Sistema de Soporte a la Decisiones para la detección automatizada de Síndrome Metabólico en un Laboratorio de Fisiología Humana.

Sánchez M.A., Díaz F.J. Instituto de Investigación Sobre el Trabajo, Universidad de Guanajuato. México

Palabras clave: Tecnología, Sistemas de Decisiones, Sistema Experto, OLAP, Salud, Síndrome Metabólico.

Resumen

Las tecnologías de información han venido a revolucionar la manera en que es manejado el conocimiento, dentro de ellas, el desarrollo de sistemas para el soporte de decisiones (DSS) ha tomado gran auge en los últimos años; Mediante herramientas como Sistemas Expertos (SE), OLAP (Online Analytical Processing), Minería de Datos (Data Mining), Data WareHouse entre otras, se ha logrado tomar mejores decisiones en un mínimo de tiempo. Por otro lado, el síndrome metabólico (SM) es la constelación de factores metabólicos, antropométricos y funcionales que predisponen de una manera significativa a la persona que los posee a un riesgo elevado de padecer diabetes, obesidad, dislipidemias, hipertensión arterial, enfermedad de vasos sanguíneos coronarios y periféricos y muchas otras. En este articulo se pretende mostrar como a través sistema experto y el empleo de herramientas de DSS, se ha logrado minimizar el tiempo en el diagnostico del síndrome metabólico así como generar unl reporte impreso con los resultados, todo esto a partir de un Data Warehouse utilizando Herramientas OLAP.

Antecedentes

El proceso de detección del síndrome metabólico se basa en 9 variables fisiológicas y funcionales, que de acuerdo a los criterios de la ATP III, quedan de la siguiente manera (tabla 1)

Variable - Criterio

Glucosa - Igual ó Mayor a 100 (mg /dl )

Triglicéridos - Igual ó mayor a 110 (mg / dl)

HDL-C - Menor a 40 (mg /dl)

IMC (Índice de Masa Corporal) - Mayor a 0.22

CC (Circunferencia de Cintura) - (Hombres: Mayor a 90 cm) (Mujeres: Mayor a 84 cm)

ICC (Índice Cintura cadera) - (Hombres: Mayor a 0.83) (Mujeres: Mayor 0.89)

PAS (Presión Arterial Sistólica) - Mayor a 132 (mmHg)

PAD (Presión Arterial Diastólica) - Mayor a 82 (mmHg)

VO₂ (Consumo Máximo de Oxígeno) - (Hombres: Menor a 44 ml/kg/min) (Mujeres: Menor a 34 ml /kg /min)

Tabla 1 Criterios ATPIII para la determinación de factores de riesgo para desarrollar síndrome metabólico.

Si 4 ó más variables cumplen con la condición cumple con la condición se establece la pertenencia de síndrome metabólico. Cuando esta información es analizada en gran cantidad de expedientes (1.000 o más), el diagnostico se vuelve altamente demandante de tiempo y de recursos humanos especializados. Con el objeto de automatizar este proceso, se desarrollo en el laboratorio de fisiología del IIST, de la Universidad de Guanajuato un Sistema Experto, con la capacidad de obtener, analizar, procesar y almacenar información además de realizar un informe impreso de la evaluación de los factores de riesgo involucrados con el síndrome metabólico.

Material y métodos

Base de datos (Data Warehouse) del laboratorio de fisiología la cual fue desarrollada en formato Dbase y en la cual se capturan a diario los datos fisiológicos de los sujetos que se analizan.

Manejador de bases de datos Visual Fox ver 9.00.

Para la implementación de los algoritmos se utilizo el lenguaje de programación propio de Visual Fox ver. 9.00.

Para la generación de Reportes se Utilizo el reporteador de VisualFox ver 9.00.

PC. Dell Optiplex 320, Sistema Operativo Windows XP

Server Dell Optiplex 745.

Sistema Operativo de red Windows Server 2003 r2

Impresora Laser red HP 2420n

Técnicas de programación basadas en Sistemas para el Soporte de Decisiones.

Resultados

Se desarrollo un SE, en Visual Fox versión 9.0, el cual corre en un sistema operativo Windows XP, y puede ser operado en red, actualmente corre en bajo el sistema operativo de red, Windows Small Server 2003 r2.

