Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Modelo de Predicción del Riesgo de Desarrollo de Úlceras del Pie en Diabetes

14 de diciembre de 2025 actualizado por: Ulla Hellstrand Tang, Sahlgrenska University Hospital

Modelo de predicción del riesgo de desarrollar úlceras del pie en la diabetes

Introducción Las úlceras del pie en la diabetes mellitus (DM) son una complicación común y grave que puede provocar infección, amputación y aumento de la mortalidad. La identificación temprana de pacientes con alto riesgo es crucial para implementar medidas preventivas en una fase temprana. El número de personas con DM está aumentando a nivel mundial, de 540 millones en 2021 a un estimado de 780 millones para 2045. Las úlceras del pie causan un sufrimiento considerable para el individuo y conllevan costos sustanciales para el sistema sanitario.

A pesar de que las guías nacionales recomiendan exámenes regulares y estructurados del pie y la clasificación de riesgos para evaluar el riesgo de desarrollar úlceras del pie, los modelos de riesgo actuales no tienen en cuenta las complejas interacciones entre los factores de riesgo y los factores socioeconómicos como el estado civil, el nivel de educación y el lugar de residencia.

Los avances basados en datos y la inteligencia artificial (IA) ofrecen nuevas oportunidades para refinar la identificación de riesgos, pero su uso en la predicción del riesgo de úlceras del pie diabético sigue siendo limitado. La necesidad de cribado del pie es considerable. En Suecia, hay aproximadamente 600.000 pacientes con DM, y la mitad de ellos viven con un riesgo aumentado debido a daños nerviosos en los pies. Esto significa que, basándose en el nivel de riesgo, alrededor de 300.000 pacientes en Suecia pueden requerir intervenciones preventivas, incluyendo cuidados podológicos médicos, calzado a medida y acceso a atención especializada para aquellos con úlceras del pie. Se enfatizan los esfuerzos preventivos mejorados en la vía de atención centrada en la persona e integrada para personas con diabetes con alto riesgo de úlceras del pie. Sin embargo, actualmente falta una identificación precisa del riesgo de úlcera del pie.

La prevención conduce no solo a una buena calidad de vida para el individuo, sino también a una reducción de los costes sanitarios. Las estimaciones de Ragnarsson Tennvall muestran que una úlcera difícil de curar cuesta aproximadamente 100.000 SEK por año, mientras que una amputación cuesta alrededor de 300.000-500.000 SEK. Dada una prevalencia de úlceras del pie del 5% entre pacientes con diabetes, el coste anual de la atención de úlceras asciende a 3 mil millones de SEK. Además, hay costes de aproximadamente 750 millones de SEK por amputaciones, según datos del registro de calidad SwedAmp.

El objetivo del estudio es desarrollar, probar y validar modelos de predicción (estadísticos y basados en IA) para identificar pacientes con DM que están en riesgo de desarrollar úlceras del pie. Los modelos se basarán en datos retrospectivos de historias clínicas electrónicas de atención primaria en la Región Västra Götaland (VGR), así como en datos de Estadísticas Suecia (SCB) relativos a factores demográficos como el estado civil, el nivel de educación, la ocupación y el lugar de residencia.

Métodos El estudio tiene dos enfoques metodológicos: modelado basado en IA y modelado estadístico.

Enfoque basado en IA Se desarrollarán modelos de aprendizaje automático para predecir pacientes en riesgo de desarrollar úlceras del pie diabético. Los modelos se entrenarán utilizando validación cruzada en un gran conjunto de datos en el que las variables se excluirán de manera iterativa. Se utilizará la predicción conforme para cuantificar la incertidumbre en las predicciones a nivel de paciente. Los modelos resultantes se analizarán para identificar los predictores más fuertes y se compararán con el modelado estadístico clásico y los hallazgos de la literatura.

Pasos en el modelado de IA:

Extracción de datos: Datos de historias clínicas electrónicas de atención primaria en VGR, complementados con datos sociodemográficos de SCB.

