Resumen de Persiguiendo la desnutrición relacionada con la enfermedad mediante herramientas de big data

María Dolores Ballesteros Pomar, Begoña Pintor de la Maza, David E. Barajas Galindo, Isidoro Cano Rodríguez

• español

  Introducción La desnutrición relacionada con la enfermedad (DRE) está infradiagnosticada e infrarreportada, a pesar de su asociación con un peor pronóstico. La irrupción del big data y la inteligencia artificial aplicada en medicina ha revolucionado la forma de generar conocimiento. El presente estudio tiene como objetivo valorar si una herramienta de big data podría ayudarnos a detectar y conocer la DRE en nuestro hospital.

  Metodología Estudio retrospectivo descriptivo, utilizando la herramienta Savana Manager®, que permite analizar y extraer de forma automática la información clínica relevante contenida en el texto libre de la historia clínica electrónica. Se realiza una búsqueda con el término «desnutrición», comparando las características de los pacientes con DRE frente a la población de pacientes hospitalizados en el periodo comprendido entre enero de 2012 y diciembre de 2017.

  Resultados De 180.279 registros de hospitalización con informe de alta en dicho periodo, solo 4.446 episodios (2,47%) incluían el diagnóstico de desnutrición. La edad media de los pacientes con DRE fue 75 años (DE 16) frente a 59 (DE 25) años de la población global. No hubo diferencias en género (51% varones). El fallecimiento intrahospitalario se produjo en el 7,08% de los pacientes con DRE frente al 2,98% en el grupo general. La estancia mediana fue superior en los pacientes con DRE (8 vs. 5 días, p<0,0001) y no hubo diferencias significativas en la tasa de reingresos a 72horas. Los diagnósticos más frecuentes asociados a DRE fueron insuficiencia cardíaca (35%), infección respiratoria (23%), infección urinaria (20%) y enfermedad renal crónica (15%).

  Conclusión El infradiagnóstico de la DRE sigue siendo un problema. Savana Manager® ayuda a conocer mejor el perfil de estos pacientes.

• English

  Introduction Disease-related malnutrition (DRM) is underdiagnosed and underreported despite its well-known association with a worse prognosis. The emergence of Big Data and the application of artificial intelligence in Medicine have revolutionized the way knowledge is generated. The aim of this study is to assess whether a Big Data tool could help us detect the amount of DRM in our hospital.

  Methodology This was a descriptive, retrospective study using the Savana Manager® tool, which allows for automatically analyzing and extracting the relevant clinical information contained in the free text of the electronic medical record. A search was performed using the term “malnutrition”, comparing the characteristics of patients with DRM to the population of hospitalized patients between January 2012 and December 2017.

  Results Among the 180,279 hospitalization records with a discharge report in that period, only 4,446 episodes (2.47%) included the diagnosis of malnutrition. The mean age of patients with DRM was 75 years (SD 16), as compared to 59 years (SD 25) for the overall population. There were no sex differences (51% male). In-hospital death occurred in 7.08% of patients with DRM and 2.98% in the overall group. Mean stay was longer in patients with DRM (8 vs. 5 days, P<.0001) and there were no significant differences in the 72-hour readmission rate. The most common diagnoses associated with DRM were heart failure (35%), respiratory infection (23%), urinary infection (20%), and chronic kidney disease (15%).

  Conclusion Underdiagnosis of DRM remains a problem. Savana Manager® helps us to better understand the profile of these patients.