UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS
CARRERA DE INGENIERÍA EN SISTEMAS
COMPUTACIONALES
MODELO DE INFERENCIA DIFUSA COMO SOPORTE A LA
TOMA DE DECISIONES EN EL TRATAMIENTO DE LA
ANEMIA EN HEMODIÁLISIS
PROYECTO DE TITULACIÓN
Previa a la obtención del Título de:
INGENIERO EN SISTEMAS COMPUTACIONALES
AUTOR:
JESSICA JULIANA MORÁN MAYÍA
TUTOR:
ING. JESSICA YÉPEZ HOLGUÍN
GUAYAQUIL – ECUADOR
2017
II
REPOSITORIO NACIONAL EN CIENCIA Y TECNOLOGÍA
FICHA DE REGISTRO DE TESIS
TÍTULO:
Modelo de inferencia difusa como soporte a la
toma de decisiones en el manejo de la anemia
renal en hemodiálisis
AUTOR(ES): Morán Mayía Jéssica Juliana
REVISORES: Ing. Ana Guamán, M. Sc. Ing. Jessica Yépez Holguín, M. Sc.
UNIDAD/FACULTAD: Facultad de Ciencias Matemáticas y Físicas
GRADO OBTENIDO: Ingeniero en Sistemas Computacionales
FECHA DE PUBLICACIÓN: No. DE PÁGINAS: 166
ÁREAS TEMÁTICAS: Metodología, Calidad y Gestión de proyectos de software
PALABRAS CLAVES/KEYWORDS:
Lógica difusa, Conjuntos difusos, Inferencia, Mamdani, anemia, hemodiálisis.
La lógica difusa es una rama de la Inteligencia Artificial que permite trasladar razonamientos del lenguaje humano a un lenguaje matemático formal, para tomar una decisión y actuar en consecuencia. La imprecisión de los conceptos médicos y sus relaciones son procesos complejos que brindan un campo propicio para la utilización de esta técnica. El presente trabajo propone un modelo de inferencia basado en lógica difusa, con el objetivo de asistir a los médicos en el tratamiento de la anemia en hemodiálisis, determinando las dosis de hierro y eritropoyetina. El modelo propuesto se implementa en el software MATLAB y sus resultados se contrastan con las prescripciones médicas obteniendo resultados cercanos al criterio médico. Su sencillez y flexibilidad permiten ajustar con facilidad las reglas y funciones de pertenencia, haciendo posible su actualización conforme se perfeccionen las guías de manejo clínico.
ADJUNTO PDF: X SI NO
CONTACTO CON AUTOR/ES: Jessica Morán Mayía
Teléfono: 0982927504
E-mail: [email protected]
CONTACTO EN LA INSTITUCIÓN: UNIVERSIDAD DE GUAYAQUIL
Nombre: Juan Chávez Atocha
Teléfono: 2307729
E-mail: [email protected]
III
APROBACIÓN DEL TUTOR
En mi calidad de Tutor del trabajo de investigación, “Modelo de inferencia difusa
como soporte a la toma de decisiones en el manejo de la anemia renal en
Hemodiálisis” elaborado por el Srta. JESSICA JULIANA MORÁN MAYÍA,
de la Carrera de Ingeniería en Sistemas Computacionales, Facultad de Ciencias
Matemáticas y Físicas de la Universidad de Guayaquil, previo a la obtención del
Título de Ingeniero en Sistemas Computacionales, me permito declarar que
luego de haber orientado, estudiado y revisado, la Apruebo en todas sus partes.
Atentamente
Ing. Jessica Yépez Holguín
TUTOR
IV
DEDICATORIA
La presente Tesis está dedicada
a Yahveh, el Todopoderoso,
quien me permitió concluir mi
carrera y me concedió este
anhelado deseo.
A mi madre, que siempre ha
estado a mi lado
incondicionalmente brindándome
su apoyo y siendo mi referente de
fortaleza.
A mis hijos, por su amor,
paciencia y comprensión durante
el tiempo que fue necesario
invertir para realizarme
profesionalmente.
º
V
AGRADECIMIENTO
A mi directora de tesis, Ing. Jessica
Yépez, por su esfuerzo y
dedicación, quien, con sus
conocimientos, su experiencia, su
paciencia y su motivación han
inspirado la consecución de este
proyecto de titulación.
VI
TRIBUNAL PROYECTO DE TITULACIÓN
Ing. Eduardo Santos Baquerizo, M.Sc.
DECANO DE LA FACULTAD
CIENCIAS MATEMÁTICAS Y
FÍSICAS
Ing. Abel Alarcón Salvatierra, Mgs.
DIRECTOR DE LA CARRERA DE
INGENIERÍA EN SISTEMAS
COMPUTACIONALES
Ing. Lorenzo Cevallos Torres, M.Sc.
PROFESOR REVISOR DEL ÁREA TRIBUNAL
Ing. Jessica Yépez Holguín, M. Sc.
PROFESOR TUTOR DEL PROYECTO
DE TITULACIÓN
Ab. Juan Chávez Atocha, Esp.
SECRETARIO
VII
DECLARACIÓN EXPRESA
“La responsabilidad del contenido de este
Proyecto de Titulación, me corresponden
exclusivamente; y el patrimonio
intelectual de la misma a la
UNIVERSIDAD DE GUAYAQUIL”
JESSICA JULIANA MORÁN MAYÍA
VIII
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS
CARRERA DE INGENIERÍA EN SISTEMAS
COMPUTACIONALES
MODELO DE INFERENCIA DIFUSA COMO SOPORTE A LA
TOMA DE DECISIONES EN EL TRATAMIENTO DE LA
ANEMIA EN HEMODIÁLISIS
Proyecto de Titulación que se presenta como requisito para optar por el
título de INGENIERO EN SISTEMAS COMPUTACIONALES
Autor/a: JESSICA JULIANA MORÁN MAYÍA
C.I.0921890273
Tutor: ING. JESSICA YÉPEZ HOLGUÍN
Guayaquil, septiembre del 2017
IX
CERTIFICADO DE ACEPTACIÓN DEL TUTOR
En mi calidad de Tutor del Proyecto de Titulación, nombrado por el
Consejo Directivo de la Facultad de Ciencias Matemáticas y Físicas de la
Universidad de Guayaquil,
CERTIFICO:
Que he analizado el Proyecto de Titulación presentado por la
estudiante JESSICA JULIANA MORÁN MAYÍA, como requisito previo para
optar por el título de Ingeniero en Sistemas Computacionales cuyo
problema es:
“MODELO DE INFERENCIA DIFUSA COMO SOPORTE A LA TOMA DE
DECISIONES EN EL TRATAMIENTO DE LA ANEMIA EN
HEMODIÁLISIS”,
Considero aprobado el trabajo en su totalidad.
Presentado por:
Jessica Juliana Morán Mayía 0921890273
Apellidos y Nombres completos Cédula de ciudadanía N°
Tutor: Ing. Jessica Yépez Holguín
X
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS CARRERA DE INGENIERÍA EN SISTEMAS
COMPUTACIONALES
Autorización para Publicación de Proyecto de Titulación en
Formato Digital
1. Identificación del Proyecto de Titulación
Nombre Alumno: Jessica Juliana Morán Mayía
Dirección: Paltas y 24 de mayo
Teléfono: 2661627 E-mail: Jessica.morá[email protected]
Facultad: Ciencias Matemáticas y Físicas
Carrera: Ingeniería en Sistemas Computacionales
Título al que opta: Ingeniero en Sistemas Computacionales
Profesor guía: Ing. Jessica Yépez Holguín
Título del Proyecto de titulación: Modelo de inferencia difusa como soporte a
la toma de decisiones en el manejo de la anemia renal en hemodiálisis
Tema del Proyecto de Titulación: (Palabras claves 5 a 8) Conjuntos difusos,
Inferencia difusa, Mamdani, anemia, hemodiálisis
XI
2. Autorización de Publicación de Versión Electrónica del
Proyecto de Titulación
A través de este medio autorizo a la Biblioteca de la Universidad de Guayaquil y a la Facultad de Ciencias Matemáticas y Físicas a publicar la versión electrónica de este Proyecto de titulación.
Publicación electrónica:
Inmediata X Después de 1 año
Firma Alumno: Jessica Juliana Morán Mayía
3. Forma de envío:
El texto del proyecto de titulación debe ser enviado en formato Word, como archivo
.Doc. O .RTF y .Puf para PC. Las imágenes que la acompañen pueden ser: .gif,
.jpg o .TIFF.
DVDROM X CDROM
XII
ÍNDICE GENERAL
FICHA DE REGISTRO DE TESIS……………………………………………II
APROBACIÓN DEL TUTOR ..................................................................... III
DEDICATORIA ......................................................................................... IV
AGRADECIMIENTO ................................................................................. V
TRIBUNAL PROYECTO DE TITULACIÓN ............................................... VI
DECLARACIÓN EXPRESA .................................................................... VII
CERTIFICADO DE ACEPTACIÓN DEL TUTOR ...................................... IX
AUTORIZACIÓN PARA PUBLICACIÓN DE PROYECTO DE TITULACIÓN
EN FORMATO DIGITAL ............................................................................ X
ÍNDICE GENERAL ................................................................................... XII
ABREVIATURAS ..................................................................................... XV
ÍNDICE DE CUADROS ........................................................................... XVI
ÍNDICE DE GRÁFICOS ........................................................................ XVIII
RESUMEN ............................................................................................... XX
ABSTRACT ............................................................................................. XXI
INTRODUCCIÓN ....................................................................................... 1
CAPÍTULO I
1 PLANTEAMIENTO DEL PROBLEMA ................................................ 5
1.1 UBICACIÓN DEL PROBLEMA EN UN CONTEXTO ..................... 5
1.2 SITUACIÓN CONFLICTO NUDOS CRÍTICOS ............................. 8
1.3 DELIMITACIÓN DEL PROBLEMA .............................................. 17
1.4 FORMULACIÓN DEL PROBLEMA ............................................. 17
1.5 EVALUACIÓN DEL PROBLEMA ................................................ 17
1.6 OBJETIVOS ................................................................................ 19
1.6.1 Objetivo general ...................................................................... 19
1.6.2 Objetivos específicos ............................................................... 19
1.7 ALCANCES DEL PROBLEMA .................................................... 20
1.8 JUSTIFICACIÓN E IMPORTANCIA ............................................ 20
1.9 UTILIDAD PRÁCTICA DE LA INVESTIGACIÓN ......................... 21
2 MARCO TEÓRICO ........................................................................... 23
2.1 FUNDAMENTACIÓN TEÓRICA ................................................. 23
2.1.1 La Enfermedad Renal Crónica (ERC) o Insuficiencia Renal
Crónica (IRC) .................................................................................... 23
XIII
2.1.1.1 Epidemiología ................................................................... 23
2.1.1.2 Etiología ............................................................................ 24
2.1.1.3 Cuadro Patológico ............................................................ 25
2.1.1.4 Diagnóstico ....................................................................... 25
2.1.1.5 Anemia .............................................................................. 27
2.1.1.6 Etiología de la Anemia ...................................................... 27
2.1.2 Inteligencia Artificial ................................................................. 29
2.1.2.1 Técnicas y campos de la IA .............................................. 29
2.1.3 Lógica Difusa ........................................................................... 30
2.1.3.1 Antecedente Histórico ....................................................... 30
2.1.3.2 Definición .......................................................................... 35
2.1.3.3 Nociones de Lógica difusa ................................................ 35
2.1.3.3.1 Conjuntos difusos y Universo del discurso .................. 35
2.1.3.3.2 Conjunto difuso normal ................................................ 38
2.1.3.3.3 Probabilidad ................................................................. 38
2.1.3.3.4 Incertidumbre ............................................................... 38
2.1.3.3.5 Vaguedad o Imprecisión .............................................. 38
2.1.3.3.6 Variables lingüísticas ................................................... 39
2.1.3.3.7 Funciones de pertenencia ............................................ 39
2.1.3.4 Sistemas de inferencia difusos ......................................... 39
2.1.4 Estructura de un modelo difuso del tipo Mamdani ................... 41
2.2 ANTECEDENTES DEL ESTUDIO .............................................. 42
2.2.1 Estudios relevantes para esta investigación ............................ 43
2.3 FUNDAMENTACIÓN LEGAL ...................................................... 48
2.4 HIPÓTESIS Y VARIABLES ......................................................... 51
2.4.1 Variables.................................................................................. 51
2.4.2 Hipótesis .................................................................................. 51
2.5 OPERACIONALIZACIÓN DE LAS VARIABLES DEPENDIENTES
E INDEPENDIENTES ........................................................................... 52
3 METODOLOGÍA ............................................................................... 54
3.1 DISEÑO DE LA INVESTIGACIÓN .............................................. 54
3.1.1 Modalidad de la Investigación ................................................. 54
3.1.2 Tipo de la investigación ........................................................... 55
3.1.3 Método de investigación .......................................................... 56
3.2 POBLACIÓN Y MUESTRA ......................................................... 57
3.2.1 Población Objetivo ................................................................... 57
3.2.2 Marco muestral ........................................................................ 58
3.2.3 Muestra.................................................................................... 58
3.3 INSTRUMENTOS DE RECOLECCIÓN DE DATOS.................... 59
3.4 PROCEDIMIENTOS DE LA INVESTIGACIÓN ........................... 60
3.5 RECOLECCIÓN DE LA INFORMACIÓN .................................... 61
3.5.1 Metaanálisis ............................................................................. 61
XIV
3.5.2 Entrevista a expertos ............................................................... 63
3.6 PROCESAMIENTO Y ANÁLISIS ................................................ 64
3.6.1 Diseño de la base de datos de pacientes ................................ 64
3.6.2 Estadísticos Descriptivos de la Base de Datos ........................ 65
3.7 DISEÑO DEL MODELO DE INFERENCIA DIFUSA .................... 93
3.7.1 Variables de entrada ............................................................... 93
3.7.2 Proceso de Fusificación de las variables lingüísticas .............. 94
3.7.3 Desarrollo de las Reglas ......................................................... 94
3.7.4 Inferencia Borrosa ................................................................... 96
3.7.5 Defusificación .......................................................................... 96
3.8 CONSTRUCCIÓN DEL MODELO DE INFERENCIA DIFUSO .... 97
3.8.1 Modelo Ajuste de EPO ............................................................ 97
3.8.2 Modelo Dosis de Hierro ......................................................... 103
4 RESULTADOS, CONCLUSIONES Y RECOMENDACIONES ....... 110
4.1 RESULTADOS ......................................................................... 110
4.2 CONTRASTE DE HIPÓTESIS .................................................. 114
4.2.1 Planteamiento de la prueba de hipótesis ............................... 114
4.2.2 Desarrollo de la prueba de hipótesis ..................................... 115
4.2.3 Toma de decisión .................................................................. 117
4.3 CONCLUSIONES ..................................................................... 118
4.4 RECOMENDACIONES ............................................................. 120
XV
ABREVIATURAS
FDA Food and Drug Administration
EPO Eritropoyetina
Rhu-EPO Eritropoyetina recombinante
AEE Agentes Estimuladores de Eritropoyesis
MBE Medicina Basada en evidencia
ERC Enfermedad Renal Crónica
IRC Insuficiencia Renal Crónica
IESS Instituto Ecuatoriano de Seguridad Social
ISSFA Instituto de Seguridad Social de las Fuerzas Armadas
del Ecuador
ISSPOL Instituto de Seguridad Social de la Policía Nacional
Fe Hierro
IV Intravenoso
IA Inteligencia Artificial
TICs Tecnologías de Información
MID Modelo de Inferencia Difusa
SID Sistema de Inferencia Difusa
FAM Fuzzy Associative Memory
FIS Fuzzy Interfaces Systems
XVI
ÍNDICE DE CUADROS
Cuadro No. 1:Causas y consecuencias del problema ............................. 15
Cuadro No. 2: Delimitación del Problema ................................................ 17
Cuadro No. 3: Grupos de individuos según estatura ............................... 36
Cuadro No. 4: Comparación de la Lógica Clásica y la Lógica Difusa ...... 37
Cuadro No. 5: Operalización de las variables .......................................... 52
Cuadro No. 6 Guías de Práctica Clínica .................................................. 62
Cuadro No. 7 : Frecuencias de la variable IST ........................................ 65
Cuadro No. 8: Frecuencias de la variable Ferritina .................................. 66
Cuadro No. 9: Frecuencias de la variable Hemoglobina(HB) .................. 68
Cuadro No. 10: Frecuencias de la variable Incremento (INC).................. 69
Cuadro No. 11: ANOVA Dosis de Hierro ............................................... 70
Cuadro No. 12: Coeficientes de Regresión Dosis de Hierro .................... 71
Cuadro No. 13: Resumen del modelo ...................................................... 72
Cuadro No. 14: ANOVA Dosis de Eritropoyetina ..................................... 72
Cuadro No. 15:Coeficientes de correlación ............................................. 73
Cuadro No. 16:Nivel Académico de los encuestados .............................. 74
Cuadro No. 17: Edad ............................................................................... 75
Cuadro No. 18: Experiencia en diálisis .................................................... 76
Cuadro No. 19: Pacientes por unidad de diálisis ..................................... 77
Cuadro No. 20: Pacientes que reciben Eritropoyetina ............................. 78
Cuadro No. 21: Pacientes que reciben Hierro Intravenoso ...................... 79
Cuadro No. 22: Nivel de HB mínimo ....................................................... 80
Cuadro No. 23: Nivel de HB objetivo ....................................................... 81
Cuadro No. 24:Nivel de HB objetivo ........................................................ 82
Cuadro No. 25: Determinación del estado de las reservas de Hierro ...... 83
Cuadro No. 26: Actuación frente a la deficiencia de Hierro ..................... 84
Cuadro No. 27: Objetivos de la dosificación de Hierro ............................. 85
Cuadro No. 28: Criterio de suspensión de Hierro .................................... 86
Cuadro No. 29: Criterio de suspensión de Hierro II ................................. 87
Cuadro No. 30: Dosis de Carga de Hierro ............................................... 88
XVII
Cuadro No. 31: Dosis de Hierro etapa de mantenimiento ........................ 89
Cuadro No. 32: Niveles de Hemoglobina no recomendados ................... 90
Cuadro No. 33: Determinación de las Dosis de EPO ............................... 91
Cuadro No. 34: Ajuste de Dosis de EPO ................................................. 92
Cuadro No. 35: Variables de entrada del Modelo de Inferencia............... 93
Cuadro No. 36:Combinación de dos variables ......................................... 95
Cuadro No. 37: Combinación de tres variables........................................ 95
Cuadro No. 38: Funciones de pertenencia HB......................................... 98
Cuadro No. 39: Funciones de pertenencia INC ..................................... 100
Cuadro No. 40: Funciones de Pertenencia Ajuste de EPO .................... 102
Cuadro No. 41: Matriz de inferencia difusa ............................................ 103
Cuadro No. 42: Funciones de Pertenencia Variable IST ....................... 105
Cuadro No. 43: Funciones de Pertenencia de la variable Ferritina ........ 107
Cuadro No. 44: Matriz de inferencia difusa ............................................ 109
Cuadro No. 45: Efectividad de las Dosis de Hierro del MID ................... 112
Cuadro No. 46: Efectividad de las Dosis de Hierro del MID ................... 113
Cuadro No. 47: Resumen de procesamiento de casos Ajuste de
Hemoglobina .......................................................................................... 115
Cuadro No. 48: Pruebas de chi-cuadrado Hemoglobina ........................ 115
Cuadro No. 49: Pruebas de chi-cuadrado Incremento ........................... 115
Cuadro No. 50: Resumen de procesamiento de casos Dosis de Hierro 116
Cuadro No. 51: Pruebas de chi-cuadrado IST ....................................... 116
Cuadro No. 52: Pruebas de chi-cuadrado FERRITINA .......................... 116
XVIII
ÍNDICE DE GRÁFICOS
Gráfico No. 1 :Manejo de la Anemia ........................................................ 12
Gráfico No. 2: Representación del grado de pertenencia a un conjunto
según la lógica difusa y la lógica clásica .................................................. 32
Gráfico No. 3: Porcentajes de Pacientes según el nivel de IST ............... 65
Gráfico No. 4: Porcentajes de Pacientes según el nivel de Ferritina ....... 67
Gráfico No. 5: Porcentajes de pacientes según nivel de Hemoglobina .... 68
Gráfico No. 6: Porcentaje de pacientes según Incremento de Hemoglobina
................................................................................................................. 69
Gráfico No. 7: Nivel Académico de los encuestados ............................... 74
Gráfico No. 8: Edad de los encuestados .................................................. 75
Gráfico No. 9: Experiencia en diálisis ...................................................... 76
Gráfico No. 10: Pacientes por unidad de diálisis...................................... 77
Gráfico No. 11: Pacientes que reciben Eritropyetina ............................... 78
Gráfico No. 12: Pacientes que reciben Hierro Intravenoso ...................... 79
Gráfico No. 13: Nivel de HB mínimo ........................................................ 80
Gráfico No. 14: Nivel de HB objetivo ........................................................ 81
Gráfico No. 15: Nivel de HB objetivo ........................................................ 82
Gráfico No. 16: Determinación del estado férrico .................................... 83
Gráfico No. 17: Actuación frente a la deficiencia de Hierro ...................... 84
Gráfico No. 18: Objetivos de la dosificación de Hierro ............................. 85
Gráfico No. 19: Criterio de suspensión de Hierro..................................... 86
Gráfico No. 20: Criterio de Suspensión de Hierro II ................................. 87
Gráfico No. 21: Dosis de carga de Hierro ................................................ 88
Gráfico No. 22: Dosis de Hierro etapa de mantenimiento ........................ 89
Gráfico No. 23: Niveles de Hemoglobina no recomendados ................... 90
Gráfico No. 24: Determinación de las Dosis de EPO ............................... 91
Gráfico No. 25: Ajuste de Dosis de EPO ................................................. 92
Gráfico No. 26: Variable 1: Hemoglobina (HB) ........................................ 97
Gráfico No. 27: Conjuntos difusos de la variable Incremento .................. 99
Gráfico No. 28: Conjuntos difusos de la variable INC ............................ 101
XIX
Gráfico No. 29: Conjuntos difusos de la variable IST ............................. 104
Gráfico No. 30: Conjuntos Difusos de la variable Ferritina .................... 106
Gráfico No. 31: Gráfica de Control Ajuste EPO ..................................... 110
Gráfico No. 32: Gráfica de Control módulo Dosis Hierro (DH) ............... 111
XX
:
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS
CARRERA DE INGENIERÍA EN SISTEMAS COMPUTACIONALES
MODELO DE INFERENCIA DIFUSA COMO SOPORTE A LA TOMA
DE DECISIONES EN EL MANEJO DE LA
ANEMIA RENAL EN HEMODIÁLISIS
RESUMEN
La lógica difusa es una rama de la Inteligencia Artificial que permite
trasladar razonamientos del lenguaje humano a un lenguaje matemático
formal, para tomar una decisión y actuar en consecuencia. La imprecisión
de los conceptos médicos y sus relaciones son procesos complejos que
brindan un campo propicio para la utilización de esta técnica. El presente
trabajo propone un modelo de inferencia basado en lógica difusa, con el
objetivo de asistir a los médicos en el tratamiento de la anemia en
hemodiálisis, determinando las dosis de hierro y eritropoyetina. El modelo
propuesto se implementa en el software MATLAB y sus resultados se
contrastan con las prescripciones médicas obteniendo resultados cercanos
al criterio médico.
Palabras claves: Lógica difusa, Conjuntos difusos, Inferencia, Mamdani,
anemia, hemodiálisis.