Procesamiento de datos: Uso de, entre otras variables, códigos de diagnóstico (ICD-10), intervenciones sanitarias (códigos KVÅ), tipos de visita, frecuencia de visitas, parámetros de ECG y datos de texto libre para construir predictores.

Desarrollo del modelo: Se desarrollarán y entrenarán modelos de predicción utilizando validación cruzada. Se generarán medidas de incertidumbre utilizando predicción conforme.

Validación: Se utilizará una cohorte separada para probar el rendimiento del modelo (sensibilidad, especificidad, valor predictivo positivo [VPP]).

Interpretación: Los modelos se revisarán para transparencia e interpretabilidad clínica en colaboración con representantes de pacientes, clínicos e investigadores.

Los resultados de los modelos estadísticos y basados en IA se compararán con respecto a sus respectivas fortalezas y debilidades.

Modelado estadístico Se analizarán dos poblaciones: pacientes con diabetes sin úlceras del pie y pacientes con diabetes con úlceras del pie. Se identificarán la co-variación y las relaciones causales entre los factores de riesgo y las úlceras del pie. Se desarrollará un modelo que describa las vías causales que conducen al desarrollo de úlceras, y se analizará su certeza e incertidumbre.

Descripción general del estudio

Estado

Reclutamiento

Condiciones

Descripción detallada

En este estudio basado en registros, utilizando datos del sistema de historiales clínicos electrónicos de Närhälsan en la Región de Västra Götaland (VGR) y la vinculación con datos de Estadísticas de Suecia (SCB), las preguntas de investigación se abordarán mediante el desarrollo y validación de modelos basados en IA. En una etapa posterior del proceso, se comparará la capacidad de los modelos de IA para predecir úlceras en los pies con la de los modelos estadísticos.

Desde Asynja Whisp, el sistema de historiales clínicos electrónicos de Närhälsan en VGR, se recuperarán datos de todos los pacientes adultos (18 años o más) con diagnósticos (según CIE-10) que tengan un diagnóstico de diabetes (E10-E14) o a quienes se les haya recetado cualquier medicamento para la diabetes después de los 18 años, abarcando el período desde 2014 hasta el 30 de junio de 2025.

Basándose en, entre otras variables, códigos de diagnóstico (CIE-10), códigos de procedimiento (KVÅ), tipos de visita, frecuencia de visitas, parámetros de ECG y notas de texto libre/clínicas, se identificarán predictores, como neuropatía, circulación deteriorada, úlceras previas, tratamiento con antibióticos, deformidades en los pies y estado de la piel. Los datos se validarán y, si es necesario, se complementarán con parámetros adicionales.

Métodos para abordar las preguntas de investigación

Se entrenarán modelos basados en aprendizaje automático para predecir el riesgo de desarrollar úlceras en los pies. Se utilizará validación cruzada para identificar hiperparámetros óptimos para cada modelo. En la primera fase, se evaluará la capacidad de los modelos para discriminar entre pacientes con úlceras del pie diabético y pacientes sin úlceras en los pies. En la segunda fase, se evaluará la capacidad de los modelos para predecir prospectivamente el desarrollo de úlceras. Se excluirán variables redundantes y los modelos se reentrenarán en un proceso iterativo para aumentar la robustez.

Los modelos se combinarán con predicción conforme para integrar la estimación de incertidumbre en las predicciones y para identificar pacientes para quienes el modelo no sea adecuado para la predicción. Finalmente, se identificarán las variables más predictivas utilizando valores de Shapley (SHAP).

Modelos estadísticos

Utilizando datos de historiales clínicos electrónicos del sistema de información de atención Asynja Whisp en atención primaria de VGR, junto con datos de SCB y evidencia científica y empírica, se identificarán variables y categorías que constituyan factores de riesgo potenciales para úlceras en los pies. Se aplicará un diseño de casos y controles, en el que el grupo de control consiste en personas con diabetes que no han desarrollado úlceras en los pies, en comparación con pacientes que han desarrollado úlceras en los pies.

