Tesis:
Propuesta y evaluación de un sistema de telemedicina y de ayuda a la decisión para el cuidado de pacientes con diabetes gestacional
- Autor: CABALLERO RUIZ, Estefanía
- Título: Propuesta y evaluación de un sistema de telemedicina y de ayuda a la decisión para el cuidado de pacientes con diabetes gestacional
- Fecha: 2017
- Materia: Sin materia definida
- Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION
- Departamentos: TECNOLOGIA FOTONICA Y BIOINGENIERIA
- Acceso electrónico: http://oa.upm.es/47824/
- Director/a 1º: GARCÍA SÁEZ, Gema
- Director/a 2º: RIGLA CROS, Mercedes
- Resumen: La diabetes gestacional se define como cualquier grado de intolerancia a la glucosa que empieza por primera vez durante el embarazo y sus consecuencias asociadas incluyen un aumento de la mortalidad y morbilidad perinatal. A diferencia de las pacientes con diabetes tipo 1 o 2, las pacientes con diabetes gestacional necesitan un control más frecuente por parte del especialista, ya que sus niveles de glucosa en sangre aumentan cada semana requiriendo visitas semanales o quincenales durante el periodo de gestación. Los nuevos criterios de diagnóstico de la diabetes gestacional recomendados por la IADPSGC disminuyen los efectos adversos de la hiperglucemia tanto en la madre como en el recién nacido, pero su aplicación supondría un aumento de la prevalencia que llegaría a triplicar el número de casos actual en España. Para que los Servicios de Endocrinología y Nutrición del Sistema Nacional de Salud puedan hacer frente a la carga que supondría este aumento de prevalencia es necesario emplear nuevos procesos asistenciales que incluyan el uso de las tecnologías de la información. La telemedicina en diabetes gestacional ha demostrado ser eficaz en la reducción de visitas presenciales sin detrimento de la calidad asistencial recibida y consiguiendo una alta satisfacción de las pacientes. Sin embargo, la crítica que recibe este tipo de sistemas es la de no ahorrar tiempo a los profesionales clínicos al no descargarles de su trabajo cotidiano ni optimizar su quehacer diario. En esta tesis doctoral se propone y evalúa un sistema de telemedicina y de ayuda a la decisión para el seguimiento y control de la diabetes gestacional, cuyo objetivo es evitar a las pacientes desplazamientos innecesarios al hospital sin detrimento de la calidad asistencial recibida y anticipar ajustes de terapia mediante la evaluación frecuente y automática de sus datos de monitorización, todo ello sin aumentar la carga de trabajo de los profesionales sanitarios. El sistema se caracteriza por permitir la prescripción automática de terapias de dieta, la generación de alertas dirigidas al personal clínico sobre la necesidad de evaluar a ciertas pacientes con situaciones específicas y el cálculo automático de propuestas de modificaciones en la inicio y modificación de la terapia de insulina. El plataforma de telemedicina permite a las pacientes enviar sus valores de glucemia desde casa descargándolos directamente desde su medidor de glucosa, además de registrar otros parámetros de monitorización como la cetonuria, el cumplimiento de la terapia de dieta, la insulina administrada, la actividad física realizada o el estado de ánimo. Las medidas que no son etiquetadas por las pacientes con su ingesta relacionada, son etiquetadas de manera automática por un clasificador basado en una combinación del algoritmo de clustering Expectation Maximization y de un árbol de decisión C4.5. La plataforma desarrollada incluye dos módulos de ayuda a la decisión: 1) Módulo de análisis para detectar el estado metabólico de las pacientes; y 2) Módulo de recomendaciones que para determinar la recomendación terapéutica más apropiada según el análisis de la situación de la paciente. La base de conocimiento de ambos módulos se basa en reglas lógicas y fue creada mediante la formalización de guías clínicas y las especificaciones de un equipo de profesionales expertas en endocrinología. El diseño del módulo de análisis que detecta el estado metabólico de las pacientes a partir de sus datos de monitorización se basa en dos autómatas finitos, uno para el análisis de la glucemia y de la dieta y el otro para el análisis de la cetonuria. La salida de ambos autómatas se combina para determinar el estado metabólico de las pacientes a lo largo del tiempo. El módulo de recomendaciones es el encargado de determinar si es necesario realizar un cambio de terapia y el tipo de ajuste recomendado. Si el módulo recomienda un ajuste de dieta, éste se realiza de manera automática notificando a las pacientes del mismo, mientras que si la recomendación es de iniciar la terapia de insulina, se alerta al médico responsable y se sugiere un posible tratamiento inicial de insulina. El sistema propuesto en esta tesis doctoral ha sido evaluado mediante un estudio clínico controlado y aleatorizado en el Hospital Universitario Parc Taulí de Sabadell y en el Hospital Mutua de Terrassa durante 17 meses con la participación de 119 pacientes. Los resultados de evaluación han permitido comprobar que el sistema presentado es capaz de identificar a las pacientes que tienen un buen control metabólico y gestionar su tratamiento de manera automática hasta que requieran la administración de insulina, así como identificar a las pacientes complejas que requieren una evaluación más exhaustiva por parte del personal médico. Durante el estudio clínico, el sistema detectó todas las situaciones que requirieron un cambio de terapia y todas las recomendaciones generadas fueron seguras y efectivas. El tiempo dedicado por las endocrinólogas a la evaluación de pacientes en el grupo activo fue menor comparado con la práctica tradicional y las visitas presenciales se redujeron, sin ocasionar un impacto negativo en los parámetros clínicos de las pacientes. Las principales aportaciones de este trabajo de investigación son: a) Evaluación de la seguridad y eficacia del seguimiento remoto de pacientes con diabetes gestacional mediante un sistema de telemedicina con herramientas de ayuda a la decisión integradas con prescripción