Modelo predictivo de preeclampsia según el consumo de macronutrientes mediante aprendizaje automático en un hospital de Lima, 2019

Resumen

Objetivo: Determinar un modelo predictivo de preeclampsia según el consumo de macronutrientes mediante aprendizaje automático en un hospital de Lima, 2019. Material y métodos: Estudio analítico de casos y controles donde participaron 120 gestantes atendidas en el Hospital Nacional Sergio Bernales. Se evaluó la preeclampsia de acuerdo con el registro clínico hospitalario y el consumo de macronutrientes en calorías ingeridas de lípidos, carbohidratos y proteínas. Se generaron puntos de corte predictivos de preeclampsia mediante un modelo de aprendizaje automático supervisado. Resultados: Las pacientes que presentaron preeclampsia presentaron menor consumo de carbohidratos (Me=1004.1 cal) y mayor consumo de lípidos (Me=1869.9 cal)  y proteínas (Me=684.5 cal). De ellos solo existió variación significativa en carbohidratos y lípidos (p<0.05). Mediante el método de decision tree se determinó que consumir menos o igual a 1743.57cal de lípidos o 1463.2cal por día reduce la probabilidad de presentar preeclampsia (p<0.05). Conclusión: El consumo de lípidos y carbohidratos, medido en calorías, a ciertos valores permite predecir la presencia de preeclampsia mediante un modelo de aprendizaje automático.