Espacios Colaborativos del Imserso
Blog del Ceadac

Hoy en el blog compartimos el estudio Machine Learning-Based Model for Prediction of Early Post-Stroke Fatigue in Patients With Stroke: A Longitudinal Study publicado en la revista Neurorehabilitation and Neural Repair. Introducción La fatiga posterior a un ictus, como uno de los síntomas físicos y mentales duraderos que acompañan a los supervivientes de un ictus, afectará gravemente la vida diaria y la calidad de vida de las personas que lo han sufrido. El objetivo de este estudio fue desarrollar algoritmos de aprendizaje automático (ML) para predecir la fatiga temprana posterior al ictus. Metodología Estudio longitudinal de 702 pacientes con ictus, con seguimiento de 3 meses. Se obtuvieron veintitrés características clínicas de las historias clínicas y cuestionarios antes del alta. La fatiga temprana tras un ictus se evaluó mediante la Escala de Gravedad de la Fatiga. El conjunto de datos se dividió aleatoriamente en un grupo de entrenamiento (70%) y un grupo de validación interna (30%), se aplicó sobremuestreo, validación cruzada de 10 veces y búsqueda en cuadrícula para optimizar el hiperparámetro. La selección de características se realizó mediante la regresión LASSO (Operador de Selección y Contracción Absoluta Mínima). Se aplicaron dieciséis algoritmos de aprendizaje automático (ML) para predecir la fatiga temprana tras un ictus en este estudio. La exactitud, la precisión, la recuperación, la puntuación F⁻ , el área bajo la curva característica operativa del receptor (AUC) y la puntuación Brier se utilizaron para evaluar el rendimiento de los modelos. Resultados Entre los 16 algoritmos de aprendizaje automático (ML), el modelo Bagging fue el óptimo para predecir la fatiga temprana post-ictus. La selección de características basada en LASSO reveló que los factores de riesgo para la fatiga temprana post-ictus en pacientes con ictus incluían ansiedad, sueño, apoyo social, cuidado familiar, dolor, depresión, trastorno neurofuncional, abstinencia/abandono de alcohol, función del equilibrio, tipo de ictus, sexo, cardiopatía, tabaquismo y hemiplejía. Conclusiones En este estudio, el modelo Bagging demostró ser eficaz para predecir la fatiga temprana posterior al accidente cerebrovascular. Fuente Wu, Y., Zhou, D., Fornah, L., Liu, J., Zhao, J., and Wu, S. (2025). Machine Learning-Based Model for Prediction of Early Post-Stroke Fatigue in Patients With Stroke: A Longitudinal Study. Neurorehabilitation and Neural Repair. DOI: 10.1177/15459683251329893. Puede solicitar el artículo completo al centro de recursos a través del correo centro.recursos.ceadac@imserso.es

El 28 de abril en el Centro de Referencia Estatal de Atención al Daño Cerebral (Ceadac) dependiente del Imserso tuvo lugar la jornada «Secuelas Invisibles en el DCA: detección, tratamiento y aplicación de la Ley 35/15, Tras la comparativa con la personalidad previa». El evento fue inaugurado por Inmaculada Gómez Pastor, directora gerente del Ceadac, y moderado por María Paz Pérez-Carrillo de la Cueva, abogada en ejercicio. Además, se realizó en modalidad híbrida, contando tanto con asistentes presenciales como online. Ana Belén Piñas López, abogada con especialidad en responsabilidad civil y en atención a personas con discapacidad, intervino con su ponencia «Contextualización, definición y abordamiento de los métodos de detección, comparativa entre la personalidad prexistente a la lesión y tratamiento de las Secuelas Invisibles. Determinación Tratamiento de la Ley 35/15 sobre las Secuelas Invisibles». Tras su intervención, puesto que finalmente Marta Francés Gómez no pudo asistir, escuchamos el testimonio de Noelia Silva Liaño, persona usuaria del Ceadac, que habló de las secuelas invisibles con las que tiene que convivir a causa de su DCA. La última ponencia «Tratamiento, evolución hacia la superación de las secuelas invisibles mediante la terapia deportiva», corrió a cargo de José Antonio García de Mingo, profesor en la Facultad de Ciencias de la Actividad Física y del Deporte (INEF) de la Universidad Politécnica de Madrid y antiguo seleccionador nacional de Atletismo Paralímpico. Como colofón se realizó una mesa redonda con los asistentes. Vídeos Enlace a los vídeos de la jornada.

Autores Asociación Daño Cerebral Invisible. Lourdes Andreu Daufi. Amor Bize López. Igor Bombín González. Elain Lázaro Calaña Puerta. Pedro Cuadrado Callejo. Carmen Cuenca Muñoz. Ana Frank García. Tania Herrera Barcia. Aurora Lassaletta Atienza. Myrtha O´Valle Rodríguez. Marcos Ríos Lago. Christian Salas Riquelme. Miriam Suárez Castro. Publicación Asociación Daño Cerebral Invisible, noviembre de 2024 Sinopsis Esta guía, surge como una visión compartida entre profesionales sanitarios y personas con daño cerebral adquirido (DCA) ante un problema de difícil definición y comprensión. La lesión del sistema nervioso muchas veces es difícil de identificar o comprender, tanto por parte de los profesionales, como de los familiares e incluso por parte de los propios pacientes. Más información: La biblioteca del Ceadac cuenta con dos ejemplares físicos disponibles para préstamo presencial. La guía puede consultarse también en formato digital en el siguiente enlace. Para más información o dudas sobre la biblioteca: centro.recursos.ceadac@imserso.es Normativa biblioteca (3,5 MB)