Ritmicidad en las urgencias psiquiátricas.

Ritmicidad en las urgencias psiquiátricas.

Navío-Acosta, M; Villoria-Borrego, L; Rodriguez-Salgado, B; Riaza- Bermudo-Soriano, C; Del Jesús, MJ; Herrera, F; Baca-García, E; Ramos-Brieva, J; Saiz-Ruiz, J.

Servicio de Psiquiatría
Hospital Ramón y Cajal. Madrid

PALABRAS CLAVE: impulsividad, suicidio, Ritmicidad, Estacionalidad, inteligencia artificial.

[11/2/2003]


Las alteraciones de los ritmos biológicos son sistemáticamente exploradas en una valoración psicopatológica completa, y constituyen manifestaciones cardinales de algunas patologías psiquiátricas. Se han acumulado evidencias en los últimos años que otorgan importancia a distintas variables cronobiológicas en la demanda de atención psiquiátrica urgente en general y por actos auto o heteroagresivos en particular.

Objetivo

Nos hemos planteado la posible existencia de ciertos patrones rítmicos (de carácter estacional, horario, meteorológico, fase lunar. . . ) en la afluencia de los pacientes al servicio de urgencias psiquiátricas.

Método

En una primera aproximación, nos centramos en la variable horaria, utilizando una base de datos diseñada a tal efecto con el inconveniente de que no eran incluidos en la misma el 100 % de los casos.

Para investigar su existencia recogimos variables de tipo sociodemográfico, antecedentes personales, tratamientos previos, tipo de demanda, diagnóstico recibido, e intervención realizada, en una muestra de 925 pacientes valorados en nuestro servicio de urgencias tal y como puede verse en la tabla 1. Además la variable horaria (hora de llegada)se ha hecho discreta en tres periodos (diurno, vespertino y nocturno) . El número total de pacientes de cada clase es:

- Clase 0: 221
- Clase 1: 379
- Clase 2: 313

Tabla 1

Hemos utilizado para la búsqueda de los mencionados ritmos técnicas de inteligencia Artificial, en concreto algoritmo Genético con codificación entera en un proceso de extracción de reglas denominado Data Mining. Éste consiste en la extracción de información no trivial potencialmente útil, desconocida hasta el momento, existente implícitamente en un conjunto de datos. Se buscan patrones de interés en una representación particular o conjunto de esas representaciones tales como reglas de clasificación, reglas difusas de asociación, árboles, regresión, agrupamiento, etc. ( Ver figura 1)

Figura 1

Resultados

El uso de la técnica 1-NN y selección de características + 1-NN previa al proceso de Data Mining demuestra que hay individuos parecidos en los 3 periodos horarios, y por tanto no se puede hablar de ritmos o patrones totalmente diferentes en los 3 periodos. Eso lo pone de manifiesto el resultado de Selección de Características con un 40% de acierto.

No obstante, existen algunas reglas específicas que identifican ritmos en las clases, aunque con pocos individuos. En las tablas 2 (rango horario 0, matutino), 3 (rango horario 1, vespertino), y 4 (rango horario 2, nocturno) puede apreciarse la frecuencia con que son seleccionadas las distintas variables, que finalmente se incluyen en las reglas obtenidas.

Los resultados apuntan la existencia de ocho reglas con un nivel de confidencia teórico( precisión) mayor del 90%, cuatro de las cuales interesan el intervalo horario nocturno. Describimos a continuación tres de ellas, cuyo contenido puede ser útil en un primer análisis de la demanda, en el servicio de urgencias:

1) Si la edad es alta, y esta jubilado, y tiene tratamiento psicofarmacológico, y la adhesión al tratamiento es buena, y tuvo consulta previa en el médico de cabecera, y el tipo de alta es facultativa,
ENTONCES franja horaria 1 (vespertina)
(Confidencia: 1; Completitud: 0, 016)

2) Si varón, con antecedentes de alcoholismo, sin consumo de otros tóxicos, con tratamiento antidepresivo ISRS y benzodiacepinas, con motivo de consulta intoxicación etílica,
ENTONCES franja horaria 2 (nocturna)
(Confidencia:1; Completitud 0, 016)

3) Si mujer, con incapacidad laboral y antecedentes de autoagresividad, sin antecedentes médicos, cuyo motivo de consulta es gesto autolítico,
ENTONCES franja horaria 2 (nocturna)
(Confidencia: 1; Completitud: 0, 012)

El nivel de completitud ( cobertura de la regla) fue inferior al preestablecido.

Conclusiones

No se pudo descartar la existencia de ciertas ritmicidades, a pesar de la baja completitud. Nos hemos propuesto optimizar el algoritmo en futuras experimentaciones, con el fin de completar el análisis de los múltiples factores que intervienen en estos hipotéticos ritmos, y extender su aplicación a ciclos potenciales de la cronobiología. En el momento actual, la limitación que suponía no haber reclutado el 100 % de los casos ha sido subsanada en la medida en que contamos con la informatización global de nuestro servicio de urgencias.

De igual forma es mejorable la posibilidad de aplicación de la capacidad predictiva del algoritmo utilizado en la psiquiatría de urgencias, más allá de consideraciones de tipo intuitivo, evidentemente también presentes.

Bibliografía

1. Camstock BS. Psychiatric emergencies in the emergency departament. Emerg Health Serv Rev 1985; 3 ( 2-3): 107-21;
2. Opjordsmoen S. Admissions to emergency psychiatric departaments. Tidsskr Nor Laegeforen 2000 Feb 10; 120 (4): 51
3. Lopez Sanchez, JM. Compendio de psicopatología. (4ªeds)1996
4. Ishibuchi, H. Nakashima, T. , Nii, M. : Genetic-Algorithm-Based Instance and Feature Selection. En: Liu, H. , Motoda, H. (eds) Instance Selection and Construction for Data Mining, Kluwer Academic (2001) 95-112.
5. Preti A. Seasonal variation and meteotropism in suicide. Current Opinion in Psychiatry 2000, 13: 655-660.

IMPORTANTE: Algunos textos de esta ficha pueden haber sido generados partir de PDf original, puede sufrir variaciones de maquetación/interlineado, y omitir imágenes/tablas.