Prediction model for lower limb amputation in hospitalized diabetic foot patients using classification and regression trees

Sánchez, CA; De Vries, E.; Gil, F.; Niño, ME

Prediction model for lower limb amputation in hospitalized diabetic foot patients using classification and regression trees

dc.contributor.author	Sánchez, CA
dc.contributor.author	De Vries, E.
dc.contributor.author	Gil, F.
dc.contributor.author	Niño, ME
dc.contributor.corporatename	Pontificia Universidad Javeriana. Facultad de Medicina. Departamento de Epidemiología Clínica y Bioestadística	spa
dc.date.accessioned	2024-11-12T16:47:28Z
dc.date.available	2024-11-12T16:47:28Z
dc.date.created	2024-03-15
dc.description.abstract	La decisión de realizar la amputación de una extremidad en un paciente con úlcera del pie diabético (UPD) no es una tarea fácil. Los modelos de predicción tienen como objetivo ayudar al cirujano en la toma de decisiones en distintos escenarios. Actualmente no existe un modelo de predicción que determine la amputación de una extremidad inferior durante los primeros 30 días de hospitalización de pacientes con UPD. Métodos Se aplicó un análisis de clasificación y árbol de regresión a los datos de una cohorte retrospectiva de pacientes hospitalizados por tratamiento de úlcera de pie diabético, utilizando una base de datos existente de dos departamentos de Ortopedia y Traumatología. El análisis secundario identificó variables independientes que pueden predecir la amputación de miembros inferiores (mayores o menores) durante los primeros 30 días de hospitalización. Resultados De los 573 pacientes de la base de datos, 290 pies sufrieron una amputación de miembro inferior durante los primeros 30 días de hospitalización. Se desarrollaron seis modelos diferentes utilizando una matriz de pérdidas para evaluar el error de no detectar falsos negativos. El árbol seleccionado produjo 13 nodos terminales y después del proceso de poda, solo una división permaneció en el árbol óptimo (Sensibilidad: 69%, Especificidad: 75%, Área bajo la curva: 0,76, Parámetro de complejidad: 0,01, Error: 0,85). Entre las variables estudiadas, la clasificación de Wagner con un grado de corte de 3 superó a otras en su capacidad de predicción . Conclusiones La clasificación de Wagner fue la variable con mayor capacidad para predecir la amputación a 30 días. El estado infeccioso y la oclusión vascular descritos indirectamente por esta clasificación reflejan la importancia de tomar decisiones rápidas en aquellos pacientes con mayor compromiso de estas dos condiciones. Finalmente, aún se requiere una validación externa del modelo.	spa
dc.description.abstractenglish	Background The decision to perform amputation of a limb in a patient with diabetic foot ulcer (DFU) is not an easy task. Prediction models aim to help the surgeon in decision making scenarios. Currently there are no prediction model to determine lower limb amputation during the first 30 days of hospitalization for patients with DFU. Methods Classification And Regression Tree analysis was applied on data from a retrospective cohort of patients hospitalized for the management of diabetic foot ulcer, using an existing database from two Orthopaedics and Traumatology departments. The secondary analysis identified independent variables that can predict lower limb amputation (mayor or minor) during the first 30 days of hospitalization. Results Of the 573 patients in the database, 290 feet underwent a lower limb amputation during the first 30 days of hospitalization. Six different models were developed using a loss matrix to evaluate the error of not detecting false negatives. The selected tree produced 13 terminal nodes and after the pruning process, only one division remained in the optimal tree (Sensitivity: 69%, Specificity: 75%, Area Under the Curve: 0.76, Complexity Parameter: 0.01, Error: 0.85). Among the studied variables, the Wagner classification with a cut-off grade of 3 exceeded others in its predicting capacity. Conclusions Wagner classification was the variable with the best capacity for predicting amputation within 30 days. Infectious state and vascular occlusion described indirectly by this classification reflects the importance of taking quick decisions in those patients with a higher compromise of these two conditions. Finally, an external validation of the model is still required.	spa
dc.description.esci	Si	spa
dc.description.indexing	Revista Internacional - Indexada	spa
dc.description.quartilescopus	Q1	spa
dc.description.quartilewos	Q1	spa
dc.format	PDF	spa
dc.format.mimetype	application/pdf	spa
dc.identifier	https://www.sciencedirect.com/science/article/pii/S1268773124000687?via%3Dihub	spa
dc.identifier.doi	https://doi.org/10.1016/j.fas.2024.03.007	spa
dc.identifier.instname	instname:Pontificia Universidad Javeriana	spa
dc.identifier.issn	1268-7731	spa
dc.identifier.reponame	reponame:Repositorio Institucional - Pontificia Universidad Javeriana	spa
dc.identifier.repourl	repourl:https://repository.javeriana.edu.co	spa
dc.identifier.uri	http://hdl.handle.net/10554/68667
dc.language.iso	eng	spa
dc.relation.citationendpage	479	spa
dc.relation.citationissue	6	spa
dc.relation.citationstartpage	471	spa
dc.relation.citationvolume	30	spa
dc.relation.ispartofjournal	Foot and Ankle Surgery	spa
dc.rights.coar	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.licence	Atribución-NoComercial 4.0 Internacional	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc/4.0/	*
dc.subject	Úlcera del pie	spa
dc.subject	Wagner	spa
dc.subject	Amputación	spa
dc.subject	Pronóstico	spa
dc.subject	Aprendizaje automático	spa
dc.subject.keyword	Foot ulcer	spa
dc.subject.keyword	Wagne	spa
dc.subject.keyword	Amputation	spa
dc.subject.keyword	Forecasting	spa
dc.subject.keyword	Machine learning	spa
dc.title	Prediction model for lower limb amputation in hospitalized diabetic foot patients using classification and regression trees	spa
dc.type.coar	http://purl.org/coar/resource_type/c_2df8fbb1	spa
dc.type.hasversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.local	Artículo de revista	spa