Resumen

El sistema de historia clínica electrónica (HCE) permite apoyar la toma de decisiones clínicas. En este estudio, se recopiló de cuatro hospitales de Hong Kong un conjunto de 112 informes de tomografía computarizada abdominal, compuesto por 59 casos de carcinoma hepatocelular (CHC) o metástasis hepáticas (denominado grupo CHC para simplificar) y 53 casos sin anomalías detectadas (grupo NAD). Se extrajeron términos relacionados con el cáncer de hígado de los informes y se asignaron a características ontológicas utilizando términos clínicos (CT) de la Nomenclatura Sistematizada de Medicina (SNOMED). El panel predictor primario estaba formado por estas características ontológicas. Los niveles de asociación entre cada dos características en los grupos HCC y NAD se cuantificaron mediante el coeficiente de correlación de Pearson. El grupo HCC revela un patrón de asociación distinto que significa cáncer de hígado y proporciona apoyo para la toma de decisiones clínicas en casos sospechosos, lo que motiva la inclusión de nuevas características para formar el panel predictor aumentado. Se aplicó un análisis de regresión logística con un procedimiento de avance por pasos a los conjuntos de predictores primario y aumentado, respectivamente. El modelo obtenido con las nuevas características alcanzó una sensibilidad del 84,7% y una precisión global del 88,4% para distinguir los casos de CHC de los de NAD, que mejoraron significativamente en comparación con el modelo sin las nuevas características.

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:apoyo a la decisión clínica, nuevas características, CHC, casos, grupo de CHC, cáncer de hígado, características ontológicas, historia clínica electrónica, análisis de regresión logística, patrón de asociación distinto
• Keywords:clinical decision support, new features, HCC, cases, HCC group, liver cancer, ontological features, Electronic Health Record, Logistic regression analysis, distinct association pattern