ARTÍCULO ORIGINAL

 

Herramienta informática para la determinación de acciones de salud relacionadas con la hipertensión arterial

 

Computer tool for the determination of health actions related with hypertension

 

 

Ing. Yovannys Sánchez Corales,^I Ing. Yoenny Pérez Romero,^II Ing. Sailyn Salas Hechavarria,^III Ing. Frank Dávila Hernández^IV

^IIngeniero informático. Centro de Informática Médica, Universidad de las Ciencias Informáticas, Cuba. E-mail: [e-mail]
^IIIngeniero informático. Centro de Informática Médica, Universidad de las Ciencias Informáticas, Cuba. E-mail: [e-mail]
^IIIIngeniero en Ciencias informáticas. Universidad de las Ciencias Informáticas, Cuba. E-mail: [e-mail]
^IVIngeniero en Ciencias informáticas. Centro de Informática Médica, Universidad de las Ciencias Informáticas, Cuba. E-mail: [e-mail]

---

RESUMEN

La Hipertensión Arterial (HTA) es uno de los problemas de salud complejos frecuentes en nuestro Cuba y el mundo, pues constituye el principal factor de riesgo en las enfermedades cardiovasculares y cerebrales. El presente trabajo aborda una herramienta informática que ayuda a la determinación de acciones de salud relacionadas con la Hipertensión Arterial en la Atención Primaria de Salud a través del Procesamiento Analítico en Línea y el Razonamiento Basado en Casos. El sistema es validado mediante análisis de criterio de expertos, los cuales concuerdan en un 99 % de confianza.

Palabras claves: hipertensión arterial, procesamiento analítico en línea, razonamiento basado en casos.

---

ABSTRACT

Hypertension (HTA) is one of the complex health problems prevalent in Cuba and the world. It is the main risk factor for cardiovascular disease and stroke. This paper deals with a software tool that helps determine health actions related to hypertension in primary health care through the Online Analytical Processing and Case Based Reasoning. The system is validated through expert analysis approaches, which consider it is 99 % reliable.

Key words: hypertension, online analytical processing, case based reasoning.

---

 

 

INTRODUCCIÓN

La atención médica en Cuba posee la peculiaridad de ser gratuita y desarrollada a partir de un concepto social que va más allá del diagnóstico de las enfermedades, pues pone en primer lugar la atención de las necesidades de la población dentro del propio medio en que esta se desarrolla.

La informática en la medicina^1,2 es una de las aplicaciones más comunes^3,4,5 e importantes desde hace varias décadas, lo que ha permitido al sector de la salud no solo poseer métodos novedosos, sencillos y eficaces de gestión administrativa en consultas, hospitales y centros de investigación biomédica, sino también disponer de complejas aplicaciones que reducen la posibilidad de error en el diagnóstico de las enfermedades y la gestión de las Historias Clínicas Electrónicas (HCE).^1,6

En este contexto surgen los Sistemas Clínicos para la Toma de Decisiones (CDSS - Clinical Decision Support System);^1,7,8,9 los cuales brindan información inteligentemente procesada al médico o cualquier individuo de la organización.

El Ministerio de Salud Pública de la República de Cuba (MINSAP) es el órgano rector del Sistema Nacional de Salud (SNS), encargado de dirigir, ejecutar y controlar la aplicación de la política del estado y del gobierno en cuanto a la salud pública, el desarrollo de las ciencias médicas y la industria médico farmacéutica mediante el uso de las TIC.

El Centro de Informática Médica (CESIM), perteneciente a la Universidad de las Ciencias Informáticas (UCI), se encarga de crear soluciones informáticas para el sector de la salud como el Sistema Integral de Atención Primaria para la Salud (alas SIAPS) y el Sistema Integral de Atención Hospitalaria (alas HIS). Estos sistemas incluyen un banco de Historias Clínicas Electrónicas^1,6 de manera centralizada como para de su funcionamiento, logrando de esta forma tener un único formato y expediente electrónico del paciente independientemente del tipo de cuidado ofrecido.

En el seguimiento integral de los problemas de salud en el nivel primario, se detecta con mayor incidencia la Hipertensión Arterial (HTA),^10,11 la cual es denominada la epidemia silenciosa del siglo XXI y constituye el principal riesgo de las enfermedades cardiovasculares. Según el reporte de la Organización Mundial de la Salud (OMS) del 2012,¹² una de cada 3 personas en el mundo padece de Hipertensión Arterial; además agrega que 1 de cada 10 personas es diabética y se reflejan en estudios^13,14 la alta frecuencia con que las personas diabéticas desarrollan previamente una Hipertensión Arterial. El MINSAP por su parte desarrolla un programa de Control de la Hipertensión Arterial mediante acciones^15-17 como respuesta a este importante problema de salud. Adicionalmente en Cuba existe un gran número de pacientes que poseen esta enfermedad y no lo saben.