El sistema extrae y procesa los datos que se encuentran en la base de datos perteneciente al laboratorio de fisiología, a través de algoritmos del tipo IF, THEN; evalúa cada una las siguientes variables : Glucosa, Triglicéridos, HDL-C, Índice de Masa Corporal (IMC), Circunferencia de Cintura (CC), Índice Cintura Cadera (ICC),Presión Arterial Sistólica (PAS), Presión Arterial Diastólica (PAD) y Consuma Máximo de Oxígeno (VO₂ Max) las cuales involucran al SM ; El sistema otorga  e imprime un 1 a cada factor de riesgo presente. Durante el proceso toma en cuenta factores de segmentación como género y edad del individuo, una vez concluida esta fase, realiza una sumatoria de los factores de riesgo que padece el paciente, si el resultado es mayor o igual a cuatro se diagnostica la presencia de SM. Finalmente el sistema genera un reporte individualizado el cual se manda a impresión (Graf. 1). Con el objeto de que el paciente esté consciente de sus resultados, el mismo realiza a mano la suma aritmética de sus factores de riesgo.

El sistema es capaz de analizar e imprimir 33 expedientes por minuto, velocidad limitada por la capacidad de la impresora, además almacena los resultados del análisis (Data Warehouse), para posterior análisis estadístico y procesos de Data Mining.

Grafica 1.- Reporte generado por el Sistema.

Adicionalmente el sistema a través de herramientas OLAP genera estadística descriptiva de los datos por segmentos de edad, género y nivel de SM, así como graficas de estos mismos datos. Este sistema puede, una vez alimentado con los datos necesarios procesar e imprimir más de 1.000 en 30 minutos. En menos de 1 mes de funcionamiento se han procesado más de 3.000 expedientes sin que se presente un error relacionado con el módulo; lo que lo hace altamente confiable. El modulo ha logrado ahorrar cientos de horas quizás semanas hombre en el proceso de análisis de la información.

Conclusiones

Las tecnologías de la información han modificado de manera significativa la manera tradicional en que se realizaba el trabajo, el desarrollo de nuevas tecnologías no solo en el área de Hardware sino también de Software nos han permitido incorporar procesos de sistematización en las organizaciones. En especial los sistemas para la toma de decisiones en todas sus variantes han venido a revolucionar los esquemas tradicionales en que las organizaciones se basan para evaluación de proyectos, determinación de patrones, análisis de datos y toma de decisiones entre otras.

En el caso que aquí se presenta, la implementación de un DSS, ha reducido significativamente el tiempo invertido por recursos humanos calificados en labores repetitivas de revisión y ha minimizado el tiempo de entrega de expedientes lo que ha contribuido a invertir este tiempo en labores más productivas y redituables para la institución.

Bibliografía

Buttriss, Judith, Nugent, Anne, Betteridge, D John, Kitano, Hiroaki (2005, dic. 4) British Nutrition Foundation; Researchers' findings advance metabolic syndrome research. URL http://0-proquest.umi.com.millenium.itesm.mx:80/pqdweb ?did=930470961&sid=1&Fmt=3&clientId=23693&RQT=309&VName=PQD

Pan American Heatlh Organization (2006, November 27) Regional Strategy and Plan of Action on an Integrated Approach to the Prevention and Control of Chronic Diseases Including Diet, Physical Activity, and Health. URL http://www.paho.org/English/AD/DPC/NC/consulta-reg-ca-mex.htm

Prevención integrada de las enfermedades no transmisibles (2003, nov. 27) Organización Mundial de la Salud. URL http://www.who.int/gb/ebwha/pdf_files/EB113/seb11344a1.pdf

Redondo, Juan (2008) Cómo sacar partido con inteligencia de los datos: Data Mining [WWW document] URL http://www.microsoft.com/spain/empresas/tecnologia/data_mining.mspx

Turban, Efraim; Aronson, Jay (2005) Decision Support Systems and Intelligent Systems, 7th Edition. United States, Pearson Prentice Hall

Turban E., Aronson J.E., Liang T., Sharda R. (2007). Decision Support and Business Intelligence Systems. 8th Edition. Prentice Hall, United States