Resumen del trabajo fin de master



Título: Validación de una prueba para el diagnóstico y la derivación de la apnea del sueño en Atención Primaria
Universidad que ofrece el proyecto: Universidade de Vigo
Director/a:
Clavería Fontán, Ana;  Roca Pardiñas, Javier
Alumno/a:
Domínguez González, Avelino
Resumen:
El diseño y la validación de instrumentos simples, rápidos y económicos para diagnosticar trastornos del sueño podría contribuir a facilitar su detección, compatibilizarlo con la escasa disponibilidad de tiempo que tiene el médico de familia durante su consulta y evitar la demora en diagnóstico/tratamiento actual. El objetivo es diseñar y validar la capacidad diagnóstica de la combinación de síntomas clínicos y pulsioximetría nocturna para diagnosticar apnea el sueño moderada-grave en atención primaria frente a la polisomnografía mediante la evaluación de su capacidad de discriminación y verificando la calibración de los modelos obtenidos. Este estudio tendrá ámbito cumunicatario con la participación de 6 centros de salud (4 en Galicia, 1 en Cataluña y 1 en Islas Canarias).
La población en estudio serán personas de 35 a 70 años. Se estudiarán variables demográficas, clínicas y relacionadas con la apnea del sueño: cuestionario STOP-Bang, cuestionario MVAP, escala de somnolencia de Epworth, índices de saturación de O2 recogidos durante la pulsioximetría nocturna. La variable de resultado será la apnea del sueño moderada-grave, definida como el índice de apnea-hipoapnea igual o superior a 15 observado en la polisomnografía.
Para el análisis estadístico se utilizarán modelos de clasificación y modelos de regresión de respuesta binaria. Entre otros, serán usados los modelos aditivos generalizados, y se estudiará su capacidad diagnóstica a partir de la curva ROC (Receiver Operating Characteristic) obtenida con las probabilidades ajustadas con el modelo. Se obtendrá el área bajo la curva, el punto de corte óptimo con sus correspondientes valores de sensibilidad, especificidad, y razones de verosimilud positivas y negativas. Además, se utilizarán técnicas de selección de variables que permitan determinar el subconjunto de covariables que dan lugar al modelo con mejor capacidad diagnóstica.
Más información