Por las razones anteriores en necesario buscar mecanismos que ayuden a los galenos profesionales a implementar acciones de salud como la prevención, el diagnóstico y el tratamiento de la HTA a fin a las características de sus pacientes.

Razonamiento Basado en Casos en la salud

El Razonamiento Basado en Casos (RBC) es uno de los métodos actuales para construir Sistemas Basados en el Conocimiento¹⁸ ampliamente utilizado en el diagnóstico de enfermedades.¹⁹ Un nuevo problema se compara con los casos almacenados previamente en la base de casos (Memoria de Casos) y se recuperan uno o varios casos. Posteriormente se evalúa una solución sugerida, por los casos que han sido seleccionados con anterioridad para tratar de aplicarlos al problema actual.²⁰ De acuerdo con Aamodt y Plaza, el ciclo de razonamiento basado en casos consta de cuatro etapas o pasos como se muestra en la figura 1.

- Recuperar el caso o casos pasados más similares a la nueva situación presentada.
- Reutilizar la información y conocimiento de este caso o casos recuperados para resolver el nuevo problema.
- Revisar cuando una solución para un caso generado en la fase de reutilización no es correcta.
- Retener las partes de esta experiencia que puedan ser útiles para la resolución de futuros problemas.

En el caso específico de la HTA, el razonamiento basado en casos se puede relacionar con el diagnóstico médico debido a que se pueden establecer las analogías: caso-paciente hipertenso, rasgos predictivos-cuadro clínico y rasgos objetivos-elementos que componen el diagnóstico. Existe además una alta frecuencia de repetición al analizar el cuadro clínico de estos pacientes que, en muchas ocasiones poseen características similares. De la información de los pacientes hipertensos que radica en las HCE, se pueden crear casos concretos y ser empleados como base para prevenir la ocurrencia de la enfermedad de otros pacientes con características similares. Además resulta muy difícil establecer reglas generalizables que permitan inferir las distintas características que posee un paciente hipertenso debido a la complejidad del problema de salud. Por las razones antes expuestas, se decide aplicar como parte del presente trabajo el Razonamiento Basado en Casos.

Este razonamiento ayuda a clasificar la HTA de acuerdo a los tipos Primaria, Renal, Maligna en los pacientes, el tratamiento asociado que puede ser el sugerido por el JNC-7²¹ y el criterio del médico, así como las posibles complicaciones asociadas.

Procesamiento analítico en línea la salud

El Procesamiento Analítico en Línea (OLAP - On Line Analytical Processing),^22,23 es un tipo de procesamiento de datos que se caracteriza, entre otras cosas, por permitir el análisis multidimensional y es empleado principalmente en el campo de la Inteligencia de Negocios. Su principal objetivo es el de brindar rápidas respuestas a complejas preguntas interpretando la situación de un negocio sobre grandes bases de datos (básicamente un almacén o mercado de datos) o sistemas transaccionales y de esa forma poder tomar decisiones al respecto.²⁴

Este tipo de procesamiento puede analizar la información desde diferentes escenarios históricos mediante informes estadísticos y proyectar cómo se ha venido comportando y evolucionando en un ambiente multidimensional, o sea, mediante la combinación de diferentes criterios, temas de interés o dimensiones lo que permite deducir tendencias por medio del descubrimiento de relaciones entre los criterios.

El éxito que se obtiene al emplear esta técnica de análisis e información radica en el objetivo que se persigue. OLAP se utiliza esencialmente en el análisis de la información provocada por los distintos departamentos de las empresas, pero puede ser aplicado para el diagnóstico mediante el análisis de la información contenida en un repositorio (banco de datos) de Historias Clínicas y de esta forma, obtener información acerca del comportamiento histórico o tendencia de enfermedades como la HTA y sus factores de riesgo, mediante informes generados, así como su proceder médico. OLAP puede utilizar el modo de almacenamiento ROLAP que, ante otros métodos como MOLAP y HOLAP,²⁵ se caracteriza por utilizar las ventajas del modelo relacional arrojando rápidos resultados en las consultas complejas durante la creación de los informes generados.

Al realizar este tipo de procesamiento en línea, de manera rápida se puede generar informes que permiten realizar acciones médicas de carácter preventivas, las cuales reducen el número de pacientes hipertensos en las consultas y por consiguiente facilitan el proceso de diagnóstico.

Herramienta informática para la determinación de acciones de salud vinculadas con la HTA

Como un módulo del Sistema Integral para la Atención Primaria de Salud (alas SIAPS) se construye la herramienta propuesta, aunque también puede ser incorporada al Sistema de Gestión Hospitalaria (alas HIS) como muestra en la figura 2.