automática de terapias de dieta, en términos de reducción de visitas, impacto en la carga de trabajo de los especialistas e impacto clínico. b) Diseño y desarrollo de una herramienta de análisis automático de datos para la determinación del estado metabólico de pacientes con diabetes gestacional en función de sus niveles de glucosa en sangre y de cetonuria. c) Metodología de diseño de un clasificador de alta precisión para el etiquetado automático de glucemias en relación a las ingestas principales de día para pacientes con diabetes gestacional. d) Diseño y desarrollo de una herramienta para generar recomendaciones sobre acciones terapéuticas relativas a la terapia de dieta e insulina de pacientes con diabetes gestacional. ----------ABSTRACT---------- Gestational diabetes mellitus is defined as glucose intolerance with onset during pregnancy and its associated consequences include increased perinatal mortality and morbidity. Unlike patients with diabetes type 1 or type 2, patients with gestational diabetes need a more frequent control by the specialist, as their blood glucose levels increase each week requiring weekly or biweekly clinical encounter during the gestational period. The new diagnostic criteria for gestational diabetes recommended by the IADPSGC reduce the adverse effects caused by hyperglycaemia in both mother and child, but their adoption would suppose an increase of the prevalence that would triplicate the number of cases in Spain. In order for the Endocrinology and Nutrition services of the National Health System to be able to cope with the burden of this increased prevalence, it is necessary to utilize new health care processes that include the use of information technologies. Telemedicine in gestational diabetes has proven to be effective in reducing face-to-face visits without deteriorate the quality of care and achieving high patient satisfaction. However, the criticism that such system receive is that they do not save clinician’s time or mitigate their workload or facilitate their daily work. This thesis proposes and evaluates a telemedicine and decision support system to manage the treatment of patients with gestational diabetes, whose aim is to improve access to specialized healthcare assistance, to prevent patients from unnecessary displacements maintaining the quality of care and to anticipate therapy adjustments by means of frequent and automatic evaluation of monitoring data, without increasing clinicians’ workload. The system is characterized by allowing to perform automatic diet adjustments, warn physicians about the need to evaluate certain patients with specific conditions and generate insulin therapy proposals. The telemedicine platform allows patients to upload their glycaemia data at home directly from their glucose meter, as well as report other monitoring variables like ketonuria, insulin dose administered, compliance to dietary treatment or physical activity. Glycaemia values, not tagged by patients, are automatically labelled with their associated meal by a classifier based on the Expectation Maximization cluster algorithm and a C4.5 decision tree learning algorithm. The platform developed include two decision support modules: 1) Analysis module to detect patients’ metabolic condition; and 2) Recommendation module to suggest the most appropriate therapeutic action according to patients’ condition. The knowledge base of both modules is based on production rules, and was created by formalizing clinical guidelines and the specifications of a team of experts in endocrinology. The design of the analysis module is based in two finite automata, one that analysis glycaemia and diet and the other one that analyzes the ketonuria. The output of both automata is combined to calculate patients’ daily metabolic condition. The second decision support module determines if a therapy adjustment is required and the type of adjustment recommended. If the module suggests a diet therapy adjustment, this is prescribed automatically and the patient is notified about it, whereas recommendations about insulin requirements are notified also to the physicians, who will decide if insulin needs to be prescribed. The system presented in this thesis has been evaluated with a randomized controlled trial clinical study at two hospitals, the Hospital Universitario Parc Taulí de Sabadell and the Hospital Mutua de Terrassa, during 17 months with the participation of 119 patients. The evaluation results verify that the system proposed is able to identify which patients have good metabolic control and to manage their treatment automatically until the administration of insulin is required, and which patients are complex and require a more exhaustive evaluation by the medical staff. During the clinical study, the system detected all situations that required a therapy adjustment and all recommendations generated by it were safe and effective. The time devoted by clinicians to patients’ evaluation in the intervention group was lower compare to conventional care and face-to-face visits were reduced, without causing a negative impact in patients’ clinical parameters and increasing their satisfaction. The main contributions of this research work are: a) Evaluation of the safety and effectiveness of remote follow-up of patients with gestational diabetes using a telemedicine system with decision support tools integrated with automatic diet prescriptions, in terms of face-to-face visits reduction, impact in clinicians’ workload and clinical impact in patients’’ parameters. b) Design and development of an automatic data analysis tool for the determination of the metabolic condition of patients with gestational diabetes, based on their blood glucose and ketonuria levels. c) A methodology to design a high precision classifier for the automatic labeling of glycaemia measurements in relation to daily intakes for patients with gestational diabetes. d) Design and development of a tool to generate recommendation on therapeutic actions related to diet and insulin therapies for patients with gestational diabetes.