En el desarrollo de modelos estadísticos de predicción, el flujo de trabajo implica analizar poblaciones, es decir, todos los pacientes con diabetes sin úlceras en los pies en comparación con todos los pacientes con diabetes que tienen úlceras en los pies. Esto permite investigar posibles asociaciones entre la aparición de úlceras en los pies en pacientes con diabetes y otros factores. En colaboración con la profesión médica, se identificarán relaciones causales subyacentes a la aparición de úlceras en los pies. Se desarrollará un modelo que describa cadenas de causalidad que conducen a la aparición de úlceras en los pies en pacientes con diabetes, y se proporcionará información sobre el grado de certeza del modelo.

Basándose en los resultados de los modelos (tanto generados por IA como estadísticos), se compararán fortalezas y debilidades de cada enfoque. La validación de los modelos desarrollados se realizará en un conjunto de datos independiente para garantizar que los resultados sean generalizables y robustos a lo largo del tiempo.

La estrategia de validación asegura que el modelo funcione bien con nuevos pacientes y no solo con el conjunto de datos a partir del cual se desarrolló. Las medidas de resultado para la validación incluyen sensibilidad (qué tan bien el modelo identifica a aquellos que realmente tienen un alto riesgo de úlceras en los pies), especificidad (qué tan bien el modelo evita falsas alarmas) y valor predictivo positivo (VPP). Además, se interpretará el modelo para garantizar transparencia e interpretabilidad clínica. El desarrollo, prueba y validación se llevarán a cabo en colaboración con representantes de pacientes, clínicos e investigadores.

Tipo de estudio

De observación

Inscripción (Estimado)

100000

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Estudio Contacto

  • Nombre: Ulla Hellstrand Tang, Associate Professor
  • Número de teléfono: +46706397913
  • Correo electrónico: ulla.tang@vgregion.se

Copia de seguridad de contactos de estudio

Ubicaciones de estudio

      • Jonsered, Suecia, 43375
        • Reclutamiento
        • Region Västra Götaland
        • Contacto:
        • Contacto:
          • Ulla Hellstrand Tang, Associate Professor
          • Número de teléfono: 046706397913
          • Correo electrónico: ulla.tang@vgregion.se

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

No

Método de muestreo

Muestra no probabilística

Población de estudio

La población del estudio consiste en todos los pacientes adultos elegibles que reciben atención primaria dentro de la Región Västra Götaland (VGR). Los datos se extraerán de Assynja Whisp, el sistema de historias clínicas electrónicas utilizado por Näringslan, el proveedor público de atención primaria en VGR. El conjunto de datos incluye información sobre todos los pacientes que cumplen los criterios de inclusión y que han sido registrados en el sistema durante el período de estudio. Los datos extraídos comprenden información clínica, diagnóstica y de prescripción recopilada de forma rutinaria, lo que permite análisis poblacionales integrales.

Descripción

Criterios de inclusión:

  • Pacientes adultos de 18 años o más en el momento de la inclusión
  • Pacientes con diagnóstico de diabetes mellitus según los códigos CIE-10 E10-E14, y/o
  • Pacientes a los que se les ha prescrito al menos un medicamento relacionado con la diabetes después de los 18 años
  • Pacientes con diagnósticos y/o prescripciones relevantes registrados en las fuentes de datos del estudio entre el 1 de enero de 2014 y el 30 de junio de 2025

Criterios de exclusión:

  • Pacientes menores de 18 años en el momento del diagnóstico de diabetes o de la prescripción
  • Pacientes sin diagnóstico registrado de diabetes (CIE-10 E10-E14) y sin prescripción de medicación para la diabetes después de los 18 años
  • Pacientes con datos clave incompletos o faltantes necesarios para el desarrollo o validación del modelo (por ejemplo, resultado faltante o covariables esenciales)

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

Cohortes e Intervenciones

Grupo / Cohorte
Pacientes con diabetes con úlceras del pie
Pacientes con diabetes y úlceras del pie registrados en el sistema de historial médico electrónico de atención primaria en la Región Västragötaland.
Pacientes con diabetes sin úlceras en los pies
Pacientes con diabetes sin úlceras en los pies registrados en el sistema de historial médico electrónico de atención primaria en la Región de Västra Götaland.