La herramienta desarrollada combina los resultados ofrecidos por el RBC mediante la clasificación y proceder de la HTA y OLAP a partir de análisis de los factores de riesgos de la HTA, de manera que se le otorgue al médico diversos criterios que faciliten decidir la estrategia de implantación de las distintas acciones de salud relacionadas con la prevención, el diagnóstico y el tratamiento de la HTA.

La aplicación informática incluye la plataforma libre J5EE (Java 5 Enterprise Edition) con ayuda del gestor de bases de datos PostgreSQL para el almacenamiento de la información. La seguridad del CDSS es heredada del módulo de configuración del sistema alas SIAPS. Para el análisis OLAP se utilizó la herramienta Pentaho Mondrian. Como parte de los datos utilizados se empleó el banco de HCE de los sistemas alas SIAPS y alas HIS respectivamente.

La herramienta identifica los tipos de HTA presentes en los pacientes y otorga un tratamiento para ello, el cual se compone de procederes dictaminados por el JNC-7 y el criterio personalizado del especialista de manera que acciones de salud como el diagnóstico y el tratamiento son facilitadas. A continuación (Fig. 3) se muestra cómo la herramienta identifica el tipo de HTA y establece un proceder integral.

El proceder correspondiente ofrecido por el sistema es el siguiente (Fig. 4):

El sistema sugiere acciones de carácter preventivo debido a que muestra el comportamiento de los principales factores de riesgo de pacientes hipertensos atendidos en una unidad de salud.

Se aprecia como la herramienta realiza una valoración en el tiempo de la HTA. Los primeros trimestres de cada año los meses más críticos (Fig. 5).

Se precia además como el hábito de fumar, así como el consumo de sal tienen una gran influencia en los pacientes consultados (Fig. 6).

Un último reporte que incluye los antecedentes arroja como las madres influyen en sus descendientes de manera que éstos tienen gran posibilidades de sufrir HTA (Fig. 7).

A partir de los informes OLAP anteriores puede inferirse que en los primeros trimestres de cada año aumentan los casos de HTA en los pacientes cuyas madres también padecen dicho problema de salud. Además, la enfermedad está condicionada principalmente por el consumo de sal y el hábito de fumar.

Teniendo en cuenta esta información obtenida, son detectadas las causas principales de la HTA presente en los pacientes. Con este conocimiento adquirido sobre la enfermedad, se puede entonces realizar acciones de saludes preventivas y/o de seguimiento y control respecto a la HTA.

Análisis del criterio de expertos

La herramienta es validada utilizando el método Delphi.²⁶ Se contó para ello con la participación de nueve especialistas a los cuales se autoevaluaron sus conocimientos y habilidades relacionados con la prevención, diagnóstico y tratamiento de la HTA, así como las herramientas y/o técnicas para el apoyo a la toma de decisiones.

Utilizando el coeficiente de Kendall (W) determinado por las expresiones siguientes:

(1)

(2)

(3)

Siendo:
C, la cantidad de criterios presentes y E es el promedio de los criterios dados. Al procesar los resultados de las encuestas aplicadas se obtuvo como resultado un coeficiente de Kendall (W) de 0,363 y un valor de Chi-cuadrado de 19,6. Por otra parte, se busca el estadístico Chi-cuadrado tabulado en la tabla del percentil con un nivel de significación de 0,01 y C - 1 grados de libertad, representado por X²_tab = X² ; c - 1 el cual arrojó un valor de 16.81. Por lo que se puede afirmar entonces que los expertos concuerdan al 99 % de confianza en los criterios emitidos.

Alcance e impacto

La vida de los pacientes mediante un cuidado adecuado, sustentado en la evidencia médica puede ser más saludable.

El riesgo es un elemento clave a tener en cuenta a la hora de realizar acciones de salud. El mismo puede estar condicionado por el déficit de información, por lo que es importante tener presente diversos criterios mediante distintas vías para poder implementar dichas acciones de una manera más certera. La herramienta descrita juega un papel fundamental en la Atención Primaria de Salud (APS), cuyo pilar fundamental son las acciones preventivas. De ahí que, si son conocidas las causas que provocan la HTA en personas de un área determinada, el número de afectaciones puede ser reducido.

 

CONCLUSIONES

Es posible conocer los tipos de HTA a través de la aplicación propuesta y establecer procederes a fines a este problema de salud.

El sistema permite conocer las causas de la HTA debido a los informes resultantes del procesamiento analítico en línea.

La presente herramienta fue presentada a un conjunto de expertos que valoraron las características que se proponen en el presente trabajo.

Se determinó la concordancia de criterios preferenciales entre los expertos encuestados.

 

REFERENCIAS BIBLIOGRÁFICAS

1. Hersh W. Medical informatics: improving healthcare through information. JAMA: the journal of the American Medical Association. 2002; 288 (16): 1955-8.

