Tema
Estrategias APS en salud  

Palabras clave
Capacidad Funcional en Personas Mayores, Inteligencia Artificial, EMPAM-EFAM

Introducción

Considerando el envejecimiento demográfico en Chile, se han implementado diversas acciones sociosanitarias dirigidas a Personas Mayores (PM), entre ellas el fortalecimiento de la medicina preventiva. La medición y monitoreo de la capacidad funcional (CF) se inicia el 2004, con la Escala de Evaluación Funcional de Adulto Mayor (EFAM) en la APS, núcleo central del EMPAM, que permite clasificar la CF de las PM en cuatro categorías de riesgo y definir acciones: preventivas; de tratamiento o de rehabilitación. Incluye la medición de numerosos indicadores su aplicación requiere de una hora, capacitación del personal e infraestructura adecuada, contribuyendo a una baja cobertura (40,7%).El proyecto FONDEF IDeA ID19I10319, responde a una estrategia del MINSAL de perfeccionar la atención de salud de las PM en la APS. Este proyecto busca optimizar los instrumentos de medición de la CF en Chile, contribuir a aumentar la cobertura del EMPAM y reducir las brechas de inequidad detectadas en la medición del EMPAM.

Objetivos

Crear un modelo del riesgo de pérdida de CF de las PM con mayor capacidad predictiva y el mínimo de variables del EFAM-EMPAM y diseñar e implementar una herramienta digital para que los profesionales de salud de la APS, visualicen y utilicen el modelo predictivo.

Método

El modelo predictivo se creará con la información del EMPAM-EFAM de los 55 centros APS del SSMOC, entre enero 2010 y abril 2020.rnLa creación del modelo predictivo, utiliza el método de árboles de regresión potenciados Boosted Trees, técnica de machine learning que combina las fortalezas de dos algoritmos de aprendizaje automático: Classification and Regression Trees (CART) y Boosting. rnPara la obtención de las variables con la mayor importancia relativa en la predicción del riesgo de pérdida de la CF se utiliza el entrenamiento con las imputaciones y el one-hot encoding, y para los modelos preliminares se aplican tres secuencias de diez validaciones cruzadas, lo cual permite la maximización de la precisión del modelo. El modelo predictivo constituye el principal insumo para la construcción de la plataforma digital, Integrated Risk Estimation for New Elderly (IRENE), que se visualizara inicialmente en una aplicación web abierta online en los centros de APS del SSMOC.

Principales Resultados

La base de datos validada tiene 442.322 registros correspondientes a 128.703 PM. El 71,6% cuenta al menos dos mediciones del EMPAM.rnEn las categorías "Autovalente sin riesgo" y "Riesgo de dependencia", el "Minimental abreviado fue la variable con mayor capacidad predictiva 15% (GAIN). Para la categoría "Autovalente con riesgo, fue la variable "presión arterial sistólica sentado" (GAIN, 14%). Se observa una importancia relativa en las variables: "estaciones unipodales", edad y anhedonia, según escala de Yesavage en las categorías de "Autovalente con riesgo" y "Autovalente sin riesgo".

Conclusiones

A partir de la información secundaria disponible en la APS y aplicando herramientas de inteligencia artificial es posible disponer de un modelo predictivo más eficiente y eficaz para la predicción del riesgo de pérdida de la CF en las PM de nuestro país. Contribuyendo, de esta manera a mejorar la atención de salud de las PM, optimizar el trabajo de los profesionales de la APS, disminuir las brechas de desigualdad y aumentar la cobertura del EMPAM. Validado el modelo predictivo es posible escalar la implementación de IRENE a nivel nacional.