ProstaWeb: una herramienta online para la predicción de patologías prostáticas desde Atención Primaria.

• Autores: Francisco J. Pérez Gil, Pablo Bermejo López, Alicia Vivo, Pedro Juan Tárraga López
• Localización: Journal of Negative and No Positive Results: JONNPR, ISSN-e 2529-850X, Vol. 2, Nº. 4, 2017, págs. 144-151
• Idioma: español
• Títulos paralelos:
  • ProstaWeb: an online tool for predicting prostatic pathologies from Primary Care consultations.
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Objetivo: Desarrollar una herramienta de apoyo y ayuda al diagnóstico de las Patologías prostáticas.Método: Mediante la base de datos proporcionada por un proyecto de investigación previo en el que se relacionan variables antropométricas, clínicas y analiticas se desarrollan algoritmos de estadística predictiva que proporcionan las probabilidades de tener una patología prostática u otra.Resultados: Una herramienta de diagnóstico que realiza con cierta precisión la probabilidad de tener una patología prostática u otra según las variables que incluye el paciente.Conclusiones: Prostaweb es una herramienta de diagnóstico para patologías prostaticas útil y practica para el médico de atención primaria. Aunque la tasa de aciertos es considerablemente alta, todavía sería necesario construir modelos con variables más refinadas y quizás con un mayor número de pacientes, para aumentar la precisión de las predicciones.

  • English

    Objective: To develop a tool to support and aid the diagnosis of prostate pathologies.Method: The database provided by a previous research project in which anthropometric, clinical and analytical variables are related to the development of predictive statistics algorithms that provide the probability of having a prostate or other pathology.Results: A diagnostic tool that performs with some precision the probability of having a prostatic pathology or another depending on the variables that the patient includes.Conclusions: Prostaweb is a useful and practical prostate diagnosis tool for the primary care physician. Although the hit rate is considerably high, it would still be necessary to construct models with more refined variables and perhaps with a larger number of patients, to increase the precision of the predictions. "