2. Anderson J, Gremy F. Education in Informatics of Health Personnel. Vol. 1. Holland: North-Holland Publ. Co; 1974.

3. Van Bemmel JH. Medical Informatics. Art or Science? Methods of information in medicine. 1996; 35 (3): 157-172.

4. Bertalanffy LV. General Systems theory: foundation, development, applications. New York: Brazillez; 1978.

5. Navarro H, Pastor V. Manual de gestión hospitalaria. Madrid: Interamericana-Mc Graw-Hill; 1992:189-208.

6. Cosialls D. Información para la gestión clínica. Contrato de servicio. Vol. 2. Madrid: ELSEVIER España; 2000.

7. Wright A. ANDS: An Architecture for Clinical Decision Support in a National Health Information Network. En: AMIA Annual Symposium Procedures. Toronto, Canada; 2007: 816-820.

8. Berner ES. Clinical Decision Support Systems: Theory and Practice. Springer Science; 2007.

9. Haynes R. Of studies, syntheses, synopses, and systems: the "4S" evolution of services for finding current best evidence 2. US: ACP J Club. 2002;134: A11-3.

10. Guerra J, Alfonso P. Hipertensión Arterial en la Atención Primaria de Salud. La Habana, Cuba: Ciencias Médicas; 2009.

11. Cuadrado S, Casas G. Tensoft: Sistema informativo para el diagnóstico de la HTA sobre bases estadísticas. [Tesis presentada en opción al título de Máster en Ciencias] Santa Clara, Cuba: Universidad Central de Las Villas; 2006.

12. OMS. Estadísticas Sanitarias Mundiales 2012. World Health Organization; 2012.

13. Cordero A. Novedades en hipertensión arterial y diabetes mellitus. Revista española de cardiología. 2010; 63: 101-115.

14. Cosín Aguilar J, Rodríguez Padial L, Hernández Martínez A, Arístegui Urrestarazu R, Masramón Morell X, Armada Peláez B, Aguilar Llopis A, Zamorano Gómez JL. Riesgo cardiovascular en diabetes mellitus e hipertensión arterial en España. Estudio CORONARIA. Medicina Clínica. 2006; 127(4):126-132.

15. Soca M, Enrique P, Sarmiento Y. Hipertensión arterial, un enemigo peligroso. ACIMED. 2009; 20(3): 92-100.

16. García Barreto D, Álvarez González J, García Fernández R, Valiente Mustelier J, Hernández Cañero A. La hipertensión arterial en la tercera edad. Revista Cubana de Medicina [revista en la Internet]. 2009 Jun [citado 2014 Feb 05]; 48(2): Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0034-75232009000200007&lng=es

17. Agramonte M, Barnés Dominguez JA, Pinto Correa MA. Prevalencia del síndrome metabólico en pacientes diabéticos tipo 2. Habana: Revista Cubana de Medicina [revista en la Internet]. 2010 [citado 2014 Feb 05]; 48. Disponible en: http://www.bvs.sld.cu/revistas/med/vol48_1_09/med02109.htm

18. Gutiérrez I, Bello R, Tellería A. Un Sistema Basado en Casos para la Toma de Decisiones en Condiciones de Incertidumbre. Revista Investigación Operacional. 2002; 23(2):103-121.

19. Hsu C, Ho S. A new hybrid case-based architecture for medical diagnosis. Information Sciences. 2004; 166(1): 231-247.

20. Febles JP, Estrada V. Uso del razonamiento basado en casos para la enseñanza de temas médicos 1. Revista Ingeniería Industrial. 2002, 23(1):20-22.

21. Chobanian AV, Bakris GL, Black HR, Cushman WC, Green LA. The Seventh Report of the Joint National Committee on Prevention, Detection, Evaluation and Treatment of High Blood Pressure. Hypertension. 2003; 42(6): 1206-1252.

22. Codd EF, Salley CT. Providing OLAP (on-line Analytical Processing) to User-analysts: An IT Mandate. Estados Unidos: Codd & Ass.; 1993.

23. Gray J, Chaudhuri S, Bosworth A, Layman A, Reichart D, Venkatrao M, Pellow F, Pirahesh H. Data-Cuba: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals. Data Mining and Knowledge Discovery. 1997; 1(1):29-53.

24. Sellappan S, Ling C. Clinical Decision Support Using OLAP with Data Mining. International Journal of Computer Science and Network Security. 2008; 8(9): 290-296.

25. Tamayo M, Moreno F. Análisis del modelo de almacenamiento MOLAP frente al modelo de almacenamiento ROLAP. Ingeniería e Investigación. 2006; 26(3):165-142.

26. Bravo ML, Arrieta JJ. El Método Delphi. Su implementación en una estrategia didáctica para la enseñanza de las demostraciones geométricas. Revista Iberoamericana de educación. 2010; (1): 20-24

 

 

Recibido: 20 de noviembre de 2013.
Aprobado: 30 de enero de 2014.