Análisis de factores de riesgo en pacientes con hipertensión mediante aprendizaje automático

Resumen

El envejecimiento poblacional representa un desafio creciente para los sistemas de salud, particularmente en la gestión de enfermedades crónicas como la hipertensión arterial; por ello, este estudio tuvo como objetivo identificar y predecir variables de riesgo asociadas a la hipertensión en personas adultas mayores mediante aplicando técnicas de aprendizaje automático. Se recopilaron y analizaron datos clínicos y sociodemográficos de adultos mayores y se entrenaron modelos predictivos como J48, regresión logistica y naïve bayes con la plataforma WEKA. El árbol de decisión J48 alcanzó una precisión del 79,96 % en la clasificación de la hipertensión, aunque mostró limitaciones al evaluar comorbilidades como la diabetes. Los hallazgos permitieron identificar patrones relevantes en pacientes hipertensos. Del total de los 2381 adultos mayores analizados, aproximadamente el 45 % presentó un perfil clínico compatible con comorbilidad hipertensión-diabetes y riesgo elevado de complicaciones renales, dado que mostraban glicemia superior a 153 mg/dL y TFG inferior a 60 mL/min. Por otro lado, un 18 % evidenció colesterol total mayor a 252 mg/dL junto con triglicéridos elevados, lo que incrementa el riesgo de complicaciones cardiovasculares. Finalmente, cerca del 32 % de los pacientes hipertensos (aproximadamente 645 individuos) presentaron simultáneamente presión arterial sistólica superior a 125 mmHg y creatinina elevada, lo cual indica una alta probabilidad de daño renal. Estos patrones se tradujeron en reglas clínicas útiles, por ejemplo, una glicemia entre 117.6 y 153 mg/dL combinado con una presión arterial sistólica (PAS) superior a 125 mmHg indica una alta probabilidad de solamente presentar hipertensión. Esta información permitió anticipar posibles complicaciones asociadas, como el daño renal, lo que facilitó una toma de decisiones médicas más efectiva y preventiva.