Autor: Jéssica Juliana Morán Mayía
Tutor: Ing. Jessica Yépez Holguín
XXI
UNIVERSITY OF GUAYAQUIL
FACULTY OF MATHEMATICS AND PHYSICAL SCIENCES
COMPUTER SCIENCE DEPARTMENT
FUZZY INFERENCE SYSTEM AS A SUPPORT TO MAKE
DECISIONS IN THE TREATMENT OF THE
ANEMIA IN HEMODIALYSIS
ABSTRACT
Fuzzy logic is a branch of Artificial Intelligence that allows
translating human language reasoning into a formal mathematical
language, to make a decision and act accordingly. The imprecision of the
medical concepts and their relationships are complex processes that
provide a propitious field for the use of this technique. The present work
proposes an inference model based on fuzzy logic, with the objective of
assisting physicians in the treatment of anemia in hemodialysis, determining
the doses of Iron and erythropoietin. The proposed model is implemented
in the MATLAB software and its results are contrasted with the medical
prescriptions obtaining results close to the medical criterion.
Key words: Fuzzy Logic, Mandani, Diffuse Inference, anemia,
hemodialysis
Autor: Jessica Juliana Morán Mayía
Tutor: Ing. Jessica Yépez Holguín
1
INTRODUCCIÓN
La seguridad del paciente se ha convertido en un tema preocupante
para los sistemas de salud a nivel mundial (Villamanan, Herrero, & Álvarez-
Sala, 2011) y conociendo que ésta depende de la correcta toma de
decisiones se han emprendido muchos esfuerzos a escala internacional
que pretenden, con el uso de las TICs, asegurar la calidad en el juicio
clínico.
Tomar una decisión médica correcta demanda del profesional la más
compleja preparación evitando en lo posible el subjetivismo utilizando los
conocimientos producidos por diversas investigaciones científicas y
complementado por la experiencia y el juicio clínico, “La toma de decisiones
para el cuidado de los pacientes es el acto médico que tiene mayor
responsabilidad en la práctica asistencial” (Soler & Lombardo, 2012, p. 99).
Las búsqueda y selección adecuada de la mejor información y su
aplicación correcta e individualizada indiscutiblemente involucran riesgos
que se define como “La probabilidad de que ocurra un suceso adverso o un
factor que incremente tal probabilidad” (OMS, 2013) y su incidencia ha
sido relevante desde el impacto del informe To Err is Human: Building a
Safer Health System (Instituto de Medicina, 1999) que cita un estudio en
el que se detectó que hasta un 45,8% de los pacientes de una unidad de
cuidados intensivos presentaron un evento adverso, otros autores como
Climent, Solá y Codina (2011), estiman la incidencia “entre el 3,7 y el 17%
de los que entre un 14,5 y un 37,4% son debidos a medicamentos” (p. 64).
2
La tasa de errores en la toma de decisiones clínicas es lo
suficientemente elevada como para ser motivo de preocupación, “se calcula
que entre el 20 y 50% ……son debido a errores y por lo tanto son evitables”
(Climent et al., 2011, p. 64).
“El error médico, definido básicamente como el fracaso en completar
una acción planificada o el uso de un plan inadecuado para conseguir un
objetivo” (Soler & Lombardo, 2012, p. 100).
Actualmente la calidad asistencial tiene como objetivo tratar de
eliminar, reducir y mitigar los efectos adversos que pueden originarse como
consecuencia del proceso de atención, es aquí donde las TICs juegan un
rol fundamental mejorando la seguridad de los pacientes, “El uso de estas
herramientas informáticas tiene el objetivo principal de prevenir errores
médicos en las instancias dónde se necesitan efectuar decisiones clínicas”
(Layes M, Falappa, & Simari, 2013, p. 291).
El uso eficaz y seguro de las TICs en el apoyo a la toma de
decisiones clínicas propone ventajas competitivas para los
establecimientos de salud que las implementan, desde el punto de vista
económico mejoran la eficiencia en el uso del tiempo y los recursos, desde
el punto de vista sanitario contribuye a una mejor calidad de vida de los
pacientes y si hablamos de innovación permite perfeccionar el flujo de
trabajo y beneficia la gestión del riesgo, así como la seguridad del paciente.
(Organización Panamericana de la Salud/Organización Mundial de la
Salud, 2011).
3
Muchos son los beneficios que Organización Mundial de la Salud
expone referente a las tecnologías de información, sin embargo, las
políticas estatales tienen mucho que ver en el grado de su utilización. En
nuestro país el Ministerio de Salud Pública, según su estructura
organizacional, cuenta con la Dirección Nacional de Tecnologías de la
Información y Comunicaciones que es la encargada de proponer,
implementar y administrar políticas, normas y procedimientos que
optimicen la gestión y administración de las tecnologías de la información
y comunicaciones (TICs) en el ámbito de la salud, no obstante, su accionar
se limita a la estructura orgánica estatal.
Los establecimientos de salud particulares agrupados en la Red
complementaria de Salud no disponen de ningún órgano, norma o dirección
para la implementación de tecnologías, por su parte las diversas
sociedades médicas tampoco se preocupan por incentivar el uso de las
herramientas informáticas, de manera que cada entidad sanitaria depende
únicamente de la visión de sus directivos, que en la mayoría de los casos
son médicos, profesionales comprometidos con la salud de sus pacientes
pero totalmente ajenos a los beneficios de las tecnologías.
Este trabajo a través de sus cuatro capítulos planteará y evaluará un
modelo de lógica difusa como soporte a la toma de decisiones orientado
específicamente al manejo de la anemia en pacientes con Insuficiencia
Renal crónica que reciben hemodiálisis.
En el primer capítulo se describe la problemática que se presenta en
el tratamiento de la anemia en pacientes con IRC, se consideran las
principales causas y consecuencias a fin de delimitar y evaluar el problema,
se establecen los objetivos y se demuestra la relevancia de esta
4
investigación identificando los principales beneficiarios y dejando sentado
su utilidad práctica.
En el segundo capítulo se presenta la fundamentación teórica de
este estudio, se situará al lector en el ámbito de la tecnología con conceptos
y definiciones que guiarán al lector a profundizar en el tema y entender la
solución propuesta.
En el tercer capítulo se detalla la metodología utilizada para el
desarrollo de proyecto cuyos resultados, conclusiones y recomendaciones
se expondrán en el cuarto capítulo.
5
CAPÍTULO I
EL PROBLEMA
1 PLANTEAMIENTO DEL PROBLEMA
1.1 UBICACIÓN DEL PROBLEMA EN UN CONTEXTO
La salud es un derecho que garantiza el Estado, así lo indica el Art.
32 de nuestra constitución, sustentado en el derecho a la vida y al buen
vivir, más aun, el artículo 35 establece que “Las personas adultas mayores,
niñas, niños, adolescentes, mujeres embarazadas, personas con
discapacidad, personas privadas de la libertad y quienes adolezcan de
enfermedades catastróficas o de alta complejidad, recibirán atención
prioritaria y especializada en los ámbitos público y privado” (Asamblea
Nacional Constituyente, 2008, p. 35).
Jay Katz y Alexander Morgan Capron (2002), en su obra Enfermedad
catastrófica: ¿Quién decide qué?, la define como “una patología
devastadora y casi siempre incurable, que necesita de muchos recursos
económicos y de muchos cuidados médicos, casi siempre paliativos y de
constante soporte emocional al paciente y a su familia” (p.42). Por el alto
costo económico que implica su tratamiento o al no contar de algún tipo de
seguro (IESS, ISSFA, ISSPOL) muchos ecuatorianos morían al no tener
acceso a ellos; sin embargo, esto cambio cuando la Constituyente de
Montecristi estableció la cobertura de las enfermedades catastróficas por
parte del Estado ecuatoriano a todos los habitantes ya sean nacionales o
extranjeros que residan legalmente en el país.
6
El sistema de salud ecuatoriano a través de los hospitales públicos
y los centros de hemodiálisis anexos a la Red Complementaria de Salud
(RCP), brinda tratamiento a la Insuficiencia Renal Crónica (IRC), una
enfermedad catastrófica de gran incidencia en nuestro país y el mundo “La
enfermedad renal crónica (IRC) representa, al igual que otras
enfermedades crónicas, un importante problema de salud pública, tanto por
su elevada incidencia y prevalencia, como por su importante
morbimortalidad y coste socioeconómico” (Martín, 2014, p. 269).
Esta condición se define como “La presencia de una alteración
estructural o funcional renal (sedimento, imagen, histología) que persiste
más de 3 meses, con o sin deterioro de la función renal; o por un filtrado
glomerular (FG) < 60 ml/min/1,73 m2 sin otros signos de daño renal”
(Sellares, 2012). Es una patología provocada por diferentes enfermedades,
sin embargo, las dos causas más comunes identificadas son la
diabetes y la hipertensión arterial, éstas representan dos tercios de
los casos de la IRC. Otras causas son la enfermedad renal
poliquística, enfermedad glomerular, etc. Su diagnóstico se basa en
las manifestaciones clínicas que presenta el paciente, así como en las
alteraciones encontradas en los análisis de sangre, en cuanto a los cambios
visibles en los riñones estos muestran una disminución en su tamaño y
modificaciones en su estructura habitual lo cual puede apreciarse a través
de una ecografía.
En este padecimiento los riñones van perdiendo su capacidad para
filtrar residuos de la sangre de forma gradual, por ello, la gravedad de la
Insuficiencia Renal Crónica (IRC) se ha clasificado en 5 estadíos en función
del Filtrado Glomerular y de la presencia de proteinuria: en las etapas 1-4,
el foco de atención es preservar en lo posible la función renal; en la etapa
7
cinco, el tratamiento de diálisis y el trasplante son las únicas alternativas
para sobrellevar la enfermedad.
En cuanto al tratamiento de la insuficiencia renal crónica terminal,
actualmente existen tres procedimientos, los cuales buscan eliminar
toxinas y líquido sobrante del organismo: Hemodiálisis (HD), Diálisis
Peritoneal y el Trasplante Renal.
La hemodiálisis se realiza a través de un filtro artificial y un circuito
extracorpóreo conectado a través de un acceso vascular (fístula
arteriovenosa o catéter de hemodiálisis), las sesiones de hemodiálisis son
intermitentes normalmente se efectúan tres veces a la semana con una
duración variable de 3 a 4 horas; la diálisis peritoneal (por sus siglas DP)
se produce a través de la membrana del peritoneo, ésta requiere la
colocación de un catéter de diálisis peritoneal para introducir líquido de
diálisis dentro del abdomen. Es una diálisis continua que debe realizarse
de tres a cuatro veces al día; la última opción, el trasplante Renal, que es
el mejor tratamiento de acuerdo con la biomedicina, a pesar de ser una
tecnología cara.
De las técnicas existentes, la hemodiálisis es la más empleada en
pacientes con insuficiencia renal crónica terminal, el 90% de los enfermos
renales está en programa de hemodiálisis. “Es considerada, como una
terapia complicada e incómoda que requiere un esfuerzo coordinado de
todo un equipo de profesionales de la salud que incluyen nefrólogos,
médicos generales, cardiólogos, cirujanos vasculares, internistas,
enfermeros de diálisis, nutricionistas, trabajadores sociales, psicólogos”
(National Institute of Diabetes and Digestive and Kidney Diseases, NIDDK,
2007, p. 1). Este método sustitutivo de la función renal no corrige todas las
8
deficiencias de los pacientes, además tienen un efecto dual, ya que elimina
desechos del metabolismo que son perjudiciales y al mismo tiempo también
elimina minerales, proteínas y vitaminas hidrosolubles, llegando a
descompensar al paciente lo que repercute en su condición psicológica,
socioeconómica y espiritual.
1.2 SITUACIÓN CONFLICTO NUDOS CRÍTICOS
La anemia es una complicación frecuente en la insuficiencia renal
crónica, se determina cuando la concentración de Hb es <13.0 g / dl (<130
g / l) en hombres y de < 12.0 g / dl ( < 120 g / l) en las mujeres,
independientemente del estadío (KDIGO Anemia Work Group, 2012). Los
síntomas que se presentan son debilidad, fatiga, letargia, alteraciones del
sueño, anorexia y disminución de las capacidades cognitiva y mental,
asimismo su presencia se asocia a alteraciones cardiovasculares como
hipertrofia de ventrículo izquierdo, cardiopatía isquémica e insuficiencia
cardíaca, que pueden desencadenar en una elevación de la tasa de
mortalidad y de hospitalización.
La anemia se incrementa conforme la tasa de filtración glomerular
disminuye, el estudio National Health and Nutrition Examination Survey
realizado por los Institutos Nacionales de Salud en los Estados Unidos,
indica que la incidencia de la anemia es < 10 % en los estadíos 1 y 2 de la
enfermedad renal, de 20 a 40 % en el estadío 3, de 50 a 60 % en el estadío
4 y > 70 % en el estadío 5 (Amador-Medina, 2014). Una vez que se inicia
el tratamiento sustitutivo con hemodiálisis, la anemia se agrava, siendo
habitual que el 85-90% de los pacientes precisen tratamiento con Agentes
Estimulantes de la Eritropoyesis (AEE).
9
Este tratamiento con AEE busca mantener objetivos de hemoglobina
que mejoren la condición del paciente, según indican las guías, por lo que
el nefrólogo debe verificar mensualmente los valores de hemoglobina y
hematocrito a fin de medir los resultados de la aplicación de AEE además
de los síntomas y comorbilidades asociadas.
Desde el inicio del uso de la eritropoyetina recombinante (rHu-EPO)
se ha mantenido en controversia la hemoglobina diana, diversos ensayos
clínicos desarrollados en pacientes en diálisis y pre-diálisis, con y sin
diabetes, proponen que valores normales de hemoglobina no presentan
ventajas clínicas relevantes y que por el contrario, influyen en
complicaciones cardiovasculares renales e incluso la muerte: Double-Blind
Comparison of Full and Partial Anemia Correction (Parfrey et al., 2005),
Cardiovascular Risk Reduction by Early Anemia Treatment with
Epoetinbeta (Drüeke et al., 2006), CHOIR (Szczech et al., 2008) y TREAT
(Pfeffer et al., 2009).
En el Normal Hematocrit Cardiac Trial se incluyó a pacientes en
hemodiálisis crónica y con enfermedad cardíaca se les distribuyó en dos
grupos según la concentración de hemoglobina de 13 a 15 g/dL y otro entre
9 y 11 g/dl encontrándose la tasa más alta de muerte, infarto del miocardio
o trombosis vascular en los pacientes con un nivel alto de hemoglobina.
Por su parte Parfrey et al. (2009)estudiaron a 596 pacientes en
hemodiálisis que no presentan enfermedad cardíaca, se clasificó dos
grupos objetivos de hemoglobina, baja (9.5 a 11.5 g/dl) y alta (13.5 a 14.5
g/dl) tratados con EPO hasta 72 semanas y “concluyen que la
normalización de la hemoglobina comparada con la corrección parcial de la
10
anemia no tiene efecto beneficioso alguno sobre la estructura cardíaca”
(Martín et al., 2007).
En el estudio CHOIR (Szczech et al., 2008) se demostró el efecto de
elevar la concentración de hemoglobina a un nivel de 13.5 g/dl,
encontrándose un mayor número de muertes, infarto del miocardio,
hospitalización por falla cardíaca congestiva y evento vascular cerebral. En
el estudio TREAT (Pfeffer et al., 2009) se observó una tasa
significativamente más alta de eventos vasculares cerebrales en los
pacientes tratados con dosis altas de eritropoyetina.
En el estudio CREATE (Amador-Medina, 2014) se evaluó el efecto
de la corrección completa contra la corrección parcial, así mismo, los
pacientes fueron asignados a dos grupos de nivel de hemoglobina: 13 a 15
g/dl, y 10.5 a 11.5 g/dl, observándose una tasa de 22 % con evento
cardiovascular en los pacientes con nivel más alto de hemoglobina.
Más aún, la Food and Drug Administration (FDA, 2007) emitió en
marzo de 2007 una advertencia de seguridad sobre los estimulantes de
eritropoyesis, indicando que deben manejarse las dosis de EPO más bajas
posibles de forma gradual para impedir la necesidad de transfusiones y que
en ningún caso se debe pretender alcanzar una hemoglobina > 12 gr/dl
porque esto acrecienta el riesgo de muerte y complicaciones
cardiovasculares serias. Posterior a este anuncio, en abril del 2007, la
European Medicines Agency (EMEA), comunica los resultados de una
evaluación de los productos eritropoyéticos y concluye que valores de
hemoglobina mayores a 12gr/dl, son perjudiciales en todos los casos ya
que se asocian con el incremento de complicaciones cardiovasculares y de
mortalidad (Martín et al., 2007).
11
Aun así, se mantiene una evidente incertidumbre en cuanto a cuál es
la hemoglobina adecuada, ya que, los pacientes con anemia renal son muy
distintos entre si, esta singularidad ha sido reconocido por las normas
Europeas que sugieren que los niveles de “hemoglobinas superiores a 11
gr/dl deben ser analizadas según cada individuo tomando en cuenta el
género, la edad , la raza, la actividad y la comorbilidad” (Martín et al., 2007),
esto es más evidente en los pacientes muy jóvenes, el estudio Association
of Mortality and Hospitalization with Achievement of Adult Hemoglobin
Targets in Adolescents Maintained on Hemodialysis (Amaral et al., 2006),
realizaron un seguimiento a 677 adolescentes en hemodiálisis durante 3
años encontrando que niveles de Hb > 12 g/dl no representaron un mayor
riesgo de muerte. En síntesis, debido a la heterogeneidad de los pacientes,
de sus características y comorbilidades se hace necesaria la
individualización de los objetivos (Martín et al., 2007).
13
Ahora bien, las diferentes recomendaciones de las guías determinan
solo valores referenciales para la hemoglobina objetivo, la cual debe
mantenerse entre 10 y 12 g/dl, con dosis medias de rHu-EPO inferiores a
125 UI/kg de peso/semana, cifras de ferritina superiores a 100 mg/dl, e
índices de saturación de la transferrina superiores a 20%. Para alcanzar
estos objetivos es importante tener claro cuáles son las variables que
influyen en la sensibilidad de la respuesta a la rHu-EPO, variables como el
sexo, la edad y el tiempo en diálisis no varían, sin embargo, otras si pueden
cambiar y deben ser controladas.
La deficiencia de hierro, tanto absoluta como funcional, es la causa
más usual, que limita la respuesta a la rHu-EPO, en presencia de ello se
requiere un adecuado tratamiento con hierro parental que permita mejorar
la respuesta a la rHu-EPO; las dosis de diálisis también incrementan los
niveles de hemoglobina, disminuyendo así los requerimientos de rHu-EPO;
la calidad del agua de diálisis, tanto química como biológica también
favorece la repuesta. Asimismo, el hiperparatiroidismo secundario agudo y
la toxicidad por aluminio, los procesos infecciosos e inflamatorios crónicos
y el descenso de albúmina, se asocian con resistencia a la rHu-EPO. Otras
causas menos relevantes también deben ser analizadas como son el déficit
de ácido fólico y vitamina B, hemoglobinopatías, hemólisis, enfermedades
de la medula ósea, deficiencia de camitina, tratamiento relacionados con
inhibidores de la enzima de conversión de la angiotensina y la formación
de anticuerpos contra la molécula de la eritropoyetina.
Todos los factores antes descritos deben ser analizados
mensualmente por el nefrólogo, a fin de determinar las dosis óptimas de
hierro y rHu-EPO según los rasgos particulares de cada paciente “Los
pacientes que reciben AEE o suplementos de hierro deben evaluarse con
14
una Hb mensualmente y con un perfil de hierro cada 3 meses” (Toblli et al.,
2009, p. 5).
El tratamiento con eritropoyetina en estos pacientes se divide en dos
etapas: una fase de corrección (o de inicio), donde la dosis media inicial
puede estimarse en 4000-6000 UI/semana de EPO, administradas con una
frecuencia de una, dos ó tres veces a la semana, si la respuesta es
insuficiente las dosis se incrementan en un 25-50% hasta alcanzar la
hemoglobina diana, así mismo, si la hemoglobina alcanza valores mayores
a 12 g/dl, se reducirán las dosis en un 25%. La utilización de dosis de EPO
mayores de 200-250 UI/Kg/semana suponen algún tipo de resistencia, ante
lo cual, el nefrólogo deberá analizar toda la información disponible del
paciente para determinar la variable responsable. En la fase de
mantenimiento, una vez alcanzado el objetivo de hemoglobina, se ajustarán
“por tanteo” según la evolución de la anemia.
Por lo expresado en líneas preliminares, se resume que el manejo
de la anemia en pacientes en hemodiálisis es complejo y constituye un
desafío debido a los objetivos terapéuticos y a la variabilidad de respuesta
de cada paciente. Las guías de práctica clínica, basadas en evidencia,
(MBE) indican muchas pautas para el tratamiento de la anemia, no
obstante, son los clínicos los que deciden sobre las opciones del
tratamiento, se debe tener claro que el paciente X en estudio, puede no ser
igual a la población o muestra analizadas en dichas guías. Aquí entra en
juego, el juicio clínico, “ un proceso cognitivo complejo que implica
capacitación, experiencia, reconocimiento de patrones y cálculo de
probabilidad condicional, entre otros componentes menos comprendidos”
(Lugo-Reyes, Maldonado-ColÃn, & Murata, 2014, p. 111), los nefrólogos
más experimentados han adquirido con el tiempo una intuición que le ayuda
15
en esta ardua tarea, esto como resultado de la experiencia de haber
analizado cientos de casos semejantes a lo largo de su carrera.
Un clínico con menos experiencia puede incurrir en errores comunes
al abordar la anemia en hemodiálisis, experimentar fatiga y confusión por
la multitud de variables a analizar, descartar información por considerarla
inconsistente o vaga, no estar familiarizado con síntomas poco comunes,
estar influido por la conclusión de una guía en particular o por la opinión
que emitió algún otro colega al respecto, por ende, no considerar un
diagnóstico diferencial exhaustivo con un análisis apropiado puede
ocasionar efectos adversos y atentar contra la seguridad del paciente.
Cuadro No. 1:Causas y consecuencias del problema
CAUSAS CONSECUENCIAS
Las dosis de
mantenimiento de EPO
se prescriben por tanteo
Pérdida de tiempo ya que debe esperar
alrededor de 8 semanas para verificar la
respuesta a las dosis.
No existe seguridad en la prescripción
Carencia de
infraestructura
tecnológica
Información vital se encuentra en ficheros
físicos, lo que hace ralentiza los tiempos de
planificación.
Diversidad de criterios
guías y normas de
16
ejecución en cuanto a los
objetivos de hemoglobina
a alcanzar.
Objetivos no pueden ser estandarizados, no
existe un procedimiento lineal exacto para
definir la opción correcta.
Conocimiento en base a
la experiencia
La habilidad de prescripción de la EPO así
como del hierro parental, requiere años de
práctica (experiencia) dado que no se
dispone de un método concreto de cálculo;
esto puede desencadenar efectos adversos
en los pacientes tanto retrasos en la
corrección de la anemia por dosis muy bajas
o efectos cardiovasculares por dosis muy
altas, así como también el Médico puede
obviar información determinante en la toma
de decisiones.
Percepción del médico
Imprecisión, en el lenguaje de la medicina es
muy común encontrar diagnósticos
probables basados en la percepción de los
profesionales, lo que implica un alto grado de
incertidumbre.
Variabilidad de
respuestas a los
tratamientos con EPO
Las mismas dosis producen efectos
diferentes en distintas personas, es por ello
que la experiencia del clínico es
determinante.
Fuente: Trabajo de Investigación Elaborado: Autor
17
1.3 DELIMITACIÓN DEL PROBLEMA
Cuadro No. 2: Delimitación del Problema
Campo:
Medicina
Área:
Nefrología
Aspecto:
Inteligencia artificial aplicada a
la medicina
Tema:
Modelo de inferencia difuso
como soporte a la toma de
decisiones en el manejo de la
anemia renal en hemodiálisis.
Fuente: Trabajo de Investigación Elaborado: Autor
1.4 FORMULACIÓN DEL PROBLEMA
¿Cómo el modelo de inferencia difusa impactará en la toma de
decisiones para la prescripción de la eritropoyetina como tratamiento
de la anemia presente en hemodiálisis?
