Introducción

El crecimiento exponencial que han experimentado las TIC en la sanidad ha provocado el aumento desmesurado del volumen de información existente, por ello es necesario disponer de sistemas de almacenamiento, organización y análisis de datos cada vez más complejos. De forma general, los datos son la materia prima bruta, en el momento que el usuario les atribuye algún significado especial pasan a convertirse en información. Cuando los especialistas elaboran o encuentran un modelo, haciendo que la interpretación que surge entre la información y ese modelo represente un valor agregado, entonces se denomina conocimiento. La aparición del término data mining o “minería de datos” surge de la mano de esta increíble expansión de la información. La minería de datos (MD) es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto¹.

El origen del término comienza en los años sesenta cuando los estadísticos manejaban términos como data fishing o data archaeology con la idea de encontrar correlaciones sin una hipótesis previa en bases de datos con ruido. A principios de los años ochenta (1989), Rakesh Agrawal, Gio Wiederhold, Robert Blum y Gregory Piatetsky-Shapiro, entre otros, empezaron a consolidar el término de data mining y KDD². En 1990 el término "minería de datos" apareció en la comunidad de bases de datos. Las empresas minoristas y la comunidad financiera comienzan a utilizar la minería de datos para analizar registros y reconocer las tendencias para aumentar su base de clientes, predecir las fluctuaciones en las tasas de interés, los precios de las acciones, la demanda de los clientes. No fue hasta 2001 cuando William S. Cleveland lo introdujo como una disciplina independiente. Según los Equipos de Ciencia de Data Build, DJ Patil y Jeff Hammerbacher utilizaron el término para describir sus roles en LinkedIn y Facebook³.

La minería de datos tiene un gran potencial para la industria de la salud dada la actual necesidad de disponer de metodologías analíticas eficientes para detectar información desconocida y valiosa oculta en enormes conjuntos de datos de origen sanitario en múltiples formatos. Este potencial se ve obstaculizado por la complejidad de la asistencia sanitaria y una tasa de adopción de tecnología más lenta (el sector sanitario siempre ha sido más lento a la hora de incorporar las últimas investigaciones en la práctica diaria)^4,5. En este sentido, los procesos sanitarios centrados en la mujer gestante no son muy diferentes.

Por otra parte, la disponibilidad, fiabilidad y privacidad de datos sanitarios para realizar estudios detallados mediante técnicas de MD es el caballo de batalla actual. Que todas las personas sean donantes de datos, que su historial médico pueda ser compartido por todo el sistema sanitario público y su información cedida, cruzada o reutilizada para investigar es una condición básica para aprovechar al máximo estas tecnologías. En este contexto se sitúa el objetivo del estudio que se presenta.

Objetivo   

El objetivo de este estudio es analizar qué utilidad puede tener paras las mujeres gestantes y la matrona el análisis de datos obstétricos mediante técnicas de minería de datos y realizar un análisis específico de una base de datos que contiene información de dichas mujeres atendidas durante el periodo de residencia realizado para la obtención del título de la especialidad de Enfermería Obstétrico-Ginecológica (matrona).

Material y método

Como paso previo a cualquier trabajo de investigación, se ha llevado a cabo una revisión narrativa para buscar trabajos relacionados con el objetivo de estudio marcado, el análisis de datos mediante técnicas de MD. Las bases de datos utilizadas fueron PubMed, Cochrane y MEDES y la búsqueda se efectuó en los idiomas inglés y español. La estrategia de búsqueda consistió en combinar los descriptores DECS; minería de datos, proyectos de tecnologías de información y comunicación, sistemas de información en salud, sistemas de información administrativa, embarazo y sus correspondientes en inglés; data mining; information technologies and communication projects, health information systems, management information systems, pregnancy. En una segunda fase se afinó la búsqueda mediante combinaciones booleanas de los términos “big data”, “análisis de datos sanitarios” y “Obstetricia”. Los criterios empleados para filtrar la bibliografía obtenida fueron los siguientes: informes, estudios, artículos o revisiones sistemáticas publicadas entre enero de 2010 y enero de 2017 que versen sobre la minería de datos y su aplicación a la sanidad en inglés o español, registros que ofrezcan estadísticas y resultados del análisis de datos sanitarias mediante técnicas de minería de datos, por tanto que incluyan palabras como “resultados” o “comparativas” dentro de los apartados de título o resumen y registros que describan aplicaciones resultantes del análisis de datos sanitarios en la especialidad de Obstetricia.

