COMUNICACIÓN POSTER
AUTORES
Carnero Pardo, Cristobal 1; Rego García, Iago 2; de la Vega Cotarelo, Ricardo 3; López Alcalde, Samuel 2; Vilchez Carrillo, Rosa 2
CENTROS
1. Servicio de Neurología. FIDYAN Neurocenter; 2. Servicio de Neurología. Hospital Universitario Virgen de las Nieves; 3. Servicio: Medicina Interna. Hospital Punta de Europa
OBJETIVOS
El uso combinado de test cognitivos breves amplía los dominios cognitivos evaluados y mejora la detección del deterioro cognitivo (DC). Nuestro objetivo es desarrollar mediante un procedimiento de machine-learning un algoritmo tipo árbol de decisión (AAD) que maximice el rendimiento del uso combinado de Fototest, Mini-Cog y Test del Reloj (TdR).
MATERIAL Y MÉTODOS
Muestra de 456 sujetos (256 (53.9%) mujeres, 60.4±18.1 años, 215 (47.1%) DC) con 15 variables predictoras controladas (sociodemográficas 3, Fototest 7, Mini-Cog 4, TdR 1), dividida aleatoriamente en dos datasets (ENT y TEST, con el 80 y 20% de la muestra respectivamente). Se ha utilizado la aplicación BigML para el entrenamiento en ENT de un AAD mediante un procedimiento CART de aprendizaje supervisado con optimización bayesiana. La utilidad diagnóstica se ha medido en TEST mediante el porcentaje de predicciones correctas (P), el párametro F y el coeficiente Phi.
RESULTADOS
Los dos datasets están balanceados en todas las variables excepto sexo. El AAD seleccionado, de un total de 200 candidatos, incluye 4 variables con 15 nodos y una profundidad máxima de 5 niveles y muestra unos valores P 91.30%, F 0.92, Phi 0.83, superior a la de los test individuales (Fototest 83.60%, 0.88, 0.69; Mini-Cog 79.35%, 0.76, 0.60; TdR 75.00%, 0.69, 0.48 respectivamente). La importancia relativa de las variables en el modelo es: Mini-Cog 45.9%, Fototest 29.9%, Recuerdo Total 17.9% y Fluidez Nombres 6.4%.
CONCLUSIONES
El AAD seleccionado, simple y armonioso, tiene una utilidad diagnóstica elevada, superior a la de los test individuales, optimizando el uso combinado de Fototest, Mini-Cog y TdR.