1.5 EVALUACIÓN DEL PROBLEMA
Delimitado: El problema planteado está debidamente delimitado,
pertenece al área de la nefrología enfocado específicamente en el
18
tratamiento de la anemia de pacientes con Insuficiencia Renal Crónica,
estadío 5 y cuya terapia de sustitución renal utilizada sea la hemodiálisis.
Claro: El problema ha sido redactado de forma que el lector se sumerja en
el mundo de la medicina específicamente en la enfermedad renal y las
comorbilidades asociadas con la finalidad que pueda comprender e
identificar las ideas principales.
Evidente: Los diferentes estudios alrededor del mundo ponen en evidencia
los bordes superiores peligrosos respecto al manejo de administrar dosis
altas de eritropoyetina, asimismo, las guías clínicas existentes suponen un
rango de valores objetivos de hemoglobina bastantes vagos. Ambas
exposiciones hacen evidente el problema que tiene el nefrólogo frente a la
diversidad de criterios que puede adoptar dependiendo de la particularidad
de cada paciente.
Relevante: La importancia del manejo de la anemia secundaria en la
enfermedad renal es de suma importancia ya que un manejo óptimo supone
en el paciente un incremento de la tasa de supervivencia e
indiscutiblemente una mejora en su calidad de vida, permitiéndole el
desempeño de sus actividades cotidianas.
Original: Encontrar dosis óptimas de EPO según la particularidad de cada
paciente es un tema controversial y original, las técnicas utilizadas hasta el
momento han sido muchas, pero con pocos resultados prácticos dada su
alta complejidad.
19
Factible: El uso de la lógica difusa como técnica aplicada a la resolución
del problema planteado, deberá demostrar su eficiencia mejorando los
objetivos de hemoglobina con las dosis de EPO más bajas posibles,
evidenciando mejoras en costes y riesgos.
1.6 OBJETIVOS
Dada la complejidad y amplitud de la Insuficiencia renal, se ha
optado por contextualizar el desarrollo de esta investigación en un
segmento acotado de la misma, concretamente en el tratamiento de la
anemia en pacientes que se asisten por hemodiálisis.
1.6.1 Objetivo general
Diseñar un modelo de inferencia como soporte en la toma de
decisiones mediante el uso de la lógica difusa para determinar dosis
eficiente de Hierro y Eritropoyetina en el tratamiento de la anemia en
hemodiálisis.
1.6.2 Objetivos específicos
▪ Identificar las variables que tienen influencia en el tratamiento de la
anemia, así como la forma en que estas se relacionan y generan
conocimiento.
▪ Diseñar un modelo de inferencia basado en la teoría de conjuntos difusos
que represente el funcionamiento de esta problemática.
▪ Desarrollar el sistema de inferencia difuso para el tratamiento de la
20
anemia, utilizando el módulo fuzzy del software MATLAB, con la finalidad
de simular el funcionamiento del modelo.
1.7 ALCANCES DEL PROBLEMA
▪ Mediante la revisión documental y entrevistas a los expertos en
Nefrología, se determinará cuáles son las variables que intervienen en
el análisis del perfil anémico del paciente y las reglas de inferencia que
se aplican a estas variables con la finalidad de establecer las dosis
necesarias de hierro y eritropoyetina de acuerdo con cada caso clínico.
▪ A través del uso de la teoría de conjuntos difusos se determinará las
funciones de pertenencias apropiadas para representar a las variables
participes de este modelo, así también se construirán las Matrices de
Inferencia difusa para representar las relaciones entre las variables de
entrada.
▪ Por último, se implementará el modelo de inferencia difusa utilizando el
módulo Fuzzy Logic Tool Box del software MATLAB.
1.8 JUSTIFICACIÓN E IMPORTANCIA
La insuficiencia renal crónica se ha convertido en un problema de
salud pública por los altos costos y la incapacidad que produce el
tratamiento en un paciente que adolece de ella (Guzmán-Guillén,
Fernández de Córdova-Aguirre, Mora-Bravo, & Vintimilla-Maldonado,
2014). En EE. UU. se gastan entre 50 mil y 70 mil dólares por año/paciente
tratado, mientras que en Ecuador la Subsecretaria de Provisión de servicios
de salud estimo que la inversión del Estado en el tratamiento de la IRC es
17,472 dólares anuales por paciente, que al 2014 represento 168 millones
(Ministerio de Salud Pública, 2015).
21
En países europeos, como España se estima que 4 millones de
personas padecen ERC, de las cuales unas 50.909 están en tratamiento
renal sustitutivo (Vargas, 2015). “La prevalencia de la enfermedad renal en
América latina es de 650 pacientes por cada millón de habitantes, con un
incremento estimado del 10% anual” (Ministerio de Salud Pública, 2015).
En Ecuador existen hasta el 2014 cerca de 150 mil personas
diagnosticadas con Insuficiencia Renal Aguda o Enfermedad Renal
Crónica, de los cuales solo 9,635 recibieron diálisis (Ministerio de Salud
Pública, 2015), en cuanto a la mortalidad, según el Instituto Nacional de
Estadísticas y Censos, 892 personas fallecieron por Enfermedad Renal
Crónica (519 hombres y 373 mujeres) en el año 2010 (INEC, 2010).
El impacto negativo de la anemia en los pacientes con Insuficiencia
renal crónica es relevante, y está asociada con un incremento en la tasa de
hospitalizaciones, disminución de la supervivencia, de la calidad de vida e
incremento de enfermedad cardiovascular (Zuñiga, 2016), por lo cual es
necesario contar con un herramienta informática basada en los criterios e
intervenciones terapéuticas idóneas para la valoración y diagnóstico de la
anemia, a fin de garantizar la seguridad del paciente, supervisando la
repuesta de dichas intervenciones, enfocadas a alcanzar un nivel óptimo
de hemoglobina.
1.9 UTILIDAD PRÁCTICA DE LA INVESTIGACIÓN
En Ecuador, no existen proyectos de inteligencia artificial
relacionados a la anemia secundaria a la IRC, con el propósito de tratarla
y evitar las posibles consecuencias adversos como son los eventos
cardiovasculares, que se presentan con frecuencia y constituyen la
principal causa de mortalidad en los pacientes con IRC, este trabajo
constituye una novedosa forma de apoyo a la toma de decisiones.
22
Contar con un efectivo e individualizado tratamiento para la anemia,
permitirá mejorar la calidad de vida del paciente reduciendo la necesidad
de transfusiones sanguíneas, el deterioro del estado cognitivo, los
reingresos hospitalarios por descompensación y sobre todo el riesgo de
mortalidad, de igual forma se obtiene un beneficio económico ya que los
costos del tratamiento farmacológico de la anemia así como los costos de
las consecuencias asociadas a un mal manejo, se reducen beneficiando
tanto al sistema nacional de salud como al paciente y su familia.
La publicación y disponibilidad de un artículo científico fruto de este
trabajo contribuirán a incrementar el uso de la lógica difusa como
herramienta de diagnóstico, monitorización y control para las
intervenciones terapéuticas en cualquier área de la medicina. Por el
momento, se espera captar la atención de la comunidad nefrológica
(directivos, nefrólogos, instituciones rectoras, etc), demostrando que el uso
de modelos basados en la lógica difusa propone una nueva perspectiva del
servicio de hemodiálisis y una puerta de acceso a la mejora continua.
23
CAPÍTULO II
2 MARCO TEÓRICO
2.1 FUNDAMENTACIÓN TEÓRICA
2.1.1 La Enfermedad Renal Crónica (ERC) o Insuficiencia Renal Crónica (IRC)
“Es una pérdida progresiva (por 3 meses o más) e irreversible de las
funciones renales, cuyo grado de afección se determina con un filtrado
glomerular (FG) <60 ml/min/1.73m2, como consecuencia, los riñones
pierden su capacidad para eliminar desechos, concentrar la orina y
conservar los electrolitos en la sangre”(Gonzalez, Lopez, & Zapata, 2016,
p. 758). Los síntomas iniciales no son específicos y además coinciden con
muchas otras enfermedades, por lo cual solo constituyen un indicio, estos
pueden incluir entre otros, una sensación de malestar general, fatiga,
náuseas, dolores de cabeza, prurito y una reducción del peso sin
proponérselo.
Debido a esto, las guías de manejo clínico indican que los criterios
diagnósticos aplicables sean los denominados marcadores de daño de
renal (urea, creatinina) además de la reducción del filtrado glomerular
(Gorostidi et al., 2014). Otra forma de diagnóstico son los riesgos
preexistentes tales como hipertensión arterial, la diabetes y los
antecedentes familiares de enfermedad renal. .
2.1.1.1 Epidemiología
Las dos causas más comunes de ERC son la diabetes y la hipertensión
arterial, a estas se le atribuyen la mayor cantidad de casos, sin embargo,
24
muchas otras enfermedades pueden también provocarla, como
son(MedlinePlus, 2017):
▪ Trastornos autoinmunes
▪ Químicos tóxicos
▪ Anomalías congénitas de los riñones
▪ Cálculos renales
▪ Infecciones
▪ Medicamentos que afecten los riñones
▪ Daños en las arterias (MedlinePlus, 2017)
2.1.1.2 Etiología
Las causas más comunes de ERC son la nefropatía diabética,
hipertensión arterial, y glomerulonefritis. Juntas, causan aproximadamente
el 75% de todos los casos en adultos. Ciertas áreas geográficas tienen una
alta incidencia de nefropatía de HIV. En la práctica clínica, la mayoría de
las nefropatías progresan lentamente hacia la pérdida definitiva de la
función renal. Históricamente, las enfermedades del riñón han sido
clasificadas según la parte de la anatomía renal que está implicada:
▪ Vascular, incluye enfermedades de los grandes vasos sanguíneos,
como estenosis de la arteria renal bilateral, y enfermedades de los
vasos sanguíneos pequeños, como nefropatía isquémica, síndrome
urémico hemolítico y vasculitis.
▪ Glomerular, abarcando a un grupo diverso y subclasificado en:
▪ Enfermedad glomerular primaria, como glomérulo esclerosis focal y
segmentaria y nefropatía por IgA.
▪ Enfermedad glomerular secundaria, como nefropatía diabética y nefritis
lupus
25
▪ Túbulo intersticial, incluyendo enfermedad poliquística renal, nefritis
tubulointersticial crónica inducida por drogas o toxinas, y nefropatía de
reflujo.
▪ Obstructiva, por ejemplo, con piedras del riñón bilaterales y
enfermedades de la próstata.
2.1.1.3 Cuadro Patológico
Los pacientes con IRC inicialmente no presentas síntomas llamativos, y
solamente puede ser detectado por el aumento en la creatinina del plasma
sanguíneo. A medida que la función del riñón disminuye:
▪ La sobrecarga de líquidos y a la producción de hormonas
vasoactivas incrementa la presión arterial provocando insuficiencia
cardíaca congestiva.
▪ La urea se acumula, conduciendo a la uremia.
▪ El potasio se acumula en la sangre.
▪ Se disminuye la síntesis de eritropoyetina provocando la anemia.
▪ Sobrecarga de volumen de líquido, los síntomas van desde edema
suave al edema agudo de pulmón peligroso para la vida.
▪ La retención de fosfato provoca la hiperfosfatemia y el
hiperparatiroidismo secundario (Zuñiga, 2016).
2.1.1.4 Diagnóstico
En muchos pacientes con ERC, ya son conocidas enfermedades
renales previas u otras enfermedades subyacentes. Un número pequeño
presenta con ERC de causa desconocida. En estos pacientes,
ocasionalmente una causa es identificada retrospectivamente. Es
importante distinguir la ERC de la insuficiencia renal aguda (IRA) porque la
IRA puede ser reversible. Comúnmente es realizado el ultrasonido
26
abdominal, en el cual se mide el tamaño de los riñones. Los riñones en la
ERC usualmente son más pequeños que los riñones normales (< 9 cm),
con excepciones notables por ejemplo en la nefrología diabética y en la
enfermedad del riñón poliquístico. Otra pista de diagnóstico que ayuda a
diferenciar la ERC de la IRA es un aumento gradual de la creatinina del
suero (sobre varios meses o años) en comparación con un aumento
repentino en la creatinina del suero (de varios días a semanas). Si estos
niveles no están disponibles (porque el paciente ha estado bien y no ha
tenido ningún análisis de sangre), ocasionalmente es necesario tratar a un
paciente brevemente como si tuviera IRA hasta que se establezca si el
empeoramiento renal es irreversible (Pasqualini & Ferraris, 2003).
En los pacientes con insuficiencia renal crónica se van acumulando
numerosas toxinas urémicas. Estas toxinas muestran varias actividades
citotóxicas en el suero, tienen diversos pesos moleculares y algunas de
ellas están enlazadas a otras proteínas, primariamente a la albúmina. Tales
sustancias tóxicas, ligadas a proteínas, están recibiendo la atención de los
científicos interesados en mejorar los procedimientos estándar hoy usados
para la diálisis crónica (MedlinePlus, 2007).
Los tratamientos de reemplazo renal son los únicos que pueden
extraer las toxinas acumuladas en la sangre, de estos el más utilizado a
nivel mundial es la hemodiálisis que constituye un procedimiento invasivo
que permite extraer las toxinas producidas por el organismo a través de una
máquina y un filtro de diálisis y es realizada a través de una fistula
arteriovenosa o de un catéter (Suárez, Díaz, & Maylén, 2014).
27
2.1.1.5 Anemia
La Organización Mundial de la Salud (OMS, 2011), propone rangos
para la detección de la anemia ajustados al sexo y la edad, “una
concentración de hemoglobina (Hb) < de 13.0 g/dl en hombres y mujeres
postmenopáusicas y < de 12.0 g/dl en mujeres premenopáusicas” (Zuñiga,
2016). En el año 2012, las guías europeas para el manejo de anemia,
redujeron el limite propuesto por la OMS, considerando el límite inferior
normal a un nivel de hemoglobina de 11.5 g/dl para mujeres y de “12 g/dl
para hombres <70 años de edad, para los hombres ≥ 70 años se
incrementa levemente a 13.5 g/dl” (Zuñiga, 2016).
En el año 2012, The National Kidney Foundation-Kidney Disease
Outcomes Quality Initiative (KDIGO Anemia Work Group, 2012), cambió la
definición previa y propuso un nivel de hemoglobina < 13.5 g/dl en hombres
adultos sin importar la edad.
2.1.1.6 Etiología de la Anemia
La principal causa de anemia en la ERC es la producción inadecuada de
eritropoyetina endógena, hormona que actúa sobre la diferenciación y
maduración de los precursores de la serie roja, aunque en los últimos años
se han reconocido otros factores que contribuyen a ella, como una
respuesta eritropoyética disminuida de la médula ósea debido a las toxinas
urémicas y al estado inflamatorio, la disminución de la disponibilidad de
hierro para la eritropoyesis y el aumento de los niveles de hepcidina, una
vida media de los hematíes acortada o déficits vitamínicos (vitamina B12 o
ácido fólico), entre otros (Cases et al., 2017).
28
Causas fisiológicas
Destaca el aumento de los requerimientos de Fe que se produce
durante la infancia, la adolescencia, la lactancia y el embarazo, o las
pérdidas de sangre por la menstruación o los partos durante la etapa fértil
de la mujer.
Causas patológicas
Se pueden clasificar en varios grupos:
▪ Pérdidas de sangre.
Son la principal causa de déficit de Fe, muchas veces en pequeñas
cantidades de forma continua o intermitente. Las pérdidas no evidentes en
general son debidas a lesiones del tubo digestivo. Entre ellas destacan la
úlcera péptica sangrante, las lesiones gástricas por antiinflamatorios no
esteroideos (AINE) y los tumores.
▪ Disminución de la absorción.
Es una causa relativamente infrecuente de déficit de Fe, aunque
puede observarse en cuadros de malabsorción generalizada o aclorhidria.
Recientemente se ha descrito que la infección por H. pylori, incluso en
ausencia de sangrado significativo, puede conducir a una anemia
ferropénica y a una mala respuesta a la ferroterapia oral, y que su
erradicación puede llevar a la corrección de la anemia Otras dos causas
descritas y no excepcionales de anemia ferropénica y/o refractariedad al Fe
oral son la enfermedad celiaca y la gastritis crónica atrófica.
La prevalencia de la anemia se incrementa con cada estadío de IRC
y es universal en la fase final de la enfermedad renal. El déficit de EPO
coexiste con un déficit de Fe por disminución de la absorción intestinal,
29
pérdidas de sangre durante la hemodiálisis y mayor incorporación del Fe a
la hemoglobina por acción de la EPO (González et al., 2012).
2.1.2 Inteligencia Artificial
La inteligencia artificial (IA) es una de las ramas de la Informática, con
fuertes raíces en la lógica y las ciencias cognitivas. El término IA se utiliza
para designar la capacidad que las computadoras tienen para resolver
determinados problemas de la vida real, se le atribuye su creación a John
McCarthy en 1956.
Existen muchas definiciones de lo que es la inteligencia artificial, según
Benítez, Escudero & Kanaan en su obra “Inteligencia artificial avanzada”
expone:
La inteligencia artificial (IA) es una disciplina académica relacionada
con la teoría de la computación, cuyo objetivo es emular algunas de
las facultades intelectuales humanas en sistemas artificiales. Con
inteligencia humana nos referimos típicamente a procesos de
percepción sensorial (visión, audición, etc.) y a sus consiguientes
procesos de reconocimiento de patrones, por lo que las aplicaciones
más habituales de la IA son el procesamiento de datos y la
identificación de sistemas (Benítez, Escudero, & Kanaan, 2013, p. 10).
2.1.2.1 Técnicas y campos de la IA
Ha surgido con numerosas aplicaciones en muchos campos, desde
áreas de propósito general como la percepción o el razonamiento, podemos
destacar las siguientes:
▪ Aprendizaje Automático (Machine Learning)
▪ Ingeniería del conocimiento (Knowledge Engineering)
30
▪ Lógica difusa (Fuzzy Logic)
▪ Redes neuronales artificiales (Artificial Neural Networks)
▪ Sistemas reactivos (Reactive Systems)
▪ Sistemas multi-agente (Multi-Agent Systems)
▪ Sistemas basados en reglas (Rule-Based Systems)
▪ Sistemas expertos (Expert Systems)
▪ Redes Bayesianas (Bayesian Networks)
▪ Algoritmos genéticos (Genetic Algorithms)
▪ Visión artificial
▪ Audición artificial
▪ Lingüística computacional
▪ Procesamiento del lenguaje natural (Natural Language Processing)
▪ Minería de datos (Data Mining)
Diversas sin las técnicas de inteligencia artificial que han beneficiado
por muchos años al campo de la medicina, ofreciendo un panorama distinto
en el que los expertos humanos están acompañados de equipos y sistemas
de cómputo que cumplen tareas parciales o totales a fin de facilitar la
ejecución de su labor, sin embargo, esta investigación se ha enfocado en
la utilidad de la técnica de lógica difusa por considerarla idónea para el
manejo de información imprecisa como lo es el tratamiento de la anemia en
diálisis.
2.1.3 Lógica Difusa
2.1.3.1 Antecedente Histórico
Muchos matemáticos a lo largo de la historia han demostrado ciertas
incongruencias al aplicar la lógica clásica a la realidad y han propuesto
ideas nuevas, la paradoja del conjunto de Bertrand Russell (Russell, 1923),
31
el principio de incertidumbre de la física cuántica de Werner
Heisenberg(1927), la teoría de los conjuntos vagos de Max Black (1937) y
la aportación de Jan Lukasiewiz (1878-1956) con la lógica de vaguedades,
todos ellos toman en cuenta que existen fenómenos que no están
claramente definidos, por tanto no es posible su explicación con la lógica
tradicional, ya que, en ellos existen diversos grados de verdad.
Tratando de representar estos grados de verdad que denota la realidad,
nació la Lógica Difusa, también llamada “Lógica Borrosa” o “lógica blanda”,
ésta fue creada por el profesor Lofti A. Zadeh, de la Universidad de
California en Berkeley, quien inconforme con la clásica teoría de conjuntos
en la que un elemento pertenece o no pertenece al conjunto (blanco –
negro), la presentó como una opción diferente de procesar información que
permita pertenencias parciales a los conjuntos, siendo subjetivo y
dependiente del dominio (escala de grises), a éstos los denominó
conjuntos difusos “Fuzzy sets” (Zadeh, 1965). Publicó sus teorías en la
revista "Information and Control", misma en la que tres años después
publicara otro artículo sobre el llamado “algoritmo de aproximación”
(Zadeh, 1968).
Algunas analogías como el del centímetro que convierte a una persona
en alta, así como, el grano de arena, que a medida que disminuye convierte
un montón de arena en un no-montón, nos permiten comprender estos
conceptos y nos introducen al tema.
Un ejemplo muy demostrativo utilizado por el profesor Zadeh, fue el
conjunto de los hombres altos, al querer clasificar una población de acuerdo
con su altura, sería necesario primeramente definir ¿cuál es la concepción
de altura para nosotros? Suponiendo, que el criterio para considerar alta a
32
una persona es 2 metros, a ésta le asignamos un grado de pertenencia 1.
Ahora, una persona que mida 1 metro se consideraría baja desde el punto
de vista de la lógica dicotómica, sin embargo, desde la lógica difusa esta
persona es alta con grado 0, su pertenencia con respecto al conjunto de los
altos es 0. Bajo esta teoría, ahora podemos representar los conceptos
intermedios, ¿qué diríamos de una persona que mide 1.82?, aunque no
mide dos metros sigue siendo alta, en nuestro lenguaje “bastante alta” en
lenguaje difuso “es alta con grado 0.78”. (Gráfico 2).
Gráfico No. 2: Representación del grado de pertenencia a un conjunto según la lógica difusa y la lógica clásica
Fuente: Trabajo de Investigación Elaborado: Autor
En 1971 Zadeh publica el artículo “Quantitative Fuzzy Semantics”
donde se denotan los elementos formales que complementan el método de
la lógica difusa, permitiendo reproducir más eficientemente la imprecisión
del razonamiento humano y considerando que la certeza de una
proposición es cuestión de grados, por ello Zadeh expone: “La lógica difusa
trata de copiar la forma en que los humanos toman decisiones, lo curioso
es que, aunque baraja información imprecisa, esta lógica es de cierto modo
muy precisa: se puede aparcar un coche en muy poco espacio sin darle al
de atrás, suena a paradoja, pero es así”.
Alto con un grado de
pertenencia
0
1
2 metros
Alto
0
1
Alto
No Alto
2 metros
LOGICA DIFUSA LOGICA CLASICA
33
Los artículos publicados por Zadeh enfrentaron una fuerte
resistencia entre la comunidad científica de Occidente, calificando su
descubrimiento sin interés, ni utilidad futura, no obstante, a partir de 1973,
mientras él continuaba ampliando los fundamentos de su teoría, la lógica
difusa comenzó a ganar más y más adeptos, autores como Bellman,
Goguen, Kohout, Smith, Lakoff, Sugeno, Chang, Dunn, Bezdek, Mizumoto
contribuyeron con firmeza las bases de esta teoría. Esto permitió que su
interés, se expandiera cada vez más, inicialmente en el Japón, Corea del
Sur, China e India, posteriormente ingresaría a Europa y a Estados Unidos.
En esta etapa se introdujeron dos conceptos importantes: la variable
lingüística y el concepto de reglas de inferencia, gracias a lo cual
evolucionaron rápidamente las aplicaciones de control difuso.
Japón fue el primer país en reconocer en la lógica difusa un futuro
prometedor, los profesores Terano y Shibata en Tokio y los profesores
Tanaka y Asai en Osaka, hicieron grandes contribuciones tanto para el
desarrollo de la teoría de la lógica difusa como de sus aplicaciones
(Garrido, 2016), no obstante, sería el Reino Unido donde se instaurara un
hito en la historia de esta teoría, en 1974 Assilian y Mamdani diseñan el
primer controlador difuso para un motor de vapor (Mamdani, 1974), que se
implementó con gran éxito F.L. Smidth & Co. en una planta cementera en
Dinamarca.
