Síntesis empírica de meta-análisis, técnicas de optimización multi-objetivo y minería de datos aplicadas al diagnóstico de la Enfermedad de Alzheimer

Abstract

En los últimos años se han producido importantes avances en la investigación científica sobre la Enfermedad de Alzheimer (EA). En la sección 1 de esta tesis se ofrecen estimaciones específicas de los tamaños del efecto de la asociación entre diferentes factores de riesgo modificables y la EA mediante técnicas metaanalíticas. En la sección 2 se aborda la prevención secundaria dirigida al diagnóstico precoz de la EA. Para ello, se describe una metodología específica para desarrollar un sistema generador de modelos a partir de diagnósticos médicos establecidos en una base de datos. Resultados de la primera parte: Agrupando todos los efectos extraídos de los meta-análisis realizados con los diferentes factores de riesgo, los mayores tamaños de efecto son para: Depresión (OR = 2,46) e Ictus (OR = 2,27). Otro de los mayores tamaños del efecto se encuentra entre la asociación entre el tipo de colesterol LDL y la EA (OR = 2,55). Resultados de la segunda parte: la variable ictus fue la más relevante (predicción del 74,87%) en todos los clasificadores. La hipertensión arterial también constituyó una variable importante en el clasificador SVM. Además, los fármacos antiarrítmicos se consideraron un factor protector en todos los clasificadores. Por último, la variable tabaquismo genera controversia en los distintos modelos, ya que en algunos se clasifica como factor protector y en otros como factor de riesgo para la EA. En conclusión, esta tesis aplica diversas metodologías con diferentes muestras para demostrar la robustez predictiva de los factores de riesgo asociados al desarrollo de la EA.

In recent years, there have been important advances in scientific research on AD. Section 1 of this thesis, specific estimates of the effect sizes of the association between different modifiable risk factors and AD are provided using meta-analytic techniques. Section 2 deals with secondary prevention aimed at the early diagnosis of AD. Therefore, a specific methodology is described to develop a model generator system from medical diagnoses established in a database. Results of the first part: Pooling all the effects extracted from the meta-analyses performed with the different risk factors, the largest effect sizes are for: Depression (OR = 2.46) and Stroke (OR = 2.27). Another of the highest effect sizes is found between the association between LDL cholesterol type and AD (OR = 2.55). Results of the second part: stroke variable was the most relevant variable (predict at 74.87%) in all classifiers. Arterial hypertension also constituted an important variable in the SVM classifier. Furthermore, antiarrhythmic drugs were considered a protective factor in all classifiers. Finally, the smoking variable generates controversy in the different models, since in some it is classified as a protective factor and in others as a risk factor for AD. To conclude, this thesis applies diverse methodologies with different samples to demonstrate the predictive robustness of risk factors associated with the development of AD.