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Rendimiento de los modelos de predicción basados en aprendizaje automático para el riesgo de úlcera del pie diabético
Periodo de tiempo: Desde el inicio del estudio hasta el 31 de diciembre de 2027

El resultado principal es el rendimiento predictivo de los modelos basados en aprendizaje automático desarrollados para estimar el riesgo de úlceras del pie diabético en pacientes con diabetes. Los modelos se entrenarán utilizando técnicas de aprendizaje automático supervisado, con hiperparámetros óptimos identificados mediante validación cruzada.

En la fase de evaluación inicial, se evaluará el rendimiento del modelo para discriminar entre pacientes con y sin úlceras del pie diabético existentes. En una fase posterior, se evaluará la capacidad de los modelos para predecir prospectivamente el desarrollo de úlceras del pie diabético durante el seguimiento.

La solidez del modelo se mejorará mediante un proceso iterativo en el que se excluyen variables redundantes y se reentrenan los modelos. El rendimiento predictivo se cuantificará utilizando métricas establecidas como discriminación, calibración y precisión de clasificación.

Para tener en cuenta la incertidumbre en las predicciones individuales, los modelos finales se combinarán con el método de Predicción Conforme

Desde el inicio del estudio hasta el 31 de diciembre de 2027

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Identificación e interpretabilidad de los factores de riesgo para el desarrollo de úlceras del pie diabético
Periodo de tiempo: Desde el inicio del estudio hasta el 31 de diciembre de 2027

El resultado secundario es la identificación y validación de variables clínicas, demográficas y socioeconómicas que son factores de riesgo potenciales para el desarrollo de úlceras del pie diabético en pacientes con diabetes. Las variables y categorías de factores de riesgo se identificarán utilizando datos de registros de salud electrónicos del sistema de información de atención primaria Assynja Whisp en la Región Västra Götaland, vinculados con datos del registro nacional de Statistics Sweden (SCB), junto con evidencia científica y empírica establecida.

Se aplicará un diseño de estudio de casos y controles, en el que se compararán pacientes con diabetes que desarrollan úlceras en los pies con un grupo de control de pacientes con diabetes que no desarrollan úlceras en los pies. Se realizarán análisis a nivel poblacional para examinar las asociaciones y la covarianza entre la aparición de úlceras del pie diabético y otros factores relevantes.

Desde el inicio del estudio hasta el 31 de diciembre de 2027

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Investigadores

  • Investigador principal: Ulla Hellstrand Tang, Associate Professor, The Department of Prosthetics & Orthotics at the Department for Biomedical Engineering and Medical Physics at Sahlgrenska University Hospital, Gothenburg, Sweden

Publicaciones y enlaces útiles

La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Actual)

30 de enero de 2014

Finalización primaria (Estimado)

30 de diciembre de 2027

Finalización del estudio (Estimado)

30 de diciembre de 2027

Fechas de registro del estudio

Enviado por primera vez

14 de diciembre de 2025

Primero enviado que cumplió con los criterios de control de calidad

14 de diciembre de 2025

Publicado por primera vez (Actual)

29 de diciembre de 2025

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

29 de diciembre de 2025

Última actualización enviada que cumplió con los criterios de control de calidad

14 de diciembre de 2025

Última verificación

1 de diciembre de 2025

Más información

Términos relacionados con este estudio

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .

Suscribir