En la década de los 80, siguiendo el camino de Mamdani, continúan
las implementaciones de los controladores difusos, como el de Fuji para el
control de inyección química en plantas depuradoras de agua, así como
también, el control del tren-metro de Sendai, y es en 1987 cuando estalla
el “fuzzy boom”, iniciado por la empresa Omron debido al desarrollo de una
gran cantidad de productos comerciales basados en la lógica difusa
34
(Garrido, 2016). Desde entonces el control difuso ha sido utilizado con éxito
por grandes compañías, de las que podemos citar los estabilizadores de
imagen en cámaras de Sony, Sanyo y Cannon, Panasonic y Bosh lo usaron
en sus lavadoras para autorregular la cantidad de jabón dependiendo del
grado de suciedad de la ropa, la empresa Mitsubishi en sus aires
acondicionados, en la industria automotriz destacan los sistemas de
frenado ABS de Mazda y Nissan, etc.
Paralelamente a las aplicaciones, los profesores Takagi y Sugeno,
desarrollan el primer método para la construcción de las Reglas Difusas de
Inferencia (Fuzzy Inference Rules) a partir de los datos de información o de
aprendizaje automático (Fuzzy Learning), este sería el punto de partida
para el estudio de los modelos fuzzy. Además, ya en los 90 con el creciente
interés de las redes neuronales y su similitud con los sistemas fuzzy, se dió
inicio a las tecnologías y lógica Neuro-Difusas (llamada también Neuro-
Fuzzy system), que utilizan métodos de aprendizaje basados en redes
neuronales para identificar y mejorar sus parámetros, el destacado profesor
de ingeniería, Bart Kosko de la Universidad de California es reconocido por
introducir los conceptos de lógica difusa en la construcción de redes
neuronales. Para finalizar, aparecen los algoritmos genéticos que sumados
a las redes neuronales y los sistemas fuzzy son herramientas de trabajo
muy potentes en el campo de los sistemas de control (Garrido, 2016).
En la actualidad, los sistemas de control difusos han sido utilizados
ampliamente para la resolución de problemas del mundo real, sin embargo,
los investigadores buscan nuevos campos de aplicación de esta técnica, el
reconocimiento de patrones visuales o la identificación de segmentos de
ADN, Dataminig, gestión de redes, son entre otras las futuras aplicaciones.
35
2.1.3.2 Definición
El término "difuso" procede de la palabra inglesa "fuzz", que significa
"confuso, borroso, indefinido o desenfocado". La principal motivación de la
teoría de conjuntos borrosos fue la construcción de un marco formal que
permitiera el tratamiento y la manipulación de la incertidumbre presentes
en numerosos ámbitos del conocimiento humano.
La lógica difusa es una rama de la inteligencia artificial que se funda
en el concepto “Todo es cuestión de grado”, lo cual permite manejar
información vaga o de difícil especificación si quisiéramos hacer cambiar
con esta información el funcionamiento o el estado de un sistema
específico. En cierto nivel, puede ser vista como un lenguaje que permite
trasladar sentencias sofisticadas en lenguaje natural a un lenguaje
matemático formal, por tanto constituye una herramienta para el modelado
de la imprecisión o la incertidumbre (Gonzáles, 2013, p.34).
2.1.3.3 Nociones de Lógica difusa
2.1.3.3.1 Conjuntos difusos y Universo del discurso
La teoría de conjuntos difusos busca tratar de un modo sistemático
la imprecisión que aparece cuando los límites de las clases de objetos no
están claramente definidos, por tanto, un conjunto difuso puede definirse
como una clase en la que hay una progresión gradual desde la pertenencia
al conjunto hasta la no pertenencia; o visto de otra forma, un objeto puede
tener un grado de pertenencia definido en el rango de la pertenencia total
(valor uno) o la no pertenencia (valor cero). “En la lógica difusa se considera
que un elemento x pertenece a un conjunto A en cierto grado de inclusión,
y este grado es descrito por una función de pertenencia designada como
µA(x)” (Rojas, Ponce, & Molina, 2015, p. 145).
36
Para explicar este concepto, recordemos el ejemplo de la altura que
consistía en clasificar a un grupo de individuos según su estatura en “altos”
y “bajos”, supongamos varios individuos con sus alturas correspondientes:
Cuadro No. 3: Grupos de individuos según estatura
Fuente: Trabajo de Investigación
Elaborado: Autor
Si analizamos la estatura desde la perspectiva de la clásica teoría
de conjuntos, diremos cada uno de los individuos solo se podría clasificar
en alto o bajo, por tanto, si quisiéramos establecer la pertenencia al
conjunto de los altos, asignaríamos un valor discreto 1, si pertenece al
conjunto alto y 0 cuando no pertenece al conjunto alto. Cabe recalcar que
esta forma de clasificar no se asemeja al razonamiento humano, por el
contrario, si aplicamos la teoría de conjuntos difusos diríamos que todos los
individuos poseen un mayor o menor de grado de pertenencia con respecto
al conjunto “altos”, dicho valor varía entre 0 y 1. A continuación, se compara
las soluciones booleana y difusa.
Individuo Altura(m)
1 2.05
2 1.95
3 1.87
4 1.80
5 1.79
6 1.6
37
Cuadro No. 4: Comparación de la Lógica Clásica y la Lógica Difusa
Fuente: Trabajo de Investigación Elaborado: Autor
Desde el punto de vista de la lógica difusa, podemos decir los
individuos 3-4 y 5 tienen respectivamente un grado de pertenencia de 0.95,
0.82 y 0.71 al conjunto de los altos. Con esta interpretación, podemos
conceptualizar el universo discurso como todos los posibles valores que
puede tomar una determinada variable.
Según Lofti A. Zadeh en (1968), la notación de un conjunto difuso
está dada como:
F = {(x, µF (x))|x ∈ U}
Donde:
F= es el conjunto difuso
µF = la función de pertenencia
U = el universo de discurso de la variable lingüística
Individuo Altura(m) Solución
Clásica
Solución
clásica
1 2.05 1 1.0
2 1.95 1 1.0
3 1.87 1 0.95
4 1.80 1 0.82
5 1.79 0 0.71
6 1.6 0 0.36
38
2.1.3.3.2 Conjunto difuso normal
Se dice que un conjunto difuso normal es cuando la altura es igual que 1 otra
forma de llamarle a este conjunto es “conjunto difuso normalizado”
“Un conjunto difuso cualquiera es considerado como conjunto difuso
normal (normal fuzzy set) si como mínimo uno de sus elementos presenta
un valor de pertenencia igual a la unidad. Es decir, se considera conjunto
difuso normal a todo aquel cuyo máximo valor de su función de pertenencia
sea igual a 1” (Macián, 2012, p. 49)
2.1.3.3.3 Probabilidad
Determina que algún evento pueda ocurrir, está basado originalmente en
números, pero usando términos lingüísticos como ejemplo: “alto”, “medio” y “bajo”.
2.1.3.3.4 Incertidumbre Se refiere a la desconfianza y desconocimiento a una situación futura en
la cual la información puede que no exista, sea imprecisa, ambigua, inconsistente
o puede que no esté disponible.
2.1.3.3.5 Vaguedad o Imprecisión Este término es muy común en el tema de lógica difusa se trata del
resultado natural del modo en que el mundo se desarrolla, es decir la imprecisión
se encuentra en la vida cotidiana, Yamir (2013) dicen:
“La vaguedad (imprecisión) es un concepto opuesto a la exactitud que
surge de la forma como vemos al mundo y los fenómenos. La
conceptualización de las ideas se realiza por medio de una idealización,
sin embargo, la realidad desborda cualquier aproximación conceptual que
tengamos sobre ella”. (p.4)
39
2.1.3.3.6 Variables lingüísticas
Las variables lingüísticas, son aquellas palabras en lenguaje natural
que sirven para simbolizar elementos que no tienen una correcta definición
o no pueden ser descritos en términos numéricos clásicos. “Se denomina
Variable Lingüística a aquella que puede tomar por valor algún término
del lenguaje natural, como "mucho", "poco", "positivo", etc., que son
palabras que desempeñan el papel de etiquetas en un conjunto difuso”
(Díaz, Aguilera, & Guillén, 2014, p. 5).
2.1.3.3.7 Funciones de pertenencia
La estructuración de la función de pertenencia depende del problema.
“La forma de la función de pertenencia utilizada depende del criterio
aplicado en la resolución de cada problema y variará en función de la
cultura, geografía, época o punto de vista del usuario. La única condición
que debe cumplir una función de pertenencia es que tome valores entre 0
y 1, con continuidad”. (Díaz et al., 2014, p. 3).
2.1.3.4 Sistemas de inferencia difusos
Un sistema de inferencia difusa trata de formalizar razonamientos
del lenguaje humano, para resolver un problema de decisión (tomar una
decisión y actuar en consecuencia). Los sistemas de inferencia difusa, por
tanto, son ideales para el desarrollo o transformación de guías de práctica
clínica.
40
Figura No. 1: Módulos del Sistema de Inferencia Difusa
Fuente: Trabajo de Investigación Elaborado: Autor
Todo sistema difuso consta de cuatro bloques o módulos:
Fusificador: determinación de las funciones de pertenencia en
aquellos casos en que los valores de entrada sean valores numéricos
(“crisp”). Si la variable de entrada no presenta valores numéricos los
conjuntos difusos pueden ser modelados igualmente con números difusos
en forma de funciones de pertenencia cuya forma dependerá de su
naturaleza y del objetivo buscado. El empleo de singletons en todos los
casos en que es posible incrementa la simplicidad del sistema y, por tanto,
disminuye el coste computacional.
Una vez incorporados los correspondientes valores a las funciones
de pertenencia de cada variable, se emplean los operadores lingüísticos
para unirlas y aplicar la norma correspondiente que permite determinar el
grado con el que se activa cada regla (“grado de cumplimiento” o “fuerza
de disparo”). Aquí se configura la parte “Si ...” de las reglas de inferencia.
Base de conocimientos: conjunto de reglas de inferencia.
Base de Reglas
FusificadorMotor de inferencia
Defusificador
41
Motor de inferencia: simulación del razonamiento humano
aplicando el conjunto de reglas de inferencia sobre las variables difusas de
entrada para obtener un conjunto difuso. Básicamente este módulo
computa la parte “…. Entonces...” de las correspondientes reglas de
inferencia.
Defusificador: conversión del conjunto difuso resultante en un valor
numérico. Para ello se procede a la agregación de las reglas previas
mediante el uso de una S-norma (habitualmente MAX), como si se
hubiesen enlazado previamente con el operador OR, de forma que se
obtiene un conjunto difuso de salida final, que define el resultado del
sistema completo.
En ocasiones, con el objetivo de acelerar el proceso completo, no se
realiza el proceso de agregación de las reglas, sino un procedimiento de
decodificación simplificado, mediante el operador suma-producto, lo que
permite obtener valores numéricos no difusos computando de forma
simultánea la implicación y la decodificación.
2.1.4 Estructura de un modelo difuso del tipo Mamdani
La inferencia difusa puede definirse como el proceso de obtener un
valor de salida para un valor de entrada empleando la teoría de conjuntos
difusos. El modelo de Mamdani, es posiblemente el método más
ampliamente utilizado, propuesto por Ebrahim Mamdani en 1975. El
proceso se realiza en cuatro pasos:
1. Fuzificación de las variables de entrada.
2. Evaluación de las reglas.
42
3. Agregación de las salidas de las reglas.
4. Defusificación.
2.2 ANTECEDENTES DEL ESTUDIO
La medicina es el campo propicio para la utilización de la lógica
difusa, la imprecisión de los conceptos médicos y sus relaciones son
situaciones que implican procesos muy complejos y para los cuales no
existe un modelo matemático simple. Ya desde la década de los 60’, Zadeh
propuso la medicina como un área de aplicación de la lógica difusa, “Una
enfermedad humana, por ejemplo, la diabetes, puede ser considerada
como un conjunto difuso en el siguiente sentido: Si X denota la colección
de estados del ser humano, la diabetes es un conjunto difuso,
denominémoslo D, en X, caracterizado por una función de pertenencia D(x)
que asocia con cada estado humano x su grado de pertenencia en el
conjunto difuso de diabetes”. En los 80’, el médico iraní-alemán, Kazem
Sadegh-Zadeh, define el concepto de enfermedad como “una cuestión de
grado”, por ello en el 1982 incluye, el concepto “patienthood” (condición del
paciente), siendo el concepto contrario la “salud” (Negre, 2015).
Hoy en día el conocimiento Médico es condensado en guías de
práctica clínica, éstas están fundamentadas en lo que se denomina
“Medicina Basada en la Evidencia” (por sus siglas MBE), y son actualmente
el mecanismo más efectivo de formación continua para los médicos,
proveyendo de la información útil en el momento necesario, sin embargo,
también debe quedar claro que los síntomas y circunstancias propias del
paciente, no siempre serán iguales al conjunto de las muestras analizadas
en el estudio que originó la guía. Por tanto, estas guías constituyen solo
referencias, la decisión sigue quedando en realidad en manos del clínico.
43
Intentar trasladar las guías a algoritmos informáticos a través de la
lógica clásica es impropio, ya que han sido instituidas para ser interpretadas
por el razonamiento de los seres humanos. La extensión de la teoría de
conjuntos difusos a nivel mundial y especialmente en el ámbito de la
Medicina ha cubierto las deficiencias propias de la lógica tradicional,
permitiendo representar conocimientos y datos inexactos en forma similar
a como lo hace el pensamiento humano, por ello son numerosos los
campos de la medicina en los cuales se ha aplicado esta técnica de forma
satisfactoria.
De forma general, podemos clasificar en tres las, áreas de acción de la
lógica difusa en medicina:
▪ Control y monitorización: análisis e interpretación de datos de
laboratorio, identificación mediante piezas dentarias, en neurología,
procesamiento de imágenes y señales, etc.
▪ Técnicas de control difuso: controladores básicos, configuraciones
de bucles abiertos (oxígeno de los respiradores, dosis de insulina,
administración de sedantes) y cerrados (bloqueo muscular en
enfermedades neurológicas), combinación de redes neurales y
algoritmos genéticos, etc.
▪ Análisis de datos biomédicos: técnicas diagnósticas funcionales
para daño cerebral y respuesta a tratamientos, cáncer de pulmón y
biomarcadores, identificación por medio de sistemas expertos, etc.
2.2.1 Estudios relevantes para esta investigación
El Ministerio de Ciencia e Innovación de España, financió el proyecto
Sistema de control adaptativo de anestesia basado en lógica difusa
(Marrero et al., 2015), desarrollado por los departamentos de Ingeniería
Informática y farmacología de la Universidad de Laguna, y presentado en
44
las XXXVI Jornadas de Automática del Comité Español de Automática de
la IFAC (CEA-IFAC). Esta investigación, propone diseñar un sistema de
control basado en lógica difusa que permita trasladar el conocimiento del
anestesista al controlador para decidir la dosis correcta del anestésico
según la necesidad de paciente y su respuesta particular, esto con el fin de
regular el nivel hipnótico durante la cirugía.
El estudio trata el problema de control del nivel de hipnosis del
paciente durante una intervención quirúrgica, Marrero cita que “este
controlador puede ser difícil de implementar debido a la dificultad de
disponer de un modelo fidedigno de cada paciente”(Marrero et al., 2015, p.
738). La hipnosis, es un término que define la perdida de la conciencia y
ausencia de recuerdos de lo ocurrido durante la intervención quirúrgica,
esto se logra con administración de drogas vía intravenosa, en este estudio
se analizó el Propofol, su efectividad fue medida por el grado de hipnosis.
Para conocerlo es necesario procesar las señales del
electroencefalograma (EEG), de estas señales se tomó como variable de
entrada la más fiable, el índice biespectral (BIS), teniendo como base
general que los anestesistas tienen como objetivo alcanzar y mantener el
BIS en 50.
El controlador propuesto consta de dos entradas y una salida, la
primera entrada es la diferencia existente entre el BIS actual y el BIS
deseado y la segunda es la variación del BIS en el tiempo, se utilizaron
funciones de pertenencia triangulares tanto en las entradas como en la
salida. Se evaluó su comportamiento con datos reales y los resultados
obtenidos fueron satisfactorios en la mayoría de los casos consiguiendo
aproximar el BIS a la consigna deseada con un transitorio suave y evitando
45
salid de la región de anestesia general, manteniendo siempre el BIS entre
40 y 60.
Soto Medellín en su tesis “Sistema de control difuso para unidades
de cuidado intensivo (UCI)” trabajo plantea por objetivo la creación de un
método difuso para el control de la posología de medicamentos específicos
que mantienen los signos vitales en una unidad de cuidados intensivos UCI
(Soto, 2013). Todas las variables de entrada se analizaron por el difusor
Singleton Frecuencia cardíaca, frecuencia respiratoria, tensión arterial,
peso tipo Z para BAJO, de tipo triangulo para MEDIOS y de tipo S para
ALTO, en todos los conjuntos o números difusos utilizados fueron de tipo Z
para BAJO y de tipo S para ALTO. Se tomaron como variables de salida
Dosis y Frecuencia, los conjuntos o números difusos utilizados para las
dosis según el fármaco fueron los siguientes:
▪ Clonidina clorhidrato
o Bajo de Tipo L
o Medio de tipo Triangulo
o Alto de tipo L
46
Figura No. 2: Conjuntos difusos para las Dosis de la Clonidina
Fuente: Sistema de control difuso para unidades de cuidado intensivo
(UCI)
Autor: Soto Medellín, 2014
• Dobutamina Clorhidrato
o Bajo de Tipo Z
o Medio de tipo Triangulo
o Alto de tipo S
• Dopamina Clorhidrato
o Bajo de Tipo Z
o Medio de tipo Triangulo
o Alto de tipo S
• Noradrenalina
47
o Bajo de Tipo Z
o Medio de tipo Campana
o Alto de tipo S
• Fentanilo Citrato
o Bajo de Tipo L
o Medio de tipo Pi-Campana
o Alto de tipo L
Aunque este estudio concluye que la lógica difusa puede abarcar el
tema, pero no con la precisión que podría tener un especialista en el tema,
sin embargo, la aportación a esta investigación es que deja en claro que se
puede obtener mejores y más precisos resultados profundizando en el
estudio de la técnica.
El investigador Mohammad Hassan Khooban de la universidad
Islámica Azad en Irán, en su artículo Swarm optimization tuned Mamdani
fuzzy controller for diabetes delayed model presenta el problema de la
prescripción de dosis de insulina como tratamiento a la diabetes mellinus
(Khooban, Nazari, Abadi, Alfi, & Siahi, 2013). El autor enfatiza la
importancia de su investigación informando que más de 180 millones de
personas en el mundo padecen diabetes y según la Organización Mundial
de la Salud(OMS), esa cifra llegara a 300 millones para el 2030. Un control
inadecuado de los niveles de glucosa en la sangre puede conducir a efectos
secundarios como ceguera, hiperglucemia, hipoglucemia, infecciones
respiratorias, insuficiencia renal crónica, entre otras, por lo cual es
necesario su tratamiento se busca controlar la glucosa en la sangre en el
menor tiempo posible hay carencias en cuanto a la cantidad de insulina
apropiada. Como objetivo principal propone diseñar un sistema de
regulación de glucosa-insulina que es un modelo de retardo no lineal, para
lograr su propósito propone un controlador fuzzy tipo Mamdani
optimizándolo con un algoritmo heurístico LDW-PSO (peso de inercia de la
48
optimización de enjambre de partículas), para elegir las mejoras cantidades
de parámetros de las entradas y funciones de pertenencia difusas de salida.
Khooban destaca que el algoritmo PSO provee técnicas prometedoras para
optimización de los problemas del mundo real y que en comparación con
los algoritmos genéticos (GA) toma menos tiempo evaluar la función debido
al concepto simple y a la fácil puesta en práctica.
El controlador está estructurado con una arquitectura difusa tipo
Mamdani con dos variables lingüísticas de entrada y 1 de salida, las
funciones de pertenencia se establecieron en 3 para las variables
lingüística de entrada y 5 para la variable de salida. Para verificar el
rendimiento del modelo se utilizó el software MATLAB, demostrando su
capacidad para preservar el nivel de glucosa en sangre dentro del rango
normal.
Considerando que la anemia renal es prevalente en hemodiálisis, el
diseño de modelos basados en Lógica Difusa para su tratamiento y la
demostración de su funcionalidad supondría un gran cambio en el análisis
de la información clínica de los pacientes en hemodiálisis, resolviendo gran
parte de los problemas expuestos y alcanzando resultados beneficiosos en
un período relativamente breve de tiempo.
2.3 FUNDAMENTACIÓN LEGAL
Según el Art. 32. La CONSTITUCIÓN DEL ECUADOR establece
que:
La salud es un derecho que garantiza el Estado, cuya realización se
vincula al ejercicio de otros derechos, entre ellos el derecho del
49
agua, alimentación, la educación, la cultura física, el trabajo, la
seguridad social, los ambientes sanos y otros que sustentan el buen
vivir. El Estado garantizará este derecho mediante políticas
económicas, sociales, culturales, educativas y ambientales; y el
acceso permanente, oportuno y sin exclusión a programas, acciones
y servicios de promoción y atención integral de salud, salud sexual y
salud reproductiva. La prestación de los servicios de salud se regirá
por los principios de equidad, universalidad, solidaridad,
interculturalidad, calidad, eficiencia, eficacia, precaución y bioética,
con enfoque de género y generacional (Asamblea Nacional
Constituyente, 2008, p. 34).
Según, Art. 35 de la CONSTITUCIÓN DEL ECUADOR indica que:
Las personas adultas mayores, niñas, niños y adolescentes, mujeres
embarazadas, personas con discapacidad, personas privadas de
libertad y quienes adolezcan de enfermedades catastróficas o de alta
complejidad, recibirán atención prioritaria y especializada en los
ámbitos público y privado. La misma atención prioritaria recibirán las
personas en situación de riesgo, las víctimas de violencia doméstica
y sexual, maltrato infantil, desastres naturales o antropogénicos. El
Estado prestará especial protección a las personas en condición de
doble vulnerabilidad (Asamblea Nacional Constituyente, 2008, p.
35).
Según el Art. 361 de la CONSTITUCIÓN DEL ECUADOR establece
que:
El Estado ejercerá la rectoría del sistema a través de la autoridad
sanitaria nacional, será responsable de formular la política nacional
de salud, y normará, regulará y controlará todas las actividades
50
relacionadas con la salud, así como el funcionamiento de las
entidades del sector (Asamblea Nacional Constituyente, 2008, p.
166).
De los Profesionales de la salud Art. 13.-Son responsabilidades de
todos los profesionales de la salud tales como como médicos, químicos
farmacéuticos o bioquímicos farmacéuticos, odontólogos, enfermeras,
obstétrices, tecnólogos médicos, entre otros, que intervienen en las
unidades operativas del sistema nacional de salud (Ministerio de Salud
Pública, 2016), las siguientes:
▪ Diagnosticar, evaluar, manejar y notificar todas las sospechas de
eventos adversos de acuerdo a su gravedad en los tiempos descritos
en la presente normativa al prescribir, administrar y expender un
medicamento o producto natural procesado de uso; al
establecimiento de salud o UZFV correspondiente.
▪ Conservar toda la documentación de los eventos adversos posterior
a su notificación durante al menos 5 años, con el fin de realizar el
seguimiento y cierre respectivo.
▪ Remitir a los pacientes con eventos adversos serios a los hospitales
de cabecera para su manejo e investigación.
▪ Capacitarse continuamente en asuntos de Farmacovigilancia y
datos de seguridad relativa de los medicamentos que habitualmente
prescriban, dispensen o administren.