A continuación se ha llevado a cabo un estudio descriptivo longitudinal con los datos obtenidos durante los dos años de residencia como matrona en el Hospital Universitario Virgen Macarena de Sevilla. Las variables seleccionadas fueron: edad de la madre, nº de hijos, tipo de parto, origen de la mujer gestante, sexo del bebé, peso del bebé e índice Apgar. El intervalo temporal tomado fue entre mayo de 2005 y mayo de 2007. Los registros (312 en total) fueron tomados de forma manual en la consulta o en el paritorio y son completamente anónimos dado que no se tomaron datos personales de las mujeres gestantes. El estudio de clústeres se ha llevado a cabo con el software Weka 3.6.2 y el análisis de los datos se ha realizado con el programa R versión 3.2.3.

Resultados

En cuanto a los resultados de la revisión narrativa realizada, la literatura relacionada con la minería de datos y su aplicación en la sanidad es cada vez mayor, la evolución del número de trabajos publicados presentan un máximo en torno al año 2015 de 2.206 artículos, manteniéndose en estos cinco últimos años en una media de 1.878 registros relacionados (fuente: Pubmed). En una primera fase de la búsqueda se encontraron 6.956 artículos y estudios relacionados con esta metodología (Pubmed 6.840, Cochrane 60 y MEDES 56), una vez aplicados los criterios de inclusión se seleccionaron 14 referencias a analizar^6-19. El diagrama de flujo de la búsqueda está incluido en la Tabla 1 y los resultados en la Tabla 2.

Se han encontrado 14 trabajos^6-19 que relatan experiencias en la aplicación de las técnicas de minería de datos sobre bases de naturaleza obstétrica. Algunos estudios⁶ identifican indicadores obstétricos que se pueden utilizar para predecir la técnica más apropiada para un tipo de parto en concreto, reduciendo el número de cesáreas innecesarias. Otros por su parte^7,8 desarrollan modelos para determinar el riesgo asociado a la interrupción voluntaria del embarazo según el tipo de mujer gestante y cuál es el mejor procedimiento para la administración de la medicación correspondiente. El trabajo de Kenny et al.⁹ se centra en el uso del big data para determinar el riesgo de preeclampsia en mujeres gestantes mediante la detección de niveles altos de triglicéridos y el uso de 14 indicadores metabólicos. Aljumah et al.¹¹ desarrollan modelos para predecir la dosificación de insulina en personas con diabetes (incluyendo mujeres gestantes) y los riesgos asociados al mal control de la misma. Chen et al.¹², por su parte, desarrollan un estudio para prever los factores de riesgo en nacimientos pretérmino usando MD lo que ayuda a su detección temprana. Otro estudio¹³ desarrolla un modelo para mejorar la eficiencia y la seguridad del triage obstétrico de urgencia a través del uso adecuado de los recursos y la ayuda al paciente en el lugar correcto. Otros autores¹⁴ aplican las técnicas de la MD al campo de la predicción y estimación, consiguiendo resultados que predicen la hiperbilirrubinemia posterior con alta precisión (89%) mejorando el diagnóstico de la icteria neonatal. Stragierowicz et al.¹⁵ estiman los valores de corte de la cotinina como biomarcador para estimar la exposición del feto al tabaco en mujeres gestantes fumadoras. Otros autores16 describen cómo utilizar estas técnicas de análisis para la prevención y control de enfermedades regionales que pueden afectar a las mujeres gestantes y Ferreira et al.¹⁷ identifican los patrones característicos materno y fetales para la predicción de la mortalidad neonatal. Por último, los estudios de Pereira¹⁸ y Ruiz Aguilar¹⁹ analizan la implementación de sistemas de ayuda a la decisión apoyados en el análisis de grandes bases de datos obstétricas para mejorar los cuidados que se ofrecen a la mujer gestante y cómo a través del análisis de datos y la publicidad emocional y sus herramientas las marcas comerciales conectan emocionalmente con las mujeres embarazadas.

