antecedentes de consumo de estimulantes, incluida la nicotina”, explic\u00f3 el Dr. Hasan. Otro hallazgo del estudio fue que los pacientes con menor adherencia a la buprenorfina en la fase inicial del tratamiento corren m\u00e1s riesgo de interrumpirlo prematuramente. Los autores del estudio se\u00f1alaron que, si esta tecnolog\u00eda llega a generalizarse en centros m\u00e9dicos de todo Estados Unidos, permitir\u00e1 ahorrar tempo a los m\u00e9dicos del primer nivel de atenci\u00f3n y mejorar\u00e1 el acceso a este tratamiento para los pacientes. \u201cLos m\u00e9dicos de atenci\u00f3n primaria ya est\u00e1n sobrecargados de trabajo y disponen de recursos limitados. Una herramienta como \u00e9sta, capaz de predecir con fiabilidad qu\u00e9 paciente ser\u00e1 de alto riesgo, podr\u00eda ser de gran ayuda. En poco tiempo y sin aumentar su carga de trabajo, los sanitarios pueden identificar las intervenciones necesarias para cada paciente, lo que les permite asignar mejor sus limitados recursos\u201d, finaliz\u00f3 el Dr. Hasan. BIBLIOGRAF\u00cdA UF HEALTH https:\/\/ufhealth.org\/news\/2024\/uf-study-uses-machine-learning-to-predict-opioid-use-disorder-treatment-interruptions SCIENCE DIRECT https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0010482524005778<\/p>","protected":false},"author":1,"featured_media":45538,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-45537","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/45537","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=45537"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/45537\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/45538"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=45537"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=45537"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=45537"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}