▪ Cumplir con las disposiciones que el CNFV indique.
▪ Participar en calidad de experto del CNSMP cuando el CNFV lo
solicite.
▪ Educar al paciente sobre el uso adecuado de los medicamentos y
las reacciones adversas y efectos secundarios más comunes.
51
▪ Promover el uso racional de medicamentos y la Farmacovigilancia
2.4 HIPÓTESIS Y VARIABLES
2.4.1 Variables
Variable independiente: Modelo de Inferencia difusa
Variable dependiente: Manejo de la anemia renal en hemodiálisis.
2.4.2 Hipótesis
Ho. En el modelo de Inferencia Difusa propuesto, las variables de salida
Ajuste de EPO y Dosis de Hierro son independientes a las variables de
entrada.
H1. En el modelo de Inferencia Difusa propuesto, las variables de salida
Ajuste de EPO y Dosis de Hierro son dependientes de las variables de
entrada.
52
2.5 OPERACIONALIZACIÓN DE LAS VARIABLES DEPENDIENTES E
INDEPENDIENTES
Cuadro No. 5: Operalización de las variables
Variables Dimensiones Indicadores Técnicas y/o
Instrumentos
V. D.
Manejo de la
anemia renal
Formas de
abordar el
tratamiento a fin
de alcanzar
niveles de
hemoglobina
ideales según
edad, sexo y
comorbilidad
asociada.
Criterio Médico
Capacidad de
búsqueda y
análisis de
información
100%
Conocimientos
adquiridos por
experiencia 50%
Aplicación de las
guías clínicas
50%
Criterio de otros
profesionales
25%
Conflicto de
intereses 75%
Entrevista a
expertos
Observación
Revisión
Bibliográfica
Perfil del
paciente
Datos de
laboratorio 60%
Datos clínicos
40%
Revisión
documental
Historia clínica
del paciente
53
V.I.
modelo de
inferencia
difusa
El modelo de
inferencia
busca adaptar
el conocimiento
del experto en
un modelo
matemático.
Diseño Metodología Bibliografía
especializada,
consulta a
expertos.
Calidad
Predictiva
Interpretación
del texto,
énfasis,
vocalización,
manejo de
vocabulario
Exposición,
guías,
cuestionarios,
entrevistas, test,
conversatorios y
foros
Fuente: Trabajo de Investigación Elaborado: Autor
54
CAPÍTULO III
3 METODOLOGÍA
INTRODUCCIÓN
En este capítulo se presenta los métodos de investigación científica
y las herramientas utilizadas en el presente trabajo de investigación para la
obtención, recopilación y análisis de los datos necesarios para la creación
de un modelo de inferencia difusa. La validez de la información producto de
la revisión bibliográfica será expuesta a través de un metaanálisis de los
artículos científicos y de investigación de los diversos portales académicos.
El conocimiento de los expertos se ha recogido a través de entrevistas con
la finalidad de consensuar la información de la práctica clínica. Además, se
presentan las definiciones estadísticas necesarias para la comprensión del
apartado análisis de datos donde se evaluará las variables que participan
en el tratamiento de la anemia, así como sus relaciones.
3.1 DISEÑO DE LA INVESTIGACIÓN
3.1.1 Modalidad de la Investigación
Arias (2006), señala que en un estudio pueden identificarse diversos
tipos de investigación, existiendo muchos modelos y diversas
clasificaciones, sin embargo, independientemente de la clasificación
utilizada “todos son tipos de investigación, y al no ser excluyentes, un
estudio puede ubicarse en más de una clase” (p.23).
En cuanto a la modalidad de la investigación, existen muchos
modelos y clasificaciones, sin embargo, lo importante es definir el criterio
de clasificación. Por ende, el criterio empleado para establecer la
55
modalidad de la investigación fue de acuerdo con el diseño, es decir, según
la estrategia utilizada para responder al problema planteado, así el estudio
se determinó como una investigación de campo. Según el autor
Arias(2012), la define:
La investigación de campo es aquella que consiste en la recolección
de todos directamente de los sujetos investigados, o de la realidad
donde ocurren los hechos (datos primarios), sin manipular o controlar
variable alguna, es decir, el investigador obtiene la información, pero
no altera las condiciones existentes. De allí su carácter de
investigación no experimental (p. 31).
Esta investigación precisó, tomar de la realidad todos los datos
necesarios para el estudio a través de las técnicas específicas que
proporciona la investigación de campo y que nos permiten construir los
fundamentos teóricos. Según Baena (2014) en su obra Metodología de
investigación, “Las técnicas específicas de la investigación de campo tienen
como finalidad recoger y registrar ordenadamente los datos relativos al
tema escogido como objeto de estudio. La revisión bibliográfica, la
observación y la interrogación son las principales técnicas que usaremos
en la investigación” (p.12).
3.1.2 Tipo de la investigación
Hernández, Fernández y Baptista (2010), explican que “cuando se
habla sobre el alcance de una investigación no se debe pensar en una
tipología, ya que más que una clasificación, lo único que indica dicho
alcance es el resultado que se espera obtener del estudio” (p. 86), así los
estudios pueden clasificarse en:
56
Estudio exploratorio: información general respecto a un fenómeno o
problema poco conocido, incluyendo la identificación de posibles variables
a estudiar en un futuro.
Estudio descriptivo: información detallada respecto un fenómeno o
problema para describir sus dimensiones (variables) con precisión.
Estudio correlacional: información respecto a la relación actual entre dos o
más variables, que permita predecir su comportamiento futuro.
Estudio explicativo: causas de los eventos, sucesos o fenómenos
estudiados, explicando las condiciones en las que se manifiesta.
Revisado los alcances de este proyecto a la luz de los conceptos,
este se ciñe a un estudio descriptivo-correlacional, debido a la necesidad
de medir el mundo del tratamiento de la anemia, dando un diagnóstico de
la situación estudiada, y a la vez demostrar la relación positiva o negativa
de la aplicación de una técnica de inteligencia artificial, como lo es la lógica
difusa, en los procesos de inferencia humana.
La investigación descriptiva consiste en la caracterización de un
hecho, fenómeno, individuo o grupo, con el fin de establecer su
estructura o comportamiento. Los resultados de este tipo de
investigación se ubican en un nivel intermedio en cuanto a la
profundidad de los conocimientos se refiere (Arias, 2012).
3.1.3 Método de investigación
Este estudio ha requerido una investigación a fondo sobre el
tratamiento de anemia, sus causas, consecuencias, actores, la forma de
57
trabajo de los médicos, las reglas que rigen sus procedimientos y por su
puesto la forma en que enfrentan los casos de pacientes. A la vez se ha
buscado explicar la lógica difusa y la forma como abarca los problemas del
mundo real que utilizan un análisis subjetivo. Conociendo el problema y la
posible solución tecnológica se busca reproducir las situaciones que
enfrenta el médico, así como su inferencia al momento de abordar el
problema que se le presenta. Por esta necesidad de crear un modelo de
inferencia que simule la forma de aplicar el conocimiento médico, se
establece el uso del método de modelado.
“El modelo es una construcción general dirigida a la representación
del funcionamiento de un objeto a partir de una comprensión teórica distinta
a las existentes”(De Armas, González, & Perdomo, 2007).
En la actualidad es un método muy empleado para desarrollar
investigaciones, consiste en la creación de un objeto modelado con los
rasgos fundamentales del objeto real, esto lo convierte es un paso
intermedio entre el problema estudiado y el sujeto (Tamayo, Roca, &
Nápoles, 2015). Suele expresarse como diseño de estrategias, formas,
tecnologías y proyectos curriculares.
3.2 POBLACIÓN Y MUESTRA
3.2.1 Población Objetivo
Siendo la población objetivo el conjunto de individuos u objetos con
alguna característica que es de interés estudiar(Ojeda, 2014), se determina
para este estudio como población objetivo, la población constituida por los
pacientes con Insuficiencia Renal Crónica cuya terapia sustitutiva aplicada
sea la hemodiálisis y que estén recibiendo tratamiento para la anemia.
58
3.2.2 Marco muestral
El muestreo es una herramienta de investigación que nos permite
determinar la parte de la población que debe examinarse y sobre la cual se
va a realizar inferencias. Se necesita logar una representación acorde a la
población a fin de concentrar los rasgos esenciales que son de utilidad para
esta investigación.
“El muestreo es un procedimiento por el que se refieren los valores
verdaderos de una población, a través de la experiencia obtenida con una
muestra de esta” (Mederos, Cabrera, Caraballo, & Manso, 2015, p. 37).
Cabe recalcar que la información que se busca debe evidenciar la
ejecución del tratamiento de la anemia, es decir, el escenario presentado,
así como la decisión tomada en cada caso específico, para esto será
necesario tener los datos clínicos de un paciente y la correspondiente
dosificación de la eritropoyetina y el hierro administrado en cada caso.
3.2.3 Muestra
La muestra es el subconjunto representativo de elementos o
individuos tomado de la población. “El muestreo es un procedimiento por el
que se refieren los valores verdaderos de una población, a través de la
experiencia obtenida con una muestra de esta” (Mederos et al., 2015).
La muestra de la presente investigación serán los registros de
pacientes que se han extraído de las bases de datos del centro nefrológico
CENAG S.A. de la ciudad de Guayaquil, en el periodo comprendido de junio
a diciembre del 2016, es importante recalcar que el grupo de pacientes
tratados en este periodo estuvo, a cargo de cuatro profesionales de la salud
59
3 especialistas en nefrología y 1 en Medicina Interna, quienes aplicaron sus
propios criterios y experiencia en el tratamiento de la anemia, por tanto, la
muestra tiene diferentes escenarios de la anemia así como diferentes
formas de abordar su tratamiento, todo con el fin de obtener
heterogeneidad en la muestra.
En el periodo descrito se atendieron 150 pacientes, sin embargo, fue
necesario establecer criterios de exclusión, para poder seleccionar una
muestra idónea que evidencia los diferentes escenarios que se presentan
en el tratamiento de la anemia, siendo estos:
▪ Pacientes con menos de 6 meses en hemodiálisis.
▪ Que no cuentan con todos los datos necesarios según las
variables consideradas en el modelo propuesto.
Luego de los criterios de exclusión la muestra se redujo a 126
pacientes que cumplen con todos los requisitos de información necesaria.
3.3 INSTRUMENTOS DE RECOLECCIÓN DE DATOS
Según Arias (1999), los instrumentos son los medios materiales que
se emplean para recoger y almacenar la información. Para recoger datos e
información relevantes, la investigadora utilizó como instrumentos de
recolección de datos, el guion de entrevista, el registro de observación
documental e igualmente el registro del diario de observación directa.
Según Sampieri, Collado y Baptista (2006), “ la observación consiste
en el registro sistemático, cálido y confiable de comportamientos o
conductas manifiestas” (p.309). Con relación a la observación Méndez
(1995), señala que ésta se hace “a través de formularios, los cuales tienen
aplicación a aquellos problemas que se pueden investigar por métodos de
60
observación, análisis de fuentes documentales y demás sistemas de
conocimiento”. (p.145). La observación se realizó visitando el centro de
diálisis CENAG S.A. y revisando la documentación concerniente al
tratamiento de la anemia en los archivos físicos y digitales de la historia
clínica de cada paciente.
Para captar el conocimiento de los expertos se realiza la revisión
sistemática de las diferentes Guías Internacionales de Manejo clínico de la
Enfermedad Renal Crónica, ya que contienen el consenso entre expertos y
están basadas en la mejor evidencia científica disponible. Pese a que las
guías constituyen un referente de actuación en la toma de decisiones de
los clínicos, es necesario conocer las particularidades del manejo de la
anemia en nuestro país, esto debido a los contrastes económicas, raciales
y culturales que nos diferencian, por lo que plantea la realización de
entrevistas a especialistas nefrólogos.
3.4 PROCEDIMIENTOS DE LA INVESTIGACIÓN
El problema:
Planteamiento del problema
Interrogantes de la investigación
Objetivos de la Investigación
Justificación o importancia de la investigación
Marco teórico
Fundamentación teórica
Fundamentación legal
61
Preguntas que contestarse
Definición de términos
Metodología:
Diseño de Investigación
Población y Muestra
Instrumentos de recolección de datos
Operacionalización de variables
Procedimiento de la Investigación
Criterios para la elaboración de la propuesta
3.5 RECOLECCIÓN DE LA INFORMACIÓN
3.5.1 Metaanálisis
Primeramente, se realizó un metaanálisis con el fin de determinar la
producción científica existente a la fecha respecto al tema de investigación.
Buscando información básica sobre lógica difusa y sus aplicaciones
especialmente en medicina se realizó una exploración de artículos
científicos tanto nacional como internacional, con la herramienta Google
Académico, se utilizó las palabras claves: “lógica difusa”, “lógica borrosa”,
“fuzzy sets”, “conjuntos borrosos” y “fuzzy logic”.
Para el desarrollo del modelo de apoyo a la toma de decisiones se
usaron las palabras claves: “fuzzy logic”, “soporte a la toma de decisiones
clínicas” y “decision support systems”.
Para el estudio de la anemia en hemodiálisis se manejaron las
palabras claves: “hemodiálisis”, “eritropoyetina”, “erythropoietin”,
62
“hemodialysis”, “insuficiencia renal crónica”, “enfermedad renal crónica” y
“anemia renal”.
Mediante la revisión sistemática de la bibliografía referente al
tratamiento de la anemia en Insuficiencia Renal Crónica, se encontró que
los diferentes artículos científicos hacen mención a las Guías de práctica
clínica, por tal razón se procede a tomar las guías mayormente
referenciadas (Cuadro No. 6).
Cuadro No. 6 Guías de Práctica Clínica
Elaboración: Autor
Fuente: Datos de la Investigación
Guías de Práctica Clínica Entidad de
Investigación científica
País Año de
publicación
KDIGO Clinical Practice Guideline for Anemia in Chronic Kidney Disease
Consorcio KDIGO (Kidney Disease: Improving Global
Outcomes)
Estados Unidos
2012
Guías S.E.N Anemia en la Enfermedad Renal Crónica
Sociedad Española de Nefrología
España 2014
Guideline for Hemodialysis Adequacy
Sociedad Latinoamericana de Nefrología e
Hipertensión (SLANH)
Venezuela 2014
KDOQI Clinical Practice Guideline for Hemodialysis
Adequacy Update
National Kidney Foundation
Estados Unidos
2015
Clinical Guideline for Chronic kidney disease. Early
identifications and management of chronic
kidney disease in adults in primary and secondary care
National Institute for Health and
Clinical Excellence (NICE)
Inglaterra, Reino Unido
2015
63
3.5.2 Entrevista a expertos
Con la información recolectada de las Guías Clínicas, se estructura
el guion de la entrevista, estableciendo preguntas relacionadas
directamente con el tratamiento de la anemia, con el propósito de ajustar
los parámetros de las variables de relevancia, así como las relaciones
existentes entre ellas. La encuesta se realiza de forma indirecta a través de
la creación de un formulario almacenado en Google Drive, y que fue
compartido a través de e-mails a 15 expertos en el tratamiento de
hemodiálisis, médicos nefrólogos e internistas de diversas ciudades del
Ecuador. Para ello, se sostuvo primeramente conversaciones vía telefónica
con los expertos, para invitarles a participar de la entrevista y contar con su
aceptación.
La información fidedigna y relevante obtenida, tanto de los datos de
pacientes, como del conocimiento de los expertos, será evaluada e
interpretada a través de la aplicación de los estadísticos respectivos en
cada caso, todo con la finalidad de mostrar su aporte al presente estudio.
Una vez realizada las entrevistas se procedió a tabularlas a fin de
tomar como ciertas las inferencias con mayor aceptación entre la
comunidad de expertos en hemodiálisis. El detalle de la entrevista y su
respectiva tabulación puede revisarse en la sección anexos.
Las premisas más importantes fueron:
▪ La hemoglobina objetivo está entre 10 y 12g/dl, valores iguales o
mayores a 13g/dl se consideran peligrosos
▪ La dosis de eritropoyetina se ajusta mensualmente en un rango entre
64
-50% y 50%, dependiendo de la variación de la hemoglobina con
respecto al mes inmediato anterior además de la consideración de
la hemoglobina objetivo.
▪ La determinación de las dosis de hierro se basa en el análisis del
estado del hierro férrico con sus parámetros Saturación de
transferrina y Ferritina.
▪ La dosis de hierro es cero cuando el valor de la saturación de
transferrina en mayor de 45.
▪ Aunque las dosis de hierro pueden calcularse conforme al peso, se
tienen estimadas rangos promedios aplicables según el grado de
deficiencia de hierro presente, así las dosis de carga están entre 300
y 700mg, mientras que las dosis de mantenimiento oscilan entre 100
y 300mg.
3.6 PROCESAMIENTO Y ANÁLISIS
3.6.1 Diseño de la base de datos de pacientes
La base de datos de pacientes ha sido elaborada con el fin de
obtener información real y relevante sobre el tratamiento de la anemia. La
modelación del conocimiento experto, la producción científica expuesta por
los diversos estudios sobre esta terapia y las guías de manejo clínico nos
permiten seleccionar las variables que conforman esta estructura.
La primera variable de la base de datos es “IST”, que indica la
concentración de hierro circulante. La segunda variable es “Ferritina”, que
indica la concentración de los depósitos de hierro. La tercera variable
“Hemoglobina”, que es el valor de la concentración de hemoglobina. La
cuarta variable “Incremento”, que expresa la variación de la hemoglobina
65
en referencia al mes anterior. La quinta variable “Dosis de EPO” que
expresa la dosificación mensual prescrita por el nefrólogo. La sexta variable
“Dosis de Hierro”, dosis mensual prescrita según inferencia del especialista.
3.6.2 Estadísticos Descriptivos de la Base de Datos
Variable: Saturación de Transferrina (IST)
Cuadro No. 7 : Frecuencias de la variable IST
Elaboración: Autor
Fuente: Datos de la Investigación
Elaboración: Autor
Fuente: Datos de la Investigación
Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido IST< 20% 15 11,9 11,9 11,9
IST 20%-40% 55 43,7 43,7 55,6
IST >40% 56 44,4 44,4 100,0
Total 126 100,0 100,0
Gráfico No. 3: Porcentajes de Pacientes según el nivel de IST
66
Estadísticos IST
Media 38,88
Mediana 38,00
Moda 36
Desviación estándar 14,407
Análisis: De los 126 pacientes, 15 pacientes (11.9%) presento valores
deficientes por debajo del 20%, 55 pacientes (43,7%) para el rango de 20
al 30%, por último, el grupo con valores mayores al 40% lo representan 56
pacientes (44,44%).
Variable: Ferritina
Cuadro No. 8: Frecuencias de la variable Ferritina
Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido Ferritina<100 2 1,6 1,6 1,6
Ferritina 100 - 500 15 11,9 11,9 13,5
Ferritina>500 109 86,5 86,5 100,0
Total 126 100,0 100,0
Elaboración: Autor
Fuente: Datos de la Investigación
67
Elaboración: Autor Fuente: Datos de la Investigación
Estadísticos
Media 553,30
Mediana 588,50
Moda 600,00
Desviación estándar 108,45
Análisis: De los 126 pacientes de la muestra, 2 pacientes (1.6%) presento
valores deficientes por debajo del 100, 15 pacientes (11,9%) para el rango
de Ferritinas entre 100 y 500, por último, el grupo con valores mayores a
500 representan el 86,5% con 109 pacientes. (44,44%).
Gráfico No. 4: Porcentajes de Pacientes según el nivel de Ferritina
68
Variable: Hemoglobina
Cuadro No. 9: Frecuencias de la variable Hemoglobina(HB)
Elaboración: Autor
Fuente: Datos de la Investigación
Elaboración: Autor
Fuente: Datos de la Investigación
Estadísticos
Media 10,14
Mediana 10,25
Moda 10,30
Desviación estándar 1,48
Análisis: De los 126 pacientes de la muestra, el 41,3% lo constituyen los
pacientes que poseen hemoglobinas debajo de 10g/dl, los pacientes con
Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido <10 52 41,3 41,3 41,3
10 - 12 62 49,2 49,2 90,5
>12 12 9,5 9,5 100,0
Total 126 100,0 100,0
Gráfico No. 5: Porcentajes de pacientes según nivel de Hemoglobina
69
hemoglobinas dentro del rango, entre 10 y 12g/dl alcanzan el 49,2%,
mientras que aquellos pacientes con hemoglobinas por encima de 12
comprenden el 9,5%.
Variable: Incremento
Cuadro No. 10: Frecuencias de la variable Incremento (INC)
Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido INC<1 102 81,0 81,0 81,0
ENTRE 1 -2 18 14,3 14,3 95,2
INC>2 6 4,8 4,8 100,0
Total 126 100,0 100,0
Elaboración: Autor
Fuente: Datos de la Investigación
Gráfico No. 6: Porcentaje de pacientes según Incremento de
Hemoglobina
Elaboración: Autor
Fuente: Datos de la Investigación
70
Estadísticos
Media 1,24
Mediana 1,00
Moda 1
Desviación estándar 0,528
Regresión lineal de la variable Dosis de Hierro
Queriendo encontrar la relación entre las variables analizadas, se
recurre a la regresión lineal múltiple.
Cuadro No. 11: ANOVA Dosis de Hierro
Mo
delo R
R
cuadra
do
R
cuadrad
o
ajustado
Error
estánda
r de la
estimaci
ón
Estadísticas de cambios
Cambio
de
cuadrad
o de R
Cambio
en F df1 df2
Sig.
Cambio
en F
1 ,557a ,310 ,256
132,929
6 ,310 5,786 9 116 ,000
Modelo
Suma de
cuadrados gl
Media
cuadrática F Sig.
1 Regresión 920168,620 9 102240,958 5,786 ,000
Residuo 2049752,015 116 17670,276
Total 2969920,635 125
Elaboración: Autor Fuente: Datos de la Investigación
71
Cuadro No. 12: Coeficientes de Regresión Dosis de Hierro
Interpretación
La R-cuadrada es 0,310, es decir, el modelo explica el 30,1% del
comportamiento de la variable dependiente.
Buscamos variables significativas revisando sus coeficientes, es
decir, variables con p<0.05, encontrando que la variable IST es la única
estadísticamente significativa
El coeficiente beta nos indica que parámetros influyen más en la
dosificación del hierro, mientras el coeficiente se aleje más de 0 mayor es
su influencia sobre la variable dependiente. Así, la causa más importante
es el IST, con una beta= -0,462, indicando que mientras aumente el IST las
dosis de Hierro tienden a disminuir.
Modelo
Coeficientes no
estandarizados
Coefici
entes
estand
arizado
s
t Sig.
Correlaciones
Estadísticas
de
colinealidad
B
Error
estánda
r Beta
Orden
cero
Parci
al
Part
e
Tole
ranc
ia VIF
1 (Consta
nte) 478,168 64,010 7,470 ,000
IST -5,383 ,869 -,503 -6,190 ,000 -,508 -,436
-
,403 ,759 1,317
Ferritina -,023 ,116 -,016 -,196 ,845 -,164 -,031
-
,026 ,847 1,181
Elaboración: Autor
Fuente: Datos de la Investigación
72
Regresión lineal de la variable Dosis de Eritropoyetina
Cuadro No. 13: Resumen del modelo
Elaboración: Autor Fuente: Datos de la Investigación
Cuadro No. 14: ANOVA Dosis de Eritropoyetina
Elaboración: Autor Fuente: Datos de la Investigación
Mod
elo R
R
cuadrad
o
R
cuadrado
ajustado
Error
estándar
de la
estimació
n
Estadísticas de cambios
Cambio
de
cuadrado
de R
Cambio
en F df1 df2
Sig.
Cambio
en F
1 ,573a ,329 ,277 7319,490 ,329 6,310 9 116 ,000
ANOVA Suma de
cuadrados gl
Media
cuadrática F Sig.
1 Regresión 3042736014,720 9 338081779,413 6,310 ,000b
Residuo 6214692556,709 116 53574935,834
Total 9257428571,429 125
73
Cuadro No. 15:Coeficientes de correlación
Elaboración: Autor Fuente: Datos de la Investigación
Interpretación
La R-cuadrada es 0,320, es decir, el modelo explica un 32, % el
comportamiento de la variable dependiente.
Revisando los coeficientes de las constantes, encontramos que la
hemoglobina y el Incremento son estadísticamente significativas, ambas
con p<5, además el coeficiente beta es -5,82 y 5,37 respectivamente, lo
cual permite señalar que son lo suficientemente explicativas para el
modelo.
Coeficientes no
estandarizados
Coeficie
ntes
estanda
rizados
t Sig.
Correlaciones
Estadísticas
de
colinealidad
B
Error
estándar Beta
Orde
n
cero
Parci
al
Part
e
Toler
ancia VIF
1 (Const
ante) 24385,253 22410,9
47 1,088 ,279
HB
-3402,933 584,500 -,585 -5,822 ,000 -,310 -,476 -,443 ,574 1,742
INC
3666,093 681,933 ,523 5,376 ,000 ,222 ,447 ,409 ,611 1,638
74
3.6.3. Estadísticos Descriptivos de la Entrevista
1. ¿Cuál es su nivel académico?
Cuadro No. 16:Nivel Académico de los encuestados
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Nefrólogo 9 60,0 60,0 60,0
Médico Internista 5 33,3 33,3 93,3
Residente 1 6,7 6,7 100,0
Total 15 100,0 100,0
Elaboración: Autor
Fuente: Datos de la Investigación
Elaboración: Autor Fuente: Datos de la Investigación
Análisis:
Del grupo de expertos consultados, el 60% está conformado por
Nefrólogos, el 33.3% lo conforman los Médicos Internistas y en el tercer
lugar se encuentran los médicos residentes que representan el 6,67% de
la población encuestada.
Gráfico No. 7: Nivel Académico de los encuestados
75
2. Identifique su edad en los siguientes rangos:
Cuadro No. 17: Edad
RESPUESTAS Frecuencia Porcentaje Porcentaje válido
Porcentaje
acumulado
31-40 años 3 20,0 20,0 20,0
41-50 años 8 53,3 53,3 73,3
51-60 años 3 20,0 20,0 93,3
>60 años 1 6,7 6,7 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Gráfico No. 8: Edad de los encuestados
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis:
Del grupo de expertos consultados, el grupo prioritario, con un 53,33% lo
conforman los especialistas entre los 41 y 50 años. Ocupando el segundo
lugar está el grupo entre 31 y 40 años. En tercer lugar, con una
representación del 20 % lo constituye el grupo de 51 a 60 años. Por último,
los especialistas mayores de 60 años representan el 6,67%. Estos datos
evidencian que los especialistas en su gran mayoría son adultos jóvenes.
76
3. ¿Cuantos años de experiencia tiene en diálisis?
Cuadro No. 18: Experiencia en diálisis
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
De 1 a 5años 2 13,3 13,3 13,3
De 5 a 10años 10 66,7 66,7 80,0
Mas 10años 3 20,0 20,0 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Elaboración: Autor Fuente: Datos de la Investigación
Análisis:
El 66,7% de los expertos consultados posee entre 5 y 10 años de
experiencia, el 20% indican tener más de 10 años y por último un 13,33%
posee una experiencia menor a 5 años.
Gráfico No. 9: Experiencia en diálisis
77
4. ¿Cuántos pacientes reciben tratamiento de hemodiálisis en la
institución donde usted labora?
Cuadro No. 19: Pacientes por unidad de diálisis
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
De 50 a 100 2 13,3 13,3 13,3
De 100 a 200 11 73,3 73,3 86,7
Mas de 200 2 13,3 13,3 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Elaboración: Autor Fuente: Datos de la Investigación
Análisis
Los centros de diálisis donde laboran nuestros encuestados
atienden entre 100 y 200 pacientes representando el 73,3%. Le sigue en
igual posición con un 13,3%, las unidades que tienen entre 50 y 100
pacientes y aquellas que poseen más de 200.
Gráfico No. 10: Pacientes por unidad de diálisis
78
5. ¿Qué porcentaje de pacientes reciben eritropoyetina en el
centro de diálisis donde usted labora?
Cuadro No. 20: Pacientes que reciben Eritropoyetina
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Entre el 70% y 90% 6 40,0 40,0 40,0
Mas del 90% 9 60,0 60,0 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Gráfico No. 11: Pacientes que reciben Eritropoyetina
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis
La mayor parte de los especialistas 60%, indican que más del 90% de
sus pacientes utilizan eritropoyetina, mientras que el 40% dicen utilizar
eritropoyetina entre 70 y 90% de sus pacientes.
79
6. ¿Qué porcentaje de pacientes reciben tratamiento de hierro
intravenoso en el centro de diálisis donde usted labora?
Cuadro No. 21: Pacientes que reciben Hierro Intravenoso
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido Entre 70% y 90% 3 20,0 20,0 20,0
Mas del 90% 12 80,0 80,0 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis
Nuestros especialistas indican que el 90% de sus pacientes utilizan
Hierro intravenoso, este grupo ocupa el 80% mientras que solo un 20%
representa a las unidades que administran hierro al 70 y 90% de sus
pacientes
Gráfico No. 12: Pacientes que reciben Hierro Intravenoso
80
7. Generalmente usted prescribe eritropoyetina, cuando el nivel de
hemoglobina desciende a:
Cuadro No. 22: Nivel de HB mínimo
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
10,5 g/dl 6 40,0 40,0 40,0
10 g /dl 9 60,0 60,0 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Gráfico No. 13: Nivel de HB mínimo
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis
El 60% de nuestros encuestados considera que la concentración
mínima de Hemoglobina es de 10g/dl, mientras que el 40% considera que
el mínimo aceptable es 10,5g/dl.
81
8. ¿Cuál es el nivel de hemoglobina objetivo que usted pretende
alcanzar en sus pacientes?
Cuadro No. 23: Nivel de HB objetivo
Elaboración: Autor Fuente: Datos de la Investigación
Gráfico No. 14: Nivel de HB objetivo
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis
La mayor parte de los encuestados el 86,7%, considera que el máximo
nivel de hemoglobina propuesto es de 12g&dl, mientras que solo el 13,3%
utilizan como hemoglobina máxima el 11g&dl.
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
11g/dl 2 13,3 13,3 13,3
12g/dl 13 86,7 86,7 100,0
Total 15 100,0 100,0
82
9. En su unidad de diálisis ¿Qué porcentaje de pacientes tratados
con EPO, alcanzan hemoglobinas dentro de los rangos?
Cuadro No. 24:Nivel de HB objetivo
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Mas del 90% 1 6,7 6,7 6,7
Entre 70% y 90% 4 26,7 26,7 33,3
Entre 50% y 70% 9 60,0 60,0 93,3
Menos del 50% 1 6,7 6,7 100,0
Total 15 100,0 100,0
Elaboración: Autor
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis
Ocupando el 6,67% están las categorías extremas Mas del 90% y
menos del 50%, seguida del 26,67% que indica que el cumplimiento del
objetivo está entre 70% al 90% y el porcentaje más representativo con el
60% opina que el porcentaje de pacientes en tratamiento con hierro y
eritropoyetina, que alcanzan hemoglobinas dentro del rango 10 a 12g/dl
representa entre el 50% y el 70%.
Gráfico No. 15: Nivel de HB objetivo
83
10. Para un óptimo manejo de la anemia en la enfermedad renal
crónica se debe valorar el estado del hierro (depósitos y
disponibilidad) mediante la determinación del índice de
saturación de transferrina y ferritina.
Cuadro No. 25: Determinación del estado de las reservas de Hierro
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
De acuerdo 4 26,7 26,7 26,7
Totalmente de acuerdo 11 73,3 73,3 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Gráfico No. 16: Determinación del estado férrico
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis
El 73,33% de los entrevistados está totalmente de acuerdo en la
necesidad de valorar el estado hierro a través de los valores de índice de
saturación y la ferritina, mientras que un 26,67% está de acuerdo.
84
11. Los pacientes con enfermedad renal crónica que presentan
ferritina < 100µg/l o saturación de transferrina por debajo de
25%, deben recibir dosis altas de hierro intravenoso.
Cuadro No. 26: Actuación frente a la deficiencia de Hierro
Elaboración: Autor Fuente: Datos de la Investigación
Elaboración: Autor Fuente: Datos de la Investigación
Análisis:
Los especialistas indican que esta premisa es correcta con un
Totalmente de acuerdo representado por un 86,67% seguido por el 13,33%
que también confirmaron con un Estoy de Acuerdo.
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido De acuerdo 2 13,3 13,3 13,3
Totalmente de acuerdo 13 86,7 86,7 100,0
Total 15 100,0 100,0
Gráfico No. 17: Actuación frente a la deficiencia de Hierro
85
12. En los pacientes con insuficiencia renal crónica es necesario
administrar suficiente hierro para alcanzar una Ferritina sérica
>100ug/l y una saturación de transferrina superior al 25%.
Cuadro No. 27: Objetivos de la dosificación de Hierro
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido En desacuerdo 2 13,3 13,3 13,3
De acuerdo 3 20,0 20,0 33,3
Totalmente de acuerdo 10 66,7 66,7 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Elaboración: Autor
Fuente: Datos de la Investigación Análisis:
El 66,67% de los expertos esta de totalmente de acuerdo con la
necesidad de administrar Hierro suficiente hasta alcanzar los objetivos. Así
mismo el 20% está de acuerdo, los porcentajes a favor componen el 86,7%.
Solo el 13,33% se expresó en desacuerdo con esta regla.
Gráfico No. 18: Objetivos de la dosificación de Hierro
86
13. En pacientes que presentan valores de Saturación de
transferrina mayores de 45% se debe interrumpir la
administración de hierro intravenoso.
Cuadro No. 28: Criterio de suspensión de Hierro
Elaboración: Autor
Fuente: Datos de la Investigación
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis:
El 100% de los expertos concuerda con la necesidad de suspender
las dosis de Hierro cuando la saturación de transferrina sobrepasa el 45%.
Este porcentaje está distribuido en un 53,33% en la categoría Totalmente
de acuerdo, mientras que el 46,67% está De acuerdo.
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido De acuerdo 8 53,3 53,3 53,3
Totalmente de acuerdo 7 46,7 46,7 100,0
Total 15 100,0 100,0
Gráfico No. 19: Criterio de suspensión de Hierro
87
14. En su práctica clínica, estimaría necesario suspender las dosis
de hierro intravenoso a un paciente en hemodiálisis que
presente un cuadro infeccioso.
Cuadro No. 29: Criterio de suspensión de Hierro II
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido Indeciso 7 46,7 46,7 46,7
De acuerdo 8 53,3 53,3 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis:
La suspensión de hierro en presencia de procesos infecciosos no
será tomada como regla ya que el 53,33% está de acuerdo, pero el 46,67%
de nuestros expertos está indeciso frente a esta premisa.
Gráfico No. 20: Criterio de Suspensión de Hierro II
88
15. En etapa de reposición de los valores de hierro, las dosis
promedio utilizadas oscilan entre 300mg y 600mg de Fe por
semana.
Cuadro No. 30: Dosis de Carga de Hierro
Elaboración: Autor Fuente: Datos de la Investigación
Elaboración: Autor Fuente: Datos de la Investigación
Análisis:
En la etapa de reposición de los depósitos de hierro los expertos
concuerdan que las dosis promedio oscilan entre los 300mg y 600mg. Un
73,33% está Totalmente de acuerdo y un 26,67% está de acuerdo.
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido De acuerdo 4 26,7 26,7 26,7
Totalmente de acuerdo 11 73,3 73,3 100,0
Total 15 100,0 100,0
Gráfico No. 21: Dosis de carga de Hierro
89
16. En etapa de mantenimiento de los depósitos de hierro, las dosis
oscilan entre 100 y 300mg de Fe por mes
Cuadro No. 31: Dosis de Hierro etapa de mantenimiento
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido De acuerdo 3 20,0 20,0 20,0
Totalmente de acuerdo 12 80,0 80,0 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Gráfico No. 22: Dosis de Hierro etapa de mantenimiento
Elaboración: Autor
Fuente: Datos de la Investigación Análisis:
En la etapa de mantenimiento de los depósitos de hierro los expertos
concuerdan que las dosis promedio oscilan entre los 100mg y 300mg. Su
apoyo se ve representado por un 80% en la categoría Totalmente de
acuerdo y un 20% en la categoría De acuerdo.
90
17. Considera usted que no es recomendable establecer niveles de
hemoglobina mayores a 12g/dl, en los pacientes en hemodiálisis
que presentan enfermedad cardiovascular severa.
Cuadro No. 32: Niveles de Hemoglobina no recomendados
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
En desacuerdo 2 13,3 13,3 13,3
Indeciso 1 6,7 6,7 20,0
De acuerdo 4 26,7 26,7 46,7
Totalmente de acuerdo 8 53,3 53,3 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Elaboración: Autor Fuente: Datos de la Investigación
Análisis:
En esta premisa existe variedad de criterios las respuestas no son
uniformes el 53,33% expresa estar Totalmente de Acuerdo, el 26,67% está
en la categoría De acuerdo, el 6,67% está indeciso y el 13,33% indico estar
en desacuerdo, por tanto, la presencia de enfermedad cardiovascular no
será tomada en cuenta.
Gráfico No. 23: Niveles de Hemoglobina no recomendados
91
18. En la determinación de la dosis de eritropoyetina debe
considerar el nivel actual de hemoglobina del paciente, la
hemoglobina objetivo que debe alcanzar y tasa de incremento
de la hemoglobina observada.
Cuadro No. 33: Determinación de las Dosis de EPO
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
De acuerdo 9 60,0 60,0 60,0
Totalmente de acuerdo 6 40,0 40,0 100,0
Total 15 100,0 100,0
Elaboración: Autor Fuente: Datos de la Investigación
Gráfico No. 24: Determinación de las Dosis de EPO
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis:
En esta el 100% de los consultados está de acuerdo en la revisión
de los valores de laboratorio de hemoglobina actual y el objetivo trazado
para el paciente, así como también el incremento de la misma al cabo de
cuatro semanas de tratamiento.
92
19. En el escenario que el paciente alcanza cifras de Hemoglobina
superiores a 13 g/dl, debe ajustarse el tratamiento con
eritropoyetina reduciendo la dosis en un 25% a 50%.
Cuadro No. 34: Ajuste de Dosis de EPO
RESPUESTAS Frecuencia Porcentaje
Porcentaje
válido
Porcentaje
acumulado
Válido Indeciso 1 6,7 6,7 6,7
Totalmente de acuerdo 14 93,3 93,3 100,0
Total 15 100,0 100,0
Elaboración: Autor
Fuente: Datos de la Investigación
Elaboración: Autor
Fuente: Datos de la Investigación
Análisis:
Ante el escenario que la hemoglobina alcance valores superiores a
13 los expertos expresan estar totalmente de acuerdo con la reducción de
las dosis en porcentajes comprendido entre el 25 y el 50%, esta categoría
alcanza el 93,33%. Un porcentaje mínimo expreso indecisión con un 6,67%,
esto porque algunos médicos consideran mejor la opción de suspender la
dosificación de EPO.
Gráfico No. 25: Ajuste de Dosis de EPO
93
3.7 DISEÑO DEL MODELO DE INFERENCIA DIFUSA
3.7.1 Variables de entrada
El conjunto de datos de laboratorio que presenta el paciente son las
variables de entrada, las cuales serán procesadas aplicando la teoría de
conjuntos difusos, para de esta forma obtener un resultado que en nuestro
caso será la dosis adecuada de los fármacos utilizados en la anemia, así
como la determinación de las posibles causas de resistencia al
medicamento eritropoyetina.
De acuerdo con la investigación realizada respecto al manejo de la
anemia en hemodiálisis, se determinó que se deben considerar los
siguientes factores:
Cuadro No. 35: Variables de entrada del Modelo de Inferencia
Criterios para determinar la dosificación de fármacos
Nro. Variable
Lingüística Descripción Etiqueta Lingüística
1 HB Hemoglobina
Alto
Normal
Bajo
2 INC Incremento de HB
Alto
Normal
Bajo
3 IST Saturación de Transferrina
Alto
Normal
Bajo
4 FER Ferritina
Alto Normal
Bajo
Elaboración: Autor Fuente: Datos de la Investigación
94
3.7.2 Proceso de Fusificación de las variables lingüísticas
Como se mencionó anteriormente, entre las variables de entrada
existen datos de laboratorio y síntomas ambos de naturaleza vaga. Los
resultados de laboratorio utilizados no presentan valores tipo crips
(positivas o negativas), su presentación es numérica, por tanto, debe ser
evaluada por rangos, según la patología del paciente, que en nuestro caso
es la insuficiencia renal crónica. Su asociación con los rangos indica el
grado de pertenencia [0…..1] con el diagnóstico de una comorbilidad
asociada. En cuanto a los síntomas, estos son proporcionados por el
paciente en la interacción con su doctor y toman valores de acuerdo con su
magnitud o aspecto.
Cada variable se representa con un conjunto difuso y cada conjunto
tiene de tres a cinco subconjuntos difusos definidos por su respectiva
función de pertenencia.
3.7.3 Desarrollo de las Reglas
Las reglas creadas para cada uno de los modelos son de tipo
Mamdani, puesto que la inferencia que se utiliza es de tipo IF THEN, tanto
su antecedente como consecuente son de expresión lingüística sencilla de
interpretar, manejando la base del conocimiento como un experto humano.
La construcción de las reglas difusas se basa en la utilización de las
variables lingüísticas de entrada, de tal forma que al realizar las
combinaciones se forman las reglas difusas.
Teniendo la variable X= {x1, x2, x3}, la variable Y= {y1, y2} y la
variable Z= {z1, z2, z3}, la combinación que se forma se muestra en la
siguiente tabla:
95
Cuadro No. 36:Combinación de dos variables
X Y Valor Auxiliar
x1 y1 x1y1
x1 y2 x1y2
x2 y1 x2y1
x2 y2 x2y2
x3 y1 x3y1
x3 y1 x3y2
Elaboración: Autor
Fuente: Datos de la Investigación
Para continuar se debe hallar la combinación de la variable auxiliar con la
variable Z.
Cuadro No. 37: Combinación de tres variables
Valor auxiliar Z Resultado
X1y1 Z1 R1
X1y2 Z1 R2
X2y1 Z1 R3
X2y2 Z1 R4
X3y1 Z1 R5
X3y2 Z1 R6
X1y1 Z2 R7
X1y2 Z2 R8
X2y1 Z2 R9
X2y2 Z2 R10
X3y1 Z2 R11
X3y2 Z2 R12
X1y1 Z3 R13
X1y2 Z3 R14
X2y1 Z3 R15
96
X2y2 Z3 R16
X3y1 Z3 R17
X3y2 Z3 R18
Elaboración: Autor
Fuente: Datos de la Investigación
3.7.4 Inferencia Borrosa
El resultado de las variables de salida del consecuente THEN, se
obtiene por un conjunto difuso de salida de cada regla, que junto con las
demás salidas de reglas se obtiene la salida del sistema. Para ello la
función de pertenencia del conjunto de salida es utilizada con la técnica de
inferencia de Mamdani (máximos).
3.7.5 Defusificación
El método de Defusificación utilizado en los modelos es el Centroide
o de Centro de gravedad, una vez obtenido el polígono de salida, se utiliza
este método para determinar el valor de salida, este valor se presenta como
un promedio del peso de los consecuentes, siguiendo la fórmula:
𝒔𝒂𝒍𝒊𝒅𝒂 = ∑ 𝒙𝒊𝝁𝒄(𝒙𝒊)
𝒏𝒊=𝟏
∑ 𝝁𝒄 (𝒙𝒊𝒏𝒊=𝟏 )
97
3.8 CONSTRUCCIÓN DEL MODELO DE INFERENCIA DIFUSO
3.8.1 Modelo Ajuste de EPO
A continuación, se definen los conjuntos difusos y funciones de
pertenencia para cada una de las variables lingüísticas difusas del modelo
Ajuste de Epo.
Elaboración: Autor
Fuente: Datos de la Investigación
Para la variable hemoglobina se establecen 3 conjuntos difusos, con un
universo de discurso comprendido entre los valores 4 y 15.
▪ Baja. - Coeficiente de pertenencia 1 para el valor 6 y coeficiente
de pertenencia 0 para los valores 4 y 11.
▪ Media. - Coeficiente de pertenencia 1 para el valor 11 y
coeficiente de pertenencia 0 para los valores 10 y 12.
▪ Alta. - Donde el coeficiente de pertenencia es 1 para el valor de
14 y coeficiente de pertenencia 0 para los valores 11 y 15.
Gráfico No. 26: Variable 1: Hemoglobina (HB)
98
Cuadro No. 38: Funciones de pertenencia HB
Baja (x) =
0 si x ≤ 4
x - 4 si 4<x≤ 6
6 - 4
11 - x si 6<x<11
11 - 6
0 si x≥11
Media (x) =
0 si x ≤ 10
x – 10 si 10<x≤ 11
11 - 10
12 - x si 11<x<12
12 -11
0 si x≥12
Alta (x) =
0 si x ≤ 11
x - 11 si 11<x≤ 14
14 - 11
15 - x si 14<x<15
15 - 14
0 si x≥15
Elaboración: Autor Fuente: Datos de la Investigación
99
Variable 2: Incremento de HB (INC)
Elaboración: Autor
Fuente: Datos de la Investigación
Para la variable Incremento de hemoglobina (INC) se establecen 3
conjuntos difusos, con un universo de discurso comprendido entre los
valores 0 y 3.
• Bajo. - Coeficiente de pertenencia 0 para el valor de 1.5 y
coeficiente de pertenencia 1 para valores iguales o menores a
1.
• Medio. - Coeficiente de pertenencia 1 para el valor de 1.5 y
coeficiente de pertenencia 0 para los valores 10 y 12.
• Alto. - Donde el coeficiente de pertenencia es 0 para el valor de
1.5 y coeficiente de pertenencia 1 para los valores iguales o
mayores a 2.
A continuación, se definen las funciones de pertenencia a los
Gráfico No. 27: Conjuntos difusos de la variable Incremento
100
conjuntos difusos:
Cuadro No. 39: Funciones de pertenencia INC
Bajo (x) =
0 si x>1.5
1.5 - x si 1≤x≤1.5
1.5 - 1
1 si x<1
Medio (x) =
0 si x≤ 1
x - 1 si 1<x≤1.5
1.5 - 1
2 - x si 1.5<x<2
2 – 1.5
0 si x≥2
Alto (x) =
0 si x<a
x - a si a≤x≤b
b - a
1 si x>b
Elaboración: Autor Fuente: Datos de la Investigación
101
Variable de salida: Ajuste de EPO
Elaboración: Autor
Fuente: Datos de la Investigación
Para la variable Ajuste de Epo, se establecen 5 conjuntos difusos, con
un universo de discurso comprendido entre los valores -0.5 y 0.5.
• Negativo Alto (NA). - Coeficiente de pertenencia 0 para el valor
de -0.2 y coeficiente de pertenencia 1 para valores iguales o
menores a -0.25.
• Negativo Bajo (NB). - Coeficiente de pertenencia 1 para el valor
de -0.15 y coeficiente de pertenencia 0 para los valores 0 y -
0.25.
• Mantener (M). Coeficiente de pertenencia 1 para el valor de 0 y
coeficiente de pertenencia 0 para los valores -0.1 y 0.1.
• Positivo Bajo (PB). - Coeficiente de pertenencia 1 para el valor
Gráfico No. 28: Conjuntos difusos de la variable INC
102
de 0.12 y coeficiente de pertenencia 0 para los valores 0 y 0.25.
• Positivo Alto (PA). - Coeficiente de pertenencia 0 para el valor
de 0.2 y coeficiente de pertenencia 1 para valores iguales o
mayores a 0.25.
A continuación, se definen las funciones de pertenencia a los
conjuntos difusos:
Cuadro No. 40: Funciones de Pertenencia Ajuste de EPO
Negativo alto (x)=
0 si x>d
d - x si c≤x≤d
d - c
1 si x<c
Negativo Bajo (x) =
0 si x≤ a
x - a si a<x≤m
m - a b - x
si m<x<b b - m
0 si x≥b
Mantener (x) =
0 si x≤ a
x - a si a<x≤m
m - a b - x
si m<x<b b - m
0 si x≥b
Positivo Bajo (x) = 0 si x≤ a
103
x - a si a<x≤m
m - a b - x
si m<x<b b - m
0 si x≥b
Positivo Alto (x) =
0 si x<a
x - a si a≤x≤b
b - a
1 si x>b
Elaboración: Autor
Fuente: Datos de la Investigación
Reglas
Se elige trabajar por pares de variables de entrada contra una
variable de salida lo cual permite construir lo que en lógica difusa se conoce
como una Matriz de Inferencia difusa (FAM).
Cuadro No. 41: Matriz de inferencia difusa
Ajuste EPO Incremento
Hemoglobina Alto Medio Bajo
Alto NA NB NB
Normal NB M PB
Bajo M PB PA
Elaboración: Autor
Fuente: Datos de la Investigación
3.8.2 Modelo Dosis de Hierro
A continuación, se definen los conjuntos difusos y funciones de
pertenencia para cada una de las variables lingüísticas difusas del modelo
104
Dosis de Hierro.
Variable 1: Saturación de Transferrina
Elaboración: Autor Fuente: Datos de la Investigación
Para la variable Saturación de Transferrina (IST) se establecen 3
conjuntos difusos, con un universo de discurso comprendido entre los
valores 10 y 60.
• Baja. - Coeficiente de pertenencia 0 para el valor de 30 y
coeficiente de pertenencia 1 para valores iguales o menores a
25.
• Normal. - Coeficiente de pertenencia 1 para el valor de 35 y
coeficiente de pertenencia 0 para los valores 25 y 45.
• Alta. - Donde el coeficiente de pertenencia es 0 para el valor de
40 y coeficiente de pertenencia 1 para los valores iguales o
mayores a 45.
A continuación, se definen las funciones de pertenencia a los
conjuntos difusos:
Gráfico No. 29: Conjuntos difusos de la variable IST
105
Cuadro No. 42: Funciones de Pertenencia Variable IST
Baja (x) =
0 si x>30
30 - x si 25≤x≤30
30 - 25
1 si x<25
Normal (x) =
0 si x≤25
x - 25 si 25<x≤35
35 - 25
45 - x si 35<x<45
45 - 35
0 si x≥45
Alta (x) =
0 si x<40
x - 40 si 40≤x≤45
45 - 40
1 si x>45
Elaboración: Autor Fuente: Datos de la Investigación
106
Variable 2: Ferritina (FE)
Gráfico No. 30: Conjuntos Difusos de la variable Ferritina
Elaboración: Autor Fuente: Datos de la Investigación
Para la variable Ferritina (FE) se establecen 3 conjuntos difusos, con un
universo de discurso comprendido entre los valores 100 y 800.
• Bajo. - Coeficiente de pertenencia 0 para el valor de 300 y
coeficiente de pertenencia 1 para valores iguales o menores a
200.
• Normal. - Coeficiente de pertenencia 1 para el valor de 350 y
coeficiente de pertenencia 0 para los valores 200 y 500.
• Alto. - Donde el coeficiente de pertenencia es 0 para el valor de
400 y coeficiente de pertenencia 1 para los valores iguales o
mayores a 500.
A continuación, se definen las funciones de pertenencia a los
conjuntos difusos:
107
Cuadro No. 43: Funciones de Pertenencia de la variable Ferritina
Bajo (x) =
0 si x>300
300 - x si 200≤x≤300
300- 200
1 si x<200
Normal (x) =
0 si x≤200
x – 200 si 200<x≤350
350 - 200
500 - x si 350<x<500
500 - 350
0 si x≥500
Alto (x) =
0 si x<400
x - 400 si 400≤x≤500
500 - 400
1 si x>500
Elaboración: Autor Fuente: Datos de la Investigación
108
Variable de salida: Dosis de Hierro (DH)
Grafico No. 31: Conjunto difuso de la variable Dosis de Hierro
Elaboración: Autor Fuente: Datos de la Investigación
Para la variable Dosis de Hierro (DH) se establecen 3 conjuntos difusos,
con un universo de discurso comprendido entre los valores 0 y 1000.
• No requiere (NR)
• Bajo. - Coeficiente de pertenencia 0 para el valor de 0 y 300,
coeficiente de pertenencia 1 para valores entre 100 y 200.
• Medio. - Coeficiente de pertenencia 0 para el valor de 200 y 700,
coeficiente de pertenencia 1 para valores entre 300 y 600.
• Alto. - Donde el coeficiente de pertenencia es 0 para el valor de
600 y coeficiente de pertenencia 1 para los valores iguales o
mayores a 700.
109
Reglas de Inferencia
Se elige trabajar por pares de variables de entrada contra una
variable de salida lo cual permite construir la Matriz de Inferencia difusa
(FAM). El detalle de las reglas puede ser revisado en la sección de anexos.
Cuadro No. 44: Matriz de inferencia difusa
Dosis Hierro (DH) IST
Ferritina Bajo Normal Alto
Bajo A B NR
Normal M B NR
Alto M B NR
Elaboración: Autor Fuente: Datos de la Investigación
110
CAPÍTULO IV
4 RESULTADOS, CONCLUSIONES Y RECOMENDACIONES
4.1 RESULTADOS
Diseñados cada uno de los conjuntos difusos, se procede a simular el
comportamiento de los MID usando el módulo Fuzzy Logic Tool Box del
software MATLAB. Primero se crea los modelos, se cargan las reglas y el
programa nos genera la gráfica de control. Gráfico No. 31.
Gráfico No. 32: Gráfica de Control Ajuste EPO
Elaboración: Autor Fuente: MATLAB
La gráfica de control del modelo Ajuste EPO nos muestra la
transición a través de todas las categorías definidas para la variable ajuste,
desde el más bajo (azul) hasta el ajuste más alto (amarillo).
111
Gráfico No. 33: Gráfica de Control módulo Dosis Hierro (DH)
Elaboración: Autor Fuente: MATLAB
Por su parte el modelo de Dosis Hierro genera la gráfica de control
que se muestra en la Fig. X, la cual muestra la transición a través de las
categorías Alto, Normal y Bajo.
Con la finalidad de realizar las validaciones y pruebas necesarias
para determinar el porcentaje de efectividad del modelo de inferencia, se
toma los datos reales de 30 paciente para variables Hemoglobina, IST,
Ferritina e Incremento, además de las dosis prescritas por el médico
especialista (concepto dado por la combinación de las variables de
entrada), que se tomaran como referencia para determinar el margen de
error con los datos obtenidos del MID.
Los datos de los pacientes se ingresaron uno a uno a través del visor
de reglas proporcionado por MATLAB generando los correspondientes
resultados, que se muestran en el Cuadro No. 46 y No. 47.
112
Cuadro No. 45: Efectividad de las Dosis de EPO
PCTE. HB INCREMENTO DOSIS INICIAL
EPO
% AJUSTE
MID
DOSIS EPO MID
% EFECTIVIDAD
DOSIS EPO
1 10,20 1,00 22000 0,12 26000 100
2 7,70 0,00 22000 0,41 32000 94
3 8,30 -0,60 30000 0,41 44000 147
4 10,90 -1,00 22000 0,12 26000 100
5 10,20 -0,50 16000 0,12 18000 75
6 7,70 -0,50 32000 0,41 46000 110
7 11,90 -2,20 6000 0,12 8000 100
8 6,40 -4,20 30000 0,42 44000 105
9 9,00 0,60 20000 0,42 30000 94
10 9,60 0,50 24000 0,32 32000 94
11 8,80 -0,20 32000 0,42 46000 115
12 12,70 1,40 22000 -0,05 22000 100
13 6,80 0,30 30000 0,43 44000 88
14 10,70 2,40 24000 -0,12 22000 79
15 10,90 1,70 32000 -0,05 32000 100
16 11,00 1,30 22000 0,05 24000 92
17 10,60 2,80 34000 -0,12 30000 88
18 12,80 1,70 26000 -0,22 22000 92
19 9,50 1,80 36000 -0,01 36000 100
20 11,70 1,20 26000 -0,07 26000 87
21 10,30 1,30 26000 0,05 28000 88
22 11,70 1,10 14000 0,09 16000 100
23 9,70 0,30 22000 0,29 30000 94
24 12,90 1,10 26000 -0,08 24000 92
25 13,20 1,20 34000 -0,12 30000 88
26 10,10 0,20 26000 0,12 30000 109
27 10,60 2,60 40000 -0,12 36000 106
28 12,70 1,30 8000 -0,03 8000 100
29 11,70 1,80 30000 -0,07 28000 93
30 10,30 1,30 32000 0,05 34000 100
PROMEDIO DE EFECTIVIDAD 97,67%
Elaboración: Autor Fuente: Datos de la Investigación
113
Cuadro No. 46: Efectividad de las Dosis de Hierro del MID
PCTE % IST FERRITINA DOSIS FE
ESPECIALISTA DOSIS FE
SID % EFECTIVIDAD DOSIS HIERRO
1 31 603,80 100 300 300
2 21 601,10 400 400 100
3 20 436,70 400 400 100
4 36 611,20 200 100 50
5 55 593,00 200 0 0
6 24 538,10 500 400 80
7 43 588,00 100 100 100
8 60 590,00 0 0 100
9 33 591,00 200 200 100
10 40 602,40 400 100 25
11 18 613,60 500 400 80
12 31 587,00 400 300 75
13 44 598,90 400 100 25
14 41 595,00 200 100 50
15 19 616,90 800 400 50
16 45 570,00 200 0 0
17 18 616,40 800 400 50
18 36 604,00 200 100 100
19 33 581,00 200 100 100
20 24 275,00 200 600 300
21 48 600,00 200 0 100
22 38 617,90 400 400 100
23 52 587,00 0 0 100
24 47 558,90 0 100 0
25 16 463,00 400 400 100
26 32 552,00 200 300 150
27 35 600,00 100 100 100
28 43 616,30 0 100 0
29 65 539,30 400 0 0
30 57 576,00 0 0 100
PROMEDIO DE EFECTIVIDAD 89,50%
Elaboración: Autor Fuente: Datos de la Investigación
114
Como resultado se obtiene un margen de error promedio de 2,33%
para el Ajuste de EPO y un 7,17% para las Dosis de Hierro, márgenes
relativamente pequeños que no varían mucho de la realidad apegándose
al pensamiento del experto.
4.2 CONTRASTE DE HIPÓTESIS
4.2.1 Planteamiento de la prueba de hipótesis
Recordemos que el presente trabajo de lógica difusa aplicada al
manejo de la anemia en hemodiálisis ha planteado como hipótesis
alternativa:
H1. En el modelo de Inferencia Difusa propuesto, las variables de salida
Ajuste de EPO y Dosis de Hierro son dependientes de las variables de
entrada.
Para establecer esta relación de las variables difusas haremos uso
de la distribución Chi-cuadrado, cuya notación es:
𝑥2 = ∑(𝑂𝑖 − 𝐸𝑖)2
𝐸𝑖
𝑘
𝑖=1
115
4.2.2 Desarrollo de la prueba de hipótesis
Variable: Ajuste de Hemoglobina
Cuadro No. 47: Resumen de procesamiento de casos Ajuste de Hemoglobina
Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
% AJUSTE MID *
HEMOGLOBINA 30 100,0% 0 0,0% 30 100,0%
% AJUSTE MID *
INCREMENTO 30 100,0% 0 0,0% 30 100,0%
Elaboración: Autor Fuente: Datos de la Investigación
Cuadro No. 48: Pruebas de chi-cuadrado Hemoglobina
Valor gl
Sig. asintótica (2
caras)
𝐶ℎ𝑖 − 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑑𝑒 𝑃𝑒𝑎𝑟𝑠𝑜𝑛 60,000 34 , 004
Razón de verosimilitud 60,684 34 ,003
Asociación lineal por lineal 19,535 1 ,000
N de casos válidos 30
Elaboración: Autor Fuente: Datos de la Investigación
Cuadro No. 49: Pruebas de chi-cuadrado Incremento
Valor gl
Sig. asintótica (2
caras)
Chi-cuadrado de Pearson 27,000 16 ,041
Razón de verosimilitud 37,393 16 ,002
Asociación lineal por lineal 17,693 1 ,000
N de casos válidos 30
Elaboración: Autor Fuente: Datos de la Investigación
116
Variable: Dosis de Hierro
Cuadro No. 50: Resumen de procesamiento de casos Dosis de Hierro
Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
DOSIS FE MID * IST 30 100,0% 0 0,0% 30 100,0%
DOSIS FE MID *
FERRITINA 30 100,0% 0 0,0% 30 100,0%
Elaboración: Autor Fuente: Datos de la Investigación
Cuadro No. 51: Pruebas de chi-cuadrado IST
Valor gl
Sig. asintótica (2
caras)
Chi-cuadrado de Pearson 116,625a 115 ,044
Razón de verosimilitud 85,369 115 ,098
Asociación lineal por lineal 21,619 1 ,000
N de casos válidos 30
a. 0 casillas (,0%) tiene un recuento esperado menor que 5. El recuento mínimo esperado es
,03.
Elaboración: Autor Fuente: Datos de la Investigación
Cuadro No. 52: Pruebas de chi-cuadrado FERRITINA
Valor gl
Sig. asintótica (2
caras)
Chi-cuadrado de Pearson 139,214a 135 ,038
Razón de verosimilitud 85,369 135 ,000
Asociación lineal por lineal 6,257 1 ,001
N de casos válidos 30
a. 0 casillas (,0%) tiene un recuento esperado menor que 5. El recuento mínimo esperado es
,03.
Elaboración: Autor Fuente: Datos de la Investigación
117
4.2.3 Toma de decisión
Ho. En el modelo de Inferencia Difusa propuesto, las variables de salida
Ajuste de EPO y Dosis de Hierro son independientes a las variables de
entrada.
H1. En el modelo de Inferencia Difusa propuesto, las variables de salida
Ajuste de EPO y Dosis de Hierro son dependientes de las variables de
entrada.
Regla de decisión
Si p < 0,05 el resultado es significativo, es decir, rechazamos la
hipótesis nula de independencia y por lo tanto concluimos que ambas
variables estudiadas son dependientes, existe una relación entre ellas.
Si p > 0,05 el resultado no es significativo, es decir, aceptamos la
hipótesis nula de independencia y por lo tanto concluimos que ambas
variables estudiadas son independientes, no existe una relación entre ellas.
El valor p de Hemoglobina e Incremento es 0.004 y 0.041
respectivamente, mientras que las variables IST y Ferritina presentan
valores de p 0.044 y 0.038, todas las variables de entrada presentan
valores p menores al nivel de significación de 0.05, por lo que se rechaza
la hipótesis nula y por lo tanto podemos concluir que las variables Ajuste
de Hemoglobina y Dosis de Hierro guardan dependencia con sus
respectivas variables de entrada.
118
4.3 CONCLUSIONES
Cumpliendo con los objetivos establecidos para la realización del
proyecto, se levantó información referente a la anemia en hemodiálisis con
el fin de obtener los parámetros necesarios para formular el modelo de
inferencia difusa manipulando los fármacos esenciales para el tratamiento
de esta condición.
La adquisición del conocimiento experto de parte de los especialistas
que participaron de las entrevistas fue de mucha ayuda al igual que la
información que se obtuvo de las diversas fuentes científicas.
A partir de los resultados de la investigación se propone un sistema
de inferencia difusa que permite determinar las dosis necesarias de Hierro
I.V. y Eritropoyetina, dado los niveles de tres factores detectados en los
análisis sanguíneos: Hemoglobina, Saturación de Transferrina y Ferritina,
además de la variación de la hemoglobina observada.
El diseño del modelo de inferencia fue implementado con la ayuda
del módulo fuzzy logic de MATLAB, se realizaron las pruebas y ajustes
pertinentes y una vez obtenidos los resultados deseados, se procedió a
codificar el motor de inferencia.
El modelo propuesto ha demostrado su efectividad en la prescripción
de dosis tanto de la eritropoyetina como del hierro, su uso permite al
profesional tomar decisiones rápidas y confiables, exponiendo así su
contribución a la mejora de los servicios de salud.
119
El modelo es ligero no requiere de grandes programas, tecnología
moderna y es muy fácil de usar, su sencillez y flexibilidad permite ajustar
con facilidad las reglas y funciones de pertenencia, haciendo posible la
incorporación de cambios producidos por las futuras investigaciones
médicas sobre las categorías de las variables empleadas.
120
4.4 RECOMENDACIONES
Se propone implementar un Sistema de Soporte a la toma de
Decisiones cuyo motor de inferencia sea el propuesto en este proyecto de
investigación, a fin de que procese la información de los pacientes en
tiempo real.
Es posible ampliar el alcance del presente modelo difuso
incorporando la determinación de las posibles causas de la resistencia a la
eritropoyetina a fin de orientar al médico especialista en el tratamiento de
las enfermedades asociadas.
Se puede optimizar el controlador Fuzzy, combinándolo con otras
técnicas de Inteligencia artificial, como las redes neuronales, formando así
por ejemplo controladores Neuro-Fuzzy.
121
BIBLIOGRAFÍA
Amador-Medina, L. F. (2014). Anemia in chronic kidney disease. Rev Med
Inst Mex Seguro Soc, 52(6), 660–5. Retrieved from
http://www.medigraphic.com/pdfs/imss/im-2014/im146k.pdf
Amaral, S., Hwang, W., Fivush, B., Neu, A., Frankenfield, D., & Furth, S.
(2006). Association of mortality and hospitalization with achievement of
adult hemoglobin targets in adolescents maintained on hemodialysis.
Journal of the American Society of Nephrology : JASN, 17(10), 2878–
2885. https://doi.org/10.1681/ASN.2005111215
Arias, F. G. (2012a). El proyecto de Investigación: Introducción a la
investigación científica | Trabajo de Grado Barinas (6ta Edición).
Episteme. Retrieved from
http://trabajodegradobarinas.blogspot.com/2015/06/fidias-arias-2012-
el-proyecto-de.html
Arias, F. G. (2012b). El Proyecto de InvestIgacIón Introducción a la
metodología científica (6ta Edició). Caracas, Venezuela: Episteme.
Retrieved from http://ebevidencia.com/wp-
content/uploads/2014/12/EL-PROYECTO-DE-INVESTIGACIÓN-6ta-
Ed.-FIDIAS-G.-ARIAS.pdf
Arias Odon, F. G. (1999). El Proyecto de investigacion : guia para su
elaboracion. Episteme. Retrieved from
https://books.google.es/books?hl=es&lr=&id=88buBgAAQBAJ&oi=fnd
&pg=PR7&dq=Arias+(1999),”+Los+instrumentos+son+los+medios+m
ateriales+que+se+emplean+para+recoger+y+almacenar+la+informaci
ón&ots=0a5BrVaRv9&sig=UNtpTpPqKdeSsoF4aiKIqzS-
5Uk#v=onepage&q&f=false
Asamblea Nacional Constituyente. (2008). Constitución 2008. Asamblea
Nacional Constituyente. https://doi.org/10.1515/9783110298703.37
122
Baena, G. (2014). METODOLOGÍA DE LA INVESTIGACIÓN Serie integral
por competencias. Mexico: Grupo Editorial Patria. Retrieved from
http://www.editorialpatria.com.mx/pdffiles/9786074384093.pdf
Benítez, R., Escudero, G., & Kanaan, S. (2013). Inteligencia Artificial
Avanzada. Barcelona: Editorial UOC. Retrieved from
https://books.google.es/books?hl=es&lr=&id=eT7ABAAAQBAJ&oi=fn
d&pg=PT4&dq=%22inteligencia+artificial%22+historia+campos+de+a
plicacion&ots=9w8Dl43HFn&sig=cUdvG8_aoZpuZAM8DjeDiLIPHEU#
v=onepage&q=%22inteligencia artificial%22 historia campos de apli
Cases, A., Egocheaga, M., Tranche, S., Pallarés, V., Ojeda, R., Górriz, J.,
& Portolés, J. (2017). Anemia en la enfermedad renal crónica:
protocolo de estudio, manejo y derivación a Nefrología. Atención
Primaria. https://doi.org/10.1016/j.aprim.2017.09.007
Climent, C., Solá, N., & Codina, C. (2011). La seguridad en el uso de los
medicamentos y los sistemas de soporte a la decisión clínica. Jano:
Medicina Y Humanidades, (1776), 64. Retrieved from
http://www.jano.es/ficheros/sumarios/1/00/1776/64/1v00n1776a90040
859pdf001.pdf
De Armas, N., González, J., & Perdomo, J. (2007). CARACTERIZACIÓN Y
DISEÑO DE LOS RESULTADOS CIENTÍFICOS COMO APORTES
DE LA INVESTIGACIÓN EDUCATIVA. In Evento Internacional de
Pedagogia (Vol. 40). Cuba. Retrieved from http://files.especializacion-
2012.webnode.com.co/200000152-80d3f81ccc/CARACTERIZACIÓN
Y DISEÑO DE LOS RESULTADOS CIENTÍFICOS COMO APORTES
DE LA INVESTIGACIÓN EDUCATIVA..pdf
Díaz, C., Aguilera, A., & Guillén, N. (2014). Lógica difusa vs. modelo de
regresión múltiple para la selección de personal. Ingeniare. Revista
Chilena de Ingeniería, 22(4), 547–559. https://doi.org/10.4067/S0718-
33052014000400010
123
Drüeke, T. B., Locatelli, F., Clyne, N., Eckardt, K.-U., Macdougall, I. C.,
Tsakiris, D., … CREATE Investigators. (2006). Normalization of
Hemoglobin Level in Patients with Chronic Kidney Disease and
Anemia. New England Journal of Medicine, 355(20), 2071–2084.
https://doi.org/10.1056/NEJMoa062276
FDA. (2007). Guidance Drug Safety Information – FDA’s Communication to
the Public. Food and Drug Administration Center (FDA), 301–827.
Retrieved from http://www.fda.gov/cder/guidance/index.htm
Garrido, Á. (2016). History of controversy on the introduction of fuzzy logic.
Endoxa, 38, 329–345. Retrieved from http://e-
spacio.uned.es/fez/eserv/bibliuned:Endoxa-2016-38-
7150/Historia_de_la_Polemica.pdf
Gonzáles, A. (2013). Diseño del sistema de control de un Robot Tipo PUMA
utilizando LÓGICA DIFUSA”. UNIVERSIDAD RICARDO PALMA.
Retrieved from
http://repositorio.urp.edu.pe/bitstream/handle/urp/423/Gonzales_af.pd
f?sequence=1&isAllowed=y
Gonzalez, A. J., Lopez, M. J., & Zapata, R. M. (2016). Investigacion
educativa y salud transcultural en contextos multiculturales. Editorial
Universidad de Almeria. Retrieved from www.ual.es/editorial
Gorostidi, M., Santamaría, R., Alcázar, R., Fernández-Fresnedo, G.,
Galcerán, J. M., Goicoechea, M., … Ruilope, L. M. (2014). Spanish
Society of Nephrology document on KDIGO guidelines for the
assessment and treatment of chronic kidney disease. Nefrologia :
Publicacion Oficial de La Sociedad Espanola Nefrologia, 34(3), 302–
16. https://doi.org/10.3265/Nefrologia.pre2014.Feb.12464
Guzmán-Guillén, K. A., Fernández de Córdova-Aguirre, J. C., Mora-Bravo,
F., & Vintimilla-Maldonado, J. (2014). Prevalencia y factores asociados
a enfermedad renal crónica. Revista Médica Del Hospital General De
124
México, 77(3), 108–113. https://doi.org/10.1016/j.hgmx.2014.06.001
Hernández, R., Fernández, C., & Baptista, P. (2010). Metodología de la
investigacion. (McGraw Hill/Interamericana Editores., Ed.) (5ta. Edici).
Mexico D.F. Retrieved from
https://scholar.google.es/scholar?hl=es&as_sdt=0%2C5&q=Hernánde
z%2C+R.%2C+Fernández%2C+C.%2C+%26+Baptista%2C+P.+%28
2010%29.+Definición+del+alcance+de+la+investigación+a+realizar%
3A+Exploratoria%2C+descriptiva%2C+correlacional+o+explica
INEC. (2010). Banco de Informacion INEC. Retrieved July 20, 2017, from
http://www.ecuadorencifras.gob.ec/banco-de-informacion/
Katz, J., & Capron, A. M. (2002). Catastrophic diseases : who decides
what? : A psychosocial and legal analysis of the problems posed by
hemodialysis and organ transplantation. Russell Sage Foundation.
KDIGO Anemia Work Group. (2012). KDIGO Clinical Practice Guideline for
Anemia in Chronic Kidney Disease. Kidney International Supplements,
2(4), 279–335. https://doi.org/10.1038/kisup.2012.40
Khooban, M., Nazari, D., Abadi, M., Alfi, A., & Siahi, M. (2013). Swarm
optimization tuned Mamdani fuzzy controller for diabetes delayed
model. Turkish Journal of Electrical Engineering & Computer Sciences,
213906, 2110–2126. https://doi.org/10.3906/elk-1202-21
Layes M, S., Falappa, M., & Simari, G. (2013). Sistema de Soporte a las
Decisiones Clínicas. In 4to Congreso Argentino de Informatica y Salud,
CAIS 2013 (pp. 291–300). https://doi.org/1853-1881
Lugo-Reyes, S. O. a., Maldonado-ColÃn, G. b., & Murata, C. c. (2014).
Inteligencia artificial para asistir el diagnóstico clínico en medicina.
Revista Alergia Mexico, 61(2), 110–120. Retrieved from
http://revistaalergia.mx/ojs/index.php/ram/article/view/33/46
Macián, H. (2012). UTILIZACIÓN DE LÓGICA DIFUSA EN LA GESTIÓN
125
DE EMBALSES. APLICACIÓN A LOS RÍOS SORBE, ESLA Y
MIJARES. Universidad Politécnica de Valencia. Retrieved from
https://riunet.upv.es/bitstream/handle/10251/27861/2_TFM.pdf?seque
nce=1
Mamdani, E. H. (1974). Application of fuzzy algorithms for control of simple
dynamic plant. Proceedings of the Institution of Electrical Engineers,
121(12), 1585. https://doi.org/10.1049/piee.1974.0328
Marrero, A., Méndez, J., González, G., Reboso, J., León, A., & Martín, M.
(2015). SISTEMA DE CONTROL ADAPTATIVO DE ANESTESIA
BASADO EN LÓGICA DIFUSA. In Actas de las XXXVI Jornadas de
Automática. Bilbao: Comité Español de Automática de la IFAC (CEA-
IFAC). Retrieved from
http://www.ehu.eus/documents/3444171/4484746/15.pdf
Martín, A., Aljama, P., Arias, M., Górriz, J., Martínez, A., & Portolés, J.
(2007). ¿Es necesario cambiar los niveles actuales de hemoglobina
diana en pacientes con enfermedad renal crónica? A propósito del
«boxed warning» de la FDA y del Public Statement de la EMEA.
Revista Nefrología, 27, 399–404. Retrieved from
http://www.revistanefrologia.com/es-publicacion-nefrologia-articulo-
es-necesario-cambiar-los-niveles-actuales-hemoglobina-diana-
pacientes-con-X0211699507021644
Martín, R. A. (2014). Estudio sobre percepción de la seguridad clínica de
pacientes en diálisis. Revista Mexicana de Urologia, 74(5), 269–274.
https://doi.org/10.1016/j.uromx.2014.08.001
Mederos, J., Cabrera, N., Caraballo, I., & Manso, G. (2015). El muestreo
estadístico, herramienta para proteger la objetividad e independencia
de los auditores internos en las empresas cooperativas. COODES:
COOPERATIVISMO Y DESARROLLO, 3(1), 36–45. Retrieved from
http://coodes.upr.edu.cu/index.php/coodes/article/view/100
126
MedlinePlus. (2017). Enfermedad Renal Crónica. Retrieved October 26,
2017, from https://medlineplus.gov/spanish/ency/article/000471.htm
Ministerio de Salud Pública. (2015). Viceministerio de Atención Integral en
Salud Subsecretaría de Provisión de Servicios de Salud Dirección
Nacional de Centros Especializados Programa Nacional de SALUD
RENAL. Retrieved from
https://aplicaciones.msp.gob.ec/salud/archivosdigitales/sigobito/tarea
s_seguimiento/1469/Presentación Diálisis Criterios de Priorización y
Planificación.pdf
Negre, S. (2015). Desarrollo y evaluación de un sistema de clasificación y
monitorización de pacientes pediátricos con infección del tracto
respiratorio inferior basado en la Teoría de Conjuntos Difusos y Lógica
Difusa. Retrieved from
https://dialnet.unirioja.es/servlet/dctes?codigo=99839
Ojeda, L. R. (2014). E PROBABILIDAD Y ESTADÍSTICA BÁSICA PARA
INGENIEROS Con el soporte de MATLAB para cálculos y gráficos
estadísticos. Escuela Superior Politecnica Del Litoral. Retrieved from
http://www.dspace.espol.edu.ec/bitstream/123456789/25020/1/PROB
ABILIDAD Y ESTADISTICA BASICA PARA INGENIEROS.pdf
OMS. (2011). Concentraciones de hemoglobina para diagnosticar la
anemia y evaluar su gravedad. Organización Mundial de La Salud.
Retrieved from
http://www.who.int/vmnis/indicators/haemoglobin_es.pdf
OMS. (2013). OMS | Informe sobre la salud en el mundo 2002 - Reducir los
riesgos y promover una vida sana. Retrieved from
http://www.who.int/whr/2002/en/2002flierESP.pdf?ua=1
Parfrey, P. S., Foley, R. N., Wittreich, B. H., Sullivan, D. J., Zagari, M. J., &
Frei, D. (2005). Double-Blind Comparison of Full and Partial Anemia
Correction in Incident Hemodialysis Patients without Symptomatic
127
Heart Disease. Journal of the American Society of Nephrology, 16(7),
2180–2189. https://doi.org/10.1681/ASN.2004121039
Pasqualini, T., & Ferraris, J. (2003). INSUFICIENCIA RENAL CRONICA Y
CRECIMIENTO. Buenos Aires), 63, 731–736. Retrieved from
http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S0025-
76802003000600011
Pfeffer, M. A., Burdmann, E. A., Chen, C.-Y., Cooper, M. E., de Zeeuw, D.,
Eckardt, K.-U., … TREAT Investigators. (2009). A Trial of Darbepoetin
Alfa in Type 2 Diabetes and Chronic Kidney Disease. New England
Journal of Medicine, 361(21), 2019–2032.
https://doi.org/10.1056/NEJMoa0907845
Rojas, M., Ponce, P., & Molina, A. (2015). Control adaptativo para
navegación de una silla de ruedas inteligente empleando lógica difusa
tipo 1 y tipo 2. Research in Computing Science, 91, 143–156. Retrieved
from http://www.rcs.cic.ipn.mx/2015_91/Control adaptativo para
navegacion de una silla de ruedas inteligente empleando logica
difusa.pdf
Russell, B. (1923). Vagueness. Australasian Journal of Psychology and
Philosophy, 1(2), 84–92. https://doi.org/10.1080/00048402308540623
Sampieri, R., Collado, C., & Baptista, L. (2006). Metodologia de la
investigación. (S. D. C. . McGRAW HILL IINTERAMERICMA
EDITORES, Ed.) (Cuarta Edi). Mexico D.F. Retrieved from
https://s3.amazonaws.com/academia.edu.documents/38758233/samp
ieri-et-al-metodologia-de-la-investigacion-4ta-edicion-sampieri-
2006_ocr.pdf?AWSAccessKeyId=AKIAIWOWYYGZ2Y53UL3A&Expir
es=1507715043&Signature=SwMZJKdo%2F3b2aDOYwOP9THrlRU4
%3D&response-content-di
Sellares, V. (2012). Enfermedad renal crónica. https://doi.org/10.3265
128
Soler, C., & Lombardo, A. (2012). En apoyo al método clínico. Revista
Cubana de Medicina, 51(1), 99–104. Retrieved from
http://scielo.sld.cu/scielo.php?pid=S0034-
75232012000100012&script=sci_arttext&tlng=pt
Soto, J. (2013). Sistema de control difuso para unidades de cuidado
intensivo (UCI). Universidad Católica de Colombia. Retrieved from
http://repository.ucatolica.edu.co/handle/10983/1278
Suárez, A., Díaz, G., & Maylén, P. (2014). Determinación y análisis
comparativo de los costos de la hemodiálisis y la diálisis peritoneal. Su
impacto económico en Cuba. COFIN HABANA, 1, 23–29.
https://doi.org/2073-6061
Szczech, L. A., Barnhart, H. X., Inrig, J. K., Reddan, D. N., Sapp, S., Califf,
R. M., … Singh, A. K. (2008). Secondary analysis of the CHOIR trial
epoetin-α dose and achieved hemoglobin outcomes. Kidney
International, 74(6), 791–798. https://doi.org/10.1038/ki.2008.295
Tamayo, C., Roca, M., & Nápoles, G. (2015). La modelación científica:
algunas consideraciones teórico- metodológicas Modeling scientific:
some theoretical and methodological considerations. Santiago, 2227–
6513. Retrieved from
http://revistas.uo.edu.cu/index.php/stgo/article/viewFile/2123/2177
Toblli, J. E., García-García, Á., Aristizábal, A., Quintero, E., Arango, J.,
Buitrago, C., … America, L. (2009). Diagnóstico y tratamiento de la
anemia en pacientes con enfermedad renal crónica en todos sus
estadios. Consenso del Anemia Working Group Latin America
(AWGLA). Dialisisy Trasplante, 30(3), 104–108. Retrieved from
www.elsevier.es/dialisis
Vargas, F. (2015). Documento Marco sobre Enfermedad Renal Crónica
dentro de la Estrategia de Abordaje a la Cronicidad en el SNS.
Ministerio De Sanidad Servicios Sociales E Igualdad, 54. Retrieved
129
from
http://www.msssi.gob.es/organizacion/sns/planCalidadSNS/pdf/Enfer
medad_Renal_Cronica_2015.pdf
Villamanan, E., Herrero, A., & Álvarez-Sala, R. (2011). Prescripción
electrónica asistida como nueva tecnología para la seguridad del
paciente hospitalizado. Medicina Clínica, 136(9), 398–402.
https://doi.org/10.1016/j.medcli.2010.02.012
Yamir, E. (2013). La lógica difusa aplicada al sector Manufacturero. Ciencia
Y Sociedad, 38(4), 793–814. Retrieved from
http://www.redalyc.org/html/870/87029731007/
Zadeh, L. A. (1965). Fuzzy Sets. INFORMATION AND CONTROL, 8, 338–
353. Retrieved from http://ac.els-cdn.com/S001999586590241X/1-
s2.0-S001999586590241X-main.pdf?_tid=4653ffe6-7576-11e7-93ee-
00000aacb35e&acdnat=1501453831_24dc6b259c9b414c70abc4f7d1
459708
Zadeh, L. A. (1968). Communication Fuzzy Algorithms. INFORMATION
AND CONTROL, 12, 94–102. Retrieved from
https://people.eecs.berkeley.edu/~zadeh/papers/Fuzzy Algorithms-
1968.pdf
Zuñiga, R. (2016). Valoración de la concentración de hierro para el
diagnóstico de la anemias en pacientes con enfermedad Renal Crónica
dializados, mediante parámetros hematológicos, que acuden al
laboratorio Clínico INTERLAB, 2016. Universidad de Guayaquil.
Retrieved from
http://repositorio.ug.edu.ec/bitstream/redug/18342/1/BCIEQ-MBC-159
Zuñiga Feraud Ruth.pdf
131
CÓDIGO DEL MODELO DE INFERENCIA DIFUSA
clc, clear all, close all,
% semantica de Hemoglobina
paso=0.01;
e = 4:paso:14;
HBA=trapmf(e,[12 13 14 14]);
HBM=trapmf(e,[9 10 11 12]);
HBB=trapmf(e,[4 4 9 10]);
subplot(4,1,1), plot(e, HBA, e, HBM, e, HBB, 'LineWidth',5)
set (gca,'FontSize', 18), legend ('Baja','Media','Alta')
xlabel('HB'), ylabel ('\mu(HB)')
% semantica de incremento de HB
paso=0.01;
i= 0:paso:3;
INB=trapmf(i,[0 0 1 1.5]);
INM=trimf(i,[1 1.5 2]);
INA=trapmf(i,[1.5 2 3 3]);
subplot(4, 1,2), plot(i, INB, i, INM, i, INA, 'LineWidth',5)
set (gca,'FontSize', 15), legend ('Bajo','Medio','Alto')
xlabel('INC'), ylabel ('\mu(INC)')
% semantica de Ajuste de HB
paso=0.01;
u = -0.5:paso:0.5;
NA=trapmf(u,[-0.5 -0.5 -0.25 -0.12]);
NB=trimf(u,[-0.25 -0.12 0]);
132
MN=trimf(u,[-0.12 0 0.12]);
PB=trimf(u,[0 0.12 0.25]);
PA=trapmf(u,[0.12 0.25 0.5 0.5]);
%subplot(6, 1,3), plot(u, NA, u, NB, u, M,u,PB,u,PA, 'LineWidth',5)
%set (gca,'FontSize', 15), legend ('NA','NB','M', 'PB', 'PA')
%xlabel('AJ'), ylabel ('\mu(AJ)')
% semantica de IST
paso=0.01;
a = 10:paso:60;
ISTB=trapmf(a,[0 0 25 35]);
ISTN=trimf(a, [25 35 45]);
ISTA=trapmf(a,[35 45 60 60]);
subplot(4, 1,3), plot(a, ISTB, a, ISTN, a, ISTA, 'LineWidth',5)
set (gca,'FontSize', 18), legend ('Baja','Normal','Alta')
xlabel('IST'), ylabel ('\mu(IST)')
% semantica de Ferritina
paso=0.01;
b= 50:paso:800;
FB=trapmf(b,[0 0 200 350]);
FN=trimf(b,[200 350 500]);
FA=trapmf(b,[350 500 800 800]);
subplot(4, 1,4), plot(b, FB, b, FN, b, FA, 'LineWidth',5)
set (gca,'FontSize', 15), legend ('Bajo','Normal','Alto')
xlabel('FE'), ylabel ('\mu(FE)')
% semantica de Dosis de Hierro
paso=0.01;
133
c = 0:paso:1000;
NR=trimf(c,[0 0 0]);
B=trapmf(c,[0 100 200 300]);
M=trapmf(c,[200 300 600 700]);
A=trapmf(c,[600 700 1000 1000]);
%subplot(6, 1,6), plot(c, NR, c, B, c, M,c, A, 'LineWidth',5)
%set (gca,'FontSize', 15), legend ('No Requiere', 'Alta','Medio', 'Bajo')
%xlabel('DH'), ylabel ('\mu(DH)')
%('Ingrese el valor de la Hemoglobina:');
rta=inputdlg({'Hemoglobina', 'Variacion', 'IST','Ferritina' },'DATOS DE
PACIENTES',1);
IHB=str2double (rta{1});
IVAR= str2double(rta{2});
IST=str2double(rta{3});
FER=str2double(rta{4});
n=find(e==IHB);
subplot (4,1,1), hold on,
plot(IHB,HBA(n),'*',IHB,HBM(n),'*',IHB,HBB(n),'*','Linewidth',5),hold off
n1=find(i==IVAR);
subplot (4,1,2), hold on,
plot(IVAR,INA(n1),'*',IVAR,INM(n1),'*',IVAR,INB(n1),'*','Linewidth',5),hold
off
134
n2=find(a==IST);
subplot (4,1,3), hold on,
plot(IST,ISTA(n2),'*',IST,ISTN(n2),'*',IST,ISTB(n2),'*','Linewidth',5),hold off
n3=find(b==FER);
subplot (4,1,4), hold on,
plot(FER,FA(n3),'*',FER,FN(n3),'*',FER,FB(n3),'*','Linewidth',5),hold off
% REGLAS DE AJUSTE DE EPO
r1=min(NA,min(HBA(n),INA(n1)));
r2=min(NB,min(HBA(n),INM(n1)));
r3=min(NB,min(HBA(n),INB(n1)));
r4=min(NB,min(HBM(n),INA(n1)));
r5=min(MN,min(HBM(n),INM(n1)));
r6=min(PB,min(HBM(n),INB(n1)));
r7=min(MN,min(HBB(n),INA(n1)));
r8=min(PB,min(HBB(n),INM(n1)));
r9=min(PA,min(HBB(n),INB(n1)));
san=
max(r1,max(r2,max(r3,max(r4,max(r5,max(r6,max(r7,max(r8,r9))))))));
% DEFUZZIFICACION
v=defuzz(u,san,'centroid');
% REGLAS DE DOSIS DE HIERRO
r10=min(A,min(ISTB(n2),FB(n3)));
r11=min(B,min(ISTN(n2),FB(n3)));
135
r12=min(NR,min(ISTA(n2),FB(n3)));
r13=min(M,min(ISTB(n2),FN(n3)));
r14=min(B,min(ISTN(n2),FN(n3)));
r15=min(NR,min(ISTA(n2),FN(n3)));
r16=min(M,min(ISTB(n2),FA(n3)));
r17=min(B,min(ISTN(n2),FA(n3)));
r18=min(NR,min(ISTA(n2),FA(n3)));
x=
max(r10,max(r11,max(r12,max(r13,max(r14,max(r15,max(r16,max(r17,r18
))))))));
% DEFUSIFICACION
w=defuzz(c,x,'centroid');
% mostrar resultados
res={num2str(IHB), num2str(IVAR),num2str(IST),num2str(FER),
num2str(v,'% 10.2f'), num2str(w,'% 100.2f')};
rta=inputdlg({'hemoglobina', 'variacion', 'Saturacion', 'Ferritina','Ajuste
EPO', 'Dosis Hierro'},'Resultados',1 ,res);
136
CUESTIONARIO DE ENCUESTAS A EXPERTOS
1. ¿Cuál es su nivel académico?
a) Especialista en Nefrología
b) Especialista en Medicina Interna
c) Residente (Nefrología)
d) Otro (especifique)
2. Identifique su edad en los siguientes rangos:
a) Menor de 30años
b) De 31 a 40 años
c) De 41 a 50 años
d) De 51 a 60 años
e) Más de 60 años
3. ¿Cuantos años de experiencia tiene en diálisis?
a) Menos de 1 año
b) De 1 a 5 años
c) De 5 a 10 años
d) Más de 10 años
4. ¿Cuántos pacientes reciben tratamiento de hemodiálisis en la
institución donde usted labora?
a) Menos de 50 pacientes
b) De 50 a 100 pacientes
c) De 100 a 200 pacientes
d) Más de 200 pacientes
137
5. ¿Qué porcentaje de pacientes reciben eritropoyetina en el centro de
diálisis donde usted labora?
a) Menos del 50%
b) Entre el 50 y 70%
c) Entre el 70% y el 90%
d) Más del 90%
6. ¿Qué porcentaje de pacientes reciben tratamiento de hierro
intravenoso en el centro de diálisis donde usted labora?
a) Menos del 50%
b) Entre el 50 y 70%
c) Entre el 70% y el 90%
d) Más del 90%
7. Generalmente usted prescribe eritropoyetina a sus pacientes en
hemodiálisis, cuando su nivel de hemoglobina desciende a:
a) 11, g / dl
b) 10,5 g / dl
c) 10,0 g / dl
d) 9,5 g / dl
e) ≤ 9,0 g / dl
8. ¿Cuál es el nivel máximo de hemoglobina objetivo que
generalmente usted pretende alcanzar en sus pacientes?
a) 10 g / dl
b) 11 g / dl
c) 12 g/dl
d) 13 g / dl
138
9. En su unidad de diálisis, ¿qué porcentaje de los pacientes tratados
con eritropoyetina, se encuentran dentro del rango de Hemoglobina
esperado?
a) Más de 90%
b) Entre 70% y el 90%
c) Entre 50% y el 70%
d) Menos de 50%
10. Para un óptimo manejo de la anemia en la enfermedad renal
crónica se debe valorar el estado del hierro (depósitos y
disponibilidad) mediante la determinación del índice de saturación
de transferrina y ferritina.
a) Totalmente en desacuerdo
b) En desacuerdo
c) Indeciso
d) De acuerdo
e) Totalmente de acuerdo
11. Los pacientes con enfermedad renal crónica que presentan ferritina
< 100µg/l o saturación de transferrina por debajo de 20%, deben
recibir terapia de hierro intravenoso.
a) Totalmente en desacuerdo
b) En desacuerdo
c) Indeciso
d) De acuerdo
e) Totalmente de acuerdo
139
12. En los pacientes con insuficiencia renal crónica es necesario
administrar suficiente hierro para alcanzar una Ferritina sérica
>100ug/l y una saturación de transferrina superior al 20%.
a) Totalmente en desacuerdo
b) En desacuerdo
c) Indeciso
d) De acuerdo
e) Totalmente de acuerdo
13. En pacientes que presentan valores de Saturación de transferrina >
de 45% se debe interrumpir la administración de hierro intravenoso.
a) Totalmente en desacuerdo
b) En desacuerdo
c) Indeciso
d) De acuerdo
e) Totalmente de acuerdo
14. En su práctica clínica, estimaría necesario suspender las dosis de
hierro intravenoso a un paciente en hemodiálisis que presente un
cuadro infeccioso.
a) Totalmente en desacuerdo
b) En desacuerdo
c) Indeciso
d) De acuerdo
e) Totalmente de acuerdo
15. En etapa de reposición de los valores de hierro, las dosis promedio
utilizadas oscilan entre 300mg y 600mg de Fe por semana
140
a) Totalmente en desacuerdo
b) En desacuerdo
c) Indeciso
d) De acuerdo
e) Totalmente de acuerdo
16. En etapa de mantenimiento de los depósitos de hierro, las dosis
oscilan entre 100 y 300mg de Fe por mes.
a) Totalmente en desacuerdo
b) En desacuerdo
c) Indeciso
d) De acuerdo
e) Totalmente de acuerdo
17. Considera usted que no es recomendable establecer niveles de
hemoglobina mayores a 12g/dl, en los pacientes en hemodiálisis
que presentan enfermedad cardiovascular severa.
a) Totalmente en desacuerdo
b) En desacuerdo
c) Indeciso
d) De acuerdo
e) Totalmente de acuerdo
18. En la determinación de la dosis de eritropoyetina debe considerar el
nivel actual de hemoglobina del paciente, la hemoglobina objetivo
que debe alcanzar y tasa de incremento de la hemoglobina
observada.
a) Totalmente en desacuerdo
141
b) En desacuerdo
c) Indeciso
d) De acuerdo
e) Totalmente de acuerdo
19. En el escenario que el paciente alcanza cifras de Hemoglobina
superiores a 13 g/dl, debe ajustarse el tratamiento con
eritropoyetina reduciendo la dosis en un 25% a 50%.
a) Totalmente en desacuerdo
b) En desacuerdo
c) Indeciso
d) De acuerdo
e) Totalmente de acuerdo
Top Related