En lo que se refiere al estudio de los datos obstétricos mediante técnicas de MD, la muestra está compuesta por 312 registros con siete variables, cuatro cuantitativas (edad de la madre, nº hijos, peso del bebé y Apgar) y tres cualitativas (tipo de parto, origen y sexo del bebé). Un extracto de la base de datos se muestra en la Tabla 3, los datos estadísticos de las variables se muestran en la Tabla 4 y la media y dispersión en la Gráfico 1.

Entre las mujeres gestantes de origen español se observa un 25,1% de partos por cesárea (del total con origen español) y un 39,5 de partos eutócicos. En el caso de las mujeres gestantes extranjeras destaca el 38% de partos por cesárea y un 44% de eutócicos (del total con origen extranjero). Los porcentajes de nacimiento con bajo peso al nacer es del 7,6% (18 casos) en el caso de las españolas y 12,9% (10 casos) en el caso de las extranjeras. El número de casos con muy bajo peso al nacer fue de cinco (1,6% del total). También se observa un peso promedio en niños de 3,308 kg y de 3,156 kg en niñas.

Mediante el software Weka se aplica al conjunto de datos el algoritmo HotSpot, orientado a buscar asociaciones entre los datos. El resultado muestra una elevada relación entre un Apgar mayor de 8, una edad de la madre mayor de 33 y un peso del bebé mayor de 3,627 kg. Al ser un algoritmo no supervisado se evalúa si estas reglas son estadísticamente significativas al no existir relaciones a priori con las que contrastar la validez de los resultados.

Aplicando el algoritmo de clasificación de árboles RepTree se obtiene un árbol de decisión que relaciona el origen de la mujer gestante con el tipo de parto, sexo y peso del bebé (Figura 1) y por último la aplicación del algoritmo de clusterización SimpleKMeans muestra la obtención de dos cluster significativos relacionados con el sexo del bebé (Figura 2).

Discusión

Los trabajos analizados en la revisión narrativa muestran que la aplicación de la minería de datos al entorno de la Obstetricia ofrece a la mujer gestante mejoras en el ámbito social, grupal e individual. En el ámbito social existe un claro potencial en la gestión de enfermedades infecciosas como la gripe, al reforzar la red de vigilancia existente. En el aspecto grupal, las comunidades de mujeres embarazadas se influyen mutuamente y parte de esta influencia se produce por las redes sociales, por lo que con el análisis MD se pueden predecir enfermedades y patrones de comportamiento, pronosticar la duración de la estancia de la mujer gestante en el servicio, reducir costes en las unidades de Obstetricia y mejorar el proceso de toma de decisiones, sobre todo en situaciones de crisis. Individualmente, mediante estas técnicas de análisis se mejora el diagnóstico y personaliza el tratamiento, optimizando el control asistencial de la mujer.

Cuando se habla de minería de datos existen varios aspectos primordiales, como son la seguridad y la protección de datos de las mujeres gestantes (uso de la información personal sensible de la mujer embarazada, la lesión del derecho a la intimidad, la falta de seguridad en el acceso a los registros y la deficiente anonimación de los datos, entre otras). El análisis de esta información puede asegurar que se apliquen los mejores algoritmos de tratamientos personalizados para cada mujer gestante y se realice una gestión proactiva de la misma, fortaleciendo vínculos y estrechando relaciones personales. Para evitar en gran medida estos obstáculos, algunos sistemas sanitarios, como el de la comunidad autónoma catalana, han establecido que, por defecto, todas las personas son donantes de datos, por lo que su historial médico puede ser compartido por todo el sistema sanitario público y su información cedida, cruzada o reutilizada para investigar. En los casos en que es necesario que la información no sea anónima (por ejemplo en la elaboración de modelos predictivos personalizados para la mujer gestante) se ha de salvaguardar la protección de datos personales cumpliendo la Ley Orgánica de Protección de Datos (LOPD) con los mecanismos que la ley exige, como cualquier sistema que albergue datos tan sensibles como los sanitarios.

En cuanto a las conclusiones de la aplicación de técnicas de minería de datos a los registros almacenados, ofrecen buenos resultados. A pesar de que como se sabe, la correlación no implica causalidad, en el análisis de los datos se han encontrado correlaciones elevadas y significativas entre las variables siguientes:

• Mujer gestante española y un menor número de partos eutócicos que el resto de mujeres independientemente de su edad.
• Mujer inmigrante y un mayor número de cesáreas.
• Mujer gestante inmigrante y un mayor número de partos prematuros con bajo peso al nacer (< 2,500 kg).
• Mujer gestante mayor de 35 años y el número de partos instrumentados.
• Mujer adolescente (menores de 19 años) que tiene un mayor riesgo de tener un recién nacido de muy bajo peso (< 1,500 kg).
• Niños varones con mayor peso de media que las niñas.
• Mujeres gestantes mayores de 40 años que tienen un mayor riesgo de tener un recién nacido de muy bajo peso (< 1,500 kg).

Estos resultados son coherentes con los estudios de Eure et al.²⁰, Luque Fernández²¹ y Rodríguez Domínguez²² que han demostrado mayor incidencia de bajo peso al nacer entre los hijos de madres adolescentes comparados con mujeres mayores y el aumento de la prematuridad en las mujeres gestantes de edad avanzada.

En la muestra, el 71,5% de los partos son vaginales, un 40,7% sin complicaciones y el 30,8% restante presentó6 algún tipo de complicación. El porcentaje de partos por cesárea quedó en el 28,5%, aunque no se especifica si presentaron alguna complicación, estos resultados con comparables a los obtenidos por otros estudios como normal general²³.

A medida que aumenta la edad de la mujer gestante aumenta también el porcentaje de partos distócicos, por lo que se ha contrastado que hay una relación entre la mayor edad de la mujer y las complicaciones durante el parto, lo que coincide con otros estudios²³.

Limitaciones del estudio

Como limitaciones se indican que no existe demasiada literatura sobre la aplicación de técnicas de MD a los datos sanitarios de las mujeres gestantes. La literatura anglosajona es más abundante aunque se centra sobre todo en aspectos prácticos y el desarrollo de técnicas para el análisis de datos sanitarios y la comercialización de resultados, la literatura en español es escasa y a menudo se trata de literatura gris y artículos en internet sin rigor científico alguno.

La validez temporal del estudio es otro sesgo dada la rápida expansión que está experimentando este tipo de técnicas y su aplicación en todo el mundo. Otro factor limitante del estudio es el hecho de que la aplicación de los criterios de selección los realizara una sola persona, lo que puede influir en los resultados obtenidos y el número de bases de datos utilizadas en la búsqueda (3), aunque se estima que estas son lo suficientemente completas y su base documental significativa.

Otra limitación importante es el número de registros disponibles para analizar (312), teniendo en cuenta que el número de partos al año en el hospital de referencia es de unos 3.750 es una muestra del 10% de la base de datos total. Un análisis global de todos los registros ofrecería resultados mejores y de más alcance.

Conclusiones

El análisis de datos obstétricos mediante técnicas de minería de datos puede ayudar a mejorar el control asistencial y el diagnóstico de la mujer gestante así como a personalizar su tratamiento. El triage obstétrico, la monitorización remota de electrocardiograma, la detección de patrones de urgencia para la predicción del riesgo obstétrico (preeclampsia), el control de la diabetes gestacional y el análisis de datos para predecir la técnica más apropiada para un tipo de parto en concreto reduciendo el número de cesáreas innecesarias son algunas de las aplicaciones actuales.

El análisis realizado sobre 312 registros ha ofrecido resultados coherentes y muy próximos a los proporcionados por estudios anteriores lo que confirma la utilidad del análisis de datos con estas técnicas y el potencial que tiene el procesamiento y análisis del big data obstétrico para apoyar la toma de decisiones informadas y confiables por la mujer gestante y el personal sanitario.

A largo plazo, la interpretación de los datos en Obstetricia y su difusión serán fundamentales para generar importantes avances en el cuidado de las mujeres gestantes impulsándonos hacia una Obstetricia más personalizada (enfocada en el individuo), preventiva (diseñando soluciones que prevengan complicaciones y enfermedades), predictiva (detectando patologías ante que aparezcan los síntomas) y participativa (incrementando la interrelación matrona-mujer gestante).

Financiación

Ninguna.

Conflicto de intereses

Ninguno.

Agradecimientos   

A Luis Ramírez Fernández, Graduado en Matemáticas por la UNED por su ayuda en el análisis de resultados con el software Weka y R.