Un modelo estadístico ayuda a detectar la malaria
UNAL/DICYT Un nuevo modelo estadístico apoyará la detección de la malaria, ya que sería un complemento previo a la realización de pruebas con microscopio, con el fin de que estas se apliquen solo a los pacientes con alta probabilidad de tener el parásito, según su edad, sexo, y las características de su sangre (linfocitos, plaquetas, glóbulos blancos, entre otros). Su uso reduciría el tiempo de espera de los pacientes y el gasto de insumos médicos. El mejor de los cuatro modelos analizados, además de ser fácil de leer, alcanzó un área bajo la curva del 81 %, lo que da cuenta de su precisión.
Actualmente el diagnóstico de la malaria se realiza especialmente a partir del uso de microscopios que permiten mayor precisión para determinar si el parásito está en la sangre o no. “Sin embargo, en lugares con dificultades económicas suelen haber pocos dispositivos como esos, lo que hace que el proceso sea lento y poco eficaz, amenazando la salud pública. Además, aunque existen pruebas rápidas son más costosas y pueden arrojar falsos negativos”, explica Javier Mosquera Rentería, magíster en Ciencias - Estadística de la Universidad Nacional de Colombia (UNAL) Sede Medellín.
Según la Organización Mundial de la Salud, cada año se registran en el mundo más de 240 millones de casos y más de 600.000 muertes a causa de esta enfermedad. “Para finales de 2023 se habían registrado en Colombia 94.544 casos, de los cuales 1.612 fueron de malaria complicada. La situación es tan crítica que en el municipio donde vivo, Lloró (Chocó), vi cómo en ocasiones mi madre atendía hasta 300 pacientes al mes con síntomas”, relata el magíster.
Teniendo esto en cuenta, el investigador Mosquera se propuso encontrar un modelo estadístico que determine qué tan probable es que un paciente, según su edad, género y las características de su sangre (parámetros hematológicos) tenga la enfermedad. Para ello trabajó con información de Ghana, uno de los países más afectados por esta epidemia, y uno de los que tiene los datos mejor sistematizados.
“Nos pusimos en contacto con el científico de laboratorio Ellis Kobina Paintsil, quien nos compartió toda la información y con ella pusimos a prueba 4 modelos de predicción: regresión logística, discriminante lineal de Fisher, Naive Bayes y K vecinos más cercanos, con el fin de compararlos y determinar cuál funcionaba mejor”, menciona.
Los parámetros específicos fueron la edad, y a nivel hematológico los glóbulos blancos, plaquetas y linfocitos, que se ven afectados en cantidad según se tenga el parásito o no.
“Usamos datos de 2.076 pacientes, de los cuales 539 (25 %) eran positivos. Además, nos dimos cuenta de que la mayoría eran niños menores de 5 años, seguido de niños entre los 4 y los 14 años (45 %), lo que nos indicó que la edad era un factor determinante”, explica el investigador.
Cada modelo clasifica a los pacientes según la probabilidad de que tengan el parásito o no, y luego el investigador constata qué tan acertado fue con respecto a la realidad.
“La lectura se hizo teniendo en cuenta el intervalo de probabilidad (de 0 a 1), de manera que si la probabilidad era mayor a 0,5 se diagnosticaba al paciente con malaria, y en caso contrario sin la enfermedad. Y así encontramos que el modelo de regresión logística es el más preciso y el más fácil de interpretar, alcanzando un área bajo la curva del 81,5 %, un indicador que da cuenta de su precisión”, indica.
Gracias a la implementación de un proceso como este, el bacteriólogo o médico solo tendría que hacer chequeos más profundos a los pacientes que tengan una probabilidad real de tener el parásito. “Así también se reducen los tiempos de espera de los pacientes, hay menos posibilidad de que la enfermedad se expanda, se evita hacer más de tres pruebas esperando que el parásito termine de incubar y se ahorran insumos médicos”.
El uso de este modelo estadístico sería viable en cualquier lugar del mundo, lo único importante es contar con los datos descritos antes. “Es una gran alternativa para áreas de la salud como la bacteriología, y especialmente entre pacientes que ya tienen síntomas, con el fin de garantizar el aporte esperado”, concluye.
La investigación contó con la asesoría del profesor Juan Carlos Salazar Uribe, adscrito a la Facultad de Ciencias de la UNAL